基于時空大數據的北京城市商圈功能特征研究

牛悅顏 彭霞

[摘 要] 基于多源時空大數據，對北京城市商圈進行識別，并分析其業態和服務功能。首先利用POI、手機信令及路網數據，確定了北京市六環內的186個商圈；其次，通過對商業相關POI進行K-means聚類，將商圈分為購物休閑型、娛樂休閑型、景點觀光型、教育培訓型和生活服務型5類；最后，基于手機信令數據提取商圈動態客流量，分析得出商圈服務功能分為均勻型、夜間型和早晚型3類。研究發現：1）北京城市商圈業態功能各異，購物休閑型商圈以高端和時尚為主導，集中在東部；娛樂休閑型商圈集多功能于一體且交通便利；景點觀光型商圈以歷史文化景點為主；教育培訓型商圈分散在大型居住區或辦公區附近；生活服務型商圈則集聚較多的餐飲和生活服務業態。2）在服務功能方面，均勻型商圈客流量穩定，多位于工作地和大學城附近；夜間型商圈位于東部及大型居民區附近，19點為客流量高峰；早晚型商圈則位于城市外圍，具有與工作通勤相似的雙峰形態。這些研究結果為推動北京城市高質量發展、打造國際消費中心城市提供參考依據。

[關鍵詞]商圈；POI；客流；多源時空大數據

[中圖分類號]F 727

[文獻標志碼]A

[文章編號]1005-0310（2023）06-0053-09

Research on the Functional Characteristics of Beijing Urban Business

Areas Based on Spatio-Temporal Big Data

NIU Yueyan， PENG Xia

（1.College of Applied Arts and Science， Beijing Union University， Beijing 100191， China；

2.Tourism College， Beijing Union University， Beijing 100101， China）

Abstract： Based on multi-source spatio-temporal big data， this study identifies urban business areas in Beijing and analyzes their commercial structure and service characteristics. Firstly， this study identifies 186 business areas within the sixth ring road of Beijing using POIs， mobile signaling data and road network data. Secondly， this study utilizes K-means clustering to categorize commercial POIs into 5 types of business areas： shopping， entertainment and leisure， tourism， education， and lifestyle business areas. Finally， based on mobile signaling data， the dynamic customer flow of the business areas was extracted， reaching such a conclusion that the service characteristics of business areas could be classified into 3 types： uniform， nighttime， and morning-evening. The research has found that： 1） The commercial structure of the urban business areas in Beijing varies， with shopping and leisure business areas dominated by high-end fashion and concentrated in the east. Entertainment and leisure type of business areas are multi-functional and have convenient transportation. The tourism type of business areas are dominated by historical and cultural attractions. Educational business areas are scattered near large residential or office areas. The lifestyle business areas have a high concentration of catering and lifestyle service POIs. 2） In terms of service characteristics， uniform business areas have stable customer flow， mostly located near workplaces and university towns. The nighttime business areas are located in the east and near large residential areas， and the customer flow reaches a peak around 19 o’clock. And the morning-evening business areas are located on the outskirts of the city， displaying a bimodal traffic pattern similar to commuting peaks. These research results can provide reference for promoting high-quality urban development of Beijing and building an international consumption center city.

Keywords： Business area；POI；Customer flow；Multi-source spatio-temporal big data

0 引言

隨著城市化進程的不斷推進和人民生活水平的提高，城市產業結構中的城市服務業逐步成為拉動城市經濟增長、調整城市經濟結構和塑造城市內部空間格局的重要力量。同時，城市商圈作為城市經濟活力和消費的重要載體，日益受到廣泛關注。為了落實首都城市戰略定位、推動高質量發展，北京正在積極推進傳統商圈改造、不同層級商圈功能和業態互補，同時，發布了《北京市關于進一步繁榮夜間經濟促進消費增長的措施》《第一批國家級夜間文化和旅游消費集聚區》等一系列政策文件，旨在加快培育國際消費中心城市和旅游消費集聚區建設。北京商圈數量眾多，獨特的地理位置和多樣化的人口流動使商圈間具有差異性和多樣性。因此，研究北京城市商圈的功能特征有助于推動北京城市高質量發展、打造更具國際競爭力的消費中心城市，并為政策制定者提供有益的決策支持。

現有研究雖然已經取得豐富的成果，但在城市尺度下對各商圈功能特征展開分析的研究相對較少。傳統數據如問卷調查或統計年鑒等，在商圈研究中的應用受限。時空大數據如POI數據和手機信令數據等，具有數據量大、信息全面和真實可靠等特點。隨著時空大數據獲取和更新技術的不斷成熟，探索城市商圈的特征和變化規律，如基于地理空間大數據的零售商業中心識別以及零售商業空間分布特征和影響因素分析等，已成為新的研究熱點。

本研究基于多源時空大數據，首先進行北京六環內各商圈的識別，再從業態POI數量和動態客流量兩個維度進行商圈功能分類，研究北京城市商圈的業態和服務功能特征，為推動北京城市高質量發展、打造國際消費中心城市提供參考依據。

1 研究數據與方法1.1 研究區概況及數據來源

本研究選擇北京六環內的區域作為研究區，主要利用POI數據、手機信令數據及路網數據進行分析，將從高德地圖收集到的與商業相關的興趣點（POI）作為業態數據源。經過數據清洗和細分，將業態劃分為餐飲服務、購物服務、教育培訓、旅游景點、生活服務、文體休閑服務和住宿服務7大類，研究區域內POI點總數達到179 919個（見表1）。本研究提取2019年5月訪問過各商圈的手機信令數據，將24小時的客流量作為商圈服務功能的數據源；同一商圈內不同網格的移動數據被視為一次訪問，以避免對同一用戶的多次訪問造成重復計算。此外，還將從四維圖獲取的2019年路網數據作為商圈識別的數據源。

1.2 研究內容及方法

本研究立足于對北京城市商圈的識別，進一步探討北京城市商圈的功能特征（見圖1）。研究過程分為以下幾個步驟：首先，采集并預處理POI和手機信令數據。其次，進行商圈識別。結合POI數據和路網數據計算商業設施熱點區，合并空間上臨近的熱點區，然后利用手機信令數據剔除客流量較少的商圈，從而確定出六環內各商圈的范圍。再次，分析商圈功能特征。從兩個方面展開研究：1）基于POI數據的業態功能分類，利用高德地圖提供的北京市POI數據，對商圈內的7大類商業POI進行K-means聚類，劃分不同業態功能類別的商圈，分析業態結構和功能特征的差異。2）基于動態客流量的商圈服務功能分類，借助手機信令數據提取商圈每小時客流量，采用Mfuzz算法進行時間序列軟聚類，將商圈按照服務功能劃分為不同類型，并分析客流變化和服務需求。同時，對這兩種分類結果進行空間可視化分析，探索北京城市商圈業態功能和服務功能的空間分布格局。最后，總結與展望北京城市商圈的功能特征。

1.2.1 北京城市商圈識別

北京城市商圈的識別主要依賴于商業相關POI數據和北京市路網數據，研究采用熱點分析法。識別過程如下：1）將路網數據轉換為交通小區面數據，并計算各交通小區內的商業相關POI點的數量；2）使用熱點分析（Getis-Ord Gi*）方法選出置信度達到90%以上的熱點區域；3）參考歷史商圈邊界，將空間上相鄰或相交的熱點區域合并為一個商圈，共識別出248個商圈；4）使用手機信令數據統計每個商圈的日均客流量，剔除六環外或日均客流量小于600人的商圈，最終得到186個商圈。

1.2.2 商圈業態功能分類

本研究將各商圈內部7類POI業態類型的數量作為商圈的特征，運用K-means算法進行無監督聚類，根據商圈業態特征將商圈劃分為不同的功能類別。在此基礎上，對各類商圈進行核密度分析，以了解各類型商圈在北京六環內的空間分布特征。

1.2.3 商圈服務功能分類

Mfuzz軟聚類是一種基于模糊c均值聚類算法的時間序列聚類方法，能識別數據中的潛在時間序列模式，并將相似模式的數據點分配到同一個簇中。本研究采用手機信令數據提取各商圈24小時的日均客流量，并運用Mfuzz軟聚類算法對商圈進行時間序列聚類。通過分析聚類結果，我們可以揭示不同服務功能類別的商圈在24小時中的客流變化和空間分布特征。

2 結果分析

2.1 北京城市商圈分布特征

如圖2所示，北京市六環內186個商圈主要集中在四環路以內，四環路以外的商圈多分布在主要道路和大型居住區附近。這些商圈總占地面積為146.84km，平均面積為0.79km。根據單位面積日均客流量來看，商圈呈現出多中心特征。日均客流量和面積均較大的商圈多集中在東部和西北部，如朝陽區的國貿、三里屯和雙井等商圈集聚區，客流量遠高于其他區域；海淀區的中關村和五道口商圈也在空間上呈現出集聚分布的特征。相較之下，南部的商圈雖然發展迅速，但客流量與成熟商圈仍有一定差距。

2.2 基于POI的商圈業態功能特征

利用商圈內部7類POI數量對北京市各商圈進行K-means聚類，使用肘部法，確定最優簇數為5。根據聚類結果及特點，本研究將商圈劃分為以下5種類型：購物休閑型、娛樂休閑型、景點觀光型、教育培訓型和生活服務型。

2.2.1 商圈業態功能的數量特征

本研究對購物休閑型、娛樂休閑型、景點觀光型、教育培訓型和生活服務型5類商圈業態功能的數量特征進行分析。結果顯示，各類商圈在聚類結果（見表2）、業態數量（見表3）、占比POI數量（見圖3）上存在顯著差異。從商圈的POI業態數量來看，購物休閑型商圈以望京、國貿和雙井為代表，POI的數量范圍為4 738～5 364個，平均數量為5 083.33個，是業態數量最多的商圈類型。此類商圈各類業態POI數量均較為豐富，餐飲、購物和生活服務數量分別為1 476.33個、1 478.33個和998.00個，均位列前兩名，分別占此類商圈POI數量的29.04%、29.08%和19.63%。這類商圈匯聚了眾多餐飲、服裝、化妝品等專業店鋪，為消費者提供了集購物、娛樂、餐飲、文體休閑等多功能于一體的服務，以高端和時尚為主導。

娛樂休閑型商圈共有23個，POI數量主要在1 386～2 944個之間，各商圈平均POI數量為2 148.30個，數量相對較少，位列第3名。其中，購物服務占此類商圈業態總數的34.75%，餐飲服務數量相對較多占25.41%，其他各業態較為均衡，主要包括奧森、王府井、五棵松、三里屯、三元橋、魯谷、五道口、四惠、酒仙橋等休閑商圈，為消費者提供中小規模的娛樂休閑服務。值得關注的是同是集購物、娛樂、餐飲、文體休閑等多功能于一體的商圈，但娛樂休閑型商圈大部分業態的POI總量小于購物休閑型商圈。

景點觀光型包含兩個商圈，分別是南鑼鼓巷和國子監，豐富的旅游景點吸引了大量游客。這兩個商圈內的景點數量平均達到41.5個，是5類商圈中數量最多的，覆蓋的旅游景點POI數占所有商圈景點總數的13.54%；餐飲服務平均數量為306.50個，與其他類型業態相比所占比重最大，約占POI總量的35.89%。同時，各類休閑服務業態數量也較為豐富，能夠為游客提供所需的服務并滿足游客的就餐購物需求。

教育培訓型共有6個商圈，POI數量在3 301～5 312個之間，平均POI數量為4 275.33個，位列5類商圈第二名。其中：教育服務POI占比為9.02%，平均每個商圈約有385.67個，是5類商圈中占比最高的類型；生活服務的平均POI數量為997.50個，同樣是占比最高的商圈類型。整體來看，此類商圈不僅提供了豐富的教育服務，也提供了各類生活、購物和文體休閑服務，且包含了如中關村、青年路、回龍觀等教育服務行業較集中的、專業性較強的商圈。

生活服務型商圈在所有商圈中數量最多，達到152個，但各商圈內的POI數量相對較少，平均數量為578.28個。在這類商圈中，購物服務、餐飲服務和生活服務這3個業態占比最大，POI數量分別為233.34個、136.26個和116.55個。這說明生活服務類商圈的各類業態比例相對均衡，但平均來看，各業態的數量較少。此類商圈主要是各類餐飲店的集聚區，以提供生活必需品和基本生活服務為主，如超市、便利店和快餐店等，能夠滿足消費者的基本需求。

2.2.2 商圈業態功能的空間格局

商圈業態空間格局不僅受歷史文化和城市空間形態的影響，還與城市發展、人口分布、交通網絡等多種因素密切相關。在北京六環內，186個商圈的業態功能空間分布呈現向城市中心聚集的格局（見圖4）。一方面，傳統商業繁華區仍然是現代核心商業區，這些區域擁有優越的地理位置、豐富的文化底蘊、一批具有悠久歷史的老字號商店，以及市民長期形成的心理認同感。另一方面，隨著城市交通網絡的不斷完善，商圈的分布范圍逐漸擴大，多分布在四環以內區域，而娛樂休閑型和教育培訓型商圈主要集中在區位好、交通便利的區域，為消費者提供了多樣化的消費選擇。

不同類型的商圈具有不同的業態功能和區位特征（見圖5）。購物休閑型商圈集購物、餐飲、休閑為一體，主要集中在三環和四環東部，靠近城市中心和交通便利的地區；娛樂休閑型商圈多與購物休閑型商圈相連，主要分布在五環內，交通便利；景點觀光型商圈集中在二環內，與歷史文化相關，旅游景點較多；教育培訓型商圈較為分散，多靠近交通便利、人口稠密的區域；生活服務型商圈緊鄰社區居民的居住區和人流集中的地區。

2.3 商圈服務功能特征

本研究采用Mfuzz軟聚類算法，對從手機信令數據獲取的各商圈24小時客流量進行時間序列聚類，將商圈分為3種類型（見圖6）：均勻型商圈（Cluster 1）、夜間型商圈（Cluster 2）和早晚型商圈（Cluster 3）。研究結果顯示：各類商圈在一天中具有不同的客流量特征。

2.3.1 商圈服務功能的時間特征

均勻型商圈客流分布呈現日間相對平穩和均勻的趨勢。凌晨5點左右，客流量降至最低值，在10點時客流量達到最高值，直至19點（共9個小時）客流量基本保持穩定。從圖6中可以看到，早晚高峰時段客流量有所增加，但波動不明顯，呈現出較為穩定的消費需求特征。

夜間型商圈客流分布呈現明顯的夜間高峰趨勢。凌晨4點30分左右，客流量降至最低值，在19點左右達到最高值，尤其是在16點至19點的3個小時內客流量急劇增長，19點之后迅速下降，顯示出較為集中的夜間消費需求特征。

早晚型商圈客流分布呈現雙峰形態。第一個客流量高峰出現在凌晨4點至清晨7點之間，隨后客流量迅速降低，在10點左右降至較低水平，除12點左右出現的小波峰外，16點之前客流量均保持相對較低的水平。16點至19點，第二個客流量高峰出現，這也是全天客流增速最快、客流量最高的時間段，之后客流量迅速下降，顯示出較為分散的早晚消費需求特征。

2.3.2 商圈服務功能的空間格局

如圖7所示，從空間上來看，均勻型商圈主要集中在西城區和海淀區，沿東西向的主要交通線路分布，商圈多為工作地附近的商業設施，如科技園、大學城等，吸引了周邊的上班族和學生群體。部分內城居民區附近的商圈也屬于此類，如西城區、東城區等，主要滿足居民的日常生活需求。

夜間型商圈主要分布在東城區和朝陽區。此類商圈內娛樂休閑類的商業業態較為豐富，如酒吧、夜店、電影院等，吸引了年輕人和白領等群體的夜生活消費。此外，一些大型的居民區附近的商圈也屬于夜間型，如亦莊、回龍觀、天通苑等。這些商圈多為綜合性的商業設施，如購物中心、美食廣場等，可以滿足居民下班后的休閑消費需求。

早晚型商圈的數量相對較少，業態結構較為單一，主要分布在五環和六環附近的區域，且多是在交通樞紐附近，與上班族早晚通勤特征相一致。此類商圈以生活服務類業態為主，主要滿足上下班人群的基本生活需求。這種空間分布模式的形成，與城市中不同區域的居民群體特征和日常行為習慣密切相關。

3 總結與展望

本研究以北京六環內的區域作為研究區，在對186個商圈進行識別的基礎上，分別分析了其業態功能特征和服務功能特征。

首先，通過整合POI數據和路網數據，計算商業設施熱點區，在參考各商圈歷史邊界的基礎上，合并空間臨近的區域，形成了北京六環內的186個商圈。

其次，利用K-means聚類方法對7類POI數量進行分類，得到5種業態功能類型的商圈：購物休閑型、娛樂休閑型、景點觀光型、教育培訓型、生活服務型商圈。這些商圈在地理位置、業態構成和服務功能方面均呈現出顯著差異。購物休閑型商圈以高端和時尚為主導，POI總數最多，且集中在東部；娛樂休閑型商圈集購物、娛樂、餐飲、文體休閑等多功能于一體，多靠近城市中心和交通便利地區；景點觀光型商圈以歷史文化景點為主，主要集中在二環內；教育培訓型商圈內的教育培訓類POI數量較多，分散在大型居住區或辦公區附近；生活服務型商圈數量最多，各類業態數量較少，緊鄰居住區和人流密集的區域。

最后，通過Mfuzz算法對各商圈一天內的客流量變化情況進行分析，將商圈劃分為均勻型商圈、夜間型商圈和早晚型商圈3種服務功能類型。均勻型商圈在白天時段客流量穩定，主要沿東西向主干線分布，多位于居民區、大學城、科技園等工作地點周邊；夜間型商圈多位于東城區、朝陽區以及大型居民區附近，在16點至19點客流量迅速增加，以豐富的娛樂休閑業態吸引年輕人和白領等夜生活消費者；早晚型商圈主要分布于城市外圍的交通樞紐附近，7點和19點呈現出兩個客流量高峰，業態結構相對單一，主要滿足上班族的基本生活需求。

本研究在探索北京六環內商圈的業態和服務功能方面取得了一定的成果，但仍存在一些不足。未來研究可以進一步深入探討商圈功能類型與客流變化模式之間的關系，分析商圈競爭力和可持續發展能力，關注新型業態對商圈發展的影響。同時結合其他因素，如人口密度、經濟發展水平等，對商圈進行綜合分析，構建更加全面的商圈功能特征分析模型，為打造國際消費中心城市提供更有針對性的建議和決策支持。

[參考文獻]

[1]周麟，沈體雁.大城市內部服務業區位研究進展[J].地理科學進展，2016，35（4）：409-419.

[2]蘇志民.國際消費中心城市建設要做好品牌集聚[J].北京觀察，2022（6）：46-47.

[3]張珣，陳路雨，趙霞，等.1960-2008年北京商業網點的時空特征分析[J].商業經濟研究，2016（12）：200-202.

[4]吳忠才，柳思維.多源時空大數據視角的城市商圈空間結構及影響因素研究——基于核密度與空間面板模型的實證[J].經濟問題，2018（9）：113-119.

[5]浩飛龍，王士君，馮章獻，等.基于POI數據的長春市商業空間格局及行業分布[J].地理研究，2018，37（2）：366-378.

[6]浩飛龍，楊宇欣，李俊璐，等.基于零售行業與消費者行為的城市商圈特征——以長春市重慶路、紅旗街、桂林路為例[J].經濟地理，2019，39（12）：138-146.

[7]曹芳潔，邢漢發，侯東陽，等.基于POI數據的北京市商業中心識別與空間格局探究[J].地理信息世界，2019，26（1）：66-71.

[8]王德，王燦，謝棟燦，等.基于手機信令數據的上海市不同等級商業中心商圈的比較——以南京東路、五角場、鞍山路為例[J].城市規劃學刊，2015（3）：50-60.

[9]岳麗瑩，李山，李開明，等.商圈惠顧行為的空間衰減：冪律模式還是指數模式[J].地理科學，2021，41（3）：446-453.

[10]李江蘇，梁燕，王曉蕊.基于POI數據的鄭東新區服務業空間聚類研究[J].地理研究，2018，37（1）：145-157.

[11]周素紅，郝新華，柳林.多中心化下的城市商業中心空間吸引衰減率驗證：深圳市浮動車GPS時空數據挖掘[J].地理學報，2014，69（12）：1810-1820.

[12]陳蔚珊，柳林，梁育填.基于POI數據的廣州零售商業中心熱點識別與業態集聚特征分析[J].地理研究，2016，35（4）：703-716.

[13]王士君，浩飛龍，姜麗麗.長春市大型商業網點的區位特征及其影響因素[J].地理學報，2015，70（6）：893-905.

[14]梁怡欣，葉強，趙垚，等.互聯網時代城市隱形消費空間格局與影響因子——以長沙市為例[J].熱帶地理，2023，43（4）：707-719.

[15]包振山，陳智巖.基于POI數據的南京市便利店空間分布特征及影響因素[J].世界地理研究，2023，32（6）：119-130.

[16]KUMAR L， FUTSCHIKM E. Mfuzz： a software package for soft clustering of microarray data[J]. Bioinformation， 2007， 2（1）： 5.

（責任編輯 齊蓉暉；責任校對 白麗媛）

[收稿日期]2023-08-30

[基金項目]北京市社會科學基金一般項目“基于多主體利益博弈的北京市棕地再開發模式及其實現路徑研究”（20SRB011）。

[作者簡介]牛悅顏（1999—），女，河南鄭州人，北京聯合大學應用文理學院碩士研究生，主要研究方向為地圖學與地理信息系統。

[通訊作者] 彭霞（1983—），女，江西樟樹人，北京聯合大學旅游學院副教授，主要研究方向為旅游大數據分析。E-mail：ivy_px@163.com