基于开放数据的社区商业布局研究

2017-05-13 11:19耿冰
商业经济研究 2017年8期
关键词:空间分析

耿冰

内容摘要:本文利用网络开放数据及兴趣点数据,获取北京市社区商业网点的数量和空间分布形态。利用平均最近邻算法、标准差椭圆模型及核密度算法从聚集度、方向性和分布密度三个方面对北京市社区商业布局进行分析。结果表明,北京市居民区布局与商业网点布局有很强的相关性,社区商业布局聚集度较高,方向性不显著,网点布局呈多中心结构。未来应加强城市发展新区的商业服务功能,打造更加宜居的生活环境,促进社会可持续发展。

关键词:开放数据 OSM数据 POI数据 社区商业 空间分析

引言

随着城市边界不断扩大,人们的日常交通成本也随之增加。为了便于社区居民生活消费,社区商业迅速地发展起来。与传统商业相比,社区商业的服务范围和规模更小,集中分布在居民区附近,是城市活力的表现形式之一。社区商业的合理布局對居民生活质量的提高,城市优化布局及经济发展发挥着重要的作用。

社区商业最早出现于20世纪50年代的美国城市。随着城市的发展,大量居民向郊区扩散,由此而产生了专门为郊区新建居住区居民服务的社区商业。我国近年来才开始发展社区商业。在以往的研究中,主要研究内容包括对社区商业的需求研究(王瑞丰,2015);对社区商业的模式进行探讨(林木西等,2014);对社区商业布局的研究(杨慧琼,2015);对不同空间尺度的社区商业研究(滕,2015)等。

随着互联网技术的发展,网络开放数据已广泛应用于各学科研究中。OSM和POI是开放数据的代表之一。OSM数据是英国非盈利组织提供的网上地图协作计划,其特点是提供免费开源地图(谢惠等,2016)。目前OSM道路数据被广泛应用于城市规划,土地利用规划(杨水根等,2011),选址布局优化,道路交通优化等各个领域。另一方面,由于社区商业网点数量庞大,涉及的种类繁杂,传统调查方法的样本数量可控性低。因此利用POI数据可以很好地弥补这一缺点。POI数据包含了多种属性,通过应用程序接口(API)调用免费获取。目前研究主要利用POI数据进行空间布局分析(焦耀等,2015)、道路网研究(沈体雁,2015)、城市规划研究(索超,2015)等。

综上所述,目前的社区商业研究尚未成熟,对多因素影响的空间布局有待进一步研究。因此,本文利用网络开放数据OSM数据及POI数据对北京市社区商业布局进行研究,获得北京市社区商业布局特点,为布局优化提供建议。研究结果不仅可以为城市经济发展提供依据,同时也可以为城市土地利用及规划布局、人口政策提供理论支持。

数据来源与研究方法

(一)研究区概况

北京市16个区县共划分为四个功能区,其中生态涵养区主要以山地为主,居民点稀少且为限制开发区,所以本文的研究区选取了除生态涵养区的5个区县外的11个区。在研究区中,社区发展较好的是首都功能核心区和部分城市功能拓展区。随着北京副行政中心的东迁,通州区进入了快速发展时期。北部的昌平区和顺义区聚集着科技产业,发展较早,人口数量较大,社区建设相对比较完善。房山区和大兴区的新建社区较多,经济发展水平有待进一步提高。

(二)数据获取及处理

1.数据获取。OSM数据获取节点为2016年10月。POI数据来源于百度地图开放平台,利用Python程序进行采集。在采集过程中,将研究区进行分解,以2km×2km为一个搜索区域,可以获得覆盖该区域80%以上的数据量。本文将社区商业划分为四个类别,分别是餐饮、超市、商场、娱乐。同时,为了分析居民区布局与商业网点之间的关系,研究社区商业布局形态,本文利用网络爬虫技术对搜房网进行数据挖掘,获取住宅小区的名称、位置、容积率、价格等属性信息,形成完整的分析数据集。

2.数据预处理。数据预处理包括首先对百度POI坐标转换和利用OSM数据获取地块信息。百度坐标系在火星坐标系的基础上,进行了二次加密措施。由于百度对外接口的坐标系并不是GPS采集的真实经纬度,因此需要对坐标系进行纠偏。本文采用纠偏算法将百度坐标系进行纠偏,纠偏结果基本符合实际情况。其次利用OSM数据获取居住地块信息。将OSM道路数据与北京市域面数据进行叠加,根据道路的级别设置道路缓冲区5-45米不等,提取出北京市11个区共4313个地块。利用居住点数据与地块叠加,提取出居住用地的面数据,并将容积率,价格等属性信息关联到地块上,最终获得北京11个区的居住用地地块数据。根据社区商业便利的布局特点,从地块边界向外延伸2km缓冲区,作为社区商业范围。

(三)研究方法与技术路线

本文采用平均最近邻算法、标准差椭圆函数和核密度函数从空间布局聚集度、布局方向性和分布密度三个方面对北京市社区商业布局进行分析。

平均最近邻算法:当研究区域内随机分布的平均预期距离(记为DE,,A为研究区域面积,n为研究区域中的n个点,下同)大于质心之间的平均观察距离(记为DO,)时,数据分布的模式趋于聚集,反之则为分散。

标准差椭圆模型:标准差椭圆的长半轴表示数据的分布方向,短半轴表示数据分布的范围,长短半轴的差值(扁率)越大,表示数据的方向性越明显。椭圆的形式及角度计算如下:

其中,xi,yi代表每个空间要素的位置坐标,X和Y代表算数平均中心,SDEx 和 SDEy代表椭圆方差,以正北方向为0°,θ为顺时针旋转角度。

核密度函数算法:核密度方法以每个样点为中心,通过核函数计算出每个样点在制定范围半径内各个栅格单元中心点的密度贡献值,搜索半径范围内栅格单元中心点距离样点越近,密度贡献值越大。计算公式如下:

其中,代表带估算栅格单元中心的密度; xi,yi代表样点i坐标;n代表样点个数;x,y表示带宽范围内待估算栅格中心点;坐标h表示带宽。

本研究技术路线图如图1所示。

结果分析

(一)居住社区与商业布局相关性分析

居住社区的布局与商业布局有一定的关系。本文对居住社区的容积率、密度、餐饮、超市、商场及娱乐场所密度进行相关性分析,结果如表1所示。

通过相关性矩阵分析可知,居住容积率、居住密度、餐饮密度、超市密度、商场密度及娱乐场所密度之间都是正相关,且相关性很高,表明居住区与商业布局相互影响。居住区带动了商业发展,吸引商业投资。商业的优化布局也改善了居住区环境,吸引人口聚集。居住区与周边商业布局紧密联系,从而形成了社区商业这种特殊的商业布局形式。该结果为进一步分析社区商业布局提供了基础。

(二)社区商业布局聚集度分析

利用平均最近邻算法计算餐饮、超市、商场、娱乐的空间聚集度。结果表明:餐饮、超市、商场、娱乐的Z得分均小于-2.58,说明空间分布呈聚集分布趨势。餐饮的最近邻比率最小为0.21,表示聚类程度最高,商场的最近邻比率最大为0.41,表示聚类程度最低,超市和商场的最近邻比率分别为0.28和0.27,表明聚类程度相近。

根据聚集度分析,社区商业分布均表现出很强的聚集性。在居住社区中,餐饮、超市和娱乐服务数量较多,且呈现明显的区域特点。商场作为使用频次较低的场所,分布较分散且数量少,所以聚类程度略低。但总体来说,四类商业布局均呈现出很强的聚类性,空间分布规律显著。

(三)社区商业布局方向性分析

利用标准差椭圆算法分析社区商业布局的发展方向。根据分析结果可知,社区商业的分布方向一致,均为西南-东北向发展。从椭圆扁率及面积来看,社区商业布局的方向性和向心力均不是特别明显。超市覆盖面积最大,其次为餐饮和商场,娱乐覆盖面积最小。

社区商业空间方向布局与北京市社区分布特点基本吻合(见图2)。由于北京的城市空间布局为“两轴-两带-多中心”的结构,且在西北部有东北-西南走势的山脉,因此城市的扩展趋势随山脉走势而定,东北向的顺义区及西南向的房山区是城市扩展的方向。同时,西北部的昌平区,由于聚集了众多IT产业,吸引了大量的劳动人口,因此社区商业发展较快,商业网点密集。相比较而言,西南方向通州与大兴交界处则社区较少,商业网点布局也比较少。随着北京通州副中心的发展,带动了通州社区商业的发展。但由于东西向发展的土地面积有限,未来的发展趋势将进一步向南北两向发展,西南地区发展潜力较大。

(四)社区商业布局核密度分析

从核密度分布来看,餐饮、超市、商场、娱乐总体布局一致,但各有不同的分布特点(见图3)。

餐饮最集中布局在两个区域,分别是牡丹园-学院路一带及三元桥-三里屯-东直门一带。牡丹园-学院路一带聚集了北京市大部分高校,学生消费带动了该区域的商业发展。三元桥-三里屯-东直门一带为使馆区及商贸办公中心,餐饮布局比较密集。除此之外,IT产业园区集中的回龙观-清河-上地一带以及望京-798-酒仙桥一带餐饮布局较密集。在学校附近的万柳-中关村-魏公村-西直门一带及传媒大学附近的餐饮布局同样密集。居住区附近的北七家-天通苑一带、昌平镇、小营、五棵松、梨园、通州九棵树附近是餐饮密集区。传统的商业网点东单和西单以及北京南站附近依然密集分布着餐饮行业。总体来说,餐饮主要集中布局在中西城区,沿长安街南北向扩展,北部餐饮业比较集中,南部布局较分散(图3-1)。

超市最集中分布在东城区北京站以北,北二环以南地区。除此之外,西城区北部、昌平镇、大红门一带及大兴黄村附近也是超市密集区域。回龙观-清河-上地一带、北七家-天通苑一带、望京、首都机场附近、顺义镇中心、通州北关附近、亦庄附近、长阳一带、五棵松附近超市布局较集中。与餐饮布局不同的是,学校附近超市布局并不是很密集,由此也可以看出,超市布局受到居民点位置及密度的影响较大。总体来看,超市总体数量没有餐饮数量多,空间上主要集中在东西城区及朝阳区西部,呈组团式分散布局(图3-2)。

商场布局较分散,最集中分布在东单、西单及国贸一带。除此之外,昌平镇、回龙观、望京、学院路-中关村一带、小营、传媒大学、黄村、长阳为社区大型商场聚集区。其余地区商场布局较分散,组团规模也不大。总体来说,商场空间分布上覆盖面积较大,分布相对较均匀,但聚集程度不高,服务半径较小(图3-3)。

娱乐包括电影院、体育运动场馆、文化展览馆等休闲场所,在空间分布来看,有四个非常集中的区域,分别是:中关村-西直门-学院路一带、奥林匹克公园附近、望京地区及三里屯-国贸一带。这四个地区中,除了奥林匹克公园是运动场馆密集之外,其余三个地区均为年轻人聚集区,也是城市最具活力的地区。总体来看,娱乐主要分布在中心城区,北部地区密集度高于南部地区,城市发展新区的娱乐设施密度不高,布局较分散(图3-4)。

结论与讨论

相对传统商业,社区商业更加灵活和便利,其布局不仅反映了城市土地利用结构,也是城市发展活力的体现。本文基于开放数据OSM数据及POI数据,利用平均最近邻算法、标准差椭圆模型及核密度算法从聚集度、方向性和分布密度三个方面对北京市社区商业布局进行分析。研究结果表明:

第一,居住用地与商业布局有非常强的相关性。从统计结果来看,除东城区、西城区的传统商业中心以外,商业布局主要集中在居住区附近,两者的空间布局基本吻合。根据居住用地的布局结构可以得知,未来的商业布局会向北京四周扩散,以周边大型居住区为依托布局商业网点数量。

第二,北京市社区商业布局呈现明显的聚集性。北京行政区域面积很大,城区与城区之间、城区内部社区之间相距较远,因此形成了若干个组团式的社区布局结构,社区商业依赖于居住区布局,因此也呈现出明显的聚集性。主要聚集区出现在大型社区周围,如北部的天通苑、回龙观、望京,东部的通州新区一带,南部的大红门附近、黄村、长阳一带等。

第三,北京市社区商业布局方向性不显著。北京城市整体发展为中心向四周扩散式,因此在社区布局中,以城六区为中心,东南西北四向均有大型社区商业布局。

第四,餐饮、超市、商场、娱乐的空间密度各异。总体来看,城六区的社区商业配套较完善,北部、东部地区商业活动频繁,布局密集。五个城市发展新区社区商业主要以餐饮、超市为主,商场娱乐配套相对比较缺乏。从社区商业布局可以看出,北京市北部及东部是城市活力的体现,南部及西部地区以居住区为主。

综上所述,本文的研究结果符合北京市社区商业空间布局的實际情况。未来应加强城市发展区的社区商业布局,合理优化城市土地利用结构,促进城市的可持续协调发展。

参考文献:

1.王瑞丰.我国城市社区商业有效供给研究[J].经济与管理,2015(5)

2.林木西,陈华,国世平,城市大型社区的综合体模式研究[J].理论与改革,2014(3)

3.杨慧琼.邻里中心模式下的社区商业空间形态研究.华南理工大学,2015

4.滕.虹口社区商业发展研究[J].上海商业,2015(12)

5.谢惠,张晓光.西城区社区商业发展研究[J].中国商论,2016(19)

6.杨水根,徐宇琼.高校社区商业探究[J].经济研究导刊,2011(26)

7.焦耀,刘望保,石恩名.基于多源POI数据下的广州市商业业态空间分布及其机理研究[J].城市观察,2015(6)

8.沈体雁,周麟,王利伟等.服务业区位选择的交通网络指向研究——以北京城市中心区为例[J].地理科学进展,2015(8)

9.索超,丁志刚.POI在城市规划研究中的应用探索.2015中国城市规划年会论文集,2015

10.Liu,X.J.,Y. Long,Automated identification and characterization of parcels with OpenStreetMap and points of interest[J]. Environment and Planning B-Planning & Design,2016,43(2)

11.Jonietz,D.,A. Zipf,Defining Fitness-for-Use for Crowdsourced Points of Interest (POI)[J]. Isprs International Journal of Geo-Information,2016,5(9)

12.Huber,S.,C. Rust,Calculate travel time and distance with OpenStreetMap data using the Open Source Routing Machine (OSRM)[J]. Stata Journal,2016,16(2)

猜你喜欢
空间分析
山东省各地市城市化水平分析
刍议纳税筹划空间分析与方案选择
基于RS和GIS的若尔盖土壤侵蚀强度研究
基于医疗信息系统数据构建门诊人员空间聚集模型
基于遥感与GIS空间分析的电力优化选线研究