基于POI数据的西安市零售业空间格局及影响因素研究

发布时间：2021-08-31 06:50

　　基于POI数据,利用核密度估计、缓冲区分析等方法刻画西安零售业空间集聚状态,确定零售业分布核心范围,并利用双变量空间自相关分析、近邻分析等方法探究零售行业之间的空间集聚关系,以及零售业与居住小区、交通因素的空间关系。研究表明:①西安市零售业呈"中心-外围"结构,以钟楼为中心连片集聚分布,在距离钟楼16 km范围内为零售业分布核心区,在阎良、高陵、临潼、鄠邑4个郊区呈"孤岛"状集聚。②文化、体育用品及器材零售,纺织、服装及日用品零售业更倾向于在内城分布,而汽车、摩托车、零配件和燃料及其他动力销售业,五金、家具及室内装饰材料零售集中在租金低但交通方便的城市中心外围。③集聚效应、人口分布与路网影响零售业的空间分布。与居民日常生活关系密切的零售行业如综合零售,食品、饮料及烟草制品零售,纺织、服装及日用品零售等在空间上集聚以接近消费者,分享消费市场和空间场地,而耐用品零售行业如汽车、摩托车、零配件销售业,家具及室内装饰材料零售等倾向于自身集聚,以共享品牌效应。交通干线尤其是城市二级道路明显影响零售网点的空间分布。 

【文章来源】：地理科学. 2020,40(05)北大核心CSSCICSCD

【文章页数】：10 页

【部分图文】：

2017年西安市市区零售业核密度空间分布

零售业分行业中微观空间分布及区位选择规律。沿道路集聚呈现的带状分布特征，如康复路服装及日用品零售集聚，天台路沿线汽车及配件零售；围绕交通枢纽、公共服务设施（如知名医院之于医药及医疗器械零售，省体育场之于体育用品零售）、地区中心（如韦曲、土门、三桥等）集聚形成点状集聚区；部分行业（如家具及室内装饰材料零售）受场地-租金约束特而在郊区集聚的特性，等等。在这些规律的约束、引导下零售业形成了传统的商业中心、商业街区、专业化批发零售市场。3 零售业空间格局影响因素分析

2）零售业临街布局的特性及交通便利性影响。已有研究关注了零售业与路网密度的关系，得出共识即路网密度越高，零售业越密集。本文在此主要考察零售网点与市区一级、二级道路网的空间关系。利用ArcGIS计算生成零售业网点到道路的近邻表进行统计分析。(1)利用Grapher 11进行数据分布分析，生成箱型图（图6）。可以发现，网点到二级道路最近距离正常值集中在13.8～39.5 m，中位数为20.2 m，明显小于网点到一级道路距离值的正常值区间和中位数，且分布更集中。两组数据对比表明，零售业与倾向于接近密集的二级道路。(2)将零售网点与道路最近距离按10 m为间隔，统计不同距离区间内零售网点数量占总网点数的比例，发现，零售业分布峰值出现在距二级道路10～20 m范围内，比例接近37%；网点与一级道路距离的峰值出现在20～30 m范围内，仅为16.5%（图7）。所以，零售网点与城市二级道路的距离更接近，临街布局规律更明显。图6 2017年西安市零售网点到交通干线的近邻距离箱型图

【参考文献】：
期刊论文
[1]秦巴山区乡村交通环境脆弱性及影响因素——以陕西省洛南县为例[J]. 杨晴青,刘倩,尹莎,张戬,杨新军,高岩辉.  地理学报. 2019(06)
[2]上海市主城区公共服务设施网点分布的空间异质性[J]. 刘承良,薛帅君.  人文地理. 2019(01)
[3]基于街道尺度的西安市零售业空间分布特征及其影响因素[J]. 王雪,白永平,汪凡,马卫.  干旱区资源与环境. 2019(02)
[4]我国中部地区不同等级城市零售业空间布局特征研究[J]. 蔡爱玲,王钧,李婧贤,杜依杭.  北京大学学报(自然科学版). 2018(05)
[5]北京市零售业空间格局研究[J]. 李哲,申玉铭.  城市发展研究. 2018(06)
[6]基于夜光遥感与POI数据空间耦合关系的南海港口城市空间结构研究[J]. 于丙辰,刘玉轩,陈刚.  地球信息科学学报. 2018(06)
[7]基于POI数据的巨型城市消防站空间优化——以北京市五环内区域为例[J]. 徐智邦,周亮,蓝婷,王中辉,孙立,武荣伟.  地理科学进展. 2018(04)
[8]基于POI的厦门城市商业空间结构与业态演变分析[J]. 李伟,黄正东.  现代城市研究. 2018(04)
[9]基于POI大数据的重庆主城区多中心识别[J]. 段亚明,刘勇,刘秀华,王红蕾.  自然资源学报. 2018(05)
[10]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)



本文编号：3374419