供需线上化影响下的小型商业设施空间特征与布局*——以北京市餐饮设施为例

曹舒仪，张 赫，贺 晶，杨天宇

引言

在移动应用和大数据指数级增长的数字化背景下，互联网的新消费模式以其即时、高效匹配供需侧的便利性迅速普及，线上化消费已成为消费新趋势。同时，多样化的线上消费方式也促使需求端更加主导对供给端的实体商业布局的影响，小型商业服务的供给方式越来越倾向于“服务点到人”的特征[1]，餐饮店铺的空间分布也不再局限于传统的城市商业格局。O2O（Online to offline）是指将原本线下消费与互联网结合，针对居民日常生活消费实现线上线下交互的交易形式。O2O 模式通过构建互联网平台，使消费行为的部分供需匹配环节线上化，将局限于特定区域的消费和需求行为扩展到了更大的市场范围[2]，对城市线下商业产生了深远的影响。作为较早一批线上化的服务业态，餐饮O2O 是本地O2O 行业的典型代表，消费者线上消费黏性日趋增强，餐饮外卖等新兴消费模式加速发展[3]，餐饮供需匹配模式向线上线下多渠道的融合趋势日渐突出。随着O2O 餐饮市场渗透率持续上升，餐饮业的组织模式和就餐行为发生改变，餐饮业的空间分布格局、线上化模式均出现了变化[4]。

消费线上化作为逐渐成为当下主流的新型消费趋势，已有许多研究从经济学视角聚焦于其对需求端居民消费和供给端城市商业设施布局的影响。在个体家庭层面，基于消费行为变化带来的影响，探讨消费升级的促进效应和不同类型家庭消费的异质性[5，6]；在城乡差异层面，对比数字化对居民消费结构变迁的赋能作用[7]。城市商业设施布局方面，网络消费对实体消费及购物出行的替代、促进程度在不同圈层城市空间中呈现不同特征[8]，但总体上经营线上化的企业仍然呈现对实体经济的依赖性[9]。

在线上化趋势的影响下，目前已有较多关于餐饮空间布局的研究关注传统餐饮与外卖餐饮的不同空间分布格局与空间布局机制。从餐饮空间分布格局看，王宇凡等指出O2O 餐饮空间布局趋势总体呈现“分散的集中”的趋势[10]；施响等也指出外卖餐饮业集聚中心正由城市中心向外扩散，形成“圈层+多核心”的空间分布特征[11]，但也有学者认为经营模式的线上化并未促使O2O 餐饮与传统餐饮产生明显的分异[12]。从空间布局机制看，现有研究多从区位、人口分布、路网密度、周边设施、地价水平等方面探讨餐饮店铺布局机制[11，13，14]，其中史坤博等指出O2O 餐饮的供需匹配机制发生了变化，空间距离与区位对餐饮空间布局的重要性下降[14]；张梦雨等则认为，人口分布对传统及外卖餐饮空间格局均具有重要影响，但接近消费者市场才是外卖餐饮店空间区位选择的决定因素[13]。

现有研究主要通过对比传统和外卖餐饮店铺的空间分布格局，分析线上O2O 餐饮模式影响下的城市餐饮设施布局及其机制。但是，一方面目前线上线下餐饮模式多样化，单一以外卖餐饮与传统餐饮对比不足以体现消费线上化对餐饮空间布局的影响；另一方面现有的布局影响机制研究多从供给端餐饮店铺选址的角度考虑布局影响因素，但消费线上化对供给端的店铺选址和需求端的居民行为均产生了显著影响，目前关于供需端演变如何影响线上线下餐饮空间布局的讨论仍然不足，较少探讨供需兼顾的餐饮设施空间布局机制。本文以北京市为例，基于线上化模式对餐饮设施进行分类，对比不同类型供需线上化影响下餐饮设施的分布特征，分析供需两端影响因素对餐饮空间布局的影响程度和典型影响因素回归系数的地理空间分异情况，以指导未来的城市餐饮及商业空间布局优化，并为线上线下融合的小型商业设施在城市中的规划布局提供参考。

1 研究设计

1.1 研究对象

北京市具有突出的数字经济基础和发达的餐饮业态，线上线下餐饮品类丰富。目前，北京市是我国餐饮O2O 相关企业数量最多的省级行政单位，在全国占比为23.1%1）。因此，北京市的O2O 餐饮设施空间布局是较典型的受线上化影响后的商业空间布局，能够体现不同线上化模式的餐饮店铺空间布局机制。本文以北京市域为研究区域，按照北京市街道乡镇行政边界将研究区域划分为331 个研究单元（图1）。

图1 研究单元划分及基础数据

1.2 数据来源

由于大众点评与美团的合并，两个平台数据共享，研究数据选择大众点评网站自收录店铺信息截止至2020年8 月的北京市域内的餐饮店铺数据。经过数据清洗去除重复店铺与非营业状态店铺，得到总店铺数据138464条，数据包括各类线上经营的O2O 餐饮店，以及仅作为被评价方上传店铺信息的传统餐饮店。O2O 餐饮可根据不同线上化模式，分类为到家型O2O 和到店型O2O，实际中O2O 餐饮店铺多依赖实体餐饮店铺经营，不同实体餐饮店铺主营的O2O 模式不同，既有只经营外卖或团购的，也有二者兼营的综合型餐饮店铺。因此，按照“团购”和“外卖”字段划分店铺类型为传统型、到家型（仅外卖）、到店型（仅团购）、综合型（团购+外卖）4 类。其中传统型73302 家，到家型33892 家，到店型7570 家，综合型23700 家。

1.3 研究方法

1.3.1 标准差椭圆、核密度与热点分析

本文通过ARCGIS 10.6 的标准差椭圆、核密度与热点分析工具，分析消费线上化趋势下的餐饮设施空间分布特征。标准差椭圆是一种分析地理要素空间分布全局特征的地理学空间统计方法[15]，用于衡量不同线上化类型的餐饮设施位置分布的中心集聚程度、分布范围及分布方向。核密度可分析餐饮设施的空间聚集热点在城市中的分布，热点分析法则以街道为单位基于空间距离权重矩阵进行局部空间自相关分析[16]，识别和区分餐饮设施分布的“热点”和“冷点”区域。

1.3.2 多元线性回归

本文以影响餐饮空间布局的影响因素为自变量，以各类餐饮设施在北京各街道的分布数量为因变量，运用SPSS 25 进行多元线性回归分析。研究通过归一化处理后的回归方程标准化系数反映不同类型餐饮店铺数量和各影响因素之间的相关性，并进一步分析不同影响因素对餐饮空间布局的影响程度。

1.3.3 地理加权回归

地理加权回归模型是基于多元线性回归和核回归模型进行优化后的模型，引入了数据的地理空间属性，在局部空间范围内对变量进行差异化回归，以分析影响因素的空间特征[17]。本文利用ARCGIS 10.6 中的地理加权回归工具分析餐饮设施布局典型影响因素的地理空间分异情况。模型公式如下：

式中：（ui，vi）是式第i 个样本点的空间坐标，βk（ui，vi）是连续函数βk（u，v）在i 点的值，β0为常数项，Xik为自变量，εi为误差项。

2 供需线上化影响下餐饮设施特征识别

2.1 供需线上化影响下的餐饮设施分类

供需线上化的消费模式使城市资源的供给、需求与配置模式[18]发生变革，使得供、需两端均向分散化、多样化演变，因而改变了资源传导的中间过程[19，20]。公共服务供需匹配的中间环节不再只是居民到达实体空间，而是线上平台配送员经过城市交通空间配送到家，服务供需匹配的中间环节出现了差异化。根据线上平台介入餐饮服务的不同方式，梳理不同线上化模式的餐饮服务供需链条环节所对应的城市空间，以进一步明确线上线下餐饮设施分类（表1）。研究将餐饮设施的服务链条分为供给端、需求端和中转环节3 个环节，其中供给端对应餐饮后厨，需求端对应居民所在的居住或工作地，中转环节对应到店或配送需要经历的中间环节，即供给端（餐饮设施）和需求端（居民所在地）之间的城市交通要素。依据线上化模式将餐饮类型一共分为4类：（1）传统餐饮，线下提供服务，无线上平台参与供需匹配，服务近供给端，完全依靠需求端线下到达；（2）到家型餐饮，采用线上销售、线下配送模式，外卖平台使餐饮服务的提供脱离于实体餐饮空间而更靠近需求端，以外卖配送衔接资源的供需两端；（3）到店型餐饮，为线上销售、线下体验模式，服务供给相对近供给端，通过团购平台将部分销售环节线上化，餐饮服务的提供仍然需要消费者到实体店铺；（4）综合型餐饮，为线上销售、线下配送模式，服务供给相对近供给端的同时兼顾需求端，注重实体消费体验与餐饮配送服务并重。4 类餐饮设施供需环节相似，但不同的平台参与方式使得供需传导的线上化模式不同，服务供给模式依次由近需求端向近供给端过渡。

表1 线上线下餐饮设施及其供需匹配模式分类

2.2 供需线上化影响下餐饮空间布局影响要素识别

依据现有研究[11，12，14，21]，人口密度、路网密度、交通设施可达性、旅游景点、商业地价、高校及医院数量对线上线下餐饮空间的分布均具有一定影响，但多数要素仅考虑了餐饮店铺选址的指标，对需求端的多样化需求来源考虑不足。本文结合供需线上化影响下差异化的供需匹配模式和北京市的功能区布局特征，将影响因素分为供给端、需求端和中转环节3 类，以明确线上化消费变革下，不同供需匹配模式对匹配环节中不同端空间要素的侧重。供给端指餐饮空间选址时需要依赖的周边客观环境要素，基于既有研究，选择商服、办公、工业、高校、医院、景点6种周边服务设施作为典型指标。需求端指消费者本身的社会经济属性，由于北京市流动人口较多，常住人口与户籍人口的城镇化率差异能体现出城市经济效率与公共服务发展的不同步性[22]，细分该指标为常住人口、户籍人口、消费水平。中转环节即交通条件，是衔接供需两端的中间环节，对供需匹配起到中继性作用，包括公交站数、地铁站数，路网密度。另外，外卖商家分布与城市POI 在空间分布上具有明显联系，且与城市圈层分布具有一致性[13]，因此补充城市区位作为相关指标，但该指标因未通过自相关性检验而去除。最终，筛选出12 个要素构成兼顾供需两端的线上线下餐饮空间布局影响因素体系（表2）。

表2 兼顾供需两端的O2O 餐饮空间布局影响因素体系

3 供需线上化趋势下的餐饮空间分布特征

3.1 不同线上化模式餐饮设施的地理中心依赖性

从标准差椭圆看，4 类餐饮设施的空间分布重心均偏向北京城中心的东北，且呈现“东北-西南”方向分布。其中，传统型和到店型餐饮的标准差椭圆范围相近且椭圆长半轴与短半轴差距较大，方向特征最明显；综合型标准差椭圆范围和长短半轴差都为最小；到家型餐饮的则介于二者之间（图2）。可见传统餐饮分布范围最广，综合型则最集中于中心城区；到店型餐饮的集中分布区比到家型更靠近城市中心，但分布广度大于到家型。

图2 四类餐饮空间分布标准差椭圆

3.2 不同线上化模式餐饮设施的中心城区外围扩散性

外卖团购餐饮的核密度呈现了不同程度的中心城区外围扩散性，传统型、到家型、到店型、综合型4 类依次降低（图3）。其中，扩散性根据线上化的环节不同有所区别，体现为到家型的近郊聚集性扩散和到店型的远郊分散性扩散，综合型扩散性最弱。

图3 传统型（a）、到家型（b）、到店型（c）、综合型（d）餐饮空间分布核密度分析

对4 类餐饮设施分别进行冷热点分析（图4），可见大部分热点区域均集中在中心城区边缘。传统餐饮的热点分布区域最广，主要聚集于中心城区边缘和近郊地区；到家型与传统餐饮类似，但热点区域仅集中于中心城区边缘；销售线上化餐饮热点区域范围最小，主要分布于中心城区东部；综合型餐饮主要分布于中心城区和近郊区商业中心。总体上对于线上餐饮设施而言，近需求端的扩散性大于近供给端的，并根据线上化环节不同有所区别。

图4 传统型（a）、到家型（b）、到店型（c）、综合型（d）餐饮空间分布热点分析

3.3 餐饮线上化率空间分布

本文引入线上化率指标，即综合型、到家型、到店型3 类餐饮店铺数量与餐饮店铺总数的比值，以表征不同区域的线上化水平。为便于识别线上化率高的地区，以北京市街道乡镇的行政边界为统计单位，分区统计北京市各个街道的线上化率水平（图5）。中心城区的线上化率明显高于外围城区，东部的线上化率整体高于西部，部分中心城区边缘也有高线上化率的集聚区；近郊区有部分街道的线上化率较为突出，主要集中于如昌平新城、经开区、首都机场、良乡等产业园或高校集聚区；远郊区部分街道的餐饮线上化率明显高于周边区域，多集中于远郊区的区域行政中心。总体而言，高餐饮线上化率的地区基本都具有经济发达或人口集聚的特征。

图5 餐饮线上化率空间分布

4 O2O 餐饮空间布局影响因素多元回归相关性分析

研究利用多元线性回归分析，通过多元回归方程的标准化系数和显著性反映不同类型餐饮店铺数量和各影响因素之间的相关性，并进一步对比不同影响因素对餐饮空间布局的影响程度（表3、4）。

表3 影响因素多元回归相关性汇总表

表4 影响因素多元回归相关性分类排序表

需求端相关因素中，常住人口、户籍人口、医院数量的相关性较为显著。常住人口与传统和到家型店铺的布局呈显著正相关，户籍人口则显著负相关，说明相对于到店型、综合型这类重视实体综合消费体验的餐饮设施，分布最广的传统餐饮和即时配送的外卖餐饮消费门槛低、便捷度高，消费群体集中在实际居住人口而非户籍人口。传统型店铺对商服规模呈现较高相关性，表明传统餐饮仍然依赖传统商业形式。到店型、综合型店铺与商务办公规模呈现较高相关性，表明到店服务的模式多适应办公需求。

供给端要素方面，地价水平相关性较显著。地价与4类餐饮布局均呈现负相关，其中对到家型店铺的负相关最为明显，说明到家型店铺对租金成本更为重视。周边设施服务方面，医院与4 类餐饮均呈现高相关度，线上经营的类型相关度更高，既有文献也有相似结论[11，18]，说明医院周边相关人群行为对餐饮服务的数量和质量要求较高；到家型店铺仅与高校数量呈现出显著相关；旅游景点数仅与到店型店铺呈现高相关度，侧面体现旅游景点与美食团购的利益相关性。

中转环节的交通要素均呈现了显著的相关性。对于公交站数量，店铺线上化程度越低，相关度越高，说明线下设施更倾向于考虑公交站点；地铁站数量与线上经营的3类餐饮空间布局均显著相关，说明越综合的线上化模式越倾向于考虑靠近更适合商业综合开发的地铁站点。

总体而言，传统型、到家型的布局与需求端要素相关度更高；到店型、综合型的布局与供给端、中转环节要素相关度更高。线上化餐饮对公共交通设施的要求更高；传统和到家型宣传成本较低，没有“团购”服务带来的宣传效应吸引远距离的消费者，更重视是否临近客源；经营外卖的到家型、综合型店铺对成本控制的要求更苛刻，受到周边地价的限制相对另外两类更显著。

5 基于地理加权回归的区域差异化餐饮空间布局机制研究

5.1 模型构建与验证

基于多元回归方程的标准化系数，选取常住人口、医院数量、路网密度3 个相关性显著且有一定典型性的餐饮空间布局影响因素指标，利用ARCGIS 10.6 的地理加权回归工具，分析各类餐饮空间布局关键因素的区域差异化配置机制。为便于比较分析，在地理加权回归前先通过Z-score 标准化对变量作归一化处理，公式如下：

式中：μ为原始数据的均值，δ为原始数据的标准差。经过处理的数据的均值为0，标准差为1。

由地理加权回归得出回归系数及相关性检验报告（表5）。其中R2值表示模型拟合度，越接近1 说明拟合度越高，本研究中的拟合度范围为[0.760，0.848]，均大于0.75，有较好的模型解释度。

表5 四类餐饮设施数量及其空间布局因素相关性检验报告

需要特别说明的是，中心城区和近郊人口占了北京市总人口的80%以上，其他区域的回归系数解释度较低，因此本部分的分析范围不包括密云、平谷、怀柔、门头沟、延庆5 个市辖区。

5.2 模型分析结果

5.2.1 常住人口对餐饮空间布局的影响

北京市的传统和到家型餐饮与常住人口要素呈正相关关系，高相关性区域主要集中在北京市东部的朝阳、通州、顺义区。传统型和到家型的相关性系数范围为[0.16，1.26]、[0.13，1.32]，显著高于到店型和综合型餐饮，说明相比到店、综合型，传统、到家型高度依赖邻近区域的客流（图6）。

图6 传统型（a）与到家型（b）与常住人口地理加权回归系数

5.2.2 医院数量对餐饮空间布局的影响

北京市医院数量与餐饮设施布局总体呈正相关关系，传统型和到店型的高相关区域集中在北京市中心城区东侧，到家型、综合型则集中在东侧和北侧。在中心城区东部，传统型、到店型这类需要线下就餐的店多在医院周边聚集。4 类餐饮的相关性系数分别为[0.02，0.35]、[0.04，0.65]、[0.14，0.65]、[0.38，0.41]，到家、到店型的相关性较高但差异大，综合型的整体相关性水平都较高，说明线上化经营的餐饮店布局会更多考虑周边设施（图7）。

图7 传统型（a）、到家型（b）、到店型（c）、综合型（d）与医院数量地理加权回归系数

5.2.3 路网密度对餐饮空间布局的影响

北京市路网密度与餐饮设施布局总体呈正相关关系，传统型、到家型、到店型的高相关区域集中在北京市海淀、朝阳、顺义、昌平区，说明在常住人口和就业人口较集中的区域中，餐饮店铺更倾向于在路网密度高的地方布局。4 类餐饮的相关性系数分别为[-0.03，0.30]、[0.08，0.48]、[-0.09，0.42]、[0.27，0.31]，传统、到家、到店型的相关性较高但差异大，综合型整体相关性水平较高且地区分异小，说明综合型餐饮整体对路网密度要求都较高（图8）。

图8 传统型（a）、到家型（b）、到店型（c）、综合型（d）与路网密度地理加权回归系数

结论与讨论

本文基于大众点评数据，将不同线上化模式的O2O餐饮设施分为4 类，对比消费线上化趋势下的不同类型餐饮设施分布特征，从兼顾供需两端的视角，分析以餐饮为代表的小型商业设施布局的关键影响因素及其回归系数的地理空间分异情况，得出以下结论：

（1）消费线上化影响下，不同类型线上化模式的商业空间分布发生分异，线上化程度越高、服务越集中于供给端的餐饮空间越倾向于中心化集聚。

传统餐饮分布范围最广，综合型则最集中于中心城区，高餐饮线上化率的地区基本都具有经济发达或人口集聚的特征。到家型餐饮尤其集中于中心城区边缘，但到店型餐饮在市中心更集聚，总体分布范围也更广。说明侧重需求端获取服务的到家型餐饮在基层社区渗透更广，侧重供给端空间体验的到店型、综合型餐饮更倾向于靠近城市中心区位或者郊区商业中心。

（2）基于中心地理论的商业布局规律仍然适用，但线上化对供需端侧重点的改变促成了差异化的关键布局因素和布局机制。

供需端侧重不同，线上餐饮布局影响因素也不同，对于线上餐饮空间，近需求端业态的集中布局区域多与人口中心有关，而近供给端的业态往往与公共服务中心结合配置。到家型餐饮布局倾向于考虑需求端要素，如常住人口数量；而以线下体验为主的到店型、综合型餐饮布局更多考虑供给端要素，如到店型餐饮更多邻近旅游景点，综合型则多靠近地铁站点分布。总体上看，到家型餐饮对成本控制的要求更为苛刻，客源数量、地价水平均为重要的考虑因素；到店型餐饮多邻近商务办公和旅游景点，主要面向具有一定消费能力的群体；综合型餐饮布局主要考虑周边公共设施，且受地价影响明显。

（3）城市小型商业设施的选址竞争呈现由中心向近郊地理扩散的特征，从传统的市中心商业优势区位向近郊人群主要分布区转移。

与常住人口数量相关性高的区域集中于北京市中心城区的东部、南部，医院数量、路网密度的回归系数则在北京市中心城区东部、东北部、北部、西北部较高，总体上呈现出“近郊职住人口规模较大的区域回归系数更高，对典型相关布局影响因素更加敏感”的共性特征。说明在消费线上化影响下，城市小型商业设施的选址竞争发生了地理空间上的扩散，从传统靠近城市中心的综合性商业优势区位向近郊人群分布区这类新兴商业优势区位转移。

供需线上化背景下，线上平台的加入改变了餐饮服务对供给、需求端的侧重，也影响了餐饮空间的分布规律，因此需要有相适应的城市商服设施配置。一方面，尽管配送、销售环节部分线上化，但并未改变餐饮空间在短时间内供需匹配的要求，因此整体对侧重供给端服务环境的传统商业优势区位仍有依赖；另一方面，线上化强化了近供给端和近需求端两种不同服务方式在空间分布和影响因素上的分异，使得近需求端的小型商业设施分散化且靠近基层社区，近供给端的更中心化且靠近公共中心。以餐饮为代表，未来城市在配置小型商业设施时，宜根据商业的供需匹配特征考虑功能更细分的配置方式，针对服务集中于供给端或集中于需求端，进行差异化的空间布局。

本研究对比探讨了消费线上化背景下不同类型线上餐饮空间的供需差异及其影响因素，提出了未来城市小型商服设施的规划建议，但并未进一步研究体系中各要素之间的影响机理，仍需在未来的研究中继续深入探索。

图、表来源

本文所有图、表均由作者根据研究内容及数据分析自行绘制。

注释

1）数据来源：前瞻产业研究院https://bg.qianzhan.com/。