大数据视角下的商业中心和热点区分布特征及其影响因素分析——以乌鲁木齐主城区为例
发布时间：2021-06-29 21:14
商业空间结构是城市经济活动的重要载体,识别商业中心和商业热点区以及探究其影响因素对于商业资源优化配置显得尤为必要,进而指导城市有序发展。论文以乌鲁木齐主城区为例,利用开放平台大数据兴趣点（point of interest, POI）,采用地理学空间统计方法定量识别商业中心和商业热点区,对商业分布和空间集聚特征进行分类和解读,并利用地理探测器方法探寻其影响因素。主要结论如下:①乌鲁木齐市商业高值区分布在吐乌大高速—和平渠沿线地带,大型商业中心主要有南湖商圈、中山路商圈、友好商圈、会展商圈、米东商圈、铁路局商圈。②商业热点区呈现"T型"双轴分布,北部新城商业地带与南部传统商业地带共同构成乌鲁木齐市最具活力的商业地带;6类商业热点区的分布可归纳为3种类型,商务和金融服务类为单一点状型,住宿和餐饮服务类为带状延伸型,生活与购物服务类为带状双核型。③地价、集聚效应、路网密度等是影响商业宏观分布的主要因素,其次为人口密度和中心可达性,自然因素如高程、地形起伏度等对商业布局影响有限;各因素对不同类型商业业态的影响程度各异,如人口密度、路网密度对购物类影响较大,中心可达性和地价对于商务、金融类影响较...
【文章来源】：地理科学进展. 2020,39(05)北大核心CSSCICSCD
【文章页数】：13 页
【图文】：
研究区位置Fig.1Locationofthestudyarea
.59,12.62]、[12.63,25.30]、[25.31,37.93]、[37.94,97.90]5个密度区间，其他类型分类结果见表2。1.2.2核密度估计法核密度估计法可以将商业POI的密度值换为不同等级的栅格以进行空间分析。此方法应用地理学第一定律进行分级，基本原理是假设在每个矢量点的上方有一个平滑的曲面，在点所在位置处表面值最高，与点的距离变大则该值减小，在与点的距离等于搜索半径(即带宽h)的位置处表面值为零。采用如下公式计算：f(s)=∑i=1n1πh2Kè÷dish(2)注：图b为路网图层，c为街区图层。图2城市路网及地块单元Fig.2Urbanroadnetworkandparcels图3头尾打断分类法示意Fig.3Schematicdiagramofhead/taildivisionrule表1商业POI分类及各类型比例Tab.1Classificationofcommercialpointsofinterest(POIs)andtheproportionofeachclass主类餐饮服务购物服务住宿服务金融保险服务商务服务生活服务亚类糕饼店、外国餐厅、快餐店、冷饮店、甜品店、餐饮相关场所、饮茶馆、咖啡厅、茶艺馆便民商店、家居建材市尝特色商业街、服装鞋帽皮具店、专卖店、文化用品店、超市、购物相关场所、家电电子卖尝体育用品店、商尝花鸟鱼虫市尝综合市尝特殊买卖场所宾馆、酒店、旅馆、招待所、住宿服务相关场所保险公司、财务公司、银行、ATM、证券公司、金融保险服务机构商务写字楼、商住两用楼宇旅行社、美容店、摄影冲印店、事务所、售票处、物流速递点、洗衣店、洗浴推拿、中介机构、药店、诊所、驾校、培训机构占比/%31.5838.222.861.761.8123.76740
芯糠椒?本文研究思路分3个部分：一是利用头尾打断分类法(head/tailbreaks)和核密度估计法探究商业布局的全局特征，识别商业网点集聚地及判定商业中心；二是从局域角度出发，利用局域Getis-OrdG*指数方法探讨各类型商业冷热点布局特征；三是选取影响商业空间分布的自然、社会、经济等因子，利用地理探测器和Pearson相关系数矩阵，测度各因子对整体以及各商业业态类型布局的解释力，并探究各业态类型组合方式对商业空间格局的影响。1.2.1头尾打断分类法本文采用头尾打断分类法用于识别各类型高密度POI的街区单元(图3)。该方法是一种新的数据分类法[29]，其理论基础来于二分法的思想和齐普夫经验法则，一改以往高斯分类中关注高频数据而忽视低频数据的做法，在实践中更加关注低频数据。考虑到高密度POI的街区出现频率较低，而低密度的街区出现频率高，显然头尾打断分类法更符合其统计学原理，适合POI数据的等级结构分类和量化处理。头尾打断分类法首先将所有样本数据根据平均值分为头部和尾部，选择头部数据开始迭代分类并循环此过程，直到头部数据不再遵循头尾分布，已有研究表明当头部数据所占比例达40%左右可以认为达标[30]。将街区与POI数据构建空间连接，并计算密度，作为分类依据，计算公式如下：ξi=Ci/Ai(1)式中：ξi代表街区POI密度，Ci表示第i个街区内的POI数量，Ai代表第i个街区的面积。以商务服务类兴趣点为例，密度最大值为97.90，最小值为0，平均值为0.57，则按照上述分类法则可分为[0,0.58]、[0.59,12.62]、[12.63,25.30]、[25.31,37.93]、[37.94,97.90]5个密度区间，其他类型分类结果见表2。1.2.2核密度估计法核密度估计法可以将商业POI的密度值换为不同等级的栅格以
【参考文献】：
期刊论文
[1]基于POI数据的北京市商业中心识别与空间格局探究[J]. 曹芳洁,邢汉发,侯东阳,徐海滨,孟媛,郭旋. 地理信息世界. 2019(01)
[2]基于POI数据的郑州市文化设施的区位布局特征与影响因素研究[J]. 赵宏波,余涤非,苗长虹,李光慧,冯渊博,别乾龙. 地理科学. 2018(09)
[3]基于POI大数据的城市零售业空间热点分析——以辽宁省沈阳市为例[J]. 薛冰,肖骁,李京忠,姜璐,谢潇. 经济地理. 2018(05)
[4]基于签到数据的城市商业空间空心化识别研究——以北京市城六区为例[J]. 王晓梦,王锦,朱青. 城市发展研究. 2018(02)
[5]基于POI数据的长春市商业空间格局及行业分布[J]. 浩飞龙,王士君,冯章献,于婷婷,马丽. 地理研究. 2018(02)
[6]北京批发企业空间格局演化与区位选择因素[J]. 韩会然,杨成凤,宋金平. 地理学报. 2018(02)
[7]微观尺度下基于商圈的北京市商业空间结构优化[J]. 王芳,牛方曲,王志强. 地理研究. 2017(09)
[8]武汉市城市空间集聚要素的分布特征与模式[J]. 焦利民,李泽慧,许刚,张博恩,董婷,谷岩岩. 地理学报. 2017(08)
[9]广州市零售商业中心的居民消费时空行为及其机制[J]. 傅辰昊,周素红,闫小培,柳林,陈蔚珊. 地理学报. 2017(04)
[10]地理探测器:原理与展望[J]. 王劲峰,徐成东. 地理学报. 2017(01)
硕士论文
[1]成都市城市商业空间发展研究[D]. 刘晓倩.西南交通大学 2008
本文编号：3257173
【文章来源】：地理科学进展. 2020,39(05)北大核心CSSCICSCD
【文章页数】：13 页
【图文】：
研究区位置Fig.1Locationofthestudyarea
.59,12.62]、[12.63,25.30]、[25.31,37.93]、[37.94,97.90]5个密度区间，其他类型分类结果见表2。1.2.2核密度估计法核密度估计法可以将商业POI的密度值换为不同等级的栅格以进行空间分析。此方法应用地理学第一定律进行分级，基本原理是假设在每个矢量点的上方有一个平滑的曲面，在点所在位置处表面值最高，与点的距离变大则该值减小，在与点的距离等于搜索半径(即带宽h)的位置处表面值为零。采用如下公式计算：f(s)=∑i=1n1πh2Kè÷dish(2)注：图b为路网图层，c为街区图层。图2城市路网及地块单元Fig.2Urbanroadnetworkandparcels图3头尾打断分类法示意Fig.3Schematicdiagramofhead/taildivisionrule表1商业POI分类及各类型比例Tab.1Classificationofcommercialpointsofinterest(POIs)andtheproportionofeachclass主类餐饮服务购物服务住宿服务金融保险服务商务服务生活服务亚类糕饼店、外国餐厅、快餐店、冷饮店、甜品店、餐饮相关场所、饮茶馆、咖啡厅、茶艺馆便民商店、家居建材市尝特色商业街、服装鞋帽皮具店、专卖店、文化用品店、超市、购物相关场所、家电电子卖尝体育用品店、商尝花鸟鱼虫市尝综合市尝特殊买卖场所宾馆、酒店、旅馆、招待所、住宿服务相关场所保险公司、财务公司、银行、ATM、证券公司、金融保险服务机构商务写字楼、商住两用楼宇旅行社、美容店、摄影冲印店、事务所、售票处、物流速递点、洗衣店、洗浴推拿、中介机构、药店、诊所、驾校、培训机构占比/%31.5838.222.861.761.8123.76740
芯糠椒?本文研究思路分3个部分：一是利用头尾打断分类法(head/tailbreaks)和核密度估计法探究商业布局的全局特征，识别商业网点集聚地及判定商业中心；二是从局域角度出发，利用局域Getis-OrdG*指数方法探讨各类型商业冷热点布局特征；三是选取影响商业空间分布的自然、社会、经济等因子，利用地理探测器和Pearson相关系数矩阵，测度各因子对整体以及各商业业态类型布局的解释力，并探究各业态类型组合方式对商业空间格局的影响。1.2.1头尾打断分类法本文采用头尾打断分类法用于识别各类型高密度POI的街区单元(图3)。该方法是一种新的数据分类法[29]，其理论基础来于二分法的思想和齐普夫经验法则，一改以往高斯分类中关注高频数据而忽视低频数据的做法，在实践中更加关注低频数据。考虑到高密度POI的街区出现频率较低，而低密度的街区出现频率高，显然头尾打断分类法更符合其统计学原理，适合POI数据的等级结构分类和量化处理。头尾打断分类法首先将所有样本数据根据平均值分为头部和尾部，选择头部数据开始迭代分类并循环此过程，直到头部数据不再遵循头尾分布，已有研究表明当头部数据所占比例达40%左右可以认为达标[30]。将街区与POI数据构建空间连接，并计算密度，作为分类依据，计算公式如下：ξi=Ci/Ai(1)式中：ξi代表街区POI密度，Ci表示第i个街区内的POI数量，Ai代表第i个街区的面积。以商务服务类兴趣点为例，密度最大值为97.90，最小值为0，平均值为0.57，则按照上述分类法则可分为[0,0.58]、[0.59,12.62]、[12.63,25.30]、[25.31,37.93]、[37.94,97.90]5个密度区间，其他类型分类结果见表2。1.2.2核密度估计法核密度估计法可以将商业POI的密度值换为不同等级的栅格以
【参考文献】：
期刊论文
[1]基于POI数据的北京市商业中心识别与空间格局探究[J]. 曹芳洁,邢汉发,侯东阳,徐海滨,孟媛,郭旋. 地理信息世界. 2019(01)
[2]基于POI数据的郑州市文化设施的区位布局特征与影响因素研究[J]. 赵宏波,余涤非,苗长虹,李光慧,冯渊博,别乾龙. 地理科学. 2018(09)
[3]基于POI大数据的城市零售业空间热点分析——以辽宁省沈阳市为例[J]. 薛冰,肖骁,李京忠,姜璐,谢潇. 经济地理. 2018(05)
[4]基于签到数据的城市商业空间空心化识别研究——以北京市城六区为例[J]. 王晓梦,王锦,朱青. 城市发展研究. 2018(02)
[5]基于POI数据的长春市商业空间格局及行业分布[J]. 浩飞龙,王士君,冯章献,于婷婷,马丽. 地理研究. 2018(02)
[6]北京批发企业空间格局演化与区位选择因素[J]. 韩会然,杨成凤,宋金平. 地理学报. 2018(02)
[7]微观尺度下基于商圈的北京市商业空间结构优化[J]. 王芳,牛方曲,王志强. 地理研究. 2017(09)
[8]武汉市城市空间集聚要素的分布特征与模式[J]. 焦利民,李泽慧,许刚,张博恩,董婷,谷岩岩. 地理学报. 2017(08)
[9]广州市零售商业中心的居民消费时空行为及其机制[J]. 傅辰昊,周素红,闫小培,柳林,陈蔚珊. 地理学报. 2017(04)
[10]地理探测器:原理与展望[J]. 王劲峰,徐成东. 地理学报. 2017(01)
硕士论文
[1]成都市城市商业空间发展研究[D]. 刘晓倩.西南交通大学 2008
本文编号：3257173
本文链接：https://www.wllwen.com/jingjilunwen/guojimaoyilunwen/3257173.html
