基于政府开放数据的城市商业空间结构特征识别

毛 建， 王山东， 张宪哲

(1南京大学 地理与海洋科学学院，江苏 南京 210023；2.河海大学 地球科学与工程学院，江苏 南京 211100；3.太原师范学院 管理系，山西 太原 030006)

城市商业活动对城市的繁荣与发展影响深刻，商业布局直接反映了城市空间结构特性,并与城市社会经济、人口流动、设计规划等活动息息相关，城市商业空间结构是经济地理学和城市地理学领域的热点研究课题。国外学者针对城市商业地域空间分化的研究起源于20世纪20年代，随后研究主要集中在商业设施集聚[1]、商业区划分[2]、商业空间形态层级结构[3]、地价、交通、区位要素对商业地域类型影响等方面[4]；90年代以后，零售业再城市化成为城市空间重塑的重要驱动力[5]，零售业连锁化、商业郊区化及空间重构、消费行为理论与方法论、购物行为及空间影响、消费出行距离研究、网络零售等逐步成为国外商业区位研究的重点。我国商业地理学在改革开放以后掀起了零售业理论和城市商业区位研究热潮。徐放[6]、杨吾扬[7]、宁越敏[8]、李振泉[9]等专家学者分别对北京、上海、广州、长春等国内大城市商业中心区等级体系和空间结构及其分异特征进行实证研究。21世纪以来，服务业的快速发展促进了国内城市商业业态结构的多样化，基于微观层面的服务业区位、新业态布局和商业功能区重构等成为新的关注焦点[10-13]。商业空间结构特征识别研究主要集中在商业设施空间形态[14-15]、结构演变[16]、等级体系[17]、布局规律[18]、以及商业活动主体—消费者空间行为[19-20]、消费者空间分布状况[21]等领域。但是传统的商业空间研究大多基于零售业态视角展开，不同类型商业网点行业属性差异，使得现有的单一业态视角研究仍存在很多不足，分析不同业态商业网点多尺度空间集聚和空间分布差异性具有重要意义。

近年来，随着商业空间数据获取方式的多样化，基于互联网开放数据(POI，Point of Interest)的城市内部商业空间特征和分类研究兴起。相较于传统以行政单位为研究对象，以经济普查数据或是问卷调查数据为基础的商业空间结构研究，基于POI数据的研究提升了城市商业空间分析的精细程度和认知度，有助于提高城市微观尺度商业空间研究的准确性[22-24]。但是，通过分析POI数据的获取过程发现，基于互联网地图开放API接口获取的POI数据，在不同城市间数据的完整性差异较大，尤其是中小型城市数据完整性较差。同时，受数据采集方式限制，POI数据具有明显的沿道路分布特征，位于社区内部、商业中心内部的商业网点数据较少被采集，一定程度上影响了研究结论的可信度[25-26]。

2015年以来，加快政府数据开放共享工作，提升大数据服务能力已经上升到国家战略高度，提升公共数据资源利用率，加速政府公共数据开放已成趋势。政府公共数据资源具有权威、完整、海量、更新及时等一系列优点，通过标准化、脱密处理，能够更方便为公众、企业、科研机构所获取，从而创造更多的社会经济价值[27-28]。目前学界利用政府开放数据进行城市商业空间结构、商业业态的空间交互和商业业态的空间集聚效应的研究相对较少。

本文以多业态商服设施空间布局为切入点，基于政府开放数据，分析城市商业空间结构本质特征和空间分异。商业网点数据代表城市商业空间的真实构成要素，通过分析商服设施的集聚扩散效应，对比不同类型商服设施集聚程度，获得城市商业空间的结构特征和状态，能够解释城市商业布局存在的问题，为规范不同商业业态均衡布局和有序竞争，指导城市商业健康有序发展提供理论依据。

1 研究区及数据来源

1.1 研究区域

马鞍山市是我国中部地区典型的中小型城市，位于长江下游南岸、安徽省东部、苏皖交汇地区，地处31°46′42″N～31°17′26″N、118°21′38″E～118°52′44″E之间，是合肥都市圈、南京都市圈核心层城市。马鞍山“因钢设市”，是全国重要资源型城市。伴随着钢铁资源的开发利用，大量工业企业兴起带动城市商业服务业发展，形成了独特的服务业空间格局。马鞍山市下辖3区3县，本文以马鞍山市主城区为主要研究对象(图1)。

图1 研究区范围图

1.2 数据来源

本文核心数据来源于2016年马鞍山市工商注册登记系统，选取5个具有代表性的商业服务业类型进行对比分析，以《国民经济分类》(GB/T4754-2011)行业分类标准为主要依据，共涉及52小类(表1)，涉及企业数量38770个。

通过企业注册登记数据与马鞍山市工商企业日常巡查获取的企业位置信息匹配，最终使用ArcGIS 10.5软件将企业属性数据与空间数据连接，转化为马鞍山市商服设施空间点数据文件。这一类数据相较于传统的POI数据具有数据完整性更好，精度更高等优点，可以避免POI存在的多源、结构多样化、类型繁杂、有效信息缺失等导致的结论不准确问题[29]。土地利用现状数据和基础地理空间数据时间节点为2015年。

表1 商服设施点数据类型划分

2 研究方法

2.1 核密度分析

核密度分析是一种常用的点要素空间集聚分析方法，主要用来表达空间要素分布的相对集中程度，通过一个规则移动样方对空间点要素分布的集聚程度进行估计[30-31]，本质上就是基于点状或线状要素在空间上的密度值高低，确定地理事件发生的概率[32]。计算方程为

(1)

式中：f(s)为商服设施点s处的核密度函数；参数k为空间权重函数；h为距离衰减函数；n为距离设施点s小于或等于h的设施点个数。通过综合考虑商服设施网点影响范围及其空间分布的离散程度，并分别对100m、300m、600m、1000m四个距离衰减阈值进行试验，最后选择600m距离阈值进行分析，该距离能够较好地识别商业网点分布局部热点信息，同时又能反映整体分布特征。

2.2 圈层结构模型

以城市传统商业中心(金鹰大厦)为起算点，以1000m为固定半径(经多次对比实验，本文以1000m为半径绘出图示较为清晰)做外推圆环。在形成的圈层结构基础上，分别计算圈层内的各要素值，借助ArcGIS10.5软件统计每个圈层内服务设施网点的数量与建设用地的面积，获取各圈层商服设施网点数量和网点密度。公式如下：

(2)

式中：Di表示圈层i范围内商服设施密度值，Ni表示圈层i范围内某一类商服设施数量，Ai为圈层i扣除水体、山体后的圈层面积。

Q系统是挪威岩土工程研究所(NGI)在1971年至1974年[3-4]提出的岩体分类及支护体系理论。自1974年以来，Q法围岩分类及支护图表经过了两次修订[5-6]，最近发布于其官网的手册更新于2015年。不同于国内岩体常用的工程分类方法[7]，Q系统将岩体由极好到极差划分为九个等级。

2.3 Ripley’s K函数分析

空间要素的分布显现出显著的多尺度效应。通常情况下，小尺度上呈现出聚集态势的空间要素在大尺度上可能会表现出随机或均匀离散分布。Ripley’sK函数能够定量地分析不同空间尺度上空间点要素所呈现分布模式[14]。计算公式为

(3)

式中：A为研究区面积；n为商业网点数量；d为距离阈值；wij(d)为在距离阈值d范围内，商服设施i和j之间的距离。

在“完全空间随机”(Completely Spatial Random,CSR)零假设条件下，即观测模式与随机模式之间不存在统计上显著差异[33]，很容易确定Ripley’sK函数的期望值[34]。本文采用蒙特卡洛模拟检验方法[35]，通过设置95%的置信区间，构建包络线。如果观测值位于包络线的置信区间内，则认为该观测值是随机分布模式；如果观测值位于包络线的上限以上，认为是集聚分布模式；而位于包络线下限以下的则为离散分布模式。

3 马鞍山市商服设施空间结构特征识别研究

3.1 城市商服设施空间结构形态特征分析

3.1.1 整体分布特征 基于ArcGIS 10.5平台，利用核密度分析(采用600m带宽，输出栅格数据集单元大小为60m×60m)绘制马鞍山市商服设施空间分布核密度图(图2)，探索商服设施空间分布格局和热点区。从图中可看出，在研究区范围内，商服设施分布呈现以集聚为主的“双中心”空间格局，主要集聚区域为解放路传统商圈和以金鹰大厦为中心向南、向东扩展的商业中心。同时，商业空间也伴随着沿湖北路至花山路的“轴向式”和沿红旗路南北分布的“跳跃式”扩展。与城市核心城区相比，外围城区商服设施未形成明显的空间集聚态势，各等级行政中心周边形成强度较弱的密度中心，规模偏小。城市商业空间结构是在多种业态商业活动相互作用下形成的集聚程度和形态，其形成与发展受到集聚与扩散双重作用的影响。通过核密度分析可以看出，马鞍山市城区商业空间结构已经形成了集聚与扩散并存，以双中心集聚为主导、外围多级次中心并行发育的城市商业空间结构。

图2 马鞍山市商业网点空间密度分布Fig.2 Spatial density distribution of commercial outlets in Maanshan City

3.1.2 不同业态商服设施分布特征 不同业态商服设施受城市人口密度、年龄结构、收入水平、城市规划、消费行为选择等经济社会空间分异影响，在布局上会呈现空间异质性。借助核密度分析方法探索各行业商业网点的密度分布(图3)主要呈现以下特征：①批发零售业呈现块状聚集，在城市核心区形成明显的高密度分布，同时在幸福广场、健康路、采石镇、向山镇等城市核心区外围形成多点支撑的空间格局。密度中心突破城市核心区扩散到城市建成区边缘。城市中心和城郊商业密度差异较大，表明批发零售业的城乡二元结构差异较为突出，人口分布密度依然是批发零售业选址的主导因素；②住宿餐饮业在空间上呈现双点支撑、线状连接的空间格局。除在解放路商圈和金鹰商圈形成两个明显的高密度区外，沿红旗路和雨山路出现多个次级中心；③居民服务业的密度分布中心主要在湖东路、湖南路、江东大道、雨山路包围的四边形区域内，该区域包括大北庄和四园社区两个建设于2000年左右的大型成熟型社区，建筑年代较久远且居民年龄结构偏大，对居民服务业的消费需求频率较高，一定程度上造成了该业态的区域集中，同时在解放路商圈(传统商业中心)附近也有小规模的集中；④文体娱乐业呈现解放路、金鹰商厦、雨山路苏果超市三点支撑的小规模集聚态势，整体上，文体娱乐业城市空间分布上呈现出“小分散、小集聚”模式；⑤金融保险业总体上呈现沿湖东路延伸至花雨路的“L形”高密度分布，集聚程度相对较低且密度中心规模小。

图3 不同商业业态网点密度分布图Fig.3 Density distribution map of different commercial formats

3.2 不同业态商服设施空间圈层分异特征分析

圈层结构模型是一种揭示商业空间圈层规律的定量化、可视化方法，通过对空间点要素集结构特征的定量计算，能够展现商服设施产业空间分布的中心性和集聚效应，从整体上对离散商业网点的中心性、展布性、密集性、方位、形态等结构特征精确表达，从而清晰地描述商业空间的核心——边缘结构，并提供基于地理区位的图形化表达。

图4 不同商业业态设施圈层结构图Fig.4 Circle structure map of different commercial formats

本文基于ArcGIS 10.5平台，以市中心金鹰商场为核心，以500m为半径，绘制不同商业业态设施圈层分布图(图4)。并统计各类型商服设施网点在各圈层分布数量变化趋势(图5a)与密度变化趋势(图5b)。

注：图中文体娱乐业和金融保险业依右侧纵轴刻度数值标识图5 不同商业业态各圈层网点数量及密度变化趋势图Fig.5 Trends map of the number and density of dots in each circle for different commercial formats

从不同类型设施的圈层结构差异分析。批发零售业、金融保险业、文体娱乐业在距金鹰商厦2.5km、4.5km、6km分别出现了三处网点数量较高的峰值，表现出明显圈层外扩趋势，产业布局的空间均衡化程度提高。三种商业业态服务功能的多中心特征，能够缓解城市交通拥堵、环境污染等城市问题，加快中心城区多中心城市空间格局的发展。而餐饮业和居民服务业设施数量除2.5km处出现峰值外，未发现其它分布较周边区域突出的圈层。表明餐饮业和居民服务业主要分布在中间圈层，这两类商业业态在圈层结构上是成熟、稳定、富有效率的产业空间结构，能够整合区域分散和关联性不强的区位比较优势，促进多功能产业的空间梯度多维发展及各功能区差别发展。

3.3 不同业态商服设施空间多尺度集聚特征分析

基于单变量Ripley’sK函数分析方法，分析不同业态商业网点的多尺度空间集聚特征，比较不同业态商服设置空间集聚程度差异，计算结果如图6a、b、c、d、e所示。图中横轴表示距离(m)，纵轴表示K函数值，迭代次数100次。蓝色曲线表示观测值K函数曲线，绿色曲线和紫色曲线分别表示通过蒙特卡罗模拟CSR模式得到的、显著性水平为0.05的K函数上界曲线和下界曲线，红色曲线是表示上界和下界的均值曲线，即K函数在95%置信度的理论期望值。

从图6可以看出，批发零售业、住宿餐饮业、居民服务业、文体娱乐业、金融保险业五种类型商服设施K函数曲线明显位于CSR模式的置信区间之外，表明在研究区范围内，五种类型商服设施的空间分布在空间上均呈现出显著集聚性。通过对比五种业态设施K函数曲线发现不同业态空间集聚效应的显著程度存在明显差异。批发零售业的K函数观测值曲线离蒙特卡洛模拟的上限最远，说明批发零售业的空间集聚强度最强，这也验证了上文核密度分析结果，表明空间区位对批发零售业的影响最小。金融保险业的K函数观测值曲线离蒙特卡洛模拟曲线的上限最近，表明其空间集聚强度最弱，在整个研究空间还没有形成稳定、成熟的多中心大范围集聚格局。整体而言，城市批发零售业空间集聚效应较好，其次是住宿餐饮业、居民服务业和文体娱乐业，金融保险业空间集聚效应强度最弱。分析原因，行政等级高、经济规模大的城市以及沿海城市生产性服务业集聚程度高[36]，对于中小型城市而言，作为生产性服务业典型代表的金融保险业空间集聚带来的规模效应和区域内影响相对较弱，对行业竞争力和生产效率的提升影响相对较小。而批发零售业、住宿餐饮业、居民服务业、文体娱乐业在区位选择上追随人口而布局，城市核心区人口相对集中带来的商业集聚效应能够发挥规模效应，激发城市服务业活力。

图6 不同业态商业网点Ripley’s K函数分析结果

4 结论与讨论

城市商业网点布局是构建科学合理城市空间结构的重要推动力，也关系到城市服务业繁荣程度和可持续发展能力。空间经济学强调集聚对生产和城市区位的再构影响，同时，商业活动集聚与扩散效应促进了区域产业空间重组，是现代城市商业发展的突出特征。本文基于政府开放数据，从业态布局差异视角，探讨不同商业业态空间分布格局及集聚特征，建构城市商业空间结构，研究结果表明：

(1)城市商服设施空间集聚特征显著。马鞍山市城市商业结构整体上呈现双中心集聚形态，集聚核心位于城市三角形核心区两个顶端。同时也伴随着沿湖北路至花山路的“轴向式”和沿红旗路南北布局的“跳跃式”扩散。商业网点圈层结构由城市中心向外表现为先增后减的变化趋势，距金鹰商场2.5km处达到数量顶峰后迅速减少，10km开始处于极低水平，核心圈层呈现高度集聚趋势。城市整体商业空间的多圈层和多中心格局已经形成。

(2)不同商业业态在空间圈层结构和集聚程度上存在业态分异。除批发零售业呈现显著大规模集聚外，其余商业业态在空间上均表现为多点、多轴线、多面状小规模集聚。总体上，各行业在城市空间已经形成一定的专业化功能区，城市核心区街道在表现出高密度层级分布的同时，也体现出明显的业态优势差异。相反的，在城市边缘区和次级行政中心则呈现出规模数量较少的行业优势区。商业圈层结构体现了城市商业活动有序性和阶段性，能够进一步揭示城市商业“点—轴”不均衡发展所反映出来的向心性空间层次分化特征。

(3)不同商业业态在空间集聚的区位选择上呈现显著差异性。批发零售业是居民需求频度最高的业态类型，受人群年龄结构特征和消费行为选择、收入水平等社会经济空间分异影响较小，所以空间上呈现出主城区高度集聚的显著城乡二元结构；而住宿餐饮业、居民服务业、金融保险业和文体娱乐业的区位影响因素各异，因此在区位选择上表现出明显的空间差异。不同业态商业在城市空间上呈现出的异质性与人的消费需求和消费行为之间相互作用，不断适应，共同构成了城市商业空间结构。不同商业业态的空间重构引发了城市商业空间变革,同时，新型城镇化建设和城市功能转型的多重因素影响,形成与传统商业空间有明显差异的新型商业空间。

总体来看，基于政府开放数据的城市商业空间结构特征识别方法能够提升对城市商业区位认知的精细程度，城市多业态商业空间布局差异特征分析有助于提高政府部门对城市商业网点规划和不同商业业态均衡协调发展分析的科学性。本文采用的商业空间结构特征识别方法，较好地分析了马鞍山市城市商业业态的空间体系格局和结构特征，同时，不同商业业态空间分异特征分析结果也为城市空间多业态商业均衡合理布局提供了理论依据和数据支持。在以人为核心的新型城镇化建设背景下，城市商业空间结构形成机理，商服设施供给需求匹配和差异化设施布局理论成为新的研究热点。未来应结合城市人口、交通区位、土地价格等城市要素数据，在理论和实践两个层面进一步探讨城市商服设施空间格局背后的因果关系。

致谢：感谢马鞍山市信息化管理办公室为本研究提供的数据支持。