地铁流动性与站点商圈商业集聚规模耦合关系研究——基于广州15个地铁站点的数据分析

(华南师范大学地理科学学院，广州 510631)

地铁流动性与站点商圈商业集聚规模耦合关系研究
——基于广州15个地铁站点的数据分析

王宇渠， 陈忠暖*， 黄晓冰， 林齐根

(华南师范大学地理科学学院，广州 510631)

轨道交通在城市内部产生巨量的流动性，而流动与商业之间存在密切关系．分析流动与商业集聚的关系，对未来地铁站点及附近商圈的规划具有重要意义．以广州为例，在15个地铁站点进行实地调查的基础上，通过地铁流动性的产生与转换，对地铁流动性因素进行划分．利用主成分回归，构建商业集聚的回归模型分析不同因子与商业集聚之间的关系．并进一步讨论了地铁流动因素、商业集聚的空间耦合．结果显示：(1)除站点类型、站点开通时间外，文中划分的与地铁流动性因素与站点商业集聚都存在相关关系；其中，客流与站点商业集聚相关性最强．(2)从地铁流动性因素对商业集聚影响的角度看，流动性因素主要通过2个因子(地铁客流因子、地面基础设施因子)影响站点商圈商业集聚规模．(3)地铁站点市场腹地、客流量、发展历史等共同构成了地铁客流因子，为站点商业带来客流.(4)站点街道长度、地面公交等因素构成地面基础设施因子，为客流影响站点商业提供了地面物质基础，这2个因子共同影响了地铁商业规模．构建的主成分回归模型综合考虑了各流动要素对站点商业集聚的影响，提高了拟合精度．

地铁站点； 商圈； 商业集聚； 主成分回归

广州地铁发展迅猛，已成为居民的重要交通工具，带来潜力无限的商机[1]．分析广州地铁站点的客流与周边商业集聚状况的耦合关系，对未来其他城市地铁站点商业规划与客流的引导有较大借鉴意义．国外的研究表明快速交通的建设等因素对城市不同地区的商业集聚产生重要影响，地铁建设促进城市商业空间重构与演替，如运用Logit回归研究了地铁建成前后对马德里不同行业的影响，包括地铁对市中心零售业排挤作用[2];以西班牙3个中等城市为例，说明地铁改变了城市传统零售商业集聚和销售方式[3];证明了土耳其的交通通达度对商业集聚产生重要影响[4]．国内地铁站点与商业集聚的关系研究，集中在站点区位、可达性、客流等因素：对地铁站点零售业的集聚特征、类型进行分析[5-6];指出交通条件的改变，影响大城市轨道交通站点的演化[7];指出交通可达性是地铁站点区位重要的区位条件，对土地价格、商业集聚等外部性要素有重要影响[8-9];区位条件影响到站点商业所需的客流要素，曹嵘和白光润[10]指出上海轨道交通人流量与商业面积存在相关性关系．这些研究分析地铁站点交通通达性、客流、站点类型、距离地铁的远近等方面因素对商业集聚的影响，较少综合考虑各个流动性因素．本文将可能影响到地铁站商业所需的流动性因素按产生、转换为商业客流的过程，梳理不同的因素，并比较不同流动性因素与商业集聚之间耦合关系;为了合并同类型的流动性因素，利用主成分回归，构建商业集聚的回归模型，分析不同流动因子与商业集聚之间的关系;对地铁流动因素、商业集聚的空间耦合进行进一步的讨论．

1　研究区域与数据

1.1研究区域

参考周素红和闫小培[11]的研究设计，结合实际，按照线路、开通时间、站点类型、客流量等标准，在广州老城中心区、新城中心区、过渡带、近郊、远郊选取15个具有代表性的研究站点进行实地调查．为调查地铁站点商圈的集聚状况，以各地铁站点出口几何中心为圆心、500 m为半径划分地铁站点的零售商圈(包括地下和地上部分)范围(表1)．

表1　调查站点的空间分布

注：**为地铁换乘站点；*为端点站；资料来源于2012年的实地调查．

1.2因子选取、数据来源与处理

地铁站点商圈集聚规模可通过商业的营业面积来表征．实地调查该范围内零售商业的营业总面积，结合街道与建筑物等对商圈界线进行适当调整．在2012年3—10月期间，实地调查数据并结合谷歌地图进行计算．

参考前人研究和数据的可获取性，对影响地铁站点商业商圈商业集聚的流动性因素进行梳理(表2)．结果如下：站点客流直接为地铁站点商圈提供客流，因此首先考虑了这个因素．地铁的客流最终来源于当地的地铁市场腹地(market area)．每个经济活动有一个具体位置,它的生成需要一定的空间，以满足经济活动流(原材料、劳动力、零件、服务等)的要求，这个空间称为市场腹地[12]．参考蔡国田[13]的研究，将地铁站点30 min和10 min的通达圈定义为30 min和10 min市场腹地.另一方面，站点商圈的所需人流会来源于地面交通，地面人流的大小与区域内的公交线路有一定关系，因此本文第4个流动性因素选择了公交线路．此外，人流与商业空间的相互作用需要一定场所，比如传统的商业街、街道两边的商店等．所以这个因素采用站点地铁站500 m缓冲区的路网长度(不计对商业影响较小的快速干道)．最后，地铁站点建成日期与地铁站点类型(换乘站和普通站点)，也有可能与站点商业集聚有一定关系，因此考虑了这2个因素．路网、公交线路等数据从谷歌地图上获取，客流数据从交通年报获取[14]．为了解决数据的量纲问题，流动性因素的相关数据均采用了无量纲化处理．站点类型用虚拟变量表示，换乘站表示为1，一般站点用0表示．

表2　影响地铁站点商业集聚面积的流动性因素

2　研究方法

2.1利用栅格可达性分析计算市场腹地面积

利用可达性分析计算地铁站点市场腹地面积．提取谷歌地图中广州地铁、道路网数据，广州土地利用现状图(2007年)中的水域、居民用地及城市建设用地．地铁客流的交通工具以地铁为主，因此，本文考虑地铁站点的交通可达性，只考虑地铁与步行这2种交通方式．

参考广州市交通发展年度报告[14]的数据，将地铁线速度设置为40 km/h．考虑地铁沿线两侧不通行，设置为0.5 km/h(不通行)．而地铁站点出口按一般土地利用类型设置．一般的土地按步行处理，设置为4 km/h．水域速度设置为0.5 km/h(不通行)．为解决计算交通可达性区域方法[15]存在的问题，应用ArcGIS软件中的叠加功能，多次分批叠加，生成时间成本栅格图．反映了地铁只在站点停留，而在沿线不通行的状况，减小了误差．借助ArcGIS成本距离分析模块计算出目标点的通行时间范围图．切割地铁10、30 min的通达圈内城市用地、农村居民用地，定义为地铁站点商业圈的市场腹地(其他用地人类活动少，不计入市场腹地),计算15个地铁站点市场腹地面积．

2.2主成分回归分析

利用主成分回归的方法进行分析．对各个流动性因素的量进行无量纲化处理，再利用因子分析(正交旋转法(Varimax))降维，分析出影响地铁商业集聚的主导因子．用多元线性回归方程，构建各个因子和地铁站点商业集聚面积之间的模型．

3　基于流动性的地铁站点商业集聚成因分析

3.1各因子对地铁站点商圈商业集聚面积的影响

前人对地铁站点客流与商业耦合的研究中，大多只考虑到客流与站点商业的耦合关系.本研究综合分析各个与客流相关的流动性因素对地铁站点商业集聚规划的影响，比较各站点间不同流动性因素与商业集聚之间耦合关系．结果表明：(1)除站点类型与开通时间外，各站点间不同流动性因素与地铁站点商圈商业集聚面积相关关系都通过了显著性检验，各站点的公交线数、500 m缓冲区路网长度、客流量和30 min的市场腹地，与站点商圈商业集聚面积之间的决定系数(R2)均超过0.4．表明这些因子和地铁站点商圈商业集聚面积之间都存在相关关系．目前广州地铁站点商圈商业集聚和站点类型可能不存在直接相关关系，与站点开通时间之间的相关性较弱(表3)．(2)在各个流动性因素中，客流是各站点间不同流动性因素中与商业集聚面积相关性最强的一个要素；因此，客流是与商业集聚最密切相关的核心要素，客流的多少与性质决定一个地区商业规模及特征，进而影响其商业集聚面积．站点客流为商业的发展提供流动性，附近商业集聚也对站点客流产生反作用，两者最终达到一定的均衡(表3)．

表3　各流动因子与地铁站点商业集聚面积相关关系对比

注：资料来源于广州地铁年报及实地调查(2012年)．

3.2基于多因子的主成分回归方程分析

由于本文选取的各个流动性因素之间存在相关性，为了分析各个流动性因素之间的关联程度，构建了考虑到各个要素的回归方程．本文利用Spss对各个因素的值进行主成分回归分析，结果显示：在通过检验的基础上，因子1、因子2的方差累积贡献率达到81.660，这2个因子基本可以概括了各流动性变量．因子1与地铁客流量与市场腹地之间因子载荷都在0.79以上，主要与地铁的客流、客流产生的腹地有关，把因子1称为地铁客流因子．因子2与地面公交路线、500 m缓冲区的路网长度之间因子载荷达到0.85以上，与地面的交通等基础设施有关，把因子2称为地面基础设施因子(表4)．

表4　旋转后因子载荷

分析地铁客流因子和地面客流-基础设施因子得分和地铁商业总面积之间关系．在决定系数(R2)为0.712、显著性水平(p)为0.003的情况下，回归方程为

F(f)=30 085.663f1+32 735.637f2+68 363.133,

(1)

其中，F(f)为商业总面积，f1为因子1得分，f2为因子2得分．方程的决定系数(R2)为0.712，显著性水平(p)为0.003，拟合效果较好．通过降维，得出影响地铁站点商圈商业集聚面积的2个主要影响因素：地铁客流因子和地面基础设施因子．两者均对站点商圈集聚面积产生正向促进作用，对地铁站点商圈集聚面积的影响程度相当．综合考虑各个因子的主成分回归方程，比考虑单个流动性因素构建的线性回归方程，拟合效果更好(表3)．

3.3地铁客流因子(因子1)对站点商圈商业集聚面积的影响

地铁客流因子(因子1)与市场腹地、客流量呈现高度正相关，主要从这2个流动性变量中提取(表4)．这表明市场腹地产生地铁站点商业所需客流量，两者之间存在较高耦合性．商业区面积越大，其吸引力也越大．而其腹地越大，腹地内经济水平越发达，也对商业区的集聚面积产生促进作用．而地铁站点商业区的吸引力具体表现为地铁站点的人流，人流量越大，吸引力越大．市场腹地、客流量与地铁站点商业规模表现为高度耦合的均衡状态．不同的地铁站点，由于区位条件不同，市场腹地的大小产生区别．交通设施条件好的地域，消费者购物所需要的时间会缩短，空间费用降低；重要的交通枢纽中心，市场腹地较大，客流量大，常能形成大型商业中心．如西门口、广州东地铁站点商业大量集聚．人流效应的发挥依赖于通达效应的实现，通达性是人流效应的基础，人流是市场腹地的反应．地铁客流变化导致了地铁站点商业集聚面积的变化．

地铁客流因子与地铁开通日期呈现负相关(表4)．地铁开通时间越早，市场腹地、地铁客流量对商业集聚面积的影响越深．永泰和凤凰新村是开通最晚的地铁站(2010年10月)，站点周围还没有形成大规模商业现象．

3.4地铁站点与“市场腹地—流动—商业集聚”模式

商业点都需要一个服务腹地，市场腹地是客流的来源，是商业集聚的基础．本文利用可达性分析计算地铁站点市场腹地面积．发现地铁的市场腹地以地铁线为基础、以站点为圆心，呈现串珠状的特征．这些串珠状的区域土地利用特征、人口经济要素集聚规模，为站点商业集聚提供客流基础．腹地规模的空间差异，使空间上的点对区域能提供协作与服务的能力产生空间差异．地铁站点与其可达性区域，是结节点与腹地的关系，腹地的发展水平是最终导致结节点的商业空间集聚产生差异的重要因素．

中心地理论认为商品的销售范围介于其最大销售范围和门槛范围之间的六边形区域．通过本研究利用arcGIS9.3对地铁站点商圈的可达范围的分析中，地铁站点零售商业，销售范围不再仅仅是以其地理距离为半径的六边形区域，而是以中心地为中心沿地铁线呈现串珠状区域．以广州东站为例，广州东站10、20和30 min可达性区域均是以广州东站为中心沿地铁线呈现串珠状区域(图1)，这与地铁线的区域可达成本呈现非均质有关．距购物中心地的距离增加，在该中心地购买的家庭会剧减．城市中心区域的地铁站点附近商业区，其10、30 min可达区域所覆盖的城市用地、人口较多，地铁客流大，巨大的地铁客流可能是产生区域商业集聚的根本原因．

图1　广州东站10～30 min市场可达范围图

Figure 110～30 minutes hinterland market of Guangzhou East metro station

3.5地面基础设施因子(因子2)对站点商圈规模的影响

地面基础设施因子(因子2)与地面公交路线、500 m缓冲区的路网长度都呈现正相关(表4)．这两者共同为地铁客流转化为地面商业提供地面设施的基础．传统的商业一般都布局在街道两侧，路网给商业集聚提供空间基础．从流动性对商业影响的角度上看，客流出地铁站后，需要有地面道路这一步行的载体．商业面积和路网长度相关性较大，如上下九步行街．公交是地铁客流转化为地面客流的主要方式之一，站口附近可换乘公交车次数越多，地下客流与地面客流沟通机会越大，越能转化成商业客流．因此，地面基础设施因子是地铁客流转化为商业的重要因素．地面基础设施因子与地铁站点开通时间呈现弱相关或无关(表3)，这表明广州地铁站点开通的先后与地面基础设施的相关性暂时还不大．

4　结论

分析了广州地铁站点商圈营业面积与市场腹地、站点客流量、地面公交换乘等流动性因素之间的关系．运用主成分回归分析方法提取2个主要因素：地铁客流和地面基础设施，构建影响因素回归方程进行分析．结果显示：(1)除站点类型、站点开通时间外，本文划分的地铁流动性因素与站点商业集聚都存在相关关系；其中，客流与站点商业集聚相关性最强．(2)从地铁流动性因素对商业集聚影响的角度看，流动性因素主要通过2个因子(地铁客流因子和地面基础设施因子)影响站点商圈商业集聚规模.(3)地铁站点市场腹地、客流量、发展历史等共同构成了地铁客流因子，为站点商业带来客流．地铁站的商业集聚，最终来源于一定时间通达圈的市场腹地，市场腹地产生了地铁商业所需要的客流量．客流带来各种商业活动向站口周围集聚，是流动性因素的核心，影响程度最高．由于地铁线存在，城市不同区域的时间通达成本是非均质区，因此地铁商业市场腹地是以中心地为中心，沿地铁线呈现串珠状区域．(4)站点街道长度、地面公交等因素构成地面基础设施因子，为客流影响站点商业提供了地面物质基础，这2个因子共同影响了地铁商业规模．构建的主成分回归方程综合考虑了各流动要素对站点商业集聚的影响，提高了拟合精度．

[1]羊城地铁报.用统计的方法摸清家底[N/OL]. (2010-09-28)[2014-03-15].http://ycdtb.dayoo.com/html/2010-09/28/content_1142714.htm.

[2]Mejia-Dorantes L, Paez A, Vassallo J M. Transportation infrastructure impacts on firm location: The effect of a new metro line in the suburbs of Madrid[J]. Journal of Transport Geography, 2012, 22: 236-250.

[3]Castillo-Manzano J I, López-Valpuesta L. Urban retail fabric and the metro: A complex relationship. Lessons from middle-sized Spanish cities[J]. Cities, 2009, 26(3): 141-147.

[5]陈忠暖, 冯越, 江锦. 地铁站点周边的商业集聚及其影响因素[J]. 华南师范大学学报:自然科学版, 2013, 45(6):189-195.

Chen Z N,Feng Y, Jiang J.The commercial agglomeration and influencing factors of nearby subway station[J]. Journal of South China Normal University:Natural Science Edition, 2013, 45(6):189-195.

[6]黄晓冰,陈忠暖.基于信息熵的地铁站点商圈零售业种结构的研究[J].经济地理,2014,34(3):38-44.

Huang X B,Chen Z N. The retail business structure of the metro site based on the information entropy：A case study of the 15 Subway Site in Guangzhou[J].Economic Geography,2014,34(3):38-44.

[7]林耿,张小英,马扬艳.广州市地铁开发对沿线商业业态空间的影响[J].地理科学进展,2008,27(6):104-111.

Ling G, Zhang X Y, Ma Y Y. The influence of metro system on commercial space structure along the line in Guangzhou[J]. Progress in Geography, 2008,27(6):104-111.

[8]邓羽,蔡建明,杨振山,等.北京城区交通时间可达性测度及其空间特征分析[J].地理学报,2012,67(2):169-178.

Yu D,Cai J M,Yang Z S,et al.Measuring time accessibility with its spatial characteristicsin urban areas of Beijing[J]. Acta Geographica Sinica, 2012, 67(2):169-178.

[9]李志,周生路,吴绍华,等.南京地铁对城市公共交通网络通达性的影响及地价增值响应[J].地理学报,2014,69(2):255-267.

Li Z, Zhou S L, Wu S H, et al.The impact of metro lines on public transit accessibility and land value capture in Nanjing[J].Acta Geographica Sinica, 2014,69(2):255-267.

[10]曹嵘,白光润.交通影响下的城市零售商业微区位探析[J].经济地理,2003,23(2):247-250.

Cao R, Bai G R.The retail micro-location in city under the influence of transportation[J]. Economic Geography, 2003,23(2):247-250.

[11]周素红,闫小培.广州城市空间结构与交通需求关系[J].地理学报,2005,60(1):131-142.

Zhou S H, Yan X P. The relationship between urban structure and traffic demand in Guangzhou[J].Acta Geographica Sinica, 2005,60(1):131-142.

[12]Rodrigue J P,Comtois C,Slack B.The geography of transport systems[M].London:Routledge,2013:114-116.

[13]蔡国田.轨道交通建设对广州市零售商业活动空间影响的研究[D].广州:华南师范大学,2004.

Cai G T. Research on the retail business spatial structure influenced by the transition Guangzhou[D].Guangzhou:South China Normal University,2004.

[14]邓兴栋,马小毅,景国胜.2012年广州市交通发展年度报告(简本)[R].广州:广州市交通规划研究所,2013.

[15]张莉,陆玉麒.基于陆路交通网的区域可达性评价——以长江三角洲为例[J].地理学报,2006,61(12):1235-1246.

Zhang L，Lu Y Q. Assessment on regional accessibility based on land transportation network:A case study of the Yangtze River Delta[J]. Acta Geographica Sinica, 2006,61(12):1235-1246.

【中文责编：庄晓琼英文责编：肖菁】

Relationship between Metro Flow and Business Agglomeration Scale on Station Site Business Circle：A Case Study of Guangzhou Based on Data of 15 Stations

Wang Yuqu, Chen Zhongnuan*, Huang Xiaobing, Lin Qigen

(School of Geographical Sciences, South China Normal University, Guangzhou 510631, China)

Urban rail transit brings dramatic change to the city’s dramatic internal flow changes, which has a great impact on the urban commercial space agglomeration and reconstruction, as the development of urban commercial space depends on the flow. Taking Guangzhou for an example, based on the investigation of the site business circle (500 meters area around subway stations) of agglomeration and the variables related to the metro flow as the breakthrough point, the regularity between the commerce agglomeration and causal factors is analyzed in this paper. Through principal component regression, the relationship between commercial scale and metro liquidity factors such as agglomeration district hinterland market, site traffic, ground bus transfer lines is studied. Finally, the space coupling flow factors and subway commercial agglomeration is further discussed. Based on the above-mentioned, using principal component regression analysis method, it extracts two causal factors on metro stations commercial scale agglomeration, including the market capacity and infrastructure in the influencing factors: the market capacity and infrastructure. The result of building regression method shows that metro stations’ hinterland market, traffic and development history (the history of development) determine the market capacity, bringing the quasi-consumers to site business circle. Site’ street length, ground transportation and other factors constitute a ground infrastructure factors, providing the material basis for the subway commercial. Both of these two factors together determine the metro commercial scale.

metro stations； commercial circle； commercial agglomeration； principal component regression

2014-09-02《华南师范大学学报(自然科学版)》网址：http://journal.scnu.edu.cn/n

国家自然科学基金项目(41171141)

陈忠暖，教授，Email: chenzhn@scnu.edu.cn.

K902

A

1000-5463(2015)05-0134-06