基于开源大数据的成都市餐饮业空间聚集模式探讨

2021-07-06杨山力李林军

四川建筑 2021年3期

杨山力，张诚，崔铭，李林军

(成都市规划设计研究院, 四川成都610000)

城市空间结构一直是城市地理学与规划研究的重点，而餐饮业作为城市系统的重要组成部分，其区位特征和空间分布格局一直备受关注。正所谓“民以食为天”，“食不厌精，脍不厌细”，尤其是“吃在中国，味在成都”更是把成都人对于美食的热爱表达的淋漓尽致。成都于2018年提出高标准打造国际美食之都，并发布了《成都建设国际美食之都三年行动计划(2018-2020)》。对于餐饮的分析与评价，数据收集一直是难点，随着网络技术的不断发达，手机不断的普及化，我国的网民数量正呈现出逐年高增长的态势。统计数据显示截至2019年6月，我国网民规模达8.54亿，位居全球第一。在互联网高速发展的今天，蕴含地理位置信息的网络数据正呈现指数级的爆发式增长，这为研究城市空间形态提供了丰富的数据基础。因此，利用网络大数据对餐饮业的空间聚集特征及影响其布局的因素分析，不仅可以摸清家底，了解成都市的餐饮业的现状空间分布特征，还可以用于辅助和支持城市规划建设与产业布局。

1 研究的数据源

本文以成都市中心城区(11+2)为研究区域，利用网络爬虫技术获取大众点评上的美食板块内所有类型的餐饮店铺信息包括店名、经纬度、详细地址、人均消费、分店数量、点评数等属性信息(图1)，数据爬取时间为2020年8月，原始数据共计8 058家餐饮店铺(大众点评网页限制，最多只能访问50页)。为了确保结果的准确性和真实性，首先对原始数据进行预处理，去掉非餐饮的点位和重复的点位信息，然后采用坐标转换技术将其转为CGCS_WGS84通用坐标系，最终刷选出的有效餐饮点位个数为8 003家。

图1 成都市中心城区餐饮点位分布

2 研究方法

为了研究成都市中心城区各区域之间的餐饮业空间聚集特征，本文分别从环境品质、品牌效应、消费水平、网友点评、香农指数(该指数主要用于衡量各区域内部的餐饮店数量的丰富程度和均匀程度)五个维度，共计10个指标体系来进行评价分析。然后对成都市中心城区各个区域在这五个维度下的10个指标体系进行系统聚类，通过矩阵运算计算出各个区域之间的欧式距离，最终识别出成都市中心城区各区域餐饮店的空间聚集模式特征(表1)。

2.1 香农指数

香农指数全名为香农-威纳指数(Shannon-Wiener index)。该指数由信息论演化而来主要用于预测生物群落中随机选择的个体属于哪种类型物种的概率，用于反映该区域的生物多样性的。本文利用香农指数的这个特点来研究成都市中心城区各区域之间的餐饮业类型是否丰富、是否均匀分布。香农-威纳指数(H)的计算公式如下，式中s表示群落物种丰富度指数，即物种类型总数。pi表示物种i的相对丰度。

当群落完全均匀，即群落中所有物种丰富度完全一致时，香农-威纳指数的值达到最大。

表1 指标体系与描述

2.2 系统聚类

聚类分析是通过对研究对象按照被描述指标进行分类的一种多源统计分析方法，可简单解释为按照各个对象距离的远近将被研究对象分为若干个类型，以使得类别内数据的“差异”尽可能小，类别间“差异”尽可能大。本文采用系统聚类分析法(Hierarchical Cluster)对成都市中心城区各区域餐饮店按照上述指标体系进行分类统计。由于不同指标的量纲不同，在计算各个对象之间的距离过程中，会使得不同变量的影响存在差异性。因此，在进行聚类分析之前需要对所有变量进行标准化处理。其中对各个对象聚类的欧式距离计算公式为：

数据标准化计算公式为：

3 结论分析

通过对成都市中心城区各区市县的对应指标数据进行采集，并利用上述计算公式对成都市中心城区各区域的香农指数进行计算，结果见表2。

表2 成都市中心城区各区域餐饮评价指标

利用SPSS软件对表2中评价成都市各区域餐饮发展水平的指标表进行标准化处理，然后进行系统聚类分析，结果见图2。

根据系统聚类树状图进行划分，当各类别的类间距离小于5时，成都市中心城区的各区域餐饮业具有较好的分类效果，大致可以将成都市中心城区分为六个类别。新都区、温江区、郫都区和双流区被归为一类，天府新区单独成为一类，成华区、金牛区、青羊区和锦江区被归为同一类，龙泉驿区和青白江区被归为一类，高新区和武侯区归为同一类。结合成都市的产业规划定位与中心城区的产业功能区划分，新都区、温江区、郫都区都属于二圈层，对应的消费水平、房价都比较低，其中双流区更靠近主城区，而且还有双流机场的加持，所以双流区的餐业水平相较于前三个区域发展的更好一些，所以是在最后的阶段才被归为一类。天府新区不同与其他区域，因为它的特殊定位和发展年限较短，所以它被单独归为一类。成华区、金牛区、青羊区和锦江区都为主城区，无论是消费水平、房价和就餐环境等发展水平都比较一致。龙泉驿区和青白江区都为工业区，一个主导为汽车产业，另一个为物流产业。所以它们的餐业发展水平相对薄弱，因此聚为一类。最后一个是武侯区和高新区，在每年统计年鉴汇总中，高新南区都被归为武侯区，正是由于这些原因导致它们的餐饮发展水平很相同，所以它们被聚为一类。总而言之，利用系统聚类法对成都市中心城区的餐饮业聚集模式进行分析，结合实际情况验证，聚类结果与实际情况比较吻合，这为合理的规划城市产业布局提供了丰富的数据支撑和理论指导(图3)。