街道尺度下的零售商业中心热点识别与业态差异——以武汉市为例

城市零售商业的空间分布是现代城市发展的重要研究领域,科学分析城市零售商业的集聚特征,有利于优化城市用地布局及合理配置城市商业资源。基于POI数据,以武汉市街道为研究尺度,通过核密度估计、空间自相关分析以及Ripley’s K函数来识别武汉市零售商业中心热点和分析各业态之间的差异。结果表明:(1)武汉市零售商业在空间分布上表现为“大集聚、小分散”的特征,集聚趋势和扩张态势并存,在中心城区集聚特征明显,并形成多个次级集聚中心。(2)全局空间自相关分析结果显示Moran’s I为0.385,说明武汉市零售商业分布存在正的空间相关性,局部空间自相关分析表明高-高集聚区的街道集聚特征明显,但其辐射带动作用较弱,极化现象明显。(3)零售商业分布的“中心-外围”结构明显,零售商业集中区主要分布在以江汉路商圈为核心的10 km圈层范围内,由中心城区向远城区递减。(4)不同距离下各业态空间集聚存在差异,商场、超市进行区位选择的范围较小,便利店、家居建材市场、专卖店的距离范围较大。     

基于POI数据的大型零售商业设施空间布局与业态差异——以广州市为例

以广州市为例,基于大型零售商业设施POI（Point of Interest）数据,运用空间计量分析方法,对大型零售商业设施总体及不同业态的空间分布及其影响因素进行了探究。结果表明：总体上,大型零售商业设施空间分布呈现出由内向外扩散的多中心圈层式结构,沿交通干道生长和连片蔓延趋势明显,中心城区设施临近轨道交通分布指向性突出。不同业态分布差异明显,大型购物中心和商场主要分布在中心城区及外围城区次中心,大型综合超市由中心城区内部向边缘区域扩散趋势明显,大型专业店主要分布在中心城区的边缘区域。影响因素方面,人口、经济和租金因素对其总体分布影响显著为正。不同业态所受影响因素有所不同,除人口等传统影响因素外,与生活中心、产业园或专业市场的临近性也会分别对大型综合超市和大型专业店的空间分布造成显著影响。     

基于POI数据的长春市商业空间格局及行业分布

商业网点的空间集聚与分散是零售商业活动的重要表现,其合理化布局对发展城市经济、满足居民消费需求发挥着重要作用。基于核密度估计、区位熵指数及Ripley's K函数分析法,以长春市中心城区商业类城市兴趣点（POI）数据为基础,在分析城市商业空间格局特征的基础上,进一步从行业空间分异的视角,研究城市商业空间的行业分布及集聚特征。结果表明：① 长春市商业网点空间分布的集聚特征显著,并呈现多中心的分布形态,基于道路格网单元的商业网点热点区分布与识别的商业密度中心分布总体一致;② 不同商业中心表现出不同的等级规模差异,整体等级规模结构较为合理;③ 零售行业视角下的城市商业空间“中心—外围”分异明显,且不同行业表现出了不同的空间集聚模式;④ 各行业多尺度的空间集聚表现不同,综合零售、家用电器等行业区位选择的空间尺度范围较大,纺织服装、文化体育等行业区位选择的尺度范围较小;⑤ 行业视角的专业化功能区块差异显著,成熟区块呈现多功能要素、多优势行业集聚特征,发展中区块功能较为单一。     

POI数据在中国城市研究中的应用

兴趣点(Point of Interest,POI)数据的兴起带动了城市研究的革新.为梳理中国POI数据在城市研究的应用进展,阶段性总结其应用方向、数据分析方法及尚存不足,并为未来POI数据在中国城市发展中的应用提供思路和借鉴.应用CiteSpace工具对中国知网2010-2019年625篇相关文献进行知识图谱分析,结...     

基于POI数据的城市用地功能识别与评价研究

充分利用大数据开展城市用地功能识别,有助于把握城市空间结构,推动城市内部空间合理布局。POI数据是大数据时代一种较易获得且极具代表性的空间点状数据,能够有效地确定城市用地的实际功能。以济南市内五区的185126条POI数据为基础,对所得数据进行去重、纠偏、重分类,构建城市用地功能分类体系,运用频数密度、类型比例及核密度估计,识别济南市内五区城市用地功能并利用误差矩阵对识别结果进行检验。结果表明：①混合功能用地与单一功能用地呈现圈层化地域分布特征,“核心-外围”分异明显;②由内向外单一功能用地集聚趋势减弱,混合功能用地多样性降低,不同用地表现出不同的空间分布模式;③通过误差矩阵及与用地规划图中规划用地及电子地图的实际用地对比,识别总体精度为75.67%,识别结果较为准确。     

基于POI数据的西宁市零售业空间格局探究

零售业是城市商业结构中最有活力的组成部分,合理有序的零售空间结构对促进经济的发展、提高资源的配置、满足居民的生活需求至关重要。POI作为新的空间数据源,能够客观地、准确地对商业空间结构进行识别和探究。西宁市位于青藏高原东北部,是连接青藏高原与中国大陆的重要门户。西宁市集中大量的人口,且存在有潜力的消费市场。基于POI大数据,运用核密度、局域Getis-Ord G^*指数、Ripley’s K函数和区位熵的分析方法,以西宁市为研究案例探究零售网点的空间分布特征。零售业详细地分为以下8种类型,分别是食品、饮料及烟草制品,纺织、服装及日用品,文化、体育用品及器材,家用电器及电子产品,五金、家具室内装饰材料,医药及医疗器材,汽车、摩托车燃料及零配件,综合零售。结果表明:西宁市零售业集聚区空间分布特征显著,呈现"多集聚、多核心"商业空间形态。密度等级由中心区沿交通干线逐渐向外围递减;高密度集聚区分别分布在水井巷附近街区、商业巷附近街区、祁连路—北禅路交汇的附近街区(北山市场)和以万达广场为核心的海湖新区。行业属性不同使得零售点集聚和分布变化表现出较大的差异性,与人们日常生活密切相关的业态零售点呈现社区化、微型化和便利化的特征,且区位选择性较大,如:食品饮料及烟草制品、医药及医疗器材和综合零售行业,而家用电器及电子产品、文化体育用品和纺织服装等行业区位选择尺度小,集中在特定的区域;基于道路数据构建的街区单元冷热点区域分布特征显著,它受城市建设用地扩张,人口密度,交通可达性和城市规划等因素的影响,海湖新区将成为最有发展潜力的商业区;在街道尺度,各业态零售业专业化功能区块显著,发展成熟的街道表现出多优势行业集聚特征,西宁市多业态集聚区域较少,只有人民街街道。这项研究一方面有助于填补基于POI数据青藏高原河谷型城市商业空间结构研究的空白;另一方面,为政府战略制定,零售商选址和城市规划提供一些参考。     

广州市多类型商业中心识别与空间模式

不同职能类型商业中心识别对研究城市商业空间结构有重要意义。与传统识别方法相比,大数据的分析更为精确和便捷。本文以广州市核心区59125条城市热点(POI)数据为基础,利用核密度分析、统计分析、最邻近距离分析等方法识别广州市多类型商业中心的边界,探索其商业空间结构与模式。结果表明：①广州市商业结构呈现明显双核集聚式分布,传统的越秀分区与现代的天河分区构成当前广州市商业空间的双中心;②不同类型的商业中心在空间上呈现显著分异,其中城市生活与公共服务中心在越秀区,商务与金融中心在天河区,休闲娱乐中心呈现分散集聚式特征;③广州市商业结构的空间模式是“圈层+组团”式分布,其中,生活、公共服务、商务职能集中分布于内圈层,娱乐休闲职能呈组团状镶嵌于各圈层中。     

基于POI数据的城市用地功能识别与评价研究——以济南市内五区为例

充分利用大数据开展城市用地功能识别,有助于把握城市空间结构,推动城市内部空间合理布局。POI数据是大数据时代一种较易获得且极具代表性的空间点状数据,能够有效地确定城市用地的实际功能。以济南市内五区的185126条POI数据为基础,对所得数据进行去重、纠偏、重分类,构建城市用地功能分类体系,运用频数密度、类型比例及核密度估计,识别济南市内五区城市用地功能并利用误差矩阵对识别结果进行检验。结果表明:①混合功能用地与单一功能用地呈现圈层化地域分布特征,"核心-外围"分异明显;②由内向外单一功能用地集聚趋势减弱,混合功能用地多样性降低,不同用地表现出不同的空间分布模式;③通过误差矩阵及与用地规划图中规划用地及电子地图的实际用地对比,识别总体精度为75. 67%,识别结果较为准确。     

广州市零售商业中心的居民消费时空行为及其机制

居民消费行为的空间选择及其影响因素是地理学的重点关注领域,已有研究对行为中时间选择、时空关系及内在机制的研究相对缺乏。为揭示居民消费时空行为形成的影响因素以及各因素内在相互作用机制,基于2016年广州城市居民消费行为调查数据,分析消费者到大型商业中心内消费的时空特征,构建结构方程模型,探讨消费时空行为影响因素和作用机制。研究表明：居民在商业中心的消费行为存在明显的时空差异。在影响路径方面,消费者社会经济属性通过影响消费偏好导致消费时空行为的差异,商业空间属性既可以直接影响消费时空行为,也可以通过影响消费偏好而间接对其施加影响,消费偏好既可以直接影响消费时空行为,又是消费者社会经济属性和商业空间属性影响消费时空行为的中间变量。在显著性因素方面,年龄、家庭结构、在广州居住时间、就业状况、家庭月收入等消费者社会经济属性变量会显著影响消费时空行为,各个商业空间属性变量都在不同程度上影响消费行为在时间和空间上的差异,仅有出行交通方式、出行花费时间2个消费偏好变量会显著影响消费者消费时空间行为。本文结论可以加深对商业中心内消费时空行为影响因素及其作用机制的理解,并为商业网点规划调整、商业中心转型升级提供建议。     

广州市零售商业中心消费活动时变模式及其影响因素

利用2016年在广州典型大型零售商业中心进行的客流量监测和居民消费行为问卷数据,分析基于客流时间变化的广州大型零售商业中心消费活动时变模式,构建多项Logistic回归模型,从消费者社会经济属性、消费活动特征和商业中心建成环境3方面探讨该时变模式的影响因素。结果显示：① 广州不同的大型零售商业中心内消费活动存在明显的时变特征差异,可分成稳定型、下午高峰型、傍晚高峰型和不规则波动型4类时变模式;② 这种时变模式受到消费者社会经济属性、消费活动特征和商业建成环境等变量的影响。其中,消费者社会经济属性和消费活动特征影响有限且影响差异较大,以稳定型为参照组,在广州居住时间、居住区位和家庭月收入等社会经济属性,以及消费结构、出行路径、交通方式和出行距离等消费活动特征能区分稳定型和下午高峰型商业中心,但只有在广州居住时间和出行距离、交通方式3个变量能显著地解释稳定型和傍晚高峰型商业中心的差异;建成环境是影响零售商业中心时变模式的首要因素,商业网点密度、用地混合度、公交与地铁站点密度、商业中心区位特征、到市中心距离等变量均对各个类型商业中心的形成作用显著。期望为城市零售商业中心的分类和评价提供一个新思路,为预测商业中心可能的消费活动时变模式、消费者属性和活动特征提供理论依据,对城市商业规划和商业中心开发运营有一定的现实指导意义。     

广州市零售业态空间分异特征与机制

零售业业态空间分异识别对优化城市资源配置至关重要,基于高精度大样本数据的零售业态空间分布识别较传统研究更精确便捷。以广州市2014年47 026个零售业网点数据为基础,基于信息熵、平均最近邻分析法、核密度估计等研究方法,探讨广州市的零售业分布格局、业态空间分异与零售业结构影响机制。结果表明：1）广州市零售业功能显著集聚于城市核心区,越秀、荔湾与天河北的零售功能发育相对均衡,均衡度从核心向外围显著下降;2）不同业态零售业分异较大,以商业服务和基本生活服务为主的零售业态网点分布的集聚度显著高于大体量的综合类零售业态;3）各业态零售业随着城市圈层的外拓分异显著,大体量型零售业态分布相对均衡,以商服功能为主的零售业态则主要集中于核心层与内圈层;4）人流集聚程度、交通通达性、职住人口分布、地方政策与社会空间分异共同影响着零售业业态空间的形成与演化。     

基于POI数据的南京市空间格局定量研究

从语义属性、几何形态等方面对典型城市空间格局要素进行定量化抽取及特征分析,总结归纳出城市空间格局要素间的关联特征。在此基础上,将POI数据进行分类,设计了基于平面核密度估计算法、空间聚类与双重密度因子分析分析算法,并以南京市为例,通过栅格叠加计算,提取边界,分类渲染以及栅格重分类等步骤,实现南京城市空间格局及商业中心抽取。结果发现城市商业中心有效地反映了城市空间总体格局的区域分布,提取出的南京市商业中心基本符合2000—2020年的南京市总体规划,但文本并不能直接体现城市各商业中心的定位,城市中除了主城区这个集聚且组团的单中心商业模式,各个县城、开发区、高新区都有各自形成的商业中心,符合城市的多商业模式。较传统的城市商业空间研究来说,基于POI数据的定量研究对城市总体格局及商业空间的认知更为精细,有助于商业中心的识别及行业特征的分析,便于政府部门对现有规划功能区的发展方向进行调整,使得不同功能区空间结构与特征关系更加合理。     

基于POI数据的郑东新区服务业空间聚类研究

探讨城市新区的服务业空间格局,对城市新区规划和服务业空间布局的优化具有重要指导意义。采用POI数据对郑东新区服务业的总体、分行业空间布局进行聚类,结果显示：① 在总体上,聚类呈现“414”的空间体系,各聚类所在区域的通达性较好;服务业在功能区内部聚集和跨越功能区聚集并存;噪声点分布零散,局部出现了服务业聚集的潜力区域;空间临近效应、行政力量带动和市场导向作用导致服务业空间极化特征明显。② 从分行业来看,部分行业的重要空间节点分布存在一定差异,CBD核心区和商住物流区成为各行业空间节点的分布区域;部分行业的空间节点与功能区的产业定位存在吻合与错位特征。最后,从规划视角提出了郑东新区不同功能区产业结构优化的方向。     

基于POI数据的郑州市主城区生活服务业空间分布特征研究

中国经济已经进入服务经济时代,生活服务业是服务经济的重要组成部分,也是国民经济的基础性产业。生活服务业的合理布局可以改善人居生活质量,提升资源利用效率。以郑州市主城区六类生活服务类兴趣点数据为基础,综合运用核密度分析、叠置分析、标准差椭圆分析及空间相关性分析等空间分析方法,对郑州市生活服务业空间分布格局特征进行研究。结果发现：（1）餐饮、住宿、购物、医疗、教育培训、运动健身等六类生活服务业的布局在主城区中心五区交界处都出现了连片但不连续的峰值,呈“中心混合集中,边缘分类扩散”的布局模式,且各服务业分布密度较高的地域在空间上有明显的重合性;（2）各类生活服务业之间在空间分布上存在较强相关性,其中餐饮业与其他各类服务业相关性相对较高,而住宿业与其他服务业之间的相关性相对较低;（3）各类生活服务业空间分布中心位置十分接近,均位于二七区与金水区交界处的中心点附近,且各类服务业在空间分布上的方向基本一致,呈西北-东南走向,医疗和教育培训行业的分布范围较为集中,餐饮业和购物行业的分布和服务范围最广;（4）郑州市主城区人口密度分布与生活服务业分布存在不匹配现象,而经济密度高的区域范围与各类生活服务业设施高密度区域基本重合。     

基于多源数据和深度学习的城市边缘区判定

城市边缘区的定量分析及判定,对城市发展评价和规划,或是城市空间结构研究都具有重要意义。然而现有研究的边缘区判定指标选择过于单一,判定结果过于破碎,城市预设边界、水体及城市绿地对边缘区判定结果干扰大。针对上述问题,从自然、人口、社会经济的视角出发,以遥感影像、人口数据、POI大数据为数据基础,结合深度学习技术,构建基于多源数据和深度学习的城市边缘区判定方法,进行广州市城市边缘区判定及城市结构空间分布特征分析。结果表明：① 此方法能将城市划分为核心区-边缘区-外缘区,判定结果不会受到预设边界范围的影响,且消除了城市内部水体和城市绿地所造成的破碎化;② 城市边缘区与路网耦合良好;③ 广州市的城市核心区空间分布合理。综上所述,此方法能有效检测城市边缘地带,且结果符合实际情况,能为城市规划、政府决策提供参考。     

基于POI数据的西安市零售业空间格局及影响因素研究

基于POI数据,利用核密度估计、缓冲区分析等方法刻画西安零售业空间集聚状态,确定零售业分布核心范围,并利用双变量空间自相关分析、近邻分析等方法探究零售行业之间的空间集聚关系,以及零售业与居住小区、交通因素的空间关系。研究表明:①西安市零售业呈"中心-外围"结构,以钟楼为中心连片集聚分布,在距离钟楼16 km范围内为零售业分布核心区,在阎良、高陵、临潼、鄠邑4个郊区呈"孤岛"状集聚。②文化、体育用品及器材零售,纺织、服装及日用品零售业更倾向于在内城分布,而汽车、摩托车、零配件和燃料及其他动力销售业,五金、家具及室内装饰材料零售集中在租金低但交通方便的城市中心外围。③集聚效应、人口分布与路网影响零售业的空间分布。与居民日常生活关系密切的零售行业如综合零售,食品、饮料及烟草制品零售,纺织、服装及日用品零售等在空间上集聚以接近消费者,分享消费市场和空间场地,而耐用品零售行业如汽车、摩托车、零配件销售业,家具及室内装饰材料零售等倾向于自身集聚,以共享品牌效应。交通干线尤其是城市二级道路明显影响零售网点的空间分布。