基于POI的昆明市商業空間結構特征分析

張一丁，金寶軒，宋煒煒

(1.昆明理工大學國土資源與工程學院，云南 昆明 650093； 2.云南省自然資源廳，云南 昆明 650224)

1 引 言

經濟的增長推動著我國城市商業空間規模的迅速擴大，在原有空間格局的基礎上向外擴展，并在不同的區域形成不同級別的聚集核心，促使城市商業空間結構在原有基礎上演變成為多元、復雜的城市商業空間結構[1]。對城市商業空間的組成結構及其層次關系進行科學的分析和評估，可以在支持城市活動高效運轉及城市總體規劃方面提出科學化建議。我國自然資源管理組織機構調整后的新空間規劃類型，對國土空間規劃中應用的技術、方法等提出了新的挑戰[2]，目前對于國土空間規劃方法的研究主要集中在對國土空間承載力評價和國土空間適宜性評價方面，現有研究主要基于傳統的統計分析、空間分析等方法。傳統的空間規劃理論，集中在單一因素的研究與控制領域，技術手段多應用統計的方式，在針對人類活動對城市發展的影響方面的研究尚不多見。

本文通過集成各類POI數據，分析其分布特征及互動影響關系，能對規劃區實況的變化規律進行科學模擬和分析。應用科學的分析方法，基于城市POI數據對城市商業空間組成結構、城市商業發展現狀及城市化程度進行演化分析[3]，能夠實現對城市發展現狀、城市化程度等信息的全面掌握[4]。因此本文重點探討新時代國土空間規劃如何應用各類POI統計數據進行模擬分析，判定研究區商業發展規模及發展程度，將研究結果應用于支撐國土空間規劃過程，實現數據決策，科學規劃。

2 研究區概況與數據來源

2.1 研究區域概況

本文選擇昆明市作為研究區，昆明市是云南省的省會，西南地區的中心城市之一。位于云南省中部地區，東經102°10′～103°40′，北緯24°23′～26°22′。東西最大橫距140千米，南北最大縱距 220 km，昆明市下轄7區、3縣、3自治縣、1市：盤龍區、五華區、西山區、官渡區、呈貢區、晉寧區、東川區、安寧市、富民縣、嵩明縣、宜良縣、尋甸回族彝族自治縣、石林彝族自治縣、祿勸彝族苗族自治縣。昆明地理位置屬北緯亞熱帶，然而境內大多數地區夏無酷暑，冬無嚴寒，具有典型的溫帶氣候特點，素以“春城”而享譽中外。

截至2018年，全市下轄7個區、3個縣、代管1個縣級市和3個自治縣，總面積 21 473 km2，常住人口685.0萬人，城鎮人口499.02萬人，城鎮化率72.85%，常住外來人口達219萬人。昆明市2018年地區生產總值為5 206.89億元，占云南省GDP總量的29.12%；GDP增速8.4%。

2.2 數據來源

本文研究過程中用到的數據主要來源于：

昆明市歷年統計年鑒：包含了昆明市各轄區行政區劃統計(http：//www.resdc.cn/)、昆明市各區縣GDP數據；昆明市各區縣行政區；昆明市POI統計數據(表1)。

基于Python編程及ArcGIS 10.6軟件，對基礎數據進行處理；根據餐飲、酒店、商場、寫字樓及銀行等五大類業態為基礎，研究不同類型的商業活動在昆明市的主要聚集方式及存在區位，總結昆明市商業空間集聚模式及商業空間結構特征的形成機制。

昆明市不同類型POI統計結果 表1

3 研究方法

3.1 基于K-means均值聚類的多中心分析

K-means均值聚類分析[5～8]，在分類評定、等級判斷方面的分析中具有廣泛應用，本文研究過程中基于Python語言編程實現K均值聚類分析算法，對研究區的各種POI統計數據進行可視化分類，可以對POI數據樣本分布進行直觀分析，有助于對昆明市現有發展規模、聚集程度、發展規律進行科學的分析和判斷。

對于特定的數據集，基于研究目的確定K的類型數量，聚類分析的數學表達式為：

(1)

式中：si為每一個聚類類型，xj為向量，μi為分類si的平均值。

3.2 基于POI點集的核密度分析

核密度分析法(kernel density estimation，KDE)[9～10]是點位數據空間分析中運用較為廣泛的方法。該計算方法以某一特定點位為中心，該點密度估計值最高，隨著向外距離的增大而不斷衰減降低，當距離中心達到某一范圍時密度為0。對所有點位進行計算，相同位置處進行疊加，得到最終核密度分布圖，并反映空間位置的差異，計算式為：

(2)

4 結果及分析

4.1 基于POI數據疊加分析的昆明市商業分布現狀分析

根據研究區POI數據疊加分析[12～13]的結果，昆明市各類POI呈現出明顯的聚類分布，聚類中心處POI密度大，隨著與聚類中心距離的增大，POI聚集程度逐漸降低，呈分散狀，基于多種類型的POI的分布形式，能準確分析出昆明市目前商業發展的空間分布規律，研究結果表明(圖1)，昆明市目前發展的核心仍然主要集中在幾個主城區，整體上出現商業發展不平衡的態勢，沒有出現明顯的多商業中心共同發展的分布模式。

圖1 各類POI分布圖

從疊加結果中可以看出，雖然各類POI高度聚集在五華區、盤龍區、官渡區、呈貢區以及西山區相互交界的地段，但是在各自區域范圍內卻沒有很好地形成聚集，在昆明市其他區域沒有形成明顯的聚集形式。①在餐飲業方面總體上分布較為均勻，除了在祿勸和東川沒有形成高度聚集外，其他區域均呈現出高度的聚集性。由此反映出昆明市餐飲行業的發展雖然在局部區域發展不平衡，但總體上呈現明顯的聚集特征。②在商場的建設方面，則高度聚集在五華區、盤龍區、官渡區、呈貢區以及西山區相互交界的地段，作為昆明市的主要城區，各大商場的聚集程度明顯高于其他區域，而且有向外擴展的趨勢，由此可以看出昆明市是一個單一中心的城市，由內向外擴展發展。③在酒店行業方面，雖高度聚集在幾個主城區，但在其他區域也形成了程度不等的聚集中心，由此可見昆明市酒店行業除了在主城區高度發展以外，在其他城區也是均衡發展。④從圖1中可以看出寫字樓的分布高度集中在五華區、盤龍區、官渡區。在其他區域雖然分布零散，但在各自區域內也形成了明顯的聚集性。說明寫字樓作為辦公點，往往被選擇安置在一個相對集中的區域，便于信息的發布和交流。⑤相對于其他幾類行業，銀行的分布特征更具有平衡性，雖然高度聚集在五個主要城區的交界處，但在其他區域也呈現出了均勻分布的特點，說明銀行作為其他產業的支撐產業，其發展要比其他行業速度更快，更能體現出城市發展的規劃性和戰略性?？傮w來說各類POI既有自身的分布特色，也在整體上體現出規律性，這種規律正好提供了分析和判斷的可能，從POI聚集形式上分析，各類POI在各區的聚集程度，能夠明顯地反映出各區之間發展的不平衡性。從圖3能明顯地反映出昆明市各區域之間的相互聯系性，在聚集程度較高的區域發展程度高，金融聯系性強；在聚集程度較低的區域發展程度低，金融聯系性弱。

4.2 基于K-Means聚類的POI數據分析

由于POI數據疊加分析僅能在空間分布方面做出直觀的展示，而數據點本身之間的內在聯系性卻得不到充分的展示，在發現空間內置聯系性方面存在不足[14～16]。因此實驗基于Python編程實現POI數據的K-Means聚類分析，以確定POI在分布上的聯系性，增強分析結果的可靠性。在POI疊加分析方面，能夠客觀地展現POI的分布以及POI的聚集特征，但是難以確定各個聚集區域的聯系性強弱，以及聚集中心對其輻射影響范圍的大小。K-Means聚類分析方法彌補了這一不足，基于K-Means聚類分析以及可視化分析結果，有助于判斷各聚集區的聯系強弱以及影響大小，基于本文的研究目的以及數據分布特征，將聚類類型K設置為7類[17～19]。根據實驗結果顯示(圖2)，各類型的POI數據呈現不一致的聚類結果，各類型都具有獨立的聚集特性，表明各類型的商業業態，在不同區域有著不同的發展特色以及發展程度；雖然各類POI在各區域都有不同的聚集特性，但整體上依然表現出規律性，各類型POI的聚類中心依然出現在五華區、盤龍區、官渡區、呈貢區以及西山區相互的交界地段范圍附近，而且部分類型的POI聚類中心直接出現在交界處，結果表明，目前昆明市的高速發展雖然是以幾個主城區的交界處為主要方向進行規劃，但依然可以看到各類型的聚類中心并沒有直接指向各區交界處，在其他區域同樣出現較多較弱的聚類點，這樣的現象表明目前昆明市的發展雖然以幾個區的交界為核心，但是有逐漸向外擴展的趨勢，對于整體上的發展，這無疑是一個好的信號。一個核心，多個方向的發展模式適應于目前昆明市發展的需要，也有助于在一個核心周圍形成許多小型的核心，基于微型推動的發展戰略，在不久的將來，昆明市有望發展成為一個超級核心，多級小型核心的多層次、多功能型城市。

圖2 各類POI K-Means聚類分析圖

4.3 基于POI數據的核密度分析

核密度分析法[20～22]是判別事物聚集性，確定聯系性強弱的重要手段，對POI數據集進行核密度分析，實驗結果如圖3所示，基于POI數據的核密度分析所得到的結果和預期保持高度一致，其中餐飲、商場、酒店、寫字樓、銀行等商業形態依然在五華區、盤龍區、官渡區、呈貢區以及西山區相互的交界地段范圍附近保持極高的聚集密度，而在其他區域卻沒有保持較高的聚集密度，由此可以說明，昆明市在當前的發展規模下，商業中心依然聚集在幾個主城區的交界區域，雖有向外延伸的趨勢，但短時間內商業中心不會發生太多的轉移。

由一個商業中心，逐層擴張，向外延伸發展，形成多級商業空間結構，是大多數城市商業空間結構的發展模式，從圖3中體現的趨勢分析，昆明市目前正處于一個向外延伸、向外擴張發展的階段。尚未形成全面、平衡的多層次、多中心的商業空間結構。

圖3 各類POI核密度分析圖

5 討論

5.1 POI數據支持下的城市發展規模評估

本文基于POI數據，對昆明市商業空間結構的發展現狀及發展程度進行分析與判斷，借助POI數據能夠準確地表達城市不同地區不同地理要素之間的相互影響關系及其聚集程度，能夠快速有效地識別城市商業空間結構，劃分不同的功能區等等，基于位置的POI數據，為國土空間適宜性評價及分析提供了新的技術依賴，彌補了傳統統計方法的不足；不足之處在于POI數據是三維實體的具體抽象，不具有大小屬性，在進行分析的過程中需要借助一定的經驗分析，例如可以對點進行緩沖區分析，以此得到POI點集的服務輻射范圍或是點所代表三維實體的空間面積、體量、等級等信息[23]。本文側重從結構、組成、規模等方面對昆明市的發展現狀及發展規模進行分析與判斷，在針對多時相分析方面依然有待加強，今后可以結合多源數據在空間聚類類型定權以及多層次多角度國土空間適宜性評價方面進行深入的分析與研究。

5.2 POI數據支持下的城市規模評估的可靠性

POI數據是現實世界中實體單元的點抽象，與現實實體之間存在一一對應，是三維世界的客觀表達。應用POI數據進行與城市空間相關的研究與分析，具有客觀性，其研究和分析結果在一定程度上代表現實世界的真實變化，POI數據自身就具有全面、客觀的數據特征。本文基于昆明市POI數據，對昆明市現有的商業發展格局進行分析和判斷，結果表明，各類型的POI數據都聚集在五華區、盤龍區、官渡區、呈貢區以及西山區相互的交界地段及其附近范圍，在此區域具有高度的經濟發展水平，各類型行業均在此區域聚集，形成昆明市的一個超級核心，并有向外繼續發展的趨勢。

POI數據的收集、整理及分析，完全基于客觀實體的統計記錄，是城市中各種商業業態存在的抽象表現，大量的POI記錄能夠客觀地反映城市業態的真實狀態，因此POI數據能很好地支持城市規模評估?；赑OI數據對城市規模評估，在實踐方面具有可行性，在理論方面具有科學性，在評估結果方面具有可靠性。

6 結 論

通過查詢分析昆明市歷年統計年鑒數據(2015-2018)，昆明市地區生產總值逐年增長，約占云南省GDP總量的30%；GDP增速在8%以上。其中生產總值最高的是官渡區，同比增速約為8%；五華區和盤龍區位居第二和第三，增速分別約為5%和11%。從GDP增速方面來看，安寧市GDP增速約為25%，全市最高。從GDP總量方面來看，官渡區、五華區和盤龍區穩居前三。

本文基于POI數據，利用疊加分析、點密度分析以及K-Means聚類等方法，根據POI數據在昆明的區域分布特征及聚集形式，對昆明市的商業發展規模及發展形態進行分析與判斷，其研究結果表明：昆明市目前呈現出一個大型商業中心區，并不斷向外延伸，形成多級、多元的商業空間結構。從一個高度發展的中心區域向外逐漸擴展發展成為多層次，多級別的多功能型城市。其中與金融相關的行業，在一個超級核心范圍及其附近高度聚集，其他的以餐飲或休閑娛樂相關的產業已經開始逐漸向外發展。整體上，昆明市一個超級核心多個微型核心，多層次、多級別的城市商業空間格局已經開始形成，核心區域的多功能特性已經表現明顯，其他一些小型的聚集中心的發展程度有待強化，其多功能特性需要加強。

對比基于統計年鑒的GDP分析和基于POI數據的商業空間結構分析，雖然表現的形式不同，但得出的結論在空間上保持高度一致。基于POI數據的商業空間結構分析，使分析對象更加具體，更加強調分析對象的時空性，強化各種商業業態之間的空間聯系性，得出的結論具體、客觀、可靠，是一種優化的空間結構分析途徑。