興趣點定位的餐飲業空間特征分析方法

李 佳，古騰飛，金 磊，段 平*

興趣點定位的餐飲業空間特征分析方法

李 佳1,2,3，古騰飛1,2,3，金 磊1,2,3，段 平1,2,3*

(1.云南師范大學 地理學部，昆明 650500；2.云南省高校資源與環境遙感重點實驗室，昆明 650500；3.云南省地理空間信息工程技術研究中心，昆明 650500)

針對當前缺乏有效的城市餐飲業空間分布特征提取方法，利用核密度分析、標準差橢圓和優化的熱點分析等方法，對高德地圖獲取的餐飲業興趣點（POI）定位數據，建立餐飲業空間分布特征分析方法。以昆明市為研究區，對2014年、2016年及2018年的餐飲業POI定位數據進行時間序列的空間分布特征提取及影響因素分析。實驗結果表明：2014—2018年間，昆明市餐飲設施數量不斷增加，由27084增長到60651個；餐飲設施空間分布以昆明市市轄區的五華區、官渡區、西山區和盤龍區為核心，分別占當年餐飲點總量的71.62%、71.14%、56.81%?？傮w分布集聚性明顯，逐年呈現西南至東北走向，主要受呈貢大學城影響較大；除昆明市市轄區范圍，其它地區總體餐飲業由5280個增長到11012個，增長一倍左右，其中祿勸彝族苗族自治縣增長最快，增長了126%，尋甸回族彝族自治縣增長最慢，增長了80%。昆明市餐飲業發展差異過大，受地域文化影響較大，還需要正確的政策扶持以及引導。

餐飲業；興趣點；空間分布；空間分析

0 引言

餐飲業空間分布是指餐飲業商戶基于地理位置的空間分布情況，餐飲商戶的數量以及分布，在一定程度上反映了一個地區綜合影響力，代表著一個城市的經濟發展水平。2014年，云南省餐飲業共實現營業收入17.24億元[1]。2018年，云南餐飲業營業額完成1573.48億元[2]，增長了90多倍，其發展速度令人驚嘆。在餐飲企業數量急劇增長的同時，也帶來了食品安全、物價上漲等一系列問題。因此，從整體把握餐飲行業空間分布格局，有利于科學地掌握餐飲業的布局規律，制定合理有效的管控措施，促進城市內部各功能區的協調發展，對于擴大消費、增加就業，提高人民生活質量以及推動旅游等相關行業發展，具有十分重要的意義。

對于餐飲業信息數據的獲取，傳統方法多采用統計年鑒、實地走訪調查的方式獲取[3-6]，這種數據具有獲取周期長，數據不能得到及時更新，獲取難度大，獲取途徑少等局限。近年來，隨著互聯網技術的快速發展，基于興趣點（point of interest,POI）定位數據的城市空間格局分析，成為目前城市空間研究的熱點。POI是一種包含地理位置和屬性類別的點狀定位數據，通過給的經緯度坐標，能夠較為準確地定位出物體的具體位置，根據坐標將其標注到地圖上，與傳統普查獲取數據的方式相比，具有語義豐富，獲取周期短，定位快，成本低，更新速度快，客觀性和現勢性強等優勢[7-11]。對于餐飲業空間分布格局的研究，多采用核密度分析、最鄰近分析、冷熱點分析、多距離空間聚類分析、多元線性回歸、地理加權回歸模型等[12-16]。但基于時間序列的餐飲業空間分布格局研究較少，為彌補此不足，本文基于昆明市年的POI定位數據，對餐飲業的空間格局變化規律做出分析。這有利于深入了解昆明餐飲業的發展變化規律，對促進昆明市餐飲業合理化發展，提供科學的指導意見。

1 研究區域及數據來源

以昆明市為研究區。昆明市下轄7個區、3個縣、1個縣級市和3個自治縣，如圖1所示。

圖1中：7個區為五華區、盤龍區、官渡區、西山區、呈貢區、晉寧區、東川區；3個縣為富民縣、嵩明縣、宜良縣；1個縣級市為安寧市；3個自治縣為石林彝族自治縣、尋甸回族彝族自治縣、祿勸彝族苗族自治縣。2018年，總面積達21473km2，常住人口685.0萬人。

通過高德地圖應用程序編程接口（application programming interface, API），獲取昆明市2014年、2016年及2018年餐飲類POI定位數據作為源數據。經過篩選、處理后得到有效數據為：2014年餐飲服務類設施數據27084條，2016年餐飲服務類設施數據48432條，2018年餐飲服務類設施數據60651條。

2 研究方法

2.1 核密度分析

核密度分析將要素周圍一定圓形區域作為密度的計算范圍，通過計算餐飲業點的空間核密度值來反映餐飲業的空間集聚情況。在中心點所在位置處權重最大，隨著與點的距離的增大，權重值逐漸減小，當距離超出搜索半徑時，權重值為0，每一個點的估計密度都是該區域所有點的加權平均密度[7]，其計算公式為

2.2 標準差橢圓法

通過標準差橢圓，可以分析數據匯總的地理要素的空間特征。此方法可用于比較地理要素在時間和空間上的分布變化特征[17]。用標準差橢圓法對昆明市餐飲業三年的POI定位數據進行處理，其橢圓大小可以反映出2014年、2016年及2018年昆明市餐飲設施的離散程度，橢圓方向可以得出其餐飲業的發展方向，而橢圓的位置變化可以看出其餐飲設施分布的核心位置是否有變動。

2.3 優化的熱點分析法

采用優化的熱點分析，使用使用地理信息系統軟件（ArcGIS）10.2軟件中創建漁網工具進行網格化，根據結果呈現的視覺效果和數據特點，最終將研究區最小外包矩形分為60行、50列的小矩形網格（面要素），通過裁剪得到研究區1950個矩形網格。將POI定位數據與漁網進行空間連接，然后進行字段分析，對落在每個網格內的POI定位數據點進行計數即計算每個格網內的點數，呈現出高值和低值的聚集位置。

3 結果與分析

3.1 餐飲服務空間分布及年度數量統計

2014年、2016年、2018年昆明市餐飲服務POI總體空間分布格局相同，如圖2所示。主要分布在各自行政區的中心城區，以昆明市市轄區最為集中，祿勸彝族苗族自治縣較為分散。昆明市各行政區餐飲服務設施數量表如表1所示，由表1可以得出，2014年、2016年、2018年其餐飲設施總體數量在逐年增長。

注：圖2是基于云南省地理信息公共服務平臺網站下載的標準地圖（審圖號為云S(2017)049號）制作的，底圖無修改。

表1 昆明市各行政區餐飲服務設施年度數量表

各轄區6年間餐飲服務設施的變化率及增長如表2所示，2014年、2016年間，官渡區餐飲設施數量增加最多，為5320個，富民縣最少，為178個；增長率方面，呈貢區最高，為111%，東川區最低，為41%。2016年、2018年間，官渡區餐飲設施數量增加最多，為2711個，尋甸回族彝族自治縣出現負增長，減少了10個。增長率方面：呈貢區最高，為80%；尋甸回族彝族自治縣最低，為-1%。2014年、2016年、2018年餐飲設施數量增加最多的是官渡區，總計8031個，最低的是富民縣，為280個；增長率最高是呈貢區，為281%，增長率最低是東川區，為76%。

表2 昆明市各行政區餐飲服務設施年度數量變化表

3.2 核密度分析

采用核密度分析法對昆明市2014年、2016年、2018年的餐飲服務設施空間格局特征進行分析，其結果如圖3所示。2014年與2016年總體格局分布大致相同，而2018年，則在原基礎上極高值區域范圍變得更大，可見2016年、2018年間昆明市餐飲業發展，較之前兩年發展更為迅速。從整體上看，2014年、2016年及2018年的餐飲服務設施空間分布密度都呈現以各轄市中心發達地區為核心，向四周逐漸發散減少，大體上都形成了以多個集聚中心為基礎，數量不斷增加的趨勢。整體上為“南多北少”。

注：圖3是基于云南省地理信息公共服務平臺網站下載的標準地圖（審圖號為云S(2017)049號）制作的，底圖無修改。

昆明市餐飲業發展過程中，2014年、2016年、2018年均以昆明市市轄區餐飲POI定位點最為集中，餐飲服務設施最多，餐飲業發展最為完善。主要原因是昆明市轄區主要包含五華區、盤龍區、官渡區、西山區，這4個區域城市化水平較高，為傳統的“老城區”。而且旅游人數也在逐年增加，流動人口較大，交通便利，商業化程度高，促進了餐飲業的發展。而其余轄區，則以呈貢區變化最大。從2014年的小規模聚集性發展，到2016年的普遍性發展，再到2018年餐飲業基本覆蓋全轄區范圍。呈貢區餐飲發展模式首先以學校、小區、商業區的小規模集中分布，然后逐漸擴大規模。呈貢區餐飲業快速發展的原因主要是，呈貢區高等院校較多，消費人群固定，加之交通便利，其餐飲服務設施在學校周圍最為集中。穩定的客流來源帶動了商業的快速發展，有人就有市場，餐飲業則有了良好的發展基礎。

2014年各行政區餐飲設施空間格局如下：祿勸彝族苗族自治縣的餐飲設施分布較為稀疏，僅東部、南部、中部各一個集聚中心；東川區僅有一個集聚點，位于東川區中部；尋甸回族彝族自治縣集聚點分布也十分稀疏，餐飲設施主要分布在西北部、南部及東南部，其中東南部最多；富民縣則集中在該行政區的南部；嵩明縣集聚面積較大，主要分布在中部地區；昆明市轄區最為集中，顏色最深，其餐飲設施集聚明顯，幾乎涵蓋整個行政區；呈貢區主要分布在其西部以及中部；宜良縣的西部以及中部各有一個集聚點；安寧市其中部位置餐飲設施最多，西北部也有部分餐飲設施；石林彝族自治縣主要在其西部位置；晉寧區其中部和東部較多。

2016年昆明市餐飲業空間格局與2014年相比基本一致，其中以呈貢區變化最大，其格局分布為極高值部分面積明顯增大，可知在2014年及2016年間，呈貢區餐飲業的發展較為迅速，其餐飲設施數量分布更廣。與2014年及2016年份相比，2018年各行政區都不同程度增加了集聚點，昆明市轄區集聚程度較2014年及2016年變得更密集，其中祿勸彝族苗族自治縣、東川區、晉寧區、尋甸回族彝族自治縣、呈貢區空間格局變化較大，都有了新的集聚點產生，其中又以呈貢區最為顯著。

3.3 標準差橢圓

對2014年、2016年、2018年的POI定位數據進行標準差橢圓分析，其結果如圖4所示。橢圓的長軸為西南-東北走向，表明昆明市餐飲業主要布局方向為西南-東北方向分布的格局，也與昆明市南北向狹長的行政區劃范圍有關。其長半軸與短半軸相比長度相差較明顯，說明其方向性明顯。

注：圖4是基于云南省地理信息公共服務平臺網站下載的標準地圖（審圖號為云S(2017)049號）制作的，底圖無修改。

由圖4可知，2014年、2016年及2018年的橢圓大部分面積位于昆明市市轄區的五華區、官渡區、西山區和盤龍區，這是由于這4個區的餐飲點總量基數較大。2014年、2016年、2018年餐飲點總量分別為19397個、34454個、42449個，分別占當年餐飲點總量的比例為71.62 %、71.14 %、56.81%，這4個轄區餐飲業總量相對于整個昆明市而言，占比一直大于50%，所以橢圓絕大部分面積一直位于昆明市這4個轄區。

從2016年與2014年的標準差橢圓來看，2014年標準差橢圓包含2016年標準差橢圓，說明昆明市五華區、官渡區、西山區和盤龍區餐飲點增長總量大于其他縣區增長量，餐飲業分布愈發集中，2016年昆明市4個轄區（五華區、官渡區、西山區和盤龍區）餐飲業增長數量大于其他周邊縣區，增長數量為15057個，占總餐飲點的71.14%，使得橢圓在原來的基礎上面積變小，聚集性明顯。

從2018年與2016年的標準差橢圓來看，2018年標準差橢圓在2016年標準差橢圓的基礎上向東南發生了位移，不再具有包含關系。這是受呈貢區餐飲點增長的影響，橢圓發生位移。2016年至2018年，呈貢區餐飲點增加了2028個，總數為4556個，餐飲點總數位居第二，因為呈貢區有大學城，高校眾多、學生眾多，受穩定、龐大的學生客源的影響，餐飲點數量大增。橢圓的長軸在西南-東北方向繼續變短，說明餐飲點在昆明市4個轄區（五華區、官渡區、西山區和盤龍區）和呈貢區聚集性愈發明顯，其他縣區雖然也有增長，但是餐飲點總量相對較小。

表3 昆明市各年度餐飲服務設施標準差橢圓參數 單位：(°)

3.4 優化的熱點分析

利用ArcGIS10.2軟件中創建漁網工具，對研究范圍進行格網化，將格網和2014年、2016年及2018年的餐飲業POI定位數據進行空間連接，對其字段進行熱點分析，計算落在每個格網上興趣點的數量，得到其熱點分析圖，如圖5所示。在一個方格內POI數量越多，則顏色愈淺。單位方格內POI數量為353個以上時，將其定義為最熱區域，即餐飲業最為集中的區域。熱點分析圖與核密度分析都是研究揭示餐飲服務設施的空間格局，從二者的分析結果可以得出，其空間格局分布基本相同，但優化后的熱點分析更能得出其熱點的具體位置。從結果上進行分析統計，2014年餐飲服務設施總計有15個最熱區域，主要分布在昆明市市轄區內，即原來的老城區，安寧市和東川區各有一個最熱區域。到了2016年，最熱區域上升到34個，昆明市市轄區內餐飲設施數量不斷增加，密集程度越來越高。除石林彝族自治縣和富民縣以外都出現了最熱區域，呈貢區增漲最快，增長了3個。至2018年，餐飲業進一步發展，最熱區域發展為40個，石林彝族自治縣和富民縣都出現最熱區域。

由網格化所得的熱點分析與核密度分析相比，網格化熱點區域可以更加直觀地看出餐飲業最密集的地區。幾個轄區的最熱點區域分布情況為：安寧市的最熱點區域位于金方路、嵩華路、玉泉路、建設街、曉塘東路各街區附近；晉寧縣的最熱點區域位于興陽路、昆陽鎮春暉路各街區附近；呈貢區的最熱點區域位于集市街、春融街、下莊社區、書香大地小區、實力錦城小區各街區附近；宜良縣的最熱點區域位于匡遠街道辦事處、起春路、匡遠鎮發達街各街區附近；石林彝族自治縣的最熱點區域位于商業步行街、阿詩瑪東路、天合路各街區附近；昆明市市轄區的最熱點區域位于原有的老城區附近；富民縣的最熱點區域位于永定街、環成南路景秀家園、環城南路各街區附近；嵩明縣的最熱點區域位于秀嵩街、玉明路、嵩陽鎮水真路各街區附近；尋甸回族彝族自治縣的最熱點區域位于廣場北路步行街、仁德屏江北路、翠苑路各街區附近；祿勸彝族苗族自治縣為屏山街道掌鳩河南路未來星雙語幼兒園、園西路、掌鳩河西路各街區附近；東川區的最熱點區域位于銅都街道春曉路、市府街與駝峰路、金水路各街區附近。

注：圖5是基于云南省地理信息公共服務平臺網站下載的標準地圖（審圖號為云S(2017)049號）制作的，底圖無修改。

4 結束語

POI作為一種地理定位數據，具有獲取方式便利，更新快，定位準確等特點。利用POI定位數據對城市發展規律以及城市設施空間布局等進行探索研究，可以較為直觀地發現其中存在的問題。本文利用昆明市2014年、2016年及2018年的餐飲設施POI定位數據，采用核密度分析、標準差橢圓與熱點分析方法，對昆明市餐飲業年度空間分布格局規律，餐飲業發展速度及熱點區域的分布特點進行了研究，得到了以下結論：

1）昆明市餐飲業的發展愈發迅速，餐飲設施數量增加速度也在不斷提高。這不僅體現在原來城市化較高的昆明市市轄區，如呈貢區的餐飲業發展速度也因消費人群、交通基礎設施等因素的發展而快速發展。

2）從整體上看，昆明市的餐飲設施空間分布呈現西南至東北走向；餐飲設施的空間分布不均衡，集聚程度較為明顯，在年度發展上也表現出多個中心分布發展的特點，且發展中心不斷增多。

3）從各行政區縣看，各轄區餐飲業發展差異過大，受地域文化影響也較大，還需要加大政府的引導與扶持。

[1]商務部駐昆明特派員辦事處. 2014年云南省餐飲業共實現營業收入17.24億元, 同比下降9.07%[EB/OL]. (2015-01-23)[2020-07-17]. http: //kmtb. mofcom. gov. cn/article/shangwxw/201501/20150100876203. shtml.

[2]中華人民共和國商務部. 2018年, 云南餐飲業營業額完成1573.48億元, 同比增長16.0%[EB/OL]. (2019-04-11)[2020-01-22]. http://www.mofcom.gov.cn/article/resume/dybg/201904/20190402851678. shtml.

[3]HE X, YANG Z J, ZHANG K, et al. The spatial distribution patterns of the catering trade in Nanchang based on internet public reviews[J]. International Journal of Technology, 2018, 9(7): 1319-1328.

[4]舒舍玉, 王潤, 孫艷偉, 等. 城市餐飲業的空間格局及影響因素分析: 以廈門市為例[J]. 熱帶地理, 2012, 32(2): 134-140.

[5]LI Y Y, LIU H Y, WANG L E. Spatial distribution pattern of the catering industry in a tourist city: taking Lhasa City as a case[J]. Journal of Resources and Ecology, 2020, 11(2): 191-205.

[6]方嘉雯. 北京五道口地區韓國餐飲業空間布局特征與集聚機理分析[J]. 經濟地理, 2014, 34(12): 106-113.

[7]許澤寧, 高曉路. 基于電子地圖興趣點的城市建成區邊界識別方法[J]. 地理學報, 2016, 71(6): 928-939.

[8]朱婷婷, 涂偉, 樂陽, 等. 利用地理標簽數據感知城市活力[J]. 測繪學報, 2020, 49(3): 365-374.

[9]XIAO Y, AI T H, YANG M, et al. A multi-scale representation of point-of-interest (POI) features in indoor map visualization[EB/OL]. [2020-01-22]. https: //www.mdpi. com/2220-9964/9/4/239/pdf.

[10]ZHENG D, LI C. Research on spatial pattern and its industrial distribution of commercial space in Mianyang based on POI data[J]. Journal of Data Analysis and Information Processing, 2020, 8(1): 20.

[11]HU Y, HAN Y. Identification of urban functional areas based on POI data: a case study of the Guangzhou economic and technological development zone[J]. Sustainability, 2019, 11(5): 1385.

[12]曾璇, 崔海山, 劉毅華. 基于網絡空間點模式的餐飲店空間格局分析[J]. 地球信息科學學報, 2018, 20(6): 837-843.

[13]單欣, 徐堅, 劉昳晞, 等. 基于POI數據的昆明中心城區餐飲業空間分布格局研究[J]. 昆明理工大學學報(自然科學版), 2019, 44(5): 115-120.

[14]王盼盼, 嚴艷. 基于網絡數據的西安市主城區餐飲業空間格局研究[J]. 寧夏大學學報(自然科學版), 2019, 40(3): 291-296.

[15]LAN T, YU M, XU Z B, et al. Temporal and spatial variation characteristics of catering facilities based on POI data: a case study within 5th ring road in Beijing[EB/OL].[2020-01-22]. https: //reader.elsevier.com/reader/sd/pii/ S1877050918307245?token=A9034B0CBDB93C517560A824041CF2FB328E40795859883DC39AE460CCE8C9D14EC7624A1C15BF2227AE72CF64E828FB.

[16]祝曄. 基于POI的南京市餐飲設施空間格局分析[J]. 經濟研究導刊, 2019(15): 152-156, 190.

[17]魏凌, 張楊, 李強, 等. 基于標準差橢圓的我國國土生態空間分異研究[J]. 生態經濟, 2020, 36(7): 176-181.

Analysis method of spatial characteristics of catering industry based on location of point of interest

LI Jia1,2,3,GU Tengfei1,2,3,JIN Lei1,2,3,DUAN Ping1,2,3

(1. Faculty of Geography,Yunnan Normal University,Kunming 650500,China;2.Key Laboratory of Resources and Environmental Remote Sensing for Universities in Yunnan,Kunming 650500,China;3.Center for Geospatial Information Engineering and Technology of Yunnan Province,Kunming 650500, China.)

In view of the lack of effective methods to extract the spatial distribution characteristics of urban catering industry, spatial analysis methods of kernel density analysis, standard deviation ellipse and optimized hotspot analysis are used to establish a systematic method for analyzing the spatial distribution characteristics of the catering industry by the Point of Interest (POI) in the catering industry obtained by the AutoNavi map data. Taking Kunming city as the research area, the spatial distribution characteristics of time series and the influencing factors of the POI positioning data of catering industry in 2014, 2016 and 2018 were extracted. The experimental results show that the catering industry in Kunming has developed rapidly from 2014 to 2018, and the number of catering facilities is increasing from 27084 to 60651. The spatial distribution of catering facilities is centered on Wuhua District, Guandu District, Xishan District and Panlong District in the municipal districts of Kunming, accounting for 71.62%, 71.14%, and 56.81% of the total number of catering spots that year. The overall distribution and agglomeration are obvious, trending from southwest to northeast year by year, mainly affected by Chenggong University Town. Except for the municipal districts of Kunming, the overall catering industry in other regions has increased from 5280 to 11012, about doubling. Luquan grew the fastest with an increase of 126% and Xundian the slowest, with an increase of 80%. The development of Kunming's catering industry is too different, and it is greatly affected by regional culture. It also needs correct policy support and guidance.

catering industry;point of interest;spatial distribution;spatial analysis

P228

A

2095-4999(2021)02-0054-08

李佳，古騰飛，金磊，等. 興趣點定位的餐飲業空間特征分析方法[J]. 導航定位學報, 2021, 9(2): 54-61.（LI Jia, GU Tengfei, JIN Lei, et al. Analysis method of spatial characteristics of catering industry based on location of point of interest[J]. Journal of Navigation and Positioning, 2021, 9(2): 54-61.）

10.16547/j.cnki.10-1096.20210209.

2020-07-21

國家自然科學基金項目（41901336）。

李佳（1984—），女，湖北公安人，博士，副教授，研究方向為GIS時空分析與建模。

段平（1984—），男，湖北監利人，博士，副教授，研究方向為GIS時空分析與建模。