兴趣点定位的餐饮业空间特征分析方法

李 佳，古腾飞，金 磊，段 平*

兴趣点定位的餐饮业空间特征分析方法

李 佳1,2,3，古腾飞1,2,3，金 磊1,2,3，段 平1,2,3*

(1.云南师范大学 地理学部，昆明 650500；2.云南省高校资源与环境遥感重点实验室，昆明 650500；3.云南省地理空间信息工程技术研究中心，昆明 650500)

针对当前缺乏有效的城市餐饮业空间分布特征提取方法，利用核密度分析、标准差椭圆和优化的热点分析等方法，对高德地图获取的餐饮业兴趣点（POI）定位数据，建立餐饮业空间分布特征分析方法。以昆明市为研究区，对2014年、2016年及2018年的餐饮业POI定位数据进行时间序列的空间分布特征提取及影响因素分析。实验结果表明：2014—2018年间，昆明市餐饮设施数量不断增加，由27084增长到60651个；餐饮设施空间分布以昆明市市辖区的五华区、官渡区、西山区和盘龙区为核心，分别占当年餐饮点总量的71.62%、71.14%、56.81%。总体分布集聚性明显，逐年呈现西南至东北走向，主要受呈贡大学城影响较大；除昆明市市辖区范围，其它地区总体餐饮业由5280个增长到11012个，增长一倍左右，其中禄劝彝族苗族自治县增长最快，增长了126%，寻甸回族彝族自治县增长最慢，增长了80%。昆明市餐饮业发展差异过大，受地域文化影响较大，还需要正确的政策扶持以及引导。

餐饮业；兴趣点；空间分布；空间分析

0 引言

餐饮业空间分布是指餐饮业商户基于地理位置的空间分布情况，餐饮商户的数量以及分布，在一定程度上反映了一个地区综合影响力，代表着一个城市的经济发展水平。2014年，云南省餐饮业共实现营业收入17.24亿元[1]。2018年，云南餐饮业营业额完成1573.48亿元[2]，增长了90多倍，其发展速度令人惊叹。在餐饮企业数量急剧增长的同时，也带来了食品安全、物价上涨等一系列问题。因此，从整体把握餐饮行业空间分布格局，有利于科学地掌握餐饮业的布局规律，制定合理有效的管控措施，促进城市内部各功能区的协调发展，对于扩大消费、增加就业，提高人民生活质量以及推动旅游等相关行业发展，具有十分重要的意义。

对于餐饮业信息数据的获取，传统方法多采用统计年鉴、实地走访调查的方式获取[3-6]，这种数据具有获取周期长，数据不能得到及时更新，获取难度大，获取途径少等局限。近年来，随着互联网技术的快速发展，基于兴趣点（point of interest,POI）定位数据的城市空间格局分析，成为目前城市空间研究的热点。POI是一种包含地理位置和属性类别的点状定位数据，通过给的经纬度坐标，能够较为准确地定位出物体的具体位置，根据坐标将其标注到地图上，与传统普查获取数据的方式相比，具有语义丰富，获取周期短，定位快，成本低，更新速度快，客观性和现势性强等优势[7-11]。对于餐饮业空间分布格局的研究，多采用核密度分析、最邻近分析、冷热点分析、多距离空间聚类分析、多元线性回归、地理加权回归模型等[12-16]。但基于时间序列的餐饮业空间分布格局研究较少，为弥补此不足，本文基于昆明市年的POI定位数据，对餐饮业的空间格局变化规律做出分析。这有利于深入了解昆明餐饮业的发展变化规律，对促进昆明市餐饮业合理化发展，提供科学的指导意见。

1 研究区域及数据来源

以昆明市为研究区。昆明市下辖7个区、3个县、1个县级市和3个自治县，如图1所示。

图1中：7个区为五华区、盘龙区、官渡区、西山区、呈贡区、晋宁区、东川区；3个县为富民县、嵩明县、宜良县；1个县级市为安宁市；3个自治县为石林彝族自治县、寻甸回族彝族自治县、禄劝彝族苗族自治县。2018年，总面积达21473km2，常住人口685.0万人。

通过高德地图应用程序编程接口（application programming interface, API），获取昆明市2014年、2016年及2018年餐饮类POI定位数据作为源数据。经过筛选、处理后得到有效数据为：2014年餐饮服务类设施数据27084条，2016年餐饮服务类设施数据48432条，2018年餐饮服务类设施数据60651条。

2 研究方法

2.1 核密度分析

核密度分析将要素周围一定圆形区域作为密度的计算范围，通过计算餐饮业点的空间核密度值来反映餐饮业的空间集聚情况。在中心点所在位置处权重最大，随着与点的距离的增大，权重值逐渐减小，当距离超出搜索半径时，权重值为0，每一个点的估计密度都是该区域所有点的加权平均密度[7]，其计算公式为

2.2 标准差椭圆法

通过标准差椭圆，可以分析数据汇总的地理要素的空间特征。此方法可用于比较地理要素在时间和空间上的分布变化特征[17]。用标准差椭圆法对昆明市餐饮业三年的POI定位数据进行处理，其椭圆大小可以反映出2014年、2016年及2018年昆明市餐饮设施的离散程度，椭圆方向可以得出其餐饮业的发展方向，而椭圆的位置变化可以看出其餐饮设施分布的核心位置是否有变动。

2.3 优化的热点分析法

采用优化的热点分析，使用使用地理信息系统软件（ArcGIS）10.2软件中创建渔网工具进行网格化，根据结果呈现的视觉效果和数据特点，最终将研究区最小外包矩形分为60行、50列的小矩形网格（面要素），通过裁剪得到研究区1950个矩形网格。将POI定位数据与渔网进行空间连接，然后进行字段分析，对落在每个网格内的POI定位数据点进行计数即计算每个格网内的点数，呈现出高值和低值的聚集位置。

3 结果与分析

3.1 餐饮服务空间分布及年度数量统计

2014年、2016年、2018年昆明市餐饮服务POI总体空间分布格局相同，如图2所示。主要分布在各自行政区的中心城区，以昆明市市辖区最为集中，禄劝彝族苗族自治县较为分散。昆明市各行政区餐饮服务设施数量表如表1所示，由表1可以得出，2014年、2016年、2018年其餐饮设施总体数量在逐年增长。

注：图2是基于云南省地理信息公共服务平台网站下载的标准地图（审图号为云S(2017)049号）制作的，底图无修改。

表1 昆明市各行政区餐饮服务设施年度数量表

各辖区6年间餐饮服务设施的变化率及增长如表2所示，2014年、2016年间，官渡区餐饮设施数量增加最多，为5320个，富民县最少，为178个；增长率方面，呈贡区最高，为111%，东川区最低，为41%。2016年、2018年间，官渡区餐饮设施数量增加最多，为2711个，寻甸回族彝族自治县出现负增长，减少了10个。增长率方面：呈贡区最高，为80%；寻甸回族彝族自治县最低，为-1%。2014年、2016年、2018年餐饮设施数量增加最多的是官渡区，总计8031个，最低的是富民县，为280个；增长率最高是呈贡区，为281%，增长率最低是东川区，为76%。

表2 昆明市各行政区餐饮服务设施年度数量变化表

3.2 核密度分析

采用核密度分析法对昆明市2014年、2016年、2018年的餐饮服务设施空间格局特征进行分析，其结果如图3所示。2014年与2016年总体格局分布大致相同，而2018年，则在原基础上极高值区域范围变得更大，可见2016年、2018年间昆明市餐饮业发展，较之前两年发展更为迅速。从整体上看，2014年、2016年及2018年的餐饮服务设施空间分布密度都呈现以各辖市中心发达地区为核心，向四周逐渐发散减少，大体上都形成了以多个集聚中心为基础，数量不断增加的趋势。整体上为“南多北少”。

注：图3是基于云南省地理信息公共服务平台网站下载的标准地图（审图号为云S(2017)049号）制作的，底图无修改。

昆明市餐饮业发展过程中，2014年、2016年、2018年均以昆明市市辖区餐饮POI定位点最为集中，餐饮服务设施最多，餐饮业发展最为完善。主要原因是昆明市辖区主要包含五华区、盘龙区、官渡区、西山区，这4个区域城市化水平较高，为传统的“老城区”。而且旅游人数也在逐年增加，流动人口较大，交通便利，商业化程度高，促进了餐饮业的发展。而其余辖区，则以呈贡区变化最大。从2014年的小规模聚集性发展，到2016年的普遍性发展，再到2018年餐饮业基本覆盖全辖区范围。呈贡区餐饮发展模式首先以学校、小区、商业区的小规模集中分布，然后逐渐扩大规模。呈贡区餐饮业快速发展的原因主要是，呈贡区高等院校较多，消费人群固定，加之交通便利，其餐饮服务设施在学校周围最为集中。稳定的客流来源带动了商业的快速发展，有人就有市场，餐饮业则有了良好的发展基础。

2014年各行政区餐饮设施空间格局如下：禄劝彝族苗族自治县的餐饮设施分布较为稀疏，仅东部、南部、中部各一个集聚中心；东川区仅有一个集聚点，位于东川区中部；寻甸回族彝族自治县集聚点分布也十分稀疏，餐饮设施主要分布在西北部、南部及东南部，其中东南部最多；富民县则集中在该行政区的南部；嵩明县集聚面积较大，主要分布在中部地区；昆明市辖区最为集中，颜色最深，其餐饮设施集聚明显，几乎涵盖整个行政区；呈贡区主要分布在其西部以及中部；宜良县的西部以及中部各有一个集聚点；安宁市其中部位置餐饮设施最多，西北部也有部分餐饮设施；石林彝族自治县主要在其西部位置；晋宁区其中部和东部较多。

2016年昆明市餐饮业空间格局与2014年相比基本一致，其中以呈贡区变化最大，其格局分布为极高值部分面积明显增大，可知在2014年及2016年间，呈贡区餐饮业的发展较为迅速，其餐饮设施数量分布更广。与2014年及2016年份相比，2018年各行政区都不同程度增加了集聚点，昆明市辖区集聚程度较2014年及2016年变得更密集，其中禄劝彝族苗族自治县、东川区、晋宁区、寻甸回族彝族自治县、呈贡区空间格局变化较大，都有了新的集聚点产生，其中又以呈贡区最为显著。

3.3 标准差椭圆

对2014年、2016年、2018年的POI定位数据进行标准差椭圆分析，其结果如图4所示。椭圆的长轴为西南-东北走向，表明昆明市餐饮业主要布局方向为西南-东北方向分布的格局，也与昆明市南北向狭长的行政区划范围有关。其长半轴与短半轴相比长度相差较明显，说明其方向性明显。

注：图4是基于云南省地理信息公共服务平台网站下载的标准地图（审图号为云S(2017)049号）制作的，底图无修改。

由图4可知，2014年、2016年及2018年的椭圆大部分面积位于昆明市市辖区的五华区、官渡区、西山区和盘龙区，这是由于这4个区的餐饮点总量基数较大。2014年、2016年、2018年餐饮点总量分别为19397个、34454个、42449个，分别占当年餐饮点总量的比例为71.62 %、71.14 %、56.81%，这4个辖区餐饮业总量相对于整个昆明市而言，占比一直大于50%，所以椭圆绝大部分面积一直位于昆明市这4个辖区。

从2016年与2014年的标准差椭圆来看，2014年标准差椭圆包含2016年标准差椭圆，说明昆明市五华区、官渡区、西山区和盘龙区餐饮点增长总量大于其他县区增长量，餐饮业分布愈发集中，2016年昆明市4个辖区（五华区、官渡区、西山区和盘龙区）餐饮业增长数量大于其他周边县区，增长数量为15057个，占总餐饮点的71.14%，使得椭圆在原来的基础上面积变小，聚集性明显。

从2018年与2016年的标准差椭圆来看，2018年标准差椭圆在2016年标准差椭圆的基础上向东南发生了位移，不再具有包含关系。这是受呈贡区餐饮点增长的影响，椭圆发生位移。2016年至2018年，呈贡区餐饮点增加了2028个，总数为4556个，餐饮点总数位居第二，因为呈贡区有大学城，高校众多、学生众多，受稳定、庞大的学生客源的影响，餐饮点数量大增。椭圆的长轴在西南-东北方向继续变短，说明餐饮点在昆明市4个辖区（五华区、官渡区、西山区和盘龙区）和呈贡区聚集性愈发明显，其他县区虽然也有增长，但是餐饮点总量相对较小。

表3 昆明市各年度餐饮服务设施标准差椭圆参数 单位：(°)

3.4 优化的热点分析

利用ArcGIS10.2软件中创建渔网工具，对研究范围进行格网化，将格网和2014年、2016年及2018年的餐饮业POI定位数据进行空间连接，对其字段进行热点分析，计算落在每个格网上兴趣点的数量，得到其热点分析图，如图5所示。在一个方格内POI数量越多，则颜色愈浅。单位方格内POI数量为353个以上时，将其定义为最热区域，即餐饮业最为集中的区域。热点分析图与核密度分析都是研究揭示餐饮服务设施的空间格局，从二者的分析结果可以得出，其空间格局分布基本相同，但优化后的热点分析更能得出其热点的具体位置。从结果上进行分析统计，2014年餐饮服务设施总计有15个最热区域，主要分布在昆明市市辖区内，即原来的老城区，安宁市和东川区各有一个最热区域。到了2016年，最热区域上升到34个，昆明市市辖区内餐饮设施数量不断增加，密集程度越来越高。除石林彝族自治县和富民县以外都出现了最热区域，呈贡区增涨最快，增长了3个。至2018年，餐饮业进一步发展，最热区域发展为40个，石林彝族自治县和富民县都出现最热区域。

由网格化所得的热点分析与核密度分析相比，网格化热点区域可以更加直观地看出餐饮业最密集的地区。几个辖区的最热点区域分布情况为：安宁市的最热点区域位于金方路、嵩华路、玉泉路、建设街、晓塘东路各街区附近；晋宁县的最热点区域位于兴阳路、昆阳镇春晖路各街区附近；呈贡区的最热点区域位于集市街、春融街、下庄社区、书香大地小区、实力锦城小区各街区附近；宜良县的最热点区域位于匡远街道办事处、起春路、匡远镇发达街各街区附近；石林彝族自治县的最热点区域位于商业步行街、阿诗玛东路、天合路各街区附近；昆明市市辖区的最热点区域位于原有的老城区附近；富民县的最热点区域位于永定街、环成南路景秀家园、环城南路各街区附近；嵩明县的最热点区域位于秀嵩街、玉明路、嵩阳镇水真路各街区附近；寻甸回族彝族自治县的最热点区域位于广场北路步行街、仁德屏江北路、翠苑路各街区附近；禄劝彝族苗族自治县为屏山街道掌鸠河南路未来星双语幼儿园、园西路、掌鸠河西路各街区附近；东川区的最热点区域位于铜都街道春晓路、市府街与驼峰路、金水路各街区附近。

注：图5是基于云南省地理信息公共服务平台网站下载的标准地图（审图号为云S(2017)049号）制作的，底图无修改。

4 结束语

POI作为一种地理定位数据，具有获取方式便利，更新快，定位准确等特点。利用POI定位数据对城市发展规律以及城市设施空间布局等进行探索研究，可以较为直观地发现其中存在的问题。本文利用昆明市2014年、2016年及2018年的餐饮设施POI定位数据，采用核密度分析、标准差椭圆与热点分析方法，对昆明市餐饮业年度空间分布格局规律，餐饮业发展速度及热点区域的分布特点进行了研究，得到了以下结论：

1）昆明市餐饮业的发展愈发迅速，餐饮设施数量增加速度也在不断提高。这不仅体现在原来城市化较高的昆明市市辖区，如呈贡区的餐饮业发展速度也因消费人群、交通基础设施等因素的发展而快速发展。

2）从整体上看，昆明市的餐饮设施空间分布呈现西南至东北走向；餐饮设施的空间分布不均衡，集聚程度较为明显，在年度发展上也表现出多个中心分布发展的特点，且发展中心不断增多。

3）从各行政区县看，各辖区餐饮业发展差异过大，受地域文化影响也较大，还需要加大政府的引导与扶持。

[1]商务部驻昆明特派员办事处. 2014年云南省餐饮业共实现营业收入17.24亿元, 同比下降9.07%[EB/OL]. (2015-01-23)[2020-07-17]. http: //kmtb. mofcom. gov. cn/article/shangwxw/201501/20150100876203. shtml.

[2]中华人民共和国商务部. 2018年, 云南餐饮业营业额完成1573.48亿元, 同比增长16.0%[EB/OL]. (2019-04-11)[2020-01-22]. http://www.mofcom.gov.cn/article/resume/dybg/201904/20190402851678. shtml.

[3]HE X, YANG Z J, ZHANG K, et al. The spatial distribution patterns of the catering trade in Nanchang based on internet public reviews[J]. International Journal of Technology, 2018, 9(7): 1319-1328.

[4]舒舍玉, 王润, 孙艳伟, 等. 城市餐饮业的空间格局及影响因素分析: 以厦门市为例[J]. 热带地理, 2012, 32(2): 134-140.

[5]LI Y Y, LIU H Y, WANG L E. Spatial distribution pattern of the catering industry in a tourist city: taking Lhasa City as a case[J]. Journal of Resources and Ecology, 2020, 11(2): 191-205.

[6]方嘉雯. 北京五道口地区韩国餐饮业空间布局特征与集聚机理分析[J]. 经济地理, 2014, 34(12): 106-113.

[7]许泽宁, 高晓路. 基于电子地图兴趣点的城市建成区边界识别方法[J]. 地理学报, 2016, 71(6): 928-939.

[8]朱婷婷, 涂伟, 乐阳, 等. 利用地理标签数据感知城市活力[J]. 测绘学报, 2020, 49(3): 365-374.

[9]XIAO Y, AI T H, YANG M, et al. A multi-scale representation of point-of-interest (POI) features in indoor map visualization[EB/OL]. [2020-01-22]. https: //www.mdpi. com/2220-9964/9/4/239/pdf.

[10]ZHENG D, LI C. Research on spatial pattern and its industrial distribution of commercial space in Mianyang based on POI data[J]. Journal of Data Analysis and Information Processing, 2020, 8(1): 20.

[11]HU Y, HAN Y. Identification of urban functional areas based on POI data: a case study of the Guangzhou economic and technological development zone[J]. Sustainability, 2019, 11(5): 1385.

[12]曾璇, 崔海山, 刘毅华. 基于网络空间点模式的餐饮店空间格局分析[J]. 地球信息科学学报, 2018, 20(6): 837-843.

[13]单欣, 徐坚, 刘昳晞, 等. 基于POI数据的昆明中心城区餐饮业空间分布格局研究[J]. 昆明理工大学学报(自然科学版), 2019, 44(5): 115-120.

[14]王盼盼, 严艳. 基于网络数据的西安市主城区餐饮业空间格局研究[J]. 宁夏大学学报(自然科学版), 2019, 40(3): 291-296.

[15]LAN T, YU M, XU Z B, et al. Temporal and spatial variation characteristics of catering facilities based on POI data: a case study within 5th ring road in Beijing[EB/OL].[2020-01-22]. https: //reader.elsevier.com/reader/sd/pii/ S1877050918307245?token=A9034B0CBDB93C517560A824041CF2FB328E40795859883DC39AE460CCE8C9D14EC7624A1C15BF2227AE72CF64E828FB.

[16]祝晔. 基于POI的南京市餐饮设施空间格局分析[J]. 经济研究导刊, 2019(15): 152-156, 190.

[17]魏凌, 张杨, 李强, 等. 基于标准差椭圆的我国国土生态空间分异研究[J]. 生态经济, 2020, 36(7): 176-181.

Analysis method of spatial characteristics of catering industry based on location of point of interest

LI Jia1,2,3,GU Tengfei1,2,3,JIN Lei1,2,3,DUAN Ping1,2,3

(1. Faculty of Geography,Yunnan Normal University,Kunming 650500,China;2.Key Laboratory of Resources and Environmental Remote Sensing for Universities in Yunnan,Kunming 650500,China;3.Center for Geospatial Information Engineering and Technology of Yunnan Province,Kunming 650500, China.)

In view of the lack of effective methods to extract the spatial distribution characteristics of urban catering industry, spatial analysis methods of kernel density analysis, standard deviation ellipse and optimized hotspot analysis are used to establish a systematic method for analyzing the spatial distribution characteristics of the catering industry by the Point of Interest (POI) in the catering industry obtained by the AutoNavi map data. Taking Kunming city as the research area, the spatial distribution characteristics of time series and the influencing factors of the POI positioning data of catering industry in 2014, 2016 and 2018 were extracted. The experimental results show that the catering industry in Kunming has developed rapidly from 2014 to 2018, and the number of catering facilities is increasing from 27084 to 60651. The spatial distribution of catering facilities is centered on Wuhua District, Guandu District, Xishan District and Panlong District in the municipal districts of Kunming, accounting for 71.62%, 71.14%, and 56.81% of the total number of catering spots that year. The overall distribution and agglomeration are obvious, trending from southwest to northeast year by year, mainly affected by Chenggong University Town. Except for the municipal districts of Kunming, the overall catering industry in other regions has increased from 5280 to 11012, about doubling. Luquan grew the fastest with an increase of 126% and Xundian the slowest, with an increase of 80%. The development of Kunming's catering industry is too different, and it is greatly affected by regional culture. It also needs correct policy support and guidance.

catering industry;point of interest;spatial distribution;spatial analysis

P228

A

2095-4999(2021)02-0054-08

李佳，古腾飞，金磊，等. 兴趣点定位的餐饮业空间特征分析方法[J]. 导航定位学报, 2021, 9(2): 54-61.（LI Jia, GU Tengfei, JIN Lei, et al. Analysis method of spatial characteristics of catering industry based on location of point of interest[J]. Journal of Navigation and Positioning, 2021, 9(2): 54-61.）

10.16547/j.cnki.10-1096.20210209.

2020-07-21

国家自然科学基金项目（41901336）。

李佳（1984—），女，湖北公安人，博士，副教授，研究方向为GIS时空分析与建模。

段平（1984—），男，湖北监利人，博士，副教授，研究方向为GIS时空分析与建模。