南京市国有商业银行空间特征与商业集聚关联分析

发布时间：2021-09-23 06:37

　　针对多业态识别对高精度大样本数据的要求,运用Ripley’s K函数、核密度估计、局部Getis-Ord G^*等方法对南京市国有商业银行空间分布格局及其商业影响机制进行分析。结果表明:1)国有商业银行存在多尺度空间集聚特征,表现出"块状-指状-点状"多中心分布结构,并沿东北-西南方向蔓延。2)网点密度由中心区向外围逐级递减,依托路网分布的银行密集区与识别的银行密度中心分布总体一致。3)商业发育程度不同的街道形成了不同规模的银行网点聚集,越靠近核心商圈,辐射效应越强。4)除商业中心外,商业人口、商业经济、商业业态和商业交通均与银行网点呈正相关。研究从方法学上拓展了POI数据在人地关系中的应用,并为优化银行网点在商业空间的选址提供了参考。 

【文章来源】：测绘科学技术学报. 2020,37(04)北大核心

【文章页数】：7 页

【部分图文】：

南京市主城6区示意图

结合城区地形与实际道路情况,分别选取小(300 m)、中(500 m)、大(800 m)3种服务半径。从缓冲半径来看,90.78%的银行分布在大范围缓冲区。建设银行网点数最多,占比高达95.15%,约是中国银行的1.5倍,在白下路-大光路-紫金路、北安门街-龙蟠路、中央路-中山路、上海路、汉中路附近形成了依托主次干道分布的网点集群,如图2所示。从路网密度来看,道路密度最大在秦淮区,为1.35 km/km2,南北向通达度较高,银行设点最多;建邺区通达性较弱,路网密度为0.43 km/km2,银行数相对较少;雨花台区路网密度最小,仅为0.27 km/km2,银行数也最少。

从重心来看,商业重心位于主城区中山路与汉口路交汇口北向997.67 m处,与银行网点一同位于硬核地区市中心附近。如图3(a)所示,银行重心点重叠度较高。比较5类银行重心与商业重心的距离由近及远依次为:农业银行、建设银行、中国银行、工商银行、交通银行,最近为33.86 m,最远达899.77 m,说明农业银行到硬核商圈的交通便捷度最高,吸引周围商区商业客流能力较强。如图3(b)所示,全部银行的重心距商业重心仅165.11 m,说明两类网点空间分布匹配度较高。主要源于核心商圈刺激促使商业与金融服务设施在局部空间出现聚合联动发展。已有研究指出金融业分布受到硬核区商业布局的影响[17],这与本文的研究结论一致。3.2 与商业中心的关系

【参考文献】：
期刊论文
[1]基于兴趣点（POI）大数据的东北城市空间结构分析[J]. 薛冰,肖骁,李京忠,谢潇.  地理科学. 2020(05)
[2]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[J]. 陈洪星,杨德刚,李江月,武荣伟,霍金炜.  地理科学进展. 2020(05)
[3]基于POI数据的大型零售商业设施空间布局与业态差异——以广州市为例[J]. 周丽娜,李立勋.  热带地理. 2020(01)
[4]银行网点与商服用地基准地价的空间耦合性分析——基于青岛市中心城区的实证研究[J]. 宗恒康,李斌,韩磊.  测绘与空间地理信息. 2019(11)
[5]地理要素对旅游城市商业银行空间分布的影响——以桂林市区为例[J]. 邹静,邓晓军.  经济经纬. 2019(03)
[6]吉林省地名文化景观空间分布特征及成因分析[J]. 魏双建,郗笃刚,沈健.  测绘科学技术学报. 2018(02)
[7]基于平面与网络核密度估计的南京市主城区ATM机分布热点探测[J]. 钱天陆,苑振宇,倪建华,席唱白,王结臣.  科技通报. 2018(01)
[8]基于Ripley’sK函数的南京市ATM网点空间分布模式研究[J]. 王结臣,卢敏,苑振宇,芮一康,钱天陆.  地理科学. 2016(12)
[9]一种综合位置签到数据和景点分级信息的旅游景点评价方法[J]. 李响,张晶,江南,赵婷,杨飞.  测绘科学技术学报. 2015(04)
[10]上海市ATM机空间分布特征与机制[J]. 范娇娇,苏勤,唐云云,张定.  资源开发与市场. 2014(09)

硕士论文
[1]广州市珠江新城商业空间布局结构研究[D]. 孔咏宁.华南理工大学 2013



本文编号：3405224