城市多类型商业空间时空异质性及影响因素

毛 建， 王山东， 张宪哲， 倪建华

(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；4.安徽大学 资源与环境工程学院，安徽 合肥 230601)

关键字：商服设施；城市商业空间；时空异质性；业态差异；交通网络中心性

引言

城市空间结构是社会经济因素的地理投影[1]。城市商业空间布局特征、区位选择时空变化反映了城市空间形态的形成和发展过程，同时，城市人口分布[2-4]、交通网络建设[5-6]、行政中心迁移[7-8]、城市基准地价划定等城市形态结构变化也会对城市商业网点规划和商业空间布局优化等产生影响。因此，研究城市商业布局与地理环境相互关系的地域系统形成过程、结构特征、发展趋势和优化调控，探索城市多类型商业时空演变规律、分布特征及区位影响因素，对指导城市商业网点规划，构建异质多元的城市空间具有重要的理论和实践意义。

国外商业空间区位研究始于19世纪末，众多学者在商业区位特征、空间分布模式、商业选址等领域取得了大量理论和实证性研究成果[9-12]，如克里斯泰勒的中心地理论、莱利的零售引力模型、阿隆索的竞租理论、加纳的商业中心空间模式、道逊的消费者行为理论及胡夫的商业网点选址模型等，从经济学、空间计量学、消费行为学、空间组织和空间结构等视角，对商业中心层级、区位选择、空间格局等方面进行研究，揭示商业空间格局的时空演化规律及区位要素特征[13-14]。国内现代商业地理学研究早期主要基于行为地理学、时间地理学、结构主义地理学等西方理论开展实证研究。以杨吾扬为代表的一批学者以中心地理论为基础，对北京[15]、广州[16]、上海[17]等国内大型城市零售商业空间结构、布局特征和等级体系进行研究；周素红[18]、柴彦威等[19]等学者基于消费者行为学视角，分析了商业空间布局与人口分布的联系以及业态特征形成和驱动因素。随着商业空间数据多元化获取渠道拓展以及空间数据采集、处理、分析能力不断提升，国内商业地理学研究进入新阶段。如周素红等[20]利用时空数据挖掘方法，基于浮动车GPS数据，开展深圳市商业中心识别研究；韩昊英等[21]等利用公交刷卡以及POI数据对城市功能区进行识别划分；胡庆武等[22]利用位置签到数据的空间聚类分析，实现对武汉市城市热点区探测以及商圈分析。这些研究都从理论和实践层面丰富了国内城市商业空间集聚与分化趋势以及业态结构多样化与多层次性现象研究内容[23]。

总体上看，城市商服设施布局研究日趋完善，但研究尺度仍集中在传统宏观、中观层面，且多局限于北京、上海、广州、杭州等大型城市，较少涉及细分业态和中小城市，研究数据多采用实时性和完整性较差的传统调查数据或POI数据，研究结果不利于城市多业态商业均衡布局和持续健康发展。因此，亟需结合更完整可靠数据源，开展微观视角城市多类型商业设施空间布局与业态差异研究。鉴于此，本文以安徽省马鞍山市为例，基于政府开放的城市商服设施位置和属性数据，采用空间计量方法探索中小型城市商服设施商业设施时空演变趋势、不同业态的商业空间时空异质性及商业区位影响因素，以期完善不同规模城市商业空间布局的业态差异研究，为城市商业网点规划以及多业态商业均衡布局提供科学依据。

1 研究区及数据

1.1 研究区概况

马鞍山市位于安徽省东部、长江下游、皖苏交汇地区，地处31°46′42″N～31°17′26″N、118°21′38″E～118°52′44″E之间，是我国中部地区典型的中小型城市。马鞍山“因钢设市、钢城融合”，是中国十大钢铁基地之一以及中国七大铁矿区之一，是全国重要资源型重工业城市。近年来，伴随着资源型城市转型发展战略驱动，城市大力调整产业结构、积极推进城市功能转变。2013年，马鞍山市被国务院认定为全国23个资源再生型城市之一，城市产业体系完成了由功能单一的制造业向综合性转变，城市商业服务业快速发展。截至2019年底，全市社会消费品零售总额达658.90亿元，第三次产业增加值比重46.60%，连续多年入选福布斯中国大陆最佳商业城市百强，形成了独特的城市服务业空间格局。因此，研究马鞍山市多类型商业空间结构的时空异质性，对指导中小型城市商业网点规划，促进资源型城市产业转型和商业繁荣具有重要意义。马鞍山市下辖3区3县，本文以马鞍山市主城区为研究对象，研究区范围如图1。

图1 研究区范围图Fig.1 Scope of research area

1.2 研究数据

政府数据开放工作为商业空间结构精细化研究提供了新的切入点。政务数据因其采集、汇聚、处理、更新过程遵循严格规范的程序，使得数据资源真实性、完整性、公正性、可持续性、可开放性得到有效保证[24-25]。因此，利用政务开放数据开展城市商业空间结构特征研究，其结果更具可信度，对城市商业网点规划和城市治理的指导意义更强。本文多类型商服设施属性数据来源于马鞍山市工商注册登记系统，以《国民经济分类》(GB/T 4754-2011)行业分类标准为主要依据，选取批发零售业、住宿餐饮业、居民服务业、金融保险业以及文体娱乐业等5种具有代表性的商业服务业类型进行对比分析，数据时间间隔跨度从2000年到2014年，约41600个网点数据。商服设施空间位置信息来源于马鞍山市市场网格化综合监管平台，由工作人员通过手机端巡查APP采集获取。利用ArcGIS 10.5软件将企业注册登记数据与企业位置信息通过企业工商注册登记编号数据进行关联，最终获得研究区商服设施包含属性信息的空间点数据文件。本研究涉及的基础地理空间数据、道路交通网络数据、基准地价数据、人口分布数据等数据资源均来自马鞍山市政务数据资源交换共享平台。

2 研究方法

2.1 核密度分析

核密度分析被认为是一种最有效的数据空间聚合方法，核密度估计本质上是基于点状或线状要素在空间上密度值的高低，确定地理事件发生的概率[26]。计算方程为

(1)

式中：f(s)为设施点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。考虑到距离阈值对计算结果的影响，本文采用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，结果表明，该距离阈值既能够较好地识别多类型商业网点空间分布局部热点信息，同时又能反映整体分布特征。

2.2 双变量Moran’s I分析

Moran’sI是由Patrick Alfred Pierce Moran开发的空间自相关测量模型，采用双变量Moran’sI指数能够度量两个空间变量之间的关联性质和强度在整个研究区域内变化情况。双变量Moran’sI指数公式可表示为

(2)

2.3 多中心性评估模型分析

城市经济活动空间分布与交通网络的关系一直是城市地理、经济地理、城市规划等领域学者关注的热点问题[27-28]。多中心性评价模型(Multiple Centrality Assessment Model)中的邻近度(Closeness)、中间性(Betweenness)与直达性(Straightness)等指标能够实现研究区交通网络中心性测度，揭示交通网络与城市各类商服设施要素空间布局的相关性。

邻近度(CC)测度表示任意道路网络节点到其他所有节点平均距离的倒数，平均距离越小，邻近度越大。邻近度能够直观量化某一网络节点与其他所有节点邻近程度差异。

(3)

其中，N为交通网络节点的数量，dij为节点i与j之间的最短网络距离。

中间性(CB)测度首先计算交通网络中任意两个节点间最短路径，统计穿过任意网络节点最短路径数量，越多则中间性越高。中间性是衡量网络节点交通流量重要指标，公式如下：

(4)

直达性(CS)通过计算节点间网络最短路径与直线距离之间偏离程度，测算网络节点交通效率。偏离程度越小，直达性越好，交通效率越高。其公式如下：

(5)

3 城市多业态商服设施时空异质性分析

3.1 基于时间序列的多业态商服设施数量变化分析

图2显示了2000年至2014年之间不同类型商服设施年度增量变化曲线。

图2 不同类型商服设施网点数量年度增量变化曲线Fig.2 Incremental curve of five types of commercial facilities between 2000 to 2014

从图2中可以看出，总体上，城市各类型商服设施在2004年至2009年期间呈现出较为一致性的快速增长态势。从业态差异上分析，批发零售业设施数量增长率最快，年均40%，其次是住宿餐饮业,增长率为30%。批发零售业、住宿餐饮业作为第三产业重要组成部分，是连接生产和消费的桥梁和纽带，是发挥消费基础作用和拉动消费增长的重要着力点，批发零售业和住宿餐饮业的兴起和发展标志着社会生产和流通的发展。

进一步比较不同业态商服设施年度增量，批发零售业，住宿餐饮业和居民服务业呈现较为一致的年度增量变化曲线，在整个服务业中所占比例呈上升趋势。但是，金融保险业和文体娱乐业在2009年呈现出明显的增长趋势，与其余三种商业业态变化趋势完全相反。分析原因，受2008年全球金融危机影响，消费需求的大规模萎缩导致以批发零售业、住宿餐饮业和居民服务业为代表的服务业发展受阻，中小城市也不能幸免。但是失业率上升、居民收入减少导致消费市场产生“口红效应”[29-30]，一些消费成本较低且能够给消费者带来心理慰藉的消费行为得到释放，以棋牌室、网吧、报亭、书店、电影院、影吧等细分业态为代表的文体娱乐业逆势兴起，呈现出经济萧条、娱乐业繁荣的现象。同时，2009年，马鞍山市政府出台《关于促进金融业发展的实施意见》等一系列文件，鼓励和引导成立新的金融机构、融资担保机构、保险机构，通过政策和资金支持促进金融和保险业发展，客观上造成了2009年区域金融保险业的增速加快局面。

3.2 多业态商服设施空间集聚特征变化分析

采用ArcGIS 10.5平台，利用核密度分析方法(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2005年、2009年、2014年五种不同业态商服设施空间分布核密度图，结果如图3所示。图中可以发现，多业态商服设施在布局上呈现时空异质性，主要表现为：①整体上，五种业态类型从时间尺度上都呈现出“分散”—“多核集聚”的空间集聚效应变化趋势，批发零售业和住宿餐饮业的变化趋势特征尤为明显，密度中心主要位于城市核心区范围内；②批发零售业时空集聚效应变化最为显著，由2005年的幸福广场、解放路以及大华商圈周边拓展到的重阳路、大北庄区域三个点状，经过十年快速发展，到2014年逐步形成覆盖整个城市核心区的聚集区，同时在郊区中心镇(向山镇、采石镇)、大型拆迁安置区(金瑞新城)形成了次级点状集聚；③住宿餐饮业呈现出幸福广场、解放路、金鹰商厦、雨山路苏果超市等多点支撑的空间集聚态势，从时间轴上看，密度中心围绕上述集聚点扩大，但未形成线状和面状连接；④居民服务业在2005—2014年间呈现由“三点支撑”向“多核集聚”转变的空间分布格局，总体发展不均衡，最大的集聚区逐步形成于湖东路、湖南路、江东大道、雨山路包围的四边形区域内；⑤ 2005—2014年间文体娱乐业高密度集聚区不断增多，2005年未形成明显空间集聚，2009年形成了解放路商圈和雨山路苏果商圈 “双核”支撑的空间分布模式，2014年在双核集聚基础上出现大华商圈集聚区，呈现出“小分散、小集聚”模式；⑥金融保险业高密度集聚区变化较少，从2005—2014年间持续呈现沿湖东路延伸至花雨路的“L形”高密度分布区，集聚程度相对较低且密度中心规模小。

图3 2005、2009、2014年五类商服设施密度结果图Fig 3 Density of five types of commercial facilities in 2005,2009 and 2014

4 城市商服设施空间布局的地理相关性分析

4.1 人口分布对商服设施布局的影响

现有研究表明，人口分布直接影响商服设施空间分布，但是不同类型商服设施区位选择对人口分布的依赖程度存在差异[31]。本文利用GeoDa软件实现双变量Moran’sI统计分析，评估人口密度与五种商业设施类型密度之间的空间关联，结果如图4所示。

图4 人口密度和多类型商服设施分布的空间相关性分析

五种业态商服设施分布密度和人口密度的全局双变量Moran’sI值分别为0.3995(F)、0.3279(H)、0.3705(O)、0.2805(R)和0.3541(J)。全局双变量Moran’sI计算人口密度分布与对五种服务设施类型密度之间的相关性结果均大于0.25，表明五种类型商服设施的区位选择都呈现出人口依赖性。分析五种类型的全局双变量Moran’sI的大小差异表明，批发零售业分布密度与人口分布密度的Moran’sI指数值最大，表明批发零售业在空间区位选择上对人口数量的依赖程度最高，与批发零售业在建成区形成高密度集聚区的结果形成相互验证。同时，金融保险业分布密度与人口分布密度的Moran’sI值最小，呈现较弱的人口依赖性。进一步分析计算结果，批发零售业、住宿餐饮业、居民服务业、文体娱乐业都属于生活性服务业，生活服务行业为个人和家庭提供日常生活服务，具有较高的需求频率和客户忠诚度，因此，人口数量成为影响这一类商业区位选择的重要因素。相比之下，金融保险业属于典型生产型服务业，其区位选择受人力资源、交通区位、周边商务氛围等因素影响更为明显，与人口分布的相关性相对较弱。

4.2 基准地价对商服设施空间分布的影响

土地价格的差异和调整将影响城市商业设施的空间布局和区位选择[32-33]。本文以2014年马鞍山市商服用地基准地价数据为基础，分析2014年不同类型商服设施空间布局与地价分布之间的相关性。如图5所示：一级地价区集中在以市政府为中心的花山区核心区，其中包括大华商圈、重阳路商圈、苏果商圈以及欧尚商圈等商业中心；二级地价区范围主要集中在一级地价区与城市核心区之间，主要包括解放路商圈、花山路建材一条街、万达商圈等典型区域；商业用地基准地价三级至六级沿城市核心区向外依次递减，呈圈层式阶梯分布。

图5 研究区基准地价分布图Fig 5 Distribution map of land use level and benchmark land price in study area

基于ArcGIS 10.5软件统计城市不同基准地价范围内多业态商业设施分布密度和比例(表1)。结果表明，批发零售业、住宿餐饮业、居民服务业以及金融保险业在基准地价水平最高的两个区域内设施数量占比和分布密度呈现出高比例分布的一致性。基准地价水平最高的两个区域与城市规划核心发展区相吻合，表明高基准地价对商业区位选择有积极影响。

表1 不同等级基准地价区域多类型商业设施比例和密度

在这五类设施中，金融保险业是唯一超过70%网点分布在基准地价超过2000元/m2的城市高地价水平区域的，呈现出明显的高地价区域布局趋势。进一步分析原因，金融保险业受交通、通讯、交流成本和沟通距离等因素影响，通常分布在呈现高地价水平的城市核心区，以方便获得新机会，提高服务质量，并提供最大的外部利益和信息资源[34]。两个最低地价水平区域的文体娱乐设施数量占比为62.83%，表明文体娱乐业的选址与高基准地价区域存在一定的负相关性，这主要是因为电影院线、舞厅、健身俱乐部、体育场馆、图书馆、网吧等文体娱乐场所营业面积需要遵循相关国家标准，需要较大经营空间，城市核心区高地价区域高租金成本影响企业经营效益，需要通过选择布局在城市核心区域以外来降低运营成本。同时，2006年实施的《娱乐场所管理条例》明确规定娱乐场所不得设在居民住宅区和学校、医院、机关周围以及车站或其他人员密集区域，使得娱乐设施在城市高基准地价区域选址受到限制和约束，政策因素也成为娱乐设施避开高地价区域选址布局的重要原因。

4.3 道路中心性对商服设施空间布局的影响

基于多中心性评价模型(MCA)，以ArcGIS 10.5软件为平台，采用城市网络分析工具(Urban Network Analysis Tool，即UNA)，获取马鞍山市主城区道路交通网络中心性的中间性(CB)、邻近性(CC)、直达性(CS)三个测度指标，结果如图6所示。

图6 道路交通网络中心性测算结果

运用核密度估计法(KDE)对交通网络中心性和多类型商服设施按照统一空间单位进行插值。同时提取交通网络中心性KDE值与商业网点KDE值，并使用R编程语言分别进行邻近度、中间性和直达性的分布与不同类型商服设施分布的Spearman相关分析，以判定多业态商业布局和交通网络中心性之间空间相关性程度，结果如表2所示。

表2 不同类型商业网点核密度与交通网络中心性核密度相关系数(r)

结果表明，道路网络空间分布对商业空间区位选择具有决定性影响，但对不同商业业态的影响程度存在明显差异。批发零售业、住宿餐饮业和居民服务业核密度同交通网络中心性平均值核密度相关系数均较高，分别为0.6599、0.6525和0.6123，表明这三种类型设施区位选择倾向交通便利、交通网络开发程度高的区域，如湖东路沿线、解放路沿线以及沿大华商圈为中心延伸的周边道路。而金融保险业、文体娱乐业核密度同交通网络中心性平均值核密度相关系数均较低(0.4555、0.5367)。进一步分析原因，相较于其余三种业态类型，金融保险业和文体娱乐业消费频率较低，特别是在中小型城市，居民对金融保险和文体娱乐设施消费呈现非日常高频需求特征，消费偶然性和目的性驱动导致设施交通便利性成为这两类设施区位选择的非首选因素。同时，这两类业态具有更高的投资和运营成本，因此选择具有相对低可达性位置可以实现更高的运营收入。此外，金融保险设施核密度同交通网络邻近度核密度相关系数最低(0.3224)，导致该设施类型与交通网络平均中心性相关性最低，这也表明金融保险设施倾向于分布在交通快速可达地区，交通效率是影响金融保险设施区位的主要因素。

5 结论

利用2000—2014年马鞍山市主城区五种类型商服设施的政府开放数据资源，经过空间化处理，采用探索性空间分析方法对多业态商服设施时空演变特征及空间布局异质性进行探讨，进一步分析人口密度、基准地价、交通网络等因子对商业布局影响，结论如下：

①时间尺度上，2000—2014年间，多业态商服设施年度增量遵循“倒U型”曲线变化过程，总体呈现先上升后下降的趋势一致性，特殊年份增速趋势呈现出业态差异。

②多业态商服设施随时间变化，在空间布局上总体呈现由“分散”向“多核集聚”的演变规律，且集聚程度不断增加，但存在发展不均衡现象。同时，业态间集聚特征变化存在差异性，批发零售业、住宿餐饮业时空集聚效应变化最为显著，集聚程度更强，金融保险业高密度集聚区变化最小。

③综合分析人口分布、基准地价、交通网络中心性等因素对多业态商业布局区位选择影响，结果表明，批发零售业的分布与人口密度间的相关性最强，其次是居民服务业、文体娱乐业、住宿餐饮业，金融保险业受人口密度的影响最小。总体上，居民需求频次较高的生活型服务业与人口布局的相关性较强。同时，超过70%金融保险业倾向于在中高地价区域集聚，而文体娱乐业超过60%的网点分布在低地价区域。此外，交通网络中心性对批发零售业，住宿餐饮业和居民服务业区位选择的影响比对金融保险业和文体娱乐业更大。

综上，本文以马鞍山市为例，基于完整、准确的政府开放数据开展城市商业布局研究，相较于传统统计调查数据以及POI数据，研究成果更精确且更可靠。同时，多业态以及时空演变趋势比较分析的视角，丰富了城市商业空间布局研究成果，有利于加强城市商业网点的合理布局，促进多业态商业均衡、持续、稳定地发展。后续研究还可结合商服设施规模、纳税金额等政府开放数据以及点评团购数据、出租车和哈啰出行轨迹数据等互联网开放型数据，进一步细化居民消费行为、商业空间活力、公共政策等因素对多业态商业布局影响。

致谢：特别感谢马鞍山市信息化管理办公室对本研究提供的数据支持和帮助！