基于DBSCAN聚類的西部城區服務業空間布局特征研究——以西寧市城西區為例

朱 力，李小玲，王 璐，楊成忠，謝芬芬

（1.青海大學，a.計算機技術與應用系；b.土木工程學院，西寧810016；2.青海省自然資源綜合調查監測院，西寧810001）

服務業在生產生活、科教文化、社會公共等領域對提高城市經濟發展有著重要的意義。20世紀70年代以來，服務業成為國外發展最為迅速的行業，服務業的空間布局研究逐漸受到重視［1-3］，服務業的集聚趨勢、集聚動因、集聚特征［4］及服務經濟發展與人口、就業之間的關系成為重要的關注內容［5］。改革開放后，發展服務業成為中國經濟體制改革的重要舉措，是社會生產發展的需要，城市服務業的空間布局特征分析及發展模式逐漸成為研究趨勢［6-8］。

伴隨著改革開放進程的不斷深入，東部與東北部地區服務業發展水平均高于中西部［8］，東西部區域發展不平衡的問題日漸凸顯。由于西部地區城市服務業的發展缺乏理論和經驗指導，第一產業和第二產業較為落后，就業形勢嚴峻，故分析服務業區域發展不平衡現狀、西部地區經濟增長制約因素及探尋服務業視角下的西部地區城市發展道路［9］，是拉動西部地區經濟增長的必經之路。西寧市是西部地區多民族聚集的中心城市，對西部經濟發展的影響舉足輕重。研究分析西寧市服務業發展的現狀，是對青海省服務業產業結構轉型升級的積極探索［10］。西寧市城西區通過資源整合成為區域經濟的標桿、西部的窗口，探究城西區服務業的空間布局結構、發展現狀及發展趨勢，探尋西部城市服務業發展新模式，可為其他城區及西部各城市提供經驗借鑒和科學依據。

在大數據時代，空間數據蘊含著巨大的價值，挖掘和分析空間數據背后的意義，是大數據研究的重要內容［11］。POI興趣點代表地理信息系統中一個地理實體的空間數據，其屬性信息具有極高的現實意義與價值［12］。在數據挖掘技術不斷發展的基礎上，從地理信息系統中獲取POI數據的方法更加便捷，因此商業POI數據［13］的應用開始在人文地理學中受到關注，生活性服務業［14-16］、餐飲零售業［17，18］、快遞物流業［19］等方向更成為研究的重點。冉釗等［20］基于長沙市生活性服務業POI數據，采用核密度分析法研究長沙市整體及分行業的生活性服務業空間格局特征。薛冰等［21］對沈陽市零售業進行分析，概述沈陽市零售業分布結構的特征，并比較不同零售業空間布局上的差異性，為零售業空間合理規劃提供理論基礎。劉雅軒等［22］以烏魯木齊市為例，以公園綠地周邊住宅區POI興趣點為研究對象，基于STA?TA平臺分析公園綠地對住宅價格的影響關系。李鋼等［23］運用數理統計等方法分析西安市快遞業POI數據，探究菜鳥驛站的區位選擇特征及其行業的競合關系。在針對西部地區服務業空間布局研究中，以西安、重慶及成都等經濟較發達城市的研究居多，青海、西藏等經濟落后城市的研究相對較少。李維維等［24］采用Getis-Ord Gi*統計指數定量分析西安市旅游業的形成機理及熱點特征。涂建軍等［25］以城市整體地域結構為出發點，分析重慶市主城區在山地城市格局視角下餐飲業區位選擇影響的空間異質性。吳先賦等［26］通過對成都市三環路內生活設施POI數據進行研究來探究其生活設施集聚特征及配套完善程度。魏中宇等［27］結合西安市POI數據及路網數據，借助核密度估計法分析西安市中心城區商業集聚特征。服務業的空間布局研究對象單一化，大都以某一類服務業為主，以城市總體服務業為研究視角的較少，無法概述城市服務業總體布局特征。上述學者大多采用核密度估計法或多種傳統方法相結合的研究策略分析POI數據，可以發現數據的熱點區域集聚特征及發展態勢，無法研究各類別間的聚類特征，故本研究采用聚類算法分析研究西寧市城西區服務業POI數據各類別的差異及其總體布局特征，分析服務業布局特征影響因素對不同服務業的影響，并以西寧市城西區為例，與東部、中部地區城市服務業布局特征進行對比。

聚類算法是數據挖掘算法中的重要分支，聚類分析的目標是將一組數據集按照特定的標準分割成不同的簇，并使其同一簇內的數據集有盡可能大的相似性。傳統的聚類方法共有5種，分別是基于模型的方法、基于密度的方法、劃分方法、基于網格的方法和層次方法。在不同的領域中，聚類技術都有不同的應用與發展，將空間聚類算法應用到人文地理學的實踐研究中可以區分聚類的差異性，更準確地分析POI數據的集群分布與空間特征。范夢余等［28］利用DBSCAN聚類算法與呼倫貝爾游客POI數據相結合的方法對游客移動特征規律進行分析研究。查小磊等［29］利用長沙市POI數據，借助標準差橢圓及CRITIC方法，對長沙市生活服務設施進行評價研究，為生活服務與其服務質量提升提供指導。劉暢等［30］基于GPS軌跡數據結合DBSCAN算法挖掘城市交通擁堵區域，并對下次擁堵時間進行預測。李江蘇等［31］采用POI數據對鄭東新區服務業空間布局進行聚類，為產業結構提供優化方向?？梢?，基于POI數據與聚類算法相結合的研究方式逐漸興起。

本研究以西寧市城西區POI數據為研究對象，基于Pycharm平臺結合Python語言，采用Haversine距離計算方法對城西區的POI數據進行DBSCAN（Density-Based spatial clustering of applications with noise）密度聚類，深入分析聚類結果，研究城西區服務業的總體及分行業的空間分布格局，為優化城西區及西部城區服務業空間布局提供科學建議。

1 數據來源與研究方法

1.1 研究區域概況與數據來源

西寧市是中國西部地區重要的中心城市，轄城東區、城西區、城北區、城中區、湟中區5個區及湟源縣、大通回族土族自治縣2個縣。自2013年以來，西寧市國民經濟保持著穩定增長的趨勢（圖1），其中第一產業和第二產業同比增長額基本保持不變，第三產業同比增長額呈正比例增加，到目前為止第三產業即服務業經濟增長總額約占國民經濟增長總額的60%，是經濟增長的主要動力。以2019年為例，其中城西區的全年GDP總值約占西寧市GDP總值的25%，領跑西寧市其他4區2縣。可見研究城西區服務業空間布局及發展現狀，能夠為西寧市其他城區的服務業發展提供借鑒及理論依據。故本研究選取西寧市城西區作為研究區域。西寧市城西區位于西寧市中西部，轄彭家寨1個鎮，勝利路、古城臺、興海路、西關大街、虎臺、文匯路、通海路7個街道，面積為52.98 km2。

圖1 西寧市國民經濟產業產值增長變化情況

服務業POI數據包含服務業名稱、行業類別、經緯度等屬性。本研究利用基于Python語言的數據挖掘技術從高德地圖獲取2019年10月西寧市城西區服務業的POI數據，經過數據預處理后，獲得有效數據共15 829條。結合國民經濟行業分類標準GB/T 4754—2017與青海省服務業現狀，將城西區服務業POI數據分為12類，具體分類如表1所示。采用與服務業密切相關的POI數據進行DBSCAN聚類，聚類的結果及邊界點、噪聲點的分布特征能夠體現西寧市城西區服務業的空間布局特征。

表1 西寧市城西區POI數據的服務行業分類

1.2 研究方法

聚類算法是數據挖掘算法中一種常用的算法，基于密度聚類的算法主要有DBSCAN算法、DEN?CLUE算法和OPTICS算法，其中DBSCAN密度聚類算法是一種無監督學習的算法，在地理空間數據庫中有著廣闊的應用前景。DBSCAN算法在未知訓練樣本標記信息的情況下，分析訓練樣本的屬性與結構，把相似度高的訓練樣本聚集在一起，可以在不確定簇個數的情況下，識別出噪聲點并生成任意形狀的簇，能夠很好地區別各類別之間的差異，并將數據點分為核心點、邊界點、噪聲點3類。針對3類數據點，DBSCAN算法給出的基本定義如下：樣本數據點p的ε鄰域內包含不小于Minpoints個樣本，則點p為核心點；若樣本數據q點的ε鄰域內包含的樣本個數小于Minpoints，且q在核心點p的ε鄰域內，則點q為邊界點；除核心點和邊界點外，其余點為噪聲點。

DBSCAN算法在輸入參數Eps和Minpoints值后，任意選擇一個未處理的數據點P，檢查該點的Eps鄰域內包含數據點個數是否滿足不小于Minpoints值。如果滿足則該鄰域內所有的點為一簇C，該點為核心對象，否則為噪聲點，并將滿足上述條件的所有數據點加入候選集合Q，并檢查候選集合Q中未處理的數據點P1的Eps鄰域內包含數據點個數是否同樣滿足不小于Minpoints值，如果滿足則將該鄰域內的所有點加入候選集合Q中，如果P1沒有歸為任一簇中，則將P1歸為簇C中，重復上述步驟，繼續檢查候選集合Q中未處理的對象，直到候選集合Q為空。然后繼續尋找下一個簇，DBSCAN隨機處理任意一個未處理對象，重復聚類過程，直到將所有數據點歸為某個簇或標記為噪聲點［32］。

大部分DBSCAN算法采用歐式距離計算公式，歐式距離在處理地理空間數據時，所得距離結果與實際距離存在差異，影響DBSCAN密度聚類結果。故本研究在基于DBSCAN密度聚類算法的基礎上，采用地理空間坐標距離計算的方法和K-dist圖遍歷的方法進行POI數據聚類分析。

地理空間數據坐標之間的距離計算采用的是Haversine公式計算方法，Haversine公式［33］是一種基于球面模型的地理空間坐標點之間的距離計算公式。在對POI數據進行數據預處理之后，采用Ha?versine公式計算獲取任意2個POI興趣點之間的距離，其計算結果為兩點間的地理距離，與實際地理距離誤差較小，并以計算所得地理距離作為聚類參數Eps取值。設2個POI興趣點坐標為P1（x1，y1）、P2（x2，y2），其地理距離計算Haversine公式如下：

式中，R為地球半徑取6 371.008 8 km，x1x2、y1y2取P1、P2坐標點的弧度值，D即2個POI興趣點的地理距離。

依據Haversine公式，計算數據集中任意2個POI興趣點的地理距離，得出Distn×n距離矩陣，即：

式中，n為POI興趣點的個數，Dist(x,y)表示POI數據中第x個POI興趣點與第y個POI興趣點之間的Haversine地理距離。

DBSCAN聚類算法中參數Eps和Minpoints確定困難，20世紀末Ester等［34］證明在K=4后，K的變化對最終Eps的選擇影響較小，因此可利用K=4時降序K的距離繪制K-dist圖，并通過K-dist圖的拐點來確定Eps的值。其中K表示任意點P到另一任意點Q的第K個遠的距離，利用Haversine公式計算任意2個點的地理距離矩陣，對距離矩陣列向量進行升序排序、行向量進行降序排序，并繪制K=4時的K-dist圖。由于K-dist圖拐點所對應的Eps值確定困難，因此在確定Eps范圍的基礎上，遍歷Eps值與Minpoints值，并比較各取值下DBSCAN聚類結果。

2 西寧市城西區服務業空間布局分析

2.1 服務業總體空間布局

對西寧市城西區服務業POI數據使用DBSCAN算法，并在K=4的基礎上迭代不同的Eps值和Minpoints值。由于現實中西寧市城西區POI興趣點主要聚集在海湖萬達廣場和力盟商業步行街，因此無論Eps和Minpoints取何值，都會明顯存在2個區域形成較大的聚類。經過迭代試驗后，比較聚類效果及噪聲點數量，選取聚類最好的結果。最終選取參數Eps=100 m，Minpoints=41，其聚類結果為5種（表2、圖2）。根據表2和圖2中的聚類結果，將西寧市城西區服務業總體空間布局的特征概括如下。

1）西寧市城西區服務業總體布局呈東多西少的分布特征。存在2個規模較大的簇，POI數據量分別達10 518、4 534個，共占總POI興趣點數量的95%以上，并以力盟商業步行街和海湖萬達廣場為集聚中心，是西寧市城西區服務業服務半徑覆蓋區域較大的簇，其余3類規模和范圍則明顯較小，凸顯出西寧市城西區服務業“兩個中心”的特征，并且第4類和第5類分布在“兩點一線”之間的海湖路上，集聚在海湖路周圍小區建筑群附近，最西側的第1類則同樣分布在以海湖新區家屬院為中心的小區建筑群附近，體現出服務業向人口密集區域集聚的特征。

2）服務業的空間布局特征受地形、地勢及交通狀況的影響較為明顯，空間分布較為集中。由于西寧市城西區西南部高山環繞，因此其西南部區域鮮有POI興趣點分布，南北差異明顯。POI興趣點集中分布在西寧市城西區東部，主要原因在于其東部與西寧市其余4區相臨，服務半徑能夠覆蓋到其余4區，發揮空間臨近優勢。POI興趣點主要分布在交通便利的主要街道附近，其中主干道昆侖西路、西關大街、五四西路、勝利路—海晏路均為東西走向，東側4類以海湖路為中心軸對稱分布在4條主干道上，西側第1類則分布在桃李路附近。POI興趣點大都分布在鳳凰山路北側，并且POI興趣點數量由東到西呈遞減趨勢，呈現“東西一線”的分布特征?？梢姷匦?、地勢及交通狀況對西寧市城西區服務業的空間布局結構有著明顯的影響。

3）噪聲點分布較為集中，并出現未來服務業潛在聚集區域。在參數值取Eps=100 m和Minpoints=41的條件下，除5類聚集中心外，有噪聲點共計354個，占POI興趣點總量的2.24%。噪聲點主要分布在西寧市城西區的彭家寨鎮G109國道大北農專營店至青海省交通駕校路段，其余分布在青海省海湖體育中心及彭家寨鎮與通海路街道區各小區附近。其中，青海省海湖體育中心及通海路街道中的噪聲點有很大的可能性與距離其最近的簇第1類融為一體，而彭家寨鎮G109國道大北農專營店至青海省交通駕校路段附近噪聲點最有可能發展成為一個新的聚類。由于噪聲點主要分布在西寧市城西區西部區域附近，可見西部區域服務業發展與東部區域相比更為落后，因此西部區域在未來服務業發展上具有很大潛力。

表2 西寧市城西區POI數據總體聚類結果

圖2 西寧市城西區服務業總體聚類結果

2.2 服務業分行業空間布局

對城西區服務業12個分行業的POI數據分別采用DBSCAN算法，針對不同的服務行業選取不同的Eps和Minpoits取值范圍，遍歷不同的Eps值和Minpoints值，并比較各取值下不同服務業的DBSCAN算法聚類結果，最終確定各行業Eps值、Minpoints值及分類結果（表3）。

對同一行業的聚類，其各類別下聚類核心點個數較多的類別為該行業較為密集的區域，邊界點和噪聲點較密集的區域可視為具有發展潛力的區域。針對西寧市城西區各行服務業POI數據的DBSCAN密度聚類結果見圖3。

表3 西寧市城西區服務業分行業聚類結果

由圖3可見，西寧市城西區各行服務業的空間布局分布存在一定的相似性，服務業各行業聚類類別在2～5類，且聚類中心明顯，其中批發零售業、住宿餐飲業、醫療衛生業、交通服務業、商務服務業、文體娛樂業、房地產業、科教文化業、居民生活服務業能夠明顯突出“兩個中心”的布局特征。

批發零售業、住宿餐飲業及居民生活服務業的POI興趣點數量較多，占服務業總體的65.74%，且“兩個中心”的集聚密度較大。由于二者均為主要的傳統服務業，對人口密集程度有一定的需求，而力盟步行街與海湖萬達廣場作為西寧市主要商業區，有較多的人流量和消費需求，故更多商戶在服務業營業網點選擇時，有一定的傾向性，因此也就形成2個聚集的中心。對于批發零售業，其較小的2個聚類分布在桃李路西側小區群及G109國道西側路段，噪聲點較少。而住宿餐飲業噪聲點較多，聚類的類別最多，較大的2個類聚集在青海師范大學西校區、同仁橋商圈、力盟商業步行街、海湖萬達廣場及西關大街、五四大街、勝利路等城市主干道，集聚程度較小的第2、4、5類則分布在交通便利的小區建筑群周圍。居民生活服務業除“兩個中心”簇外，第3、4類則分布在海湖路與文匯路的小區附近，噪聲點集中在通海路街道及G109國道大北農專營店至青海交通駕校路段。可見，商業街、小區及學校對城西區服務業空間布局有一定的影響。

醫療衛生業在選址上有著嚴格的要求和明確的規定，選址地點要求所在區域符合城市總體規劃、環境功能區劃及其他相關的規劃要求。在滿足相關要求的同時為了擴大服務半徑，醫院診所等醫療機構大都對地理位置的優越性要求較高，故醫療衛生業POI興趣點主要分布在西關大街、五四大街與勝利路等城市主要道路上，且噪聲點相對較少。商務服務業的邊界點集中在海湖路與通海路，噪聲點分布在通海路街道。商務服務業第1、2類與第3類集聚程度有明顯的差距，這一特征與第1、2類集聚區域內商務服務機構、企業、寫字樓較多現狀相吻合。邊界點、噪聲點的集中分布凸顯出商務服務業在通海路街道的潛力，下一步可繼續強化商務服務業在通海路街道的發展。文體娛樂業共分為3類，因商貿設施環境對文體娛樂業分布有著一定的影響，而海湖萬達廣場和力盟商業步行街的商貿設施環境較優于其他地區，故其中心位置集聚密度與其他區域相比更高。金融保險業POI興趣點數量較少，但聚類結果卻分為4類，主要分布在西關大街、五四大街、勝利路、青海師范大學及各小區附近，但并沒有凸顯“兩個中心”的分布趨勢，主要是因為城西區金融業欠發達，與傳統服務業相比，金融保險業屬于高附加值行業，同時因為該類型行業盈利相對較高，故地價租金對其選址分布影響最小，大都選擇在寫字樓等商業金融集聚區，只有少量金融保險機構坐落在主干道，故集聚效果不明顯。

科教文化業、房地產業、交通服務業、公共設施服務業的POI興趣點共計2 509個，占POI總量的15.85%，與批發零售業和住宿餐飲相比，其POI數量明顯較少，可見，這4類服務業在城西區服務業中發展較為落后，故聚類結果均分為2類。其中科教文化業、房地產業及交通服務業都能夠凸顯“兩個中心”的特征，并且以力盟商業步行街為中心的簇與以海湖萬達廣場為中心的簇相比更為密集，究其原因在于力盟商業步行街開街時間在2011年與海湖萬達廣場開業時間2016年相比更早，力盟商業步行街的商戶積累遠大于海湖萬達廣場，故POI數據的聚類結果呈現出在力盟商業步行街的集聚程度較大于海湖萬達廣場，可見服務業的空間布局特征受商業區域的開街時間影響較大?？平涛幕瘶I、房地產業、公共設施服務業的噪聲點均散落在小區建筑群附近區域，而交通服務業的噪聲點則散落在國道G109附近。就這4類服務業而言，力盟商業步行街區域較海湖萬達廣場區域的服務半徑更大，區域優勢更明顯。

政府相關政策對政府機關社會組織的選址布局有著相當大的影響，每個鄉鎮都有獨立的辦公地址，而政府機關社會組織的噪聲點則為城西區偏遠鄉鎮機關。由于城西區政府機關部門主要坐落于五四大街附近，故五四大街附近區域的POI興趣點最為密集。海湖路東側交通與西側相比更為便利，因此西側第2、3類的政府機關社會組織大都分布在G109國道與文匯路等主要城市道路上，這一特征凸顯城市交通情況對服務業POI興趣點空間分布的影響。

3 服務業布局影響因素及服務業分布特征對比分析

3.1 西寧市城西區服務業布局影響因素分析

城市服務業分布影響因素主要有交通便捷性、人口密度、科技創新水平、城市地形地勢、市場需求程度、公平性與效率性等。結合西寧市城西區服務業POI數據進行DBSCAN聚類后的結構特征，從影響服務業空間布局的因素出發，分別對城西區服務業總體空間布局結構及各行服務業空間分布特征影響因素進行分析，主要表現如下。

1）城西區服務業總體空間布局結構是多種因素共同作用的結果，與東部、中部城市相比，以西寧為例的西部欠發達地區受地形、地勢影響較大，交通基礎設施建設相對滯后，便捷程度普遍較低。研究發現，城西區服務業興趣點主要分布在交通便利的主干道上，可見交通通達性在其城市服務業空間布局中起主要作用。城西區人口密度小，服務業市場需求量小，則POI數據相對較少，分布集中且集聚中心較少，各區域功能區分不明顯。

2）對各服務行業空間分布影響因素分析可見，批發零售業、住宿餐飲業及文體娛樂業多分布在人口密集的城市新區，主要以海湖萬達廣場與力盟商業步行街為主，該區域的市場需求程度較大。西部地區教育人才匱乏，而高等院校及科研院所在科技創新水平這一條件上具有絕對的優勢，故城西區科教文化業多分布在青海師范大學及相關科研院所附近。金融保險業、商務服務業多集中在各高檔寫字樓等位置優越、租金較高的區域，因該類服務業有較高的租金支付能力。教育、醫療等基礎設施較好且交通便利的位置是房地產業集聚的中心。人口密度是影響居民生活服務業分布的主要因素，因此房地產業集聚的區域其生活服務業相對發達。醫療衛生業、交通服務業對交通便捷程度有相當大的依賴性，故集中在昆侖大道、五四西路等交通主干道上。公共設施服務業、政府機關社會組織等因需兼顧公平性與效率性因素，故其分布較其他服務業更為均勻。

3.2 服務業分布特征對比分析

1）不同區域服務業分布特征對比分析。中國各省市服務業發展水平差異較大，青海省服務業發展水平在西部地區相對較低，與東部、中部服務業發達的地區差距較大。以西寧市為例的西部欠發達地區服務業發展緩慢，POI興趣點較少，故總體服務業DBSCAN聚類結果多呈單、雙核狀，集聚中心較少，研究發現城西區聚類結果有“兩個中心”，服務業空間布局呈雙核狀，而東部、中部地區服務業發達，POI興趣點相對較多，城市各區域功能區分明顯，尤其在金融保險業、商務服務業、科教文化業，東部、中部地區有金融中心、CBD、大學城等功能區出現，空間布局多呈多核狀。由于西寧市內山川較多，城西區POI聚類結果凸顯出地形、地勢對服務業分布的影響，東部、中部地區以平原居多，地形、地勢的影響相對較小。城西區服務業市場需求與發達城市差距大，其分布更傾向于人口密度較大、交通便利的區域，而東部、中部城市人口密度大，這一因素影響對服務業空間布局分布影響較小。城西區傳統服務業占比較大，而東部、中部地區教育資源豐富，科技水平相對較高，新興服務業發展迅速。

2）DBSCAN聚類結果與青海省各服務行業生產總值對比分析。DBSCAN聚類結果顯示批發零售業、住宿餐飲業、交通服務業、金融保險業的聚類類別與噪聲點相對較多，這一特征與青海省服務業產值較高的行業相對應（圖4），可見這4類服務業是城西區服務業發展的主要趨勢。交通服務業的發展是推動西部地區發展的基礎，且聚類中西川南路至國道G109區間內交通服務業噪聲點較多，故其在服務業生產總值占有一定的比例。批發零售業及住宿餐飲業有明顯的向“兩個中心”的集聚趨勢，這一趨勢與其服務業產值增長比例較高相對應。金融保險業產值增長比例較小，但產值可觀，DBSCAN聚類發現其集聚效果不明顯，但有著較大的發展前景。房地產業僅有2個聚類，其噪聲點大都分布在通海路街道內，存在著單獨發展成新聚類的可能，該特征凸顯該地區房地產業發展潛力，與房地產業也是服務業產值較高的行業這一特征相吻合。

圖4 2019年青海省各服務行業生產總值

4 小結與討論

西部地區城市的經濟發展較為落后，承接經濟發達城市的第一產業與第二產業轉移相對困難，結合自身優勢發展服務業成為促進西部地區城市經濟發展的重要舉措。通過分析經濟較發達城區的服務業空間布局和產業結構，能夠為其他城區及城市提供理論基礎及實踐經驗。本研究采用數據挖掘技術從高德地圖獲取西寧市城西區服務業的POI數據，利用Pyhon語言計算POI數據的地理空間坐標的實際距離矩陣及繪制K-dist圖，選取合適的Eps值和Minpoints值對西寧市城西區服務業總體和分行業POI數據進行DBSCAN聚類，通過聚類結果分析西寧市城西區服務業空間布局結構及發展潛力區域，并比較各區域服務業空間布局的差異性。針對西寧市城西區產業結構現狀，提出優化思路，為城西區及其他西部城區服務業發展提供理論依據。

從服務業總體空間布局分析，①西寧市城西區地形結構呈南高北低趨勢，南部山川環繞，城區內部可利用土地越來越少，造成服務業集中分布在城西區北部，并呈現“兩點一線”的空間分布結構；②就城西區東、西部而言，城西區東部與西部發展情況差距大，這一特征與城西區東、西部城市公共交通可達性相吻合；③邊界點、噪聲點分布集中在國道G109彭家寨鎮路段及彭家寨鎮與通海路街道各小區附近。總體上，應鞏固力盟商業步行街商圈及海湖萬達廣場商圈中心地位，擴大輻射引領作用。彭家寨鎮與通海路街道比其他街道發展更為落后，應加快“彭家寨-通海路”集聚中心區的建設，優化城市交通體系，加緊建設昆侖大道與五四西路西延路段道路工程，實現全區協同發展。

從服務業分行業空間布局分析，①服務業各行業的空間布局分布大致相似，大體呈現向“兩個中心”聚集的趨勢；②邊界點、噪聲點分布集中在彭家寨鎮、海湖路及通海路與桃李路之間；③交通通達性對服務業各行業的空間分布有較大影響。城西區服務業各行業大都有明顯的集聚趨勢，而金融保險業與商務服務業則集聚效果不明顯，邊界點、噪聲點有較多的問題。④住宿餐飲、批發零售等傳統服務業占比過大，金融等現代服務業發展較為落后。建議優化服務業產業結構，促進傳統服務業向現代服務業發展，加快金融保險與樓宇經濟的集聚區建設，加速城西區的城市發展空間與金融保險業全方位的發展，城西區內各行業集聚相對集中，各行業應發揮自身優勢，共同制定發展規劃，打造城西區“服務業核心區”。

結合布局影響因素及服務業分布特征分析，①城西區服務業總體分布主要受地形、地勢、交通便捷程度、人口密度及市場需求等因素影響，其集聚中心較少。就各服務行業而言，不同行業的空間分布影響因素不同，發展環境約束依然存在，空間發展不平衡。應優化服務業內部結構，促進各行業協調發展。②西部欠發達地區服務業數量較少，聚類結果多呈單、雙核狀，東部、中部地區各區域功能區分明顯，聚類結果多呈多核狀。西寧市應積極引入資金資本，加大教育資源投入力度，積極籌建西寧大學，為傳統服務業向現代服務業轉移提供儲備力量。③城西區服務業聚類特征與青海省各服務行業產值較高行業相符合，探究其服務業特征，有利于提高服務業發展水平，推進城西區城市化進程。

本研究從城西區服務業總體及分行業的空間布局現狀進行分析，并對其現狀形成機理作出相應解釋，同時闡述各影響因素對服務業分布的影響，探究不同區域服務業的分布特征，并將DBSCAN聚類結果與青海省各服務行業生產總值進行對比驗證。由于沒有與西寧市其他城區服務業發展現狀作對比分析，同時也沒有對城西區過去的服務業POI數據作聚類分析，導致對城西區服務業空間分布現狀及發展趨勢分析不夠深入。對比分析涉及西寧市其他城區服務業的POI數據及歷年城西區服務業POI數據可知，下一步將對西寧市其他城區服務業空間布局及城西區歷年服務業的空間布局進行研究，深入分析城西區服務業的空間布局發展優勢及趨勢。