西安市主城区银行业分布及集聚特征

秦泗刚，段汉明

(1.山东理工大学建筑工程学院，山东淄博　255049；2.西北大学城市与环境学院，陕西西安　710127)

西安市主城区银行业分布及集聚特征

秦泗刚1,2，段汉明1

(1.山东理工大学建筑工程学院，山东淄博255049；2.西北大学城市与环境学院，陕西西安710127)

摘要：以西安市银行网点为研究对象，运用GIS与地统计学相结合的分析方法，对银行空间分布、集聚特性、集聚区布局及形成机制等进行研究.结果表明，西安市银行空间呈同心圆环状向心分布，并沿城市主干道由城市中心向外围延伸.城市层面，银行空间呈现倒“U”型集聚特征，距离为4.1 km处显著集聚且趋势最强；中小尺度层面，形成了多层次的银行集聚区，一阶热点区数量多，集聚程度差异大,二阶热点区数量少，集聚程度相似，集聚方向与交通干线方向大体一致；空间尺度不同，银行集聚区形成机制差异较大，小尺度集聚区形成主要受到交通便利性的影响，较大尺度银行集聚区则更加关注服务对象.

关键词：银行；空间分布；集聚性；热点区；西安市

20世纪60年代以来，在全球化的推动下，世界经济正由工业型经济向服务性经济转变，生产性服务业逐渐成为城市与区域经济增长的主要动力.银行业作为生产性服务业的重要组成部分，对其空间进行分析成为经济地理学、城市地理学研究的重要内容.从地理学角度对银行空间系统进行研究源于金融地理学，劳拉詹南在《金融地理学》一书中分析了银行区位、组织和集聚的过程，指出以银行为主体的金融服务业在城市内部集中，产生了一种新兴的城市经济功能集聚区，即城市金融中心[1].国外学者早期多关注货币、空间和地点之间的关系，银行业空间系统的演化成为重要研究课题之一[2].随着全球贸易、生产网络的发展，研究视角转向银行网点国际化扩张[3,4]、金融中心构建[5,6]、金融空间格局[7,8]等领域.近年来，除了继续加强对金融中心等领域的研究，西方学者更加重视区域和城市层面金融服务机构的空间组织[9,10]，认为宏观上金融服务业趋于多中心集聚趋势，集聚经济仍然对都市区内部的区位活动产生影响；微观上，受交通区位、经济发展水平、消费习惯等不同因素的作用，城市内部形成了不同类型的金融服务业集群.

与国外相比，我国研究起步较晚，目前主要集中在金融机构选址研究[11,12]、银行空间格局与过程研究[13,14]、影响因素和形成机制研究[15,16]等领域，研究多涉及宏观区域尺度，中微观尺度研究不足，尤其是缺乏不同尺度空间聚集性以及对城市特定区位集聚的研究.

城市是最主要的资金盈余区和需求区，在当前，国内不少城市纷纷提出打造“金融中心”的目标，对如何引导金融服务业进一步集聚形成“金融中心”和“金融中心体系”存在很多困惑.文中以西部地区重要的中心城市西安为研究对象，运用GIS与地统计学相结合的分析方法，对西安市银行业空间分布与集聚特征进行分析，以期为银行业的合理布局及城市规划管理提供一定的理论支撑.

1数据来源与研究方法

1.1数据来源

研究区以古城商业中心为中心，以绕城高速公路为基本轮廓，包括新城区、碑林区、莲湖区全部范围，同时涉及到雁塔区、未央区、灞桥区等3个区的大部分地区，面积约468 km2，该区域是西安市传统意义上的主城区.研究数据来源于3个方面：① 中国银行业监督管理委员会公布的西安市银行网点;② 《西安黄页2012》，从中提取银行业营业网点;③ 实地调研获取的数据进行确认和补充.实地调研区域主要有西安市古城墙内传统中心区、高新路、科技路、沣惠南路、纺新街、金花路、土门、小寨、三桥立交、城北行政中心等区域.银行网点形式包括分行、支行、储蓄所、分理处、营业所、信用社等，但不包括ATM等银行自助网点形式.截止到2012年底，研究区内共有各类银行网点1 113个，其中分行31个，支行754个，其他形式的银行网点328个(表1).根据银行网点的地址信息，参照2012年西安市电子地图及交通图逐一进行人工匹配，建立了西安市银行网点布局的空间分布数据库(图1).

表1　不同形式银行网点数量及其所占比重

图1　西安市银行空间分布

1.2研究方法

1.2.1核密度核密度分析是空间分析中运用最广泛的非参数估计技术，通过核函数可将离散分类数据变成连续变量，能够直观、简洁地反映出地理要素的空间分布特征[17,18].核密度估计方法定义为[17]

(1)

其中,λτ(s)为s处的密度;si为第i个观测点的向量位置；k(·)为核密度方程，是一个双变量的概率密度函数；τ为带宽，τ>0，用来定义平滑量的大小；d为数据的维数.文中采用四次多项式函数，数据的维数为2，计算公式为[17]

(2)

将(2)式代入到(1)式中，得

(3)

其中，hi是核密度函数中心点s与影响区内各个观测点si之间的距离.函数中心点s处密度最大,随距离衰减,到极限距离处(hi=τ)密度为0.

1.2.2RipleyK函数RipleyK函数是以点图为基础分析不同尺度空间分布特征的常用方法.RipleyK函数定义为[17]

(4)

i,j=1,2,…,n;i≠j,dij≤d；

其中，K(d)是以任意点为中心、半径为d的区域内银行网点的数量总和除以密度；A为研究区域面积；wij(d)为在距离d范围内银行网点i与银行网点j之间的距离；n为银行网点个数.

为保持方差稳定，Besag提出用L(d)取代K(d)，对K(d)作开方变换，即[19]

(5)

L(d)>0表示银行网点空间聚集分布；L(d)< 0表示银行网点空间呈扩散分布；L(d)=0表示银行网点随机分布.

1.2.3分级热点探测地理现象之间具有空间相关性，不独立的空间分布特征使得传统的数理统计方法无法解释空间数据间的相互关系，空间统计学的分析方法能够很好地解决这一问题.热点(hot spot)探测分析是空间统计学研究点状地物空间集聚性常用的方法，该方法类似于空间聚类分析，在研究区范围内寻找点状地物分布密度显著不同于其他地方的子区域，视为热点.热点探测依据临近距离(nearest neighbor)规则，首先定义一个“聚集单元”(cluster)和“极限距离阈值”(fixed distance)，通过比较聚集单元与每一银行网点的距离，来确定银行网点是否被计入该聚集单元，据此将研究区内所有银行网点聚类成若干集聚区，称为一阶(first order)热点区.对一阶热点区进行聚类得到二阶(second order)热点区，以此类推便可得到不同层次的热点区[17].分析比较不同层次热点区内银行数量以及热点区的空间走向，可以了解城市不同尺度空间范围内银行空间集聚区位、集聚程度及集聚的方向性等信息.

2西安市银行业空间分布特征

2.1总体上呈同心圆环状向心聚集

根据西安市城市空间结构的特点，将研究区域划分为3个圈层：第一圈层是西安市的“核心圈层”,由明城墙围合而成，此圈层是以钟楼为中心的商业商务核心；第二圈层是明城墙至二环路之间的区域，该区域是西安市城市建成区的中心地带；第三圈层则是二环路以外，西安绕城高速以内所围合形成的广大区域，该区域内有高新技术产业开发区(简称高新区)、经济技术开发区(简称经开区)2个国家级开发区和曲江旅游度假开发区(简称曲江区)1个省级开发区.

对上述圈层中分布的银行网点进行统计，发现西安市银行网点的空间分布格局存在明显的圈层差异.第一圈层分布着155个银行网点，占总数的13.9%，虽然总数相对较少，但密度较高，达到11.4个·km-2；第二圈层分布着西安市34.1%的银行网点，银行网点密度为5.8个·km-2；第三圈层银行网点数量最多，达到579个，占总数的52.0%，但密度最低，仅为1.5个·km-2，银行网点密度为第一圈层的13.1%，第二圈层的25.9%.银行网点空间分布密度表现出明显的第一圈层>第二圈层>第三圈层，说明西安市银行业区位选择仍具有较强的向心性，这与西安市“单中心+多环路”的城市空间结构相一致.

2.2沿主要交通廊道从城市中心向外围延伸

西安市银行空间分布表现出明显的“交通干道依赖性”，高密度区域依附于城市干道及其周围呈带状分布，且以老城商业中心区为核心向周边延伸(图2).目前主要集聚干道有未央路—北大街—南大街—长安南路(地铁2号线)、韩森路—东大街—西大街—沣镐路、长乐路—莲湖路—枣园路(地铁1号线)、西影路—小寨路—科技路(地铁3号线)，附着在干道上的银行数量达到375个，占总数的33.7%，平均每公里范围内有银行5.2个.其中未央路—北大街—南大街—长安路上银行数量最多，达到102个，而韩森路—东大街—西大街—沣镐路一线公里密度最大，为7.4个·km-1.以上述4条城市干道中心线为核心向路两侧各做0.5 km的缓冲区，分析在此缓冲区范围内银行空间分布情况，结果显示,缓冲区范围内银行数量703个，占银行总数的63.2%，而缓冲区面积仅为69.7 km2，占研究区总面积的14.9%.以上分析表明银行选址首先考虑区位条件，其分布交通指向性明显，这种空间指向促使银行向城市干道集中，形成了西安市银行空间分布的“骨架”.

图2　西安市银行空间核密度分布

3西安市银行业集聚性辨识

3.1银行空间分布具有明显的集聚性

图3显示，L(d)值大于0，并且显著高于上包迹线的值，说明西安市银行网点空间集聚分布格局明显.从L函数曲线走势来看,随着距离的增加，曲线呈现出先急剧增长后降低的倒“U”型变化，距离4.1 km处达到峰值，表明银行网点在4.1 km处集聚趋势最强，超过4.1 km范围，银行网点空间分布集聚性趋势减弱，但L(d)值仍然高于最大模拟值.由此可见,银行空间分布的峰值距离相对较小，出现在4.1 km左右，说明该行业区位可选范围相对较小，也验证了银行业多集聚于CBD和金融街等特定区域的行业选址特性[16].

图3　银行网点L函数图

3.2主城区内部存在多层次的银行集聚区

借助CrimeStat-3.2软件，对研究区范围内银行空间分布进行热点探测，探测结果如图4所示.需要说明的是，文中探测阈值、热点区内银行最低值的确定主要基于几方面考虑：① 确保热点区内银行密度相对均质且显著高于周围地区；② 避免同阶热点区之间出现空间交集；③ 同阶热点区面积相同，便于进行横向比较；④ 热点分布具有统计学意义.据此，一阶热点探测极限距离为1 km，区内银行数量最低为10个；二阶热点区是在一阶热点区基础上进行的空间再聚类，探测极限距离限定为5 km，区内分布着至少6个一阶热点区，银行密度不低于10个·km-2.

图4　西安市银行集聚区分布

热点探测结果显示,在1 km以内的小尺度空间范围内,西安市一阶热点区共有35个，而在较大空间尺度范围内,西安市银行高密度的地区只有2个.进一步分析表明，一阶热点区内共有银行453个，占总数的40.7%；二阶热点区2个，内有银行287个，占总数的25.8%.一阶热点区银行密度最高，达到25.9个·km-2，是研究区平均密度的10.8倍，二阶热点区内银行密度次之，达到11.7个·km-2，为研究区平均密度的4.9倍(表2).这说明:① 西安市银行空间分布形成了层次鲜明的集聚区；② 老城商业中心区、高新区已经形成了以银行密集分布为基本特征的金融功能区,而西安市其他地区仍然处于小尺度空间集聚状态.

表2　西安市主城区银行聚集区一览

3.3小尺度集聚区分析

3.3.1空间分布不均衡且多沿交通干道分布小尺度集聚区空间分布不均衡，存在地域偏向性.以长乐路—莲湖路—枣园路及其延长线为分界线，以北地区的银行热点区数量少，仅为3个，且主要分布在远离城市中心的西安市行政中心区，离心性明显.以南地区银行集聚区“量多面广”，围绕城市中心放射状分布，向心性较显著；以城市南北轴线未央路—长安路为分界线,热点区东少西多，空间表现上以东地区“大集聚，小分散”，向心性明显，而以西地区则具有明显“大分散，小集聚”的离心趋势.

从35个一阶热点区空间位置看,银行热点区大多与交通干道形成“串珠”状空间关系，这与银行网点的交通区位特点相一致，说明银行集聚区的区位及集聚程度受交通便利性的影响.利用ArcGIS区位选择功能，发现有22个一阶热点区与主干路具有空间相交关系，占总数的62.%，其余大多分布在主干路两侧1 km的辐射范围之内.

3.3.2集聚规模与形成机制存在较大差异银行主要服务对象是个人和企业，主要业务为经营存、放款、办理转账结算，同时满足查询、理财、缴费、支付、投资等多方面的需要.银行区位选择受多因素影响和制约，既要接近服务对象以获取金融资源，又要考虑交通区位，有益于提高银行的效率.因此，根据银行业的行业特征，文中选取了服务对象、交通区位两大影响因素，实际调研和调查问卷相结合，对35个一阶热点区进行了判读聚类，根据主要影响因素将一阶热点区划分为商业依托型、商务依托型、交通依托型、居住依托型、公共服务依托型等5种类型，结果如表3所示.

从热点区的数量分析，表现为交通依托型>商业依托型>公共服务依托型>商务依托型>居住依托型.交通依托型数量最多，达到12个，约占总数的34.3%，说明交通便利程度、交通设施的完善程度等成为制约银行网点空间布局的重要因素.商业依托型数量次之，约占总数的22.9%，商业服务设施与银行网点具有较强的空间相关现象，大型购物中心、综合性市场、传统商业中心等对银行网点具有较强的吸引力.所有的热点区类型中，居住依托型数量最少，共3个，占热点总数的8.6%.

从热点区的集聚程度来看，表现为商业依托型型>商务依托型>交通依托型型>公共服务设施依托型>居住依托型.商业依托型集聚程度最高，每个热点区内银行数量平均为15.6个，其中解放路热点区银行数量达到21个，为最小热点区银行数量的2.1倍.该类型热点区银行高度聚集，主要因为大型商业设施人流集中，资金流量大，存取款频率高.商务依托型集聚程度次之，平均达到15个，其中高新路与科技路交叉口处热点区银行数量最多，达到24个，表现出极强的空间集聚性.与主要以个人业务为主的商业型热点区相比，商务型热点区银行业务以对公业务为主，包括企业电子银行、单位存款业务、信贷业务、机构业务、国际业务、委托性住房金融、资金清算、基金托管等，因而区域产业活动交流、公司间资金流动频率、规模等是决定该类型银行空间集聚程度的重要因素.与热点区数量特征类似，热点区集聚程度仍以居住依托型最低，平均仅为10.7个，主要分布在居住区规模较大、居住环境较好、生活设施完善、交通便捷的区域，说明居住区自身规模和居住环境质量是影响居住依托型热点区集中程度最重要的因素.

表3　西安市银行网点一阶热点主要类型及特征

3.4较大空间尺度集聚区分析

3.4.1集聚程度相似，集聚方向与交通线方向一致与一阶热点区相比，二阶热点区集聚程度相似，规模相差不大.老城商业中心二阶热点区内有银行152个，银行密度为12.3·km-2；高新区二阶热点区内有银行135个，银行密度为10.9个·km-2.进一步分析发现，二阶热点区集聚方向性明显，集聚长轴方向与交通干线方向大体一致.老城商业中心二阶热点区长轴方向主要沿东大街—西大街、东五路—莲湖路两条干路东西向延伸，短轴方向基本与北大街—南大街吻合；高新区二阶热点区长轴位于沣惠南路东侧400 m左右，方向与沣惠南路一致，南北向延伸.

3.4.2二阶热点区依托西安市商业中心和商务中心，形成商业依托型和商务依托型两种类型对西安市二阶热点区的形成机制进行分析，发现较大空间尺度银行集聚区可分为商业依托型和商务依托型两种类型，且两种类型的区位与西安市业已形成的商业中心区和商务中心区相对应.

老城商业中心二阶热点区为典型的商业依托型集聚区，位于西安市几何中心地带，范围与明城墙基本一致.区内共有一阶热点区7个，其中商业依托型6个，商务依托型1个.银行总体呈带状分布,大致以莲湖路—西五路、北大街—南大街、西大街—东大街、解放路—和平路为轴分别向两侧扩散发展.这类银行集聚区主要依托各类商业设施，大量的资金流动而集聚在一起，商业中心功能引导银行在此高度聚集.老城商业中心是西安市商业最繁华地段和居民购物的主要集中地，形成了购物、餐饮、旅游、休闲、娱乐、商务为主的综合性商业中心，聚集了西安市众多知名的百货店、专卖店和商业街，如开元商城、民生百货大楼、百盛购物中心、世纪金花广场、书院门步行街等，目前已经形成了“一点(钟楼)一街(东大街)一路(解放路)”3个较大的商圈，3个商圈的位置对应于3个银行高度集聚区.

高新区二阶热点区为商务依托型集聚区，内有一阶热点区8个，其中商务依托型5个，交通依托型2个，居住依托型1个.这类银行集聚区主要依托城市中央商务区的商务环境优势集聚起来，企业孵化、种子基金、风险投资、专利与知识产权、科技成果交易、企业股改与上市等创新与创业服务的内在需求,为银行发展创造了广阔市场及持续增长的潜力.另外，银行与其他现代服务业具有明显的“共生”现象，从而形成“多业联动”的产业集聚效应，如金融、保险、房地产等形成所谓FIRE空间组合.高新区是西安市中心商务区，办公楼宇、商展中心、会议中心、酒店、会所等大量商务服务设施主要集中在二环南路、沣惠南路、高新路所围合的三角区[20,21]，该区是银行高度集中区，大量的银行在此集聚，表明尽管交通、通讯技术、电子银行的发展缩短了交流距离和降低了交流成本，但面对面的交流依然重要，接近主要服务对象、获得实时信息依然是重要的影响因素.

4结论与讨论

作为城市现代服务业的重要组成部分，银行空间布局与集聚形态既有服务业的共性特征，又有不同之处.文中以西安市1 113个银行为研究样本，运用GIS与地统计学相结合的分析方法，对西安市银行业空间分布与集聚特征进行分析，得出以下结论.

1)西安市银行空间分布不均衡，整体上表现为同心圆环状向心集聚的格局，并呈现出沿城市主干道由城市中心向外围延伸的态势.银行在城市内圈分布密度最高，由内向外，逐次递减，向心性明显.从银行在三圈内的空间分布来看，主要布局在城市主干道及其外围，说明银行与城市干道交通关系密切，干道依附性较强.

2)西安市银行分布的L函数表明，银行分布具有明显集聚性，在距离为4.1 km处集聚趋势最强，说明该行业区位可选范围相对较小，也验证了银行集聚于CBD和金融街、城市中心等特定区域的行业选址特性.

3)研究区内已经形成了多层次的银行集聚区，在1 km小尺度空间范围内，西安市一阶热点区共有35个；较大空间尺度范围内,西安市银行高密度的地区只有2个.进一步分析，老城商业中心、高新区已经形成了银行密集分布为基本特征的银行服务业功能区，其他地区银行空间分布仍以小尺度集聚为主，集聚区空间分布呈现出“大集中，小分散”的基本格局.

4)空间尺度不同，银行集聚区形成的机制差异较大.小尺度集聚区形成主要受到交通便利性的影响，22个一阶热点区与城市主干道具有“相交”关系，其中12个属于交通依托型集聚区，占一阶热点区总数的34.3%.较大尺度银行集聚区更加关注服务对象，形成商业依托型和商务依托型两种类型，银行与产业活动选择性“区位捆绑”是形成较大尺度银行集聚区的主要原因.

综上所述，西安市银行空间分布在城市层面、小尺度空间、较大尺度空间都表现出明显的集聚性，对银行集聚区的确定和分析，有助于深入认识和研究城市空间结构，为城市功能区规划建设提供理论支撑.然而限于篇幅，未能对不同结构层级和所有制形态的银行空间分布模式进行深入剖析.同时，文中仅对西安市银行空间分布现状进行探讨，未能对空间演化与重组进行分析，这些都需要在今后的研究中进一步完善.

参考文献：

[1]劳拉詹南.金融地理学[M].孟晓晨，译.北京：商务印书馆,1999:4-15.

[2]HARVEY D.TheLimitstoCapital[M].Oxford:Blackwell,1982:3-18.

[3]GOLDBERG L G,JLHNSON D.The determinants of US banking activity abroad[J].JournalofInternationalMoneyandFinance,1990,9(2):123-137.

[4]NOBUYOSHI Y.A note on the location choice of multinational banks:The case of Japanese financial institutions[J].JournalofBankingandFinance,1998,22(1):109-120.

[5]GEHRIG T.CitiesandtheGeographyofFinancialCentres[D].Washingtom,DC:C.E.P.R.Discussion Papers,1998:1-12.

[6]PORTEOUS D J.TheGeographyofFinance:SpatialDimensionsofIntermediaryBehaviour[M].Aldershot:Avebury,1995:15-220.

[7]DOW S C.The stages of banking development and spatial evolution of financial system[M]//MARTIN R.MoneyandtheSpace-Econonmy.Chichester:John Wiley & Sons,1994:1-8.

[8]LEYSHON A,THRIFT N,PRATT J.Reading financial services:Texts,consumers and financial literacy[J].EnvironmentandPlanningD:SocietyandSpace,1998,16(1):29-55.

[9]COFFEY W J,SHEARMUR R G.Agglomeration and dispersion of high-order service employment in the Montreal metropolitan region,1981-1996[J].UrbanStudies,2002,39(3):359-378.

[10]TAYLOR P,COOK G,PANDIT N,et al.Financial services clustering and its significance for London[EB/OL].[2014-06-13]http://lut.ac.uk/departments/gy/gawc/publicat1.html.

[11]黎雯,周廷刚,张伟.GIS空间分析与模糊综合评判在银行ATM网点选址中的应用[J].测绘科学,2008,33(1):229-237.

[12]柳宗伟,毛蕴诗.基于GIS与神经网络的商业银行网点选址方法研究[J].商业经济与管理,2004(9):55-59.

[13]彭宝玉,李小建.1990年代中期以来中国银行业空间系统变化研究[J].经济地理,2009,29(5):765-772.

[14]林彰平,闫小培.转型期广州市金融服务业空间格局变动分析[J].地理学报,2006,61(8):818-828.

[15]贺灿飞,刘浩.银行业改革与国有商业银行网点空间布局——以中国工商银行和中国银行为例[J].地理研究,2013,32(1)：111-122.

[16]潘英丽.论金融中心形成的微观基础——金融机构的空间聚集[J].上海财经大学学报,2003,5(1):50-57.

[17]王劲峰,廖一兰，刘鑫.空间数据分析教程[M].北京：科学出版社，2006:79-95.

[18]张景秋,贾磊,孟斌.北京城市办公活动空间集聚区研究[J].地理研究，2010,29(4):675-682.

[19]肖琛,陈雯,袁丰,等.大城市内部连锁超市空间分布格局及其区位选择——以南京市苏果超市为例[J].地理研究,2013,32(1):465-475.

[20]秦泗刚,王慧.西安城市现代商务活动发展及其空间动态[J].城市规划,2004(7):30-35.

[21]王慧,田萍萍,刘红,等.西安城市CBD体系发展演进的特征与趋势[J].地理科学,2007,27(1):31-38.

(责任编辑惠松骐)

E-mail:qinsigang_326@163.com

Spatial distribution and agglomeration of banks in Xi’an City

QIN Si-gang1,2， DUAN Han-ming1

(1.School of Architecture and Engineering，Shandong University of Technology，Zibo 255049，Shandong，China;

2.School of Urban and Resource Science,Northwest University,Xi’an 710127，Shaanxi，China)

Abstract:The study on the spatial form and agglomeration help to understand the formation of spatial structure of urban.Taking Xi’an City as a case,based on the ArcGIS software，with the aid of Crimestat software，this paper focuses on the spatial distribution，agglomeration characteristics，cluster districts and its formation mechanism and so on.The results show that，distribution of the banks shows the characteristic of layer distribution,and in each circle,most of the banks are distributed around the city trunk roads.Space of banks present an inverted-U-shaped pattern with the mode of extending to the surrounding areas,and agglomeration trend of banks is the strongest when the distance is 4.1 km.At the level of small and medium scale in city，it formed multi-level bank clusters in Xi’an City，among them，number of the first order hot spots is larger than the second order，so does the differences of agglomeration degree，and further analysis found that second order hot spots come along with transportation lines and the direction of long axis parallel.Different spatial scales have different formation mechanism of the bank hot spots.As for formation mechanism，the first order hot spots are mainly affected by the traffic convenience，however，the second order hot spots are more concerned about objects that they serving.

Key words:bank;spatial distribution;agglomeration;hot spot;Xi’an City

中图分类号：F 830

文献标志码：A

文章编号：1001-988Ⅹ(2015)02-0092-07

作者简介：秦泗刚(1979—)，男，山东日照人，讲师，博士研究生.主要研究方向为城市与区域规划.

基金项目:国家自然科学基金资助项目(51178163);国家青年基金资助项目(41201331)

收稿日期：2014-07-10;修改稿收到日期:2014-12-11