基于Python的購物中心人流分布計算機模擬

林郁東 蔣燎原 解雪 鄒翹楚 楊竹娟

摘?要：購物中心可以滿足各層次消費者購物、餐飲、娛樂等多元需求，隨著近年居民收入和消費水平的提升，其在大小城市的規模體量日益擴大。購物中心內消費者的活動是一較為復雜的動態過程，既受購物中心空間設計、商鋪吸引力影響，又與消費者自身偏好、消費計劃有關。本文使用計算機模擬方法，基于Python計算機語言模擬購物中心的布局設計與顧客的消費活動，進而得到購物中心內的人流分布。最后，應用程序得到購物中心的優化布局方案，使購物中心整體消費量顯著提升。

關鍵詞：購物中心;人流分布;業態組合;消費者行為;計算機模擬

一、 研究背景與文獻綜述

購物中心集購物、餐飲、娛樂一體化，業已成為零售業最受青睞的銷售經營方式，發展尤為迅速。以萬達廣場、萬象城等為代表的購物中心形成了不凡的品牌凝聚力，成為居民購物出行的首選之一。然而，網絡零售的興起也在對購物中心形成沖擊。繼續發揮購物中心滿足多元化需求的優勢，擴大影響力與競爭力亟需更深入的理論研究。

目前對購物中心的研究主要在經濟商業領域與建筑領域。經濟商業相關研究側重考察消費者偏好，即何類商鋪、何種業態組合、何樣人文景觀、何種體驗服務有利于購物中心吸引消費者，本文援引余麗瓊的研究為一例。然而，定量分析的研究比重較小，主要是建筑領域的研究。郭昊栩，李小滴等應用空間句法理論與線性回歸分析，從建筑空間設計角度評價購物中心的聚客力、可達性等。王德等通過問卷調查法獲取數據，使用聚類方法描繪消費者的空間行為模式并評估空間使用效率。

本文認為，對購物中心的研究，其最終目標是要提高消費者的消費頻率。為實現這一目標，既要考察購物中心空間結構、布局等物理因素，也要考察業態組合、消費者行為等人文因素。因此，本文使用計算機模擬方法，建立Shop類整合商鋪位置、業態信息，建立Customer類整合消費者特征、偏好、行為信息，從而模擬出消費者的移動、消費行為，最終得到購物中心內的人流分布。

二、 模型設計與理論研究

（一）模型流程與設計

本文使用計算機模擬方法描繪出購物中心內部的人流分布，程序基于Python編寫，其核心過程如圖1所示。即，圖1以偽代碼的形式將程序的主要思想、過程與方法予以展示。

首先，程序定義了商鋪類Class Shop與消費者類Class Customer。通過對研究案例廈門湖里萬達廣場的實地考察，將其129個商鋪的區位、業態、品牌等因素錄入電子表格，隨后作為參數，通過Shop類創建了129個實例，匯入列表ShopInf得到了包含購物中心內部結構、商鋪信息的變量ShopInf。

在Customer類中，有兩個參數與屬性極為關鍵，即type與aim。不同性別、年齡、婚姻狀態的消費者有著不同的偏好，不同類別的消費者用type屬性進行區分。同時，每個消費者在購物中心的消費明確性各有差異，aim屬性區分了這些差異。對于“確定型消費者”，使用Customer類的point方法，以最優路徑到達目標商鋪。對于“未計劃型消費者”，使用Customer類的round方法，根據消費者偏好描繪其隨機移動行為。

一般地，通過Customer類創建10000或1000個實例，亦即“消費者”。讓每個消費者依據其type、aim屬性憑借point與round方法完成在購物中心ShopInf中的消費活動。程序最終將輸出所設置統計節點的人流量，每一家商鋪的消費量等，如此便模擬了購物中心內的人流分布。將計算機模擬的人流分布與實際的人流分布進行統計檢驗，從而可以實現對程序的有效性的檢驗。

最后，通過Apparate方法可以實現兩家商鋪位置互換。進一步，對于指定店鋪，比如麥當勞，通過Apparate方法將其與購物中心所有商鋪均進行一次位置互換，記錄每次換位后購物中心的總消費量，消費量最高的一次換位即麥當勞的最優選址。本文對于各業態的商鋪各取一例作為代表，試為不同業態商鋪的區位選擇提供建議。

（二）理論研究

1. 主力店理論

在購物中心內，主力店通常即為知名品牌的商鋪，且往往占有較大的商鋪面積。主力店憑借品牌效應成為有著特定目標的消費者一定會前往的商鋪，能夠吸引較大的客流量。如此，主力店附近極為活躍的人流就能帶動周圍在商鋪的消費活動。優衣庫便是眾多購物中心內的主力店。

2. 業態組合理論

業態組合可以分為業態集聚與業態異構兩種組合。業態集聚是較為常見的組合方式，特色鮮明的功能區吸引更多消費者。譬如，“飲食一條街”或“飲食城”常見于購物中心內。業態異構則是通過變換的商鋪業態給予消費者新鮮的體驗。舉例而言，喜茶、鹿角巷等奶茶飲料店以及西樹泡芙等零食商鋪穿插于服裝商鋪之間，往往收獲良好的效果。

3. 消費計劃理論

鄧曉昱等通過確定型消費行為、計劃型消費行為和未計劃型消費行為對購物中心消費者進行劃分，本文參考這一劃分考察不同消費者的目的明確性。確定型消費者有明確的消費目標，會直接前往目標商鋪。未計劃型消費者則依據自身偏好在購物中心內隨意走動。計劃型消費者則介于兩者之間，既有一定的消費目標，也會在購物中心內隨意走動。這一劃分在本文程序關于消費者類Customer核心方法的設計中發揮極為關鍵的作用。

4. 計算機模擬方法

齊磊磊等闡述道，計算機模擬是以計算機為運行主體再現研究對象動態過程的可運算計算機程序;其對象是那些子系統間具有非線性相互作用的復雜系統。使用線性回歸方法，更多是描繪人流分布的結果和相關影響因素間的關系。因此，計算機模擬方法可以更為細致地還原個別消費者在購物中心的活動過程，甚至可以給出每一家商鋪的消費量，更為準確與細致。

三、 購物中心數據與模型

（一）案例概況

本文以廈門湖里萬達廣場作為研究案例。廈門湖里萬達廣場（下簡稱湖里萬達）位于福建省廈門市湖里區，項目總規劃用地面積12.9萬平方米，總建筑面積約53萬平方米。該購物中心交通便利，附近有兩個公交車站，為其帶來大量外部客流。

從內部結構看，湖里萬達高四層，其負一層為沃爾瑪超市，第四層為影院，消費者主要在一樓至三樓活動。為便于理解，圖2中繪制了湖里萬達內部結構簡圖。其中，A1為入口，消費者在每層沿A-B-C-D移動。其人流動線設計為“凵”字形，即D-A段不通行。P、Q、R為三處自動扶梯，分別位于入口附近、B處中庭與CD段末端。自動扶梯對購物中心人流有重要影響，因此，我們將每層分為AB段、B處中庭、BC長廊、CD段共四個區域。

一樓與二樓以服裝商鋪為主。其中，ZARA、優衣庫與H&M為湖里萬達的三大主力店鋪，分別位于B1-C1段中部，C2與R2附近。麥當勞、哈根達斯等位于入口處。一樓商鋪面積客流較好，面積較大，為實力較強的商鋪租賃。除此之外，NIKE、Adidas、361等均在一樓設有門店。而二樓則設有屈臣氏、NOME等生活精品店，化妝品與潮牌商鋪較一樓為多。湖里萬達三樓則以餐飲為主，包含中餐、西餐、日料、火鍋等各色餐飲，尤以西貝莜面村最受歡迎。此外，小吃零食、數碼電器、童裝童樂類商鋪散布在湖里萬達各處。

（二）統計節點設置

上文已介紹廈門湖里萬達廣場的內部布局，我們于每層樓P處扶梯、中庭B、BC段長廊中部、中庭C設置統計節點。其中，中庭B、中庭C為消費者決定上下扶梯、前進、返回的重要節點，能夠代表其前一區域的人流情況。因一樓人流方向幾乎一致，故略去入口與B1-C1段。此外，可以觀察到有較多消費者在扶梯P2處變換樓層，又增設該一統計節點。我們以15分鐘為一個統計時間單位，平均對每個節點進行3次左右的統計，共計2209人次，平均每個節點近250人次。限于篇幅，統計結果與下文“模型的檢驗”的結果一并列示。

（三）建立Shop類

如前文所述，Shop類用以表示購物中心中的每一家商鋪，下面闡述該類的屬性。屬性floor，side，pos分別表示該商鋪所處樓層數、道路的左或右側以及相對位置。屬性type表示商鋪的業態種類，如女裝、餐飲、奢侈品等。屬性lift表示該商鋪是否與扶梯相連。屬性blcok代表該商鋪所處的區域，屬性border則表示該商鋪是否處于兩區域交界處。以扶梯、中庭為分界，每層被分為4片區域。表1展示了廈門湖里萬達廣場中部分商鋪的屬性。模擬程序通過Shop類對湖里萬達129個商鋪分別建立一個實例，并將該129個實例置于列表ShopInf中，作為代表該購物中心的變量。

四、 消費者行為數據與模型

（一）消費者類別數據

我們在廈門湖里萬達廣場進行觀測統計，平均每30分鐘，有單人青年男性69人，單人青年女性89人，情侶47對，夫婦14對，老年男性8人，老年女性4人，男性團體（兩人及以上）18個合39人，女性團體（兩人及以上）41個合87人，男女混合團體（三人及以上）2個共7人，家庭60個合150人。以上總計575人。經過對上述數據的綜合分析，以男性、女性、情侶或夫婦、家庭為四個最主要的消費群體，占比分別為23%，38%，26%，13%。

（二）消費者偏好數據

我們設計包括20個問題的調查問卷，針對消費者業態偏好、購物目的明確性、購物計劃安排等消費者心理及行為進行提問，回收有效問卷198份。根據問卷調查的結果，較為偏好小吃飲料的消費者占比約68%，偏好文教數碼占比23%，偏好生活精品占比30%。計劃安排方面，先購物后用餐、先用餐后購物、只購物、只逛街消費者的比例分別為55.56%，27.27%，13.64%，3.54%。此外，隨意閑逛、僅前往目標店鋪以及兩者結合的消費者比例分別為15.74%，24.37%與59.9%。為主力店賦予大體相當的權重。最后，依據乘法原理，得到表2，它代表22種不同計劃或目標消費者群體的比例。

為便于理解，下對表2中進行詳細闡述。zara，HM（H&M）、uni（優衣庫）分別代表湖里萬達的三家主力店。而湖里萬達一樓、二樓為各類商鋪，三樓集中為餐飲類，因此分別以“102”“3”代表逛街、用餐兩種消費行為。“both”則代表結合前往主力店與隨意相關兩者的消費行為。

（三）建立Customer類

1. 主要類屬性

Customer類用以表示每個進入購物中心的消費者。該類有如下屬性。首先，仍然是floor，side，pos，lift，block等屬性，確定消費者的地理方位。屬性type根據消費者類別取值。屬性aim根據消費者各購物計劃取值，即根據表2取值。

模擬程序可以通過Customer創建任意數量的實例，即模擬任意數量的消費者，一般創建10000或1000個實例。程序設計goto，point，round，direct，stay等方法，模擬消費者在購物中心內有計劃或無計劃的移動，選擇方向或變換樓層，停留或離開某一家商鋪，繼續或終止購物等在購物中心內的抉擇、行動或消費行為。下面對其中主要的方法具體闡釋。

2. 主要類方法

Customer類的有stay，round，point，direct四個主要方法。首先介紹方法設計的邏輯。應用遞歸的思想，當消費者到達一家商鋪后，僅判斷其前往相鄰的哪一商鋪。具體而言，有向前，向后，過往道路對側，乘自動扶梯四類。而每當消費者到一家商鋪時，均以stay方法結合消費者偏好與商鋪業態判斷其是否進入商鋪消費。

未計劃型消費者，即沒有消費明確目標的消費者適用round方法，依上述思路在購物中心較為隨機地活動，直至其明確消費計劃或離開。有明確目標商鋪的消費者適用point方法，直接以最優路徑前往目標商鋪，到達前僅考慮是否進入路徑上的商鋪消費。事實上，兩個方法可以交互使用。舉例而言，一名消費者先閑逛，再前往主力店優衣庫，最后到達三樓尋找餐飲商鋪。這對應表2中的目標“uboth+3”，依次使用round-point-round方法。

五、 有效性檢驗與模型應用

（一）模型的檢驗

我們通過Customer類創建了10000個實例，即模擬10000名消費者在購物中心內的消費活動。最后程序輸出了各個統計節點人流量占所有統計節點人流量的百分比，體現在表3中“/”號左邊的數字。相應地，右邊的數字則為我們在2209人次的觀測統計中各節點實際人流的相應百分比。對模擬程序、實際觀測的兩組人流分布數據進行符號檢驗，其符號亦體現于表中。符號檢驗得到5正4負，其差為1，查表可知該檢驗通過，即計算機模擬程序的人流分布與實際觀測的人流分布是一致的。

（二）模型的應用

湖里萬達的主力店有ZARA（一樓長廊中部）、H&M（二樓扶梯R附近）和優衣庫（二樓中庭C）。我們通過程序的Apparate方法將上述主力店與其所在樓層所有商鋪均進行換位操作，并選取出換位后購物中心總消費量最大的商鋪。類似地，我們還選取了萃菓師、美聯英語、ECCO分別作為小吃飲料、文件數碼、生活精品三類業態的代表進行換位。具體結果如表4所示。

主力店ZARA原本處于一樓長廊中部，其最優換位商鋪位于入口附近，提升總消費量近5%。位于二樓動線末端H&M應調整至扶梯P2附近，而原位于中庭C的優衣庫應調整至中庭B;分別帶來10.62%與8.69%的消費量增幅，十分顯著。這帶來三點啟示。其一，主力店的位置應當更靠近入口處。三家主力店的最優換位方案中，其位置都往入口方向移動許多。其二，主力店位置設于交通樞紐更優。主力店能聚集大量的人流，將其設于交通樞紐處，一方面便于前往，更重要的是使得消費者完成主力店的消費后活動更為多元與分散，有利于總消費量的提升。其三，當同一樓層有兩個或以上主力店時，其位置應當分散而，避免兩者的聚集效應相互抵消。實踐中，可以將他們設于不同的交通樞紐。

萃菓師原位于三樓長廊，最優換位方案位于三樓動線末端D3處，增幅為-0.06%，代表原位置已最優。其余換位方案表明，小吃飲料商鋪設于三樓即正餐商鋪之間要優于設于服裝商鋪之間。美聯英語原位于一樓動線末端，最優方案位于二樓長廊中部，購物中心總消費量提升7.63%，極為顯著。而代表生活精品的ECCO最優的前10個方案中，帶來總消費量增幅均不明顯，且散布于各個區域。

下面結合消費者偏好進行分析。僅有23%消費者偏好文教數碼，且該類商鋪數目較少，因此換位至二樓長廊中部可以與兩家主力店形成業態互補，為總消費了帶來較大提升。偏好生活精品有30%，且有一定數目，各換位方案無顯著差異。而偏好小吃飲料的消費者達68%，本身具有相當吸引力，不必設于交通樞紐并距主力店一定距離。

六、 結論與展望

本文設計的購物中心人流模擬程序得到了理論與實際觀測數據的支持。應用該程序，我們為購物中心布局、提升總消費量提供如下建議。

（1）各主力店的位置應當位于靠近入口的交通樞紐，且彼此相隔一定距離。如此才能最大限度地發揮主力店的引流、聚客作用。（2）較為小眾業態的商鋪設于前往主力店的必經路徑上，既借助主力店引流，又形成業態互補，相輔相成;（3）大眾業態的商鋪與主力店、與交通樞紐間設置一定距離，可謂自成一級，成“掎角之勢”。（4）完成上述安排后，最終進行數目較多的小眾業態商鋪的布局，對整體消費量不會有顯著影響。（5）利用本文的人流模擬模型可以定量地對購物中心各類業態布局進行比較與分析。

本文提出的計算機模型具有廣泛的適用性與良好的可塑性。不同的購物中心具有不同的空間設計和業態組合，調整Shop類實例的具體屬性值即可適應不同購物中心。類似地，不同區域的消費者有著不同的結構比例與消費者偏好，同樣可通過調整Customer類實例的屬性或參數值來適應。影響購物中心的因素絕不限于本文所闡述的，相關研究也必然繼續深入，而Python面向對象編程的特性可以方便添加更多的屬性甚至新的消費者行為方法。購物中心人流分布的計算機模擬程序可以不斷更新迭代，日趨完善。

參考文獻：

[1]余麗瓊.基于消費者偏好的區域型購物中心業態組合探索[J].商業經濟研究，2018（1）.

[2]郭昊栩，李顏，鄧夢仁，等.基于空間句法分析的商業體空間人流分布模擬[J].華南理工大學學報，2014（10）.

[3]李小滴.城市區域型購物中心內部商業空間構成：以成都市為例[D].成都：西南交通大學，2013.

[4]王德，王燦，朱瑋，等.商業綜合體的消費者空間行為特征與評價[J].建筑學報，2017（2）.

[5]鄧曉昱，施維琳.消費者心理行為與購物中心餐飲空間設計：以昆明為例[J].中國市場，2011（23）.

[6]齊磊磊，賈瑋晗.復雜社會系統的研究方法：從計算機模擬到復雜應答過程理論[J].系統科學學報，2018（1）.

作者簡介：林郁東，蔣燎原，解雪，鄒翹楚，楊竹娟，廈門大學國際學院。