基于POI的深圳市商業空間集聚特征及業態演變分析

黃婷婷，李小龍，李大軍

(東華理工大學，330013，南昌)

0 引言

商業是城市最古老、最基本的功能[1]，也是城市經濟發展中的重要支柱產業，商業設施的空間分布對整個城市發展及空間結構演變有著重要影響。因此，對城市商業空間的研究是城市地理學研究中的重要內容。關于商業空間分布和結構的研究國外始于20世紀30年代克里斯泰勒“中心地理論”的提出，學者們早期對城市商業的結構進行分析[2-4]，對商業集聚中心進行等級劃分[4-7]均是基于此理論。國內關于城市商業空間結構研究始于20世紀80年代初中心地理論的引入，徐放等國內一些學者對北京、上海、廣州等城市的城市商業空間結構、商業中心區布局等進行了實證研究[8-10]。隨著科學技術的發展，催生了互動平臺和運用軟件的產生，這些平臺和軟件中包含海量的商業服務設施POI數據，為研究商業空間分布特征、發展提供了新的數據，且該類型數據易于獲取，數據量大，目前已經廣泛地運用于城市的研究中。國內學者基于POI數據對城市商業的研究尤為豐富，主要集中在城市功能區識別[11-15]、城市商業空間結構研究[16-21]等方面。

綜上所述，國內外關于城市商業的研究積累了大量的研究成果，在研究角度、研究方法、研究內容等方面不斷創新，為有限城市空間內產生商業活動的最大效益提供了科學指導。但現有研究多以某一單個業態為研究對象來反映商業空間布局，一定程度上削弱了對商業空間的解釋力，且大部分研究只針對一個年份的商業活動的空間結構、等級規模等進行宏觀定性的研究，對于不同年份商業業態的時空變化和城市商業設施空間布局的多層次的綜合分析也較少涉及。因此，本文側重于通過多年POI數據的比較，將不同商業業態結合分析，識別城市商業空間結構和各類業態演變特征，以促進城市商業的均衡可持續發展。

1 數據與方法

1.1 研究區域及數據來源

1.1.1 研究區域 本文選取深圳市6個行政區和4個新區作為研究區。深圳市作為我國改革開放的窗口，己經成為具有一定影響力和吸引力的世界級城市。深圳市是快速城市化的代表，也是華南地區繁榮的商業城市之一。同時深圳是國內外商業交流的紐帶，其商業活動非?；钴S，除了外來消費外，本地購買力業非常強，商業發展水平比較高。

1.1.2 研究數據 本文用到的數據主要有矢量數據和POI數據，矢量數據包括深圳市行政區矢量圖以及深圳市2019年路網數據。POI數據是通過高德電子地圖平臺獲取的深圳市2015年、2017年、2019年3個年份中餐飲、購物、生活、金融、公司企業、科教文化、醫療保健、體育休閑、住宿以及商務住宅10個商業大類共計2 886 459條(2015年724 821條，2017年971 639條，2019年1 189 999條)數據，包括名稱、類型、所在省、所在區、地址、電話、經緯度坐標等各種屬性信息。

1.2 研究方法

本文主要釆用ArcGIS開展研究，利用ArcGIS核密度分析識別城市尺度下商業設施分布的集聚區域，在判斷商業服務設施為集聚的情況下，將核密度值作為屬性值引入到Getis-Ord Gi＊指數分析中，識別商業服務設施的熱點區。對熱點區各類POI的變化進行地理探測器[22]分析。

1.2.1 核密度分析 地理學第一定律指出：所有事物都是相互聯系的，但離得越近的事物彼此之間的聯系就越強。核密度分析正是基于此定律，在搜索半徑范圍內，密度值隨著與點距離的增大而減小，考慮到城市設施網點的吸引力隨距離的増加而減弱，核密度分析廣泛運用于城市設施點的分析。核密度分析是計算要素在其鄰域內的密度，輸出的是有密度值的柵格像元，構成連續的密度表面，在核密度分析中，對象距離越近權重越大，因此密度值在點所在位置最高，隨著與點距離的增大不斷的降低，當距離達到搜索半徑閾值時，密度為0，從而形成連續的、具有高低值的密度圖，其計算公式為

(1)

1.2.2 地理探測器分析 地理探測器是探測空間分異性，以及揭示其背后驅動力的一組統計學方法[22]。其核心思想是：如果某個自變量對某個因變量有重要影響，那么自變量和因變量的空間分布應該具有相似性。本文采用地理探測器模型中的因子探測識別影響深圳市商業集聚的主要業態及各業態之間交互作用。

因子探測：探測Y的空間分異性；以及探測某因子X多大程度上解釋了屬性Y的空間分異。

(2)

交互作用探測：識別不同風險因子Xs之間的交互作用，即評估因子之間兩兩共同作用時是否會增加或減弱對因變量Y的解釋力，或這些因子對Y的影響是相互獨立的。評估的方法是首先分別計算2種因子X1和X2對Y的q值：q(X1)和q(X2)，并且計算它們交互時的q值：q(X1∩X2)，并對q(X1)、q(X2)與q(X1∩X2)進行比較。

表1 2個自變量對因變量交互作用的類型

2 深圳市商業布局時空演變特征

2.1 商業空間結構演變

由于在核密度分析中，不同的搜索半徑會導致核密度分析的結果不同，在數據可視化的相關領域中，搜索半徑的大小決定了核密度估計函數(KDE)的平滑程度，搜索半徑越小越陡峭, 搜索半徑越大越平滑。在POI或位置服務領域，搜索半徑h的設置主要與分析尺度以及地理現象特點有關。較小的帶寬可以使密度分布結果中出現較多的高值或低值區域，而較大的帶寬可以在全局尺度下使熱點區域體現得更加明顯。已有的研究[23-24]表明，在將核密度分析引入城市空間結構研究中，研究區域大小不同，搜索半徑閾值從100～900 m都是合理的。本文通過逼近法選取300 m、600 m、900 m的搜索半徑對 2015年的POI數據進行試驗，發現600 m的搜索半徑在本研究區中的效果最好，然后又選取了500 m、600 m、700 m的搜索半徑對比，并將實驗結果與實際點分布結合，觀察其擬合程度，最終選擇600 m作為本研究的搜索半徑。

基于搜索半徑R=600 m 進行核密度分析，用自然斷點法，將各年份的核密度值分為5類，如圖2所示。根據3年份POI點的核密度分布，可以看出深圳市的商業設施分布的大致格局沒有發生顯著變化，均呈現為極核式下的圈層結構與塊狀或軸線下的組團結構相結合的“極核-面域-軸線”分布形態。結合深圳市路網數據來看，其商業高密度區基本聚集在“兩軸兩帶”地區，即以G205、G107國道為依托的布吉、橫崗、龍崗中心、坪山新城組成的東部發展帶和新安、西鄉、福永等構成的西部發展帶，由地鐵一號、四號軌道線連接的民治、坂田、龍華、大浪構成的發展軸和東門、人民南、寶安南、華強北、福田CBD、南頭商業區構成的發展軸，該分布形態與深圳市2010—2020年總體規劃的內容吻合。從核密度值來看，3年份核密度值逐年增大，其最大值由2015年6 863.87在2017年增加到9 207.69，2019年達到了15 727.38，這一數據也與深圳作為經濟特區高速增長的經濟總產值吻合。

(a)2015年 (b)2017年

2.2 熱點區識別

通過核密度分析得出的結果，可以簡單地看出地理要素空間分布及變化情況，但很難直接回答相對于整個區域，局部區域密度值多高才算是熱點。盡管核密度估計中的高值地區往往容易引起注意，但可能不是統計學意義上的熱點。為了進一步量化研究，在核密度分析的基礎上，進行熱點分析。從圖3來看，在深圳市商業POI在空間分布上存在著顯著高/低值集聚現象。2015年與2017年，熱點地區的空間分布無明顯變化，且與核密度分析的結果基本一致；2019年的熱點區分布與前2個年份相比出現了較為明顯的變化，其熱點區在數量上有了明顯減少，在分布上集聚現象明顯增強，由零散的塊狀熱點區形成了大面積的片狀熱點區，說明2017—2019年深圳市總體商業發展集中在少數幾個極核中心，中心極化作用有加強。

(a)2015年

3 各類業態演變及相關性分析

為了探究深圳市商業發展背后的驅動因子，本文對高德地圖分類下的10個大類業態進行地理探測器分析。以2015—2017、2017—2019年深圳市POI的變化值為因變量，將不同種類的POI的變化量用SPSS軟件進行分層聚類，以其聚類結果為自變量，運用地理探測器模型進行分異及因子探測和交互因子探測，來探究不同類別POI的變化在深圳市商業總體變化中的影響力，以及各類POI的變化之間的相關性。分別以整個深圳市和Getis-Ord Gi＊分析中熱點地區為研究單元，對比分析。

分異因子探測結果如表2：在對深圳市全市以及熱點區的分析中，10個特征因子均在0.05置信水平上顯著。2015—2017年的數據顯示，在2個研究單元中，均是生活類的因子解釋力最高，其次是餐飲類，這2個大類是影響這2年深圳市商業POI變化的主要因素；2017—2019年間，在熱點區及整體區域中解釋力較高的是購物類，生活類在2個研究單元中均值排到了第3?？傮w上看，熱點區的業態變化跟整個深圳市的變化基本一樣，說明業態的變化是一個整體的趨勢，商務住宅、住宿等大規模商業的發展基本趨于穩定，而生活、餐飲、購物等小規模商業的發展波動較大；單個業態來看，對2015—2017年間解釋力最高的生活類進行更精細的分析，發現在生活類中增長最快的是物流速遞行業，而該行業的發展，主要得益于電子商業的發展，這2年恰好也是電子商務發展最為迅猛的2年；同樣，2017—2019年購物類q值大增，也與這2 a間電子商業逐漸趨于飽和的發展相互印證。

表2 因子探測結果

對10個業態因子進行兩兩交互探測，結果如表3：各業態因子對POI總量變化的影響存在交互作用，任意2個業態因子交互作用后的因子解釋力均表現為雙因子增強或非線性增強，說明城市中各類業態的發展都是相輔相成的，但影響程度會有一定的差異。綜合2個時間段4份數據對照來看，在2015—2017年間，當q值最大的生活類作為主導因子進行交互時，在熱點區跟整個深圳市中，均是在與科教文化類交互時的解釋度增加最為明顯。2017—2019年間，當q值最大的購物類作為主導因子進行交互時，從深圳市整體來看，與餐飲類交互時的強化作用最大；從熱點區域來看，與金融類交互時的強化作用最大。

4 結束語

本文通過核密度法和地理探測器法對大數據環境下高德地圖10個具有代表性的商業POI大類的研究，探尋了深圳市商業空間結構和集聚地區的演變過程以及影響該地區的主要業態及各業態之間交互作用的識別。研究結果表明，深圳市盡管在大規模地進行城市更新，城中村改造，但全市的經濟中心仍然在原經濟特區，并且有越來越聚集的趨勢，區域發展不平衡現象較為嚴重；城市規劃政策和城市建設仍是影響商業空間結構的重要因素；購物、生活類等小規模商業在各類商業業態的變化中起主導作用，各類業態雖然具有不同的空間演變方向，但也存在一定的相關性。POI數據相對于傳統的常規數據，具有更好的可觀測性和時效性，通過POI的集聚特征可以很快地反映出城市的建設、產業的分布、功能的完善等存在的問題，從而為城市規劃提出有力的參考依據。但是POI數據只是城市實體在地理空間的抽象表達，缺少地理實體的屬性信息，本研究并未考慮POI在城市空間的等級、范圍，今后將對POI的空間權重進行深入的研究；并對各類業態的生命周期、空間分布關系及相互間的替代關系進一步探索。

圖1 深圳市行政區劃圖