基于AHP与GIS技术的24 h便利店选址适宜性评价研究——以厦门市思明区为例

张远翼, 万博文, 曹浩然, 林筠茹, 戚荣昊, 刘淑虎

(福州大学建筑学院, 福建 福州　350116)

0　引言

空间选址是指在一定地理区域内为一个或多个选址对象选定位置, 使某一指标或综合指标达到最优的过程[1].作为24 h便利店营业网点空间选址中的重要一环, 其适宜性评价对于24 h便利店的经营有着极其重要的作用.研究发现, 一般情况下消费者步行5～10 min内即可到达便利店的选址为最佳[2].目前, 国内外有关商业空间以及城市公共设施的选址研究, 主要是通过GIS中的缓冲区分析[3]、 叠加分析[4]、 服务半径等方法[5].也有学者对便利店选址的相关影响力因子进行研究, 如： 人口因素[6]、 交通因素[7]、 竞争者因素等[8].然而, 在研究便利店的选址问题时, 很少考虑到24 h便利店的全天候营业特性, 也缺少对人们夜间活动的影响因素的探讨.

本研究以厦门市思明区为例, 通过综合运用GIS技术和层次分析法(analytic hierarchy process, AHP)为24 h便利店营业网点的选址提供一种科学的分析决策方法.主要目标体现在两个方面： 其一, 结合层析分析法和GIS技术提出了24 h便利店经营网点选址适宜性评价模型.其二, 抓住了24 h的主要特征, 即全天候营业, 尤其满足人们在夜间的消费需求, 具体的时间段指的是当天的19时到次日的7时.以夜间的活动作为24 h便利店区别于其他类型便利店的特征, 同时也将与夜间活动相关的一些影响因子如： 夜间人流量、 夜间居民用电量以及夜间车流量等纳入到本研究的评价层.

1　24h便利店选址的适宜性评价体系构建

1.1　指标体系的构建原则

1) 全面性原则.全方位考虑指标的选取, 所选指标能够尽量覆盖城市24 h便利店选址的各个方面, 除了覆盖城市的人口因素、 交通因素、 场地条件这些指标, 还要考虑各个方面之间的相互联系与协调性.

2) 代表性原则.避免高度相关的指标同时进入评价指标体系, 保证各指标反映的信息不出现交叉重叠, 正确评价该特征在系统分析中的地位, 使得评价结果真实、 可靠, 能够帮助决策者做出正确判断.

3) 可操作性原则.便利店选址模型既涉及到城市规划, 又有市场商业因素的影响, 在指标选取时, 会出现一些指标的数据难以获取的情况.此外, 设计指标体系会有交叉范围, 导致在确定指标分类及影响因子数值时, 准确性受到一定的影响.因此, 需要找出相对独立、 有理论依据、 可获取性强的数据进行分析.

1.2　评价指标体系的影响因素

选取与24 h便利店营业网点关系密切的影响因素作为影响因子.利用层次分析法对可能影响24 h便利店选址的因素进行定性与定量分析.

影响24 h便利店营业网点选址的因素很多, 根据指标体系的构建原则, 通过统计分析, 选择人口因素、 交通因素、 场地条件、 竞争力、 租房费用因素和夜间因素这6个因素作为一级指标, 人口密度、 日间人流量、 人口结构、 购买力水平、 道路等级、 道路密度、 公交车站点数量、 公交车线路数量、 日间车流量、 土地利用混合程度、 停车场数量、 夜间人流量、 夜间居民用电量、 夜间车流量、 竞争者相对距离和房价这16个因素作为二级指标, 评价指标体系的层次结构模型如图1所示.

图1　评价指标体系的层次结构Fig.1　Hierarchical structure of evaluation index system

在消费行为中, 人口是十分重要的因素, 考虑到便利店的营业盈利特征, 其选址要选择在人口较稠密的区域； 并且, 在24 h便利店这一业态中, 年轻化的人口结构和更高的收入水平也会对其经营产生很大的影响.此外, 交通的便利程度对于24 h便利店的影响也十分重要, 衡量一个地区交通是否便利的因素有很多, 道路等级、 路网密度、 公共交通是否便利, 以及更为直观的人流量都是重要的影响因素.

场地条件是由城市总体规划中设立的.相对其他因素具有更大的前瞻性.全天候营业是24 h便利店的重要特征, 其他零售类商店的营业时间一般是9点到21点, 而24 h便利店的营业时间将多出一倍, 且其夜间营业利润约占全天的1/2.因此, 夜间因素是评价一个地区是否适合设置24 h便利店的一个重要因素.

由于24 h便利店是零售业的一种类型, 当一个地区的小型零售类商业的数量达到饱和时将会使每一个营业点的收益下降.因此, 新的24 h便利店与同类的小超市、 小卖部乃至其他便利店都存在着竞争关系, 竞争强度的高低在很大程度上会影响到一个地区的24 h便利店的数量.考虑到竞争者品质数据相对复杂, 包括商品种类、 营业额等商业数据, 目前该数据难以获取, 而竞争者相对距离可以通过500 m内同类商业服务设施之间的相对距离获取.因此, 竞争力因素通过竞争者相对距离来反映竞争力因素.在经营过程中, 商业行为要追求性价比, 场地的租金越低, 相对来说经营的性价比越高, 因此, 租房费用因素对于24 h便利店选址的适宜性评价也尤为重要.此外, 由于商业地产租金数据比较难获取, 而且商业地产分类过多过细, 不同使用功能或者总面积的差异都会影响到单位面积的价格.因此, 不适合用于这次的分析, 故用居住房价来替代商业地产租金.

1.3　基于AHP的评价指标权重分析

采用e(0/5)～ e(8/5)的比例标度对各影响因素的重要性进行排序, 标度方法如下：

在计算中选取调研数据和专家打分法的平均值作为标度, 构造出24 h便利店网点选址评价指标体系中准则层B对目标层A, 准则层B对措施层C的比较判断矩阵.本次打分专家主要为福州大学建筑学院的教师, 包括副高级以上职称12人, 其他规划技术人员6人.

准则层B对目标层A的判断矩阵标度及其定义如表1所示.

表1　判断矩阵标度及其定义

准则层B对目标层A的判断矩阵, 如下所示：

措施层C对准则层B的判断矩阵, 分别如下所示：

总之,胸、腹腔镜联合治疗食管癌患者术后并发症发生率较高,尤其以肺部感染发生率较高,加强外科基础护理并给予综合护理,能有效预防术后并发症的发生,提升患者术后生活质量。

计算得到二级指标的权重分别为：

ω2=(0.494 6, 0.052 5, 0.236 0, 0.217 0)T

ω3=(0.127 9, 0.102 6, 0.352 8, 0.090 5, 0.326 2)T

ω4=(0.833 3, 0.166 7)T

ω5=(0.783 3, 0.134 9, 0.081 3)T

最大特征向量及一致性检验计算结果如表2所示.

表2　最大特征向量及一致性检验计算结果

CI均小于0.1, 表明上述判断矩阵的一致性均可以接受.

1.4　评价指标分值的确定

表3　GIS评价指标分值

2　基于GIS的多源数据处理

2.1　数据及来源

文章所采集的数据主要来源于互联网上的开放数据, 包括： 思明区的POI点数据, 提供了停车场数量、 竞争者的数量和距离、 24 h便利店的分布情况； 思明区的道路矢量数据, 提供了道路网密度和道路网等级； 公交站点与线路数据； 思明区房价数据； 第六次全国人口普查数据, 提供了人口密度和人口结构, 百度热力图, 进行人车流量的分析； 厦门市总体规划中的土地利用图, 用于土地功能的分析.

2.2　多源数据的处理

根据24 h便利店的便捷性需求, 消费者步行5～10 min可以抵达的选址为最佳.因此, 利用GIS中的渔网分析(fishnet)功能将研究区域划成300 m×300 m的网格, 再通过GIS将点数据和线数据根据GIS分析指标信息赋值到由渔网分析所生成的网格上.在赋予GIS分析指标信息时, 由于数据的类型不同, 对赋值方式有所区别, 本研究将数据导入到Arc GIS中, 利用距离分析、 点密度分析等方法将矢量数据栅格化, 并对各指标进行分级.不同等级被赋以1～5的评分值, 得到各个影响因子的网格的分级图.

多源数据处理的最终结果是将shp格式的feature数据转化为带有评价信息的栅格数据, 并将数据可视化, 以不同的颜色以及颜色深浅将各影响因子的评价信息表达出来, 得到一个300 m×300 m、 带有评价信息的栅格数据图层.

3　实证研究

3.1　研究区域概况

思明区位于厦门市厦门岛南部, 由厦门岛南部与鼓浪屿全岛组成, 总面积84 km2, 常住人口约100万.2015年GDP为1 056.1亿元, 人均GDP为107 434元, 折合15 600美元.

3.2　数据处理结果

在GIS中, 将基础数据栅格化, 并呈现在300 m×300 m的网格上, 其中竞争力这一影响因子将通过GIS中的淹没区工具进行处理, 得到多层圆环, 并对各个基础数据分别进行栅格化.人口与交通因素的数据处理结果如图2所示, 从图2(a)可以看出, 思明区的人口主要分布在东部.根据图2(b)～(f)可以看出, 在日间人流量比较明显地聚集在东部, 其他各项影响因子分布较离散.

图2　人口与交通因素Fig.2　Population and traffic factors

场地条件、 夜间因素与竞争力的数据处理结果如图3所示.根据评分标准, 商业用地、 居住用地评分较高, 工业、 物流用地评分较低, 东部厦禾路到中山路一线, 评分相对较高且较集聚, 另外在西部滨水大道一线也较为聚集, 分别如图3(a)～(b)所示.此外, 通过夜间人流量与日间人流量的对比结果可以看出, 人流量的聚集从日间的成片聚集, 变成了夜间的部分地区点状聚集, 分别如图3(c)和图2(b)所示.由于竞争力因素下属的影响因子只有竞争者相对距离一个, 竞争者相对距离的分析是利用其他品牌便利店进行500 m半径的缓冲区分析, 根据图3(d), 可以明显发现整个思明区的便利店覆盖较为明显.

图3　场地条件、 夜间与竞争因素Fig.3　Site condition, nighttime and competitive factor

3.3　选址的适宜性评价结果与分析

通过利用GIS对各个影响因子在网格中的评价信息分值结合权重进行综合计算, 得到厦门市思明区24 h便利店营业网点选址适宜性评价图, 如图4(a)所示.依据最后的综合得分划分成五个层次, 用五个等级的颜色从深到浅表示出来, 综合评价分值越高的格子, 颜色就越深, 表示这个区域相对来说更适合设置便利店； 同时, 该区域的24 h便利店数量也可能更多.

图4　24 h便利店选址适宜性评价与验证Fig.4　Location suitability evaluation and verification of 24 hours convenient store

将2012年、 2014年、 2016年厦门市思明区的24 h便利店的分布与预测得出的便利店营业网点选址适宜性评价图进行比对, 详见图4(b)～(d)所示.从图中.可以发现, 选址适宜性评价图中整个思明区得分最高的区域是嘉禾路-厦禾路沿线的一段, 而实际上目前24 h便利店分布最多、 最密的区域也是在这一带.比对结果表明, 在选址适宜性评价中最适合设置便利店的区域与24 h便利店的分布密度最高的区域大体上是重合的.

此外, 从时间上分析, 24 h便利店较早的营业网点出现在24 h便利店选址适宜性评价图中评分更高的区域, 进一步验证了研究结果的准确性.

4　结论

本研究用定量分析法对影响24 h便利店选址的因素进行分析, 用层次分析法判断各因子的权重, 计算得到24 h便利店营业网点的适宜性评价模型, 并利用厦门市思明区24 h便利店的3 a的营业网点数据对该适宜性评价模型进行验证.验证结果表明, 本研究所提出的24 h便利店营业网点选址适宜性评价模型是可行的.

24 h便利店在我国正处在蓬勃发展的阶段, 本研究所提出的24 h便利店营业网点选址适宜性评价方法有相当广阔的应用前景.后续工作将朝着更精确、 更动态、 更具有普适性等方向努力.一方面将通过更加全面的数据, 来提高模型的准确度； 另一方面, 将使数据具有时间上的深度, 以便之后进行动态的布局优化模型研究, 让模型可以适应更多的变化.