结合POI数据的南京市商业中心识别与集聚特征研究

朱 杰，郑加柱，陈红华，3，杨 静,胡平昌，陆敏燕

(1.南京林业大学土木工程学院，江苏 南京210037；2.虚拟地理环境教育部重点实验室，江苏 南京 210023；3.东华理工大学江西省数字国土重点实验室，江西 南昌 330013；4.南京邮电大学地理与生物信息学院，江苏 南京210023；5.自然资源部国土卫星遥感应用重点实验室，江苏 南京 210013)

0 引 言

近年来，大数据分析技术的突破和海量数据采集技术的发展，为城市商业地理提供了一个新的研究视角[1-3]。城市兴趣点(Point of Interest，POI)数据具有精度高、实时性强、数据量大、覆盖面广的特点，其真实反映了人类社会的经济活动，可以满足城市空间布局精细化的需求。为此，国内外许多学者基于POI数据对城市商业空间中心分布格局开展了相关研究工作。一方面，在中心地理论、集聚理论、区位分析以及消费者需求与行为等理论的支撑下，促进了在城市商业中心规模与等级[4]、空间分布特征[5]、集聚模式[6]等方面的实证研究。总体来看，研究尺度逐渐由宏观深化到微观层面，商业中心格局分析呈现出多样化、多层次的发展态势。另一方面，在兴趣点特征表达的方法上，学者们结合点模式分析方法，包括核密度分析[7]、空间相关性[8]、空间聚类[9]等，挖掘城市商业中心的空间分布特征以及分异规律。其中，核密度法(KDE)由于考虑地理学第一定律的空间邻近位置影响，在城市POI数据分析中比其他特征表达方法更有优势[7]。

尽管国内外学者就POI数据在商业中心中的运用已开展大量研究，但已有研究对POI数据还没有统一的分类标准(即POI数据的重分类问题)，不同的分类标准可能会影响分析结果；KDE是POI数据分析处理中最常用的方法之一。然而，传统的KDE忽视了道路网络在城市商业中心发展中的作用，同样会影响空间分析的结果；此外，各种业态分布中心与商业中心是否存在差异等方面的研究也较少。

本文以南京市POI数据和道路网络为基础数据，首先依据城市建设用地分类标准，对POI数据进行重新分类，形成商业类POI数据重分类表。在此基础上，以道路交点为核中心计算所得到的商业核密度值作为重要参数，结合加入道路交点的核密度分析、Moran’s I指数等方法从整体层面和设施等级层面对商业设施的空间集聚特征进行分析，并结合南京市规划文件评估南京市商业发展状况，以期为城市规划部门提供决策支持。

1 研究方法与数据来源

1.1 研究区概况

南京是国家区域中心城市(华东)、长江下游重要的中心城市、长三角辐射带动中西部地区发展的国家重要门户城市。南京市下辖11个区，包括玄武区、秦淮区、鼓楼区、建邺区、栖霞区、雨花台区、浦口区、江宁区、六合区、溧水区、高淳区，总面积6 587 km2，本文将以此区域为研究对象(图1)。

图1 南京市商业POI空间分布

1.2 南京市POI数据的重分类

利用Geosharp软件(https://github.com/gissuifeng/GeoSharpCollector)获取了2017年215 391个南京市高德地图POI数据点。为了使POI点数据与实体地块用地类型相匹配，需要将POI点数据进行重分类。本文依据《城市建设用地分类与规划建设用地标准》，将POI数据分类与城市规划中的用地分类进行融合。对比高德POI数据分类标准(20大类)和城市建设用地分类标准(8大类)，可以总结出POI类型与城市建设用地类型具有包含、等价、介于3种关系。

(1)包含关系：即某一城市建设用地类型包含多个POI数据类别。如在商业服务业设施用地中，包含了加油站(010100)、洗车场(010500)、电信公司(170208)等POI数据类型。

(2)等价关系：城市建设用地分类符合POI数据分类标准。根据对比分析，发现两分类表具有3组等价关系，即居住用地(R)等价于(120300)、物流仓储用地(W)等价于(070500)、非建设用地(E)等价于(170400)。

(3)介于关系：某一POI数据既属于城市建设用地类型A，又属于城市建设用地B。根据观察发现，介于关系一般存在于公共服务用地和商业设施用地。如公共图书馆属于公共服务用地，学校图书馆属于教育科研用地，企业图书馆属于具有盈利性质的商业用地。

城市商业中心是在空间上达到一定聚集程度的商业服务设施类POI点构成的不规则面[10]。结合POI数据类型与商业用地类型的3种关系，本研究共提取了南京市64 225个商业类POI数据点(图1)，按照其服务性质，分为汽车相关类(5 791个)、生活类(38 004个)、休闲娱乐类(1 586)、金融商务类(11 681个)、公共服务类(7 163个)5类数据。

1.3 研究方法

1.3.1 顾及道路节点的核密度估计法

Okabe等[11]提出了基于网络距离的网络核密度估计法，它刻画了道路布局对城市发展的客观限制，但未考虑道路网密集度对城市商业中心的影响。基于此，Yang等[10]提出了一种顾及道路交叉点的核密度估计法，将道路交叉点邻域内的商业POI密度值作为一个参数来构建城市商业中心核密度面。城市商业中心核密度计算可分为两步，具体如下：

(1)计算每个道路交点邻域内的商业POI核密度值。以道路交点为核中心S，邻域道路网络内的商业点作为样本点Si，道路交点距离周边道路网络最长距离为r，在带宽r内商业POI点的个数为n，本实验的核函数k(di,r)采用的是高斯核函数，如式(1)所示。

(1)

通过高斯核函数，构建Rosenblatt-Parzen核密度估计：

(2)

Km表示第m个道路交点邻域内的商业POI核密度，n为该道路交点在带宽为r的邻域内商业POI点的个数。Km值越大说明该道路交点邻域内的商业POI点个数越多，该道路交点附近的商业核密度越大。

(2)计算道路交点的核密度值。以道路交点的商业POI核密度Km为重要参数，利用公式(3)和公式(4)计算道路交点的核密度估计值，公式形式如下所示:

(3)

通过高斯核函数，可以构建Rosenblatt-Parzen核密度估计：

(4)

1.3.2 空间自相关法

空间自相关是一种依据空间邻近法则度量空间聚集程度的方法[8]，选用全局自相关指标Moran’s I 指数检验南京市各类商业设施是否具有聚集特征。Moran’s I指数的计算公式为：

(5)

2 实验结果与分析

2.1 南京市商业设施总体分布特征与发展评估

2.1.1 商业设施分布总体特征

传统的KDE没有考虑到道路发展对城市商业中心发展的影响，仅依靠商业点之间的欧氏距离计算出商业点空间分布的密度。为了解决平面核密度的问题，利用以上介绍的商业-道路交点核密度公式构建出南京市商业核密度面。在两个实验中带宽都设为300 m，采用“自然间断法”将核密度面划分成9类。

对比两个核密度面(图2)，可以发现在相同带宽条件下两者的整体空间形态相似。总体而言，南京市商业空间格局以主城为核心向四周延伸，沿江扩展。改进后的核密度面相对而言更加锐利，“热点区”(红色面)更密集。换句话说，基于道路交点计算的核密度面能够显示出更多的潜在商业中心区。

图2 核密度面自然间断法分类等级

在本实验中，通过计算商业-道路交点核密度值，利用一倍标准差法确定城市商业中心的阈值，提取城市商业中心区，结果如图3(a)所示。南京市商业设施聚集具有以下特征：① 商业网点空间分布形成多个集聚中心，分布密度总体呈现由中心区向外围开发区逐渐递减的规律。② 主城区内已经形成“一主一副”的商业中心空间格局， “主核”位于新街口、夫子庙一带，“一副”位于湖南路-山西路附近。具体而言，以新街口商业中心为核心向东辐射1912街区，西向辐射河西万达商圈，北向辐射湖南路商圈，南向辐射夫子庙商圈。玄武湖西侧密集程度最高，围绕玄武湖形成一定规模的商业点集群。③ 从聚集中心密度比较，城市中心区商圈密度值均比较高，三级热点区也相对比较密集，城市新开发区形成规模密度较小的独立集聚热点。

图3 实验结果与商业网点规划图对比

2.1.2 南京市整体商业发展状况分析

《南京市商业网点规划(2015—2030)》公示指出规划构建“市级—副城级(市级副中心)—地区(新城)级—居住社区(新市镇)级—基层社区(村)级”五级商业中心体系。其中包括4个市级商业中心，7个副城级商业中心(市级副中心)，41个地区(新城)级商业中心以及众多社区(新市镇)级商业网点和基层社区(村)级商业网点，如图3(c)所示。

根据南京市商业核密度面识别出的10个市级城市商业中心区，35个非市级商业中心区(图3b)。从整体对比看，集聚中心发展形态基本符合规划目标。新街口区域市级商业中心(三强核)相互辐射；江北商业点的集聚程度低且数量少，未达到规划发展目标，应是政府开发工作的重点目标；其他副城级商业中心形态稳定，城郊区效果更明显，如六合区、溧水区、高淳区，形成独立、聚集高的商业中心；地区级商业中心数量尚未达到要求。

在未来的城市建设中，政府可以对江北地区扩大商业用地面积，引进高科技产业，打造创新示范点；加强道路交通和生产及生活环境建设，提高江北新区综合影响力；完善仙林区主干道、国道等建设，增加大型商场数量，调整文化产业布局。

2.2南京市各类商业设施分布特征与发展状况分析

为识别不同类型商业中心，了解不同类型商业中心分布差异，将5类商业设施POI数据分别进行了顾及道路节点的核密度分析，结果如图4所示。根据核密度面观察发现，由于职能差异，不同类型商业中心表现出不同空间集聚特征。生活类商业中心集聚程度最高，呈向南京中心城区集聚的形态；其次是金融商务类，该商业聚集中心明显以新街口区为唯一聚集中心，表明新街口区域是商业化发展水平最高的区域，其他区域集聚较低；公共服务类聚集中心主要分布于南京市功能核心和拓展区，处于城中心外缘；而休闲娱乐类商业中心全图最分散，呈离散放射状分布。

图4 各类商业POI点核密度面

为进一步探究其聚集特征，统计各类商业数据的Moran’s I值，结果如表2所示。对各类型数据分别进行空间自相关分析，结合对空间聚集程度和平均邻近距离大小判断，两者间存在正相关性。生活类呈多核心、高集聚度的特点，而金融类则呈单核心的分布特征，两类业态中心集聚程度强烈，呈现点状融合生长模式；休闲娱乐中心平均邻近距离与Moran’s I值均较大，呈现多组团型生长模式，离散程度较高；汽车服务中心沿南京市核心区外围高度集聚，呈现环状生长模式，具有很强的区位选择特征，空间聚集程度一般。各类商业中心都倾向于沿交通轴线扩展，汽车相关类表现尤为明显。

表2 南京市各类型商业中心的数据类型及其空间特征

3 结 语

本文对南京市整体商业POI数据和各个不同类型的商业POI数据分别进行了顾及道路交叉点的核密度估计，共提取出10个市级城市商业中心区，35个非市级商业中心区。从宏观上分析了南京市商业空间格局的总体特征，总结出南京市商业聚集的总体特征。同时，针对各个不同的商业类型，总结了各类型商业中心的空间集聚分布特征，具体表现为：生活类呈多核心、高集聚度的特点，而金融类则是单核心分布，位于城市中心，两者集聚程度强烈，呈现点状融合生长模式；休闲娱乐类呈现多组团型生长模式，离散程度较高；汽车服务中心沿南京市核心区外围高度集聚，呈现环状生长模式，具有很强的区位选择特征。各类商业中心都倾向于沿交通轴线扩展，汽车相关类表现尤为明显。

本文采用顾及道路交叉点的核密度估计法识别南京市的商业中心并以此为基础进行分析的，充分考虑到了道路布局与道路交叉点密度对城市中心的影响，后期的研究中可以还可以加入人口、经济、就业等因素对城市商业空间的影响，进行多因素探讨城市空间格局的形成，扩大研究范围，提高城市中心识别的精度。