上海中心城区餐饮网点空间格局及影响因素

曾 媛，吴国清

上海中心城区餐饮网点空间格局及影响因素

曾 媛，吴国清

（上海师范大学 旅游学院，上海 200234）

通过网络爬虫技术获取上海中心城区餐饮网点数据，采取自适应半径核密度估计与SPSS等方法，探究上海中心城区餐饮网点的空间格局及其影响机理。研究发现：空间格局上看，中心城区餐饮网点总体呈“多中心”式分布格局；从餐饮网点类型来看，小吃快餐和面包甜点总量最多；从人均餐饮消费来看，餐饮高消费区主要分布在古北区域、衡山路—复兴路历史风貌区、陆家嘴等区域。中心城区总体及高中低档餐饮网点空间分布均与大型商场、商务楼宇呈显著正相关；高档餐饮网点与旅游资源，低档餐饮网点与路网密度及居民住宅分布相关性显著。

餐饮网点；空间格局；上海中心城区；客源潜力

随着城市化进程和现代旅游业发展，餐饮不仅是满足都市居民日常生活的基本需求，且成为当今城市旅游目的地发展的主要内容与吸引物。上海作为我国餐饮业发展最具规模、最为成熟的城市之一，其餐饮业荟萃八大菜系、十六大帮别，交融中外特色，服务国内外游客，销售总额在全国各城市中居首位。上海餐饮业的发展越来越引起政府、学界及研究机构的高度重视，已成为城市旅游、规划等管理部门的关注对象。为此，探究上海中心城区餐饮网点的空间格局及其影响因素，多视角把握上海餐饮行业区位选择规律，对城市餐饮业发展及其空间布局与规划等具有指导意义与理论价值，也可为城市规划者、餐饮业经营者和餐饮消费者等提供有益参考与借鉴。

在研究方法上，随着大众点评、饿了么等互联网站不断涌现，餐饮网点数据的获取逐渐得以实现，[1-3]学者们开始利用大数据并结合ArcGIS空间分析方法对餐饮业的空间格局进行探究。ArcGIS空间分析是研究城市功能区位的主要方法之一，最早引入餐饮业研究是从国外开始。[4-6]国内学者用此方法对厦门、[7]南京、[2]广州[8]等城市餐饮业特征进行探究。此外该方法在研究城市大型饭店、星级酒店空间格局等领域[9-13]也被广泛运用。在餐饮业布局的影响机理方面，国内外学者采用不同方法和尺度进行相关探索，[14-16]多采用以街道为单位的指标数据对其影响机理进行实证研究，[15-16]且多为定性分析。

在综合前人研究的基础上，本研究以上海中心城区为研究对象，获取互联网餐饮网点数据，通过Python编程语言对ArcGIS自带的核密度估计工具进行改良，获得更加精确的空间核密度估计方法——自适应半径核密度估计，并采用ArcGIS格网化数据量化方法，对上海中心城区餐饮网点空间格局及其影响机理进行研究。

一、数据来源与研究方法

（一）研究区域

依据《上海市城市总体规划（2017-2035年）》，上海中心城区指外环线以内的区域，面积约664平方公里，占全市面积的10.5%；常住人口约为1 140万，占全市总人口的48.2%。中心城区是上海人口和各项经济社会活动最集中的区域，分布有南京东路、四川北路等14个市级商业中心以及打浦桥、南外滩、世博园区等22个地区级商业中心，各项服务设施高度集聚，以全国乃至世界的消费群体为服务对象。数据表明，中心城区餐饮网点数量占上海餐饮网点总数的一半以上，是上海餐饮网点密度大、类型多、功能全的代表性区域。鉴于嘉定区和闵行区属于中心城区范围内的面积及餐饮网点数量极少，因此在进行分区统计时未将该部分网点数据纳入研究分析。

（二）数据来源

上海中心城区餐饮网点及相关属性数据来自于大众点评网（http://www.dianping.com/）。截止到2017年底，共采集到36 445个餐饮网点数据，属性信息包括餐饮网点的名称、地址、经纬度、人均餐饮消费、餐饮经营类别等。人口数据来自《第六次全国人口普查》，旅游资源数据来自《上海市旅游资源图志》，[17]大型商场、居民住宅、商务楼宇数据则是利用百度地图（http://map.baidu.com/）采集，路网数据是在ArcGIS 10.1平台将基础地理底图数字化，建立街道和主干道路数据库。[18]

（三）研究方法

利用ArcGIS 10.1工具，从餐饮网点的数量、类型、人均消费三个维度，探讨上海中心城区餐饮网点的空间格局。为进一步探索不同等级的餐饮网点分布的影响因素，本文将餐饮网点依据人均餐饮消费划分成三个等级，依次为低档餐饮网点（100元以下）、中档餐饮网点（100-500元）及高档餐饮网点（500元以上）。[19]

1. 自适应半径核密度估计

本研究采取的自适应半径核密度估计是利用Python对ArcGIS自带的核密度工具的改良工具。核密度估计是利用核函数（kernal function）根据点要素计算每单位面积的量值以将各个点拟合为光滑锥状表面。计算方法：对于数据1，2，…，x，核密度估计的形式为：

式中核函数是一个权函数，核函数的形状和值域控制着用来估计()在点的值时所用数据点的个数和利用的程度。[20]该工具与自适应半径核密度工具原理类似，但前者仅支持一个输入半径，而本文所研究的餐饮网点是空间分布较为不均衡的点要素，若采用固定半径的核密度估计可能存在较大误差，而自适应半径核密度估计可支持输入一个半径区间，为不同疏密程度的点要素设置不同的半径，使核密度估计的结果更加精确。

2. 反距离权重插值法（Inverse distance weighting）

反距离权重插值法（IDW）是基于Tobler定理提出的一种简单的插值方法。其原理是通过计算未测量点附近各个点的测量值的加权平均来进行插值，根据空间自相关性原理，在空间上越靠近的事物或现象就越相似，则其在最近点处取得的权值为最大。一般表达式为：

式中，0为0点的估计值；Z为控制点的值；d为控制点与点0间的距离；为在估算中用到的控制点数目；为指定的幂数。[21]

3. ArcGIS格网化方法

本研究使用ArcGIS格网化方法来量化数据，相对于从街道或区县尺度做相关性分析，此方法能够实现更小尺度的数据量化，从而提高了数据分析的准确度。ArcGIS格网化方法是将每个网格中各要素的数量赋值于一点，具体的格网量化方法见图1。

4. Pearson相关系数法

本文根据数据类型，采用Pearson相关系数法检验餐饮网点空间分布格局与各影响因素之间的相关性。其计算公式如下：

其中，表示各格网中餐饮网点的数量，代表相关影响因素；的绝对值越接近1，表明两个样本数据的相关程度越高，他们的关系越密切。[22]

二、餐饮网点空间分布格局

（一）网点数量密度分布特征

上海中心城区各行政区餐饮网点数量分布不均衡（见图2），静安区餐饮网点数量最多，共有5 795个，占总数的16%；宝山区最少，共2 594个，占总数的7%，其余从高至低依次为黄浦区、浦东新区、徐汇区、长宁区、杨浦区、普陀区、虹口区。在密度分布方面，行政区餐饮网点密度同样分布不均：中心城区餐饮网点平均密度为55个/km2，黄埔区餐饮网点密度明显远高于平均密度，且高于其他各行政区；宝山区和浦东新区的餐饮网点密度低于平均密度，其中浦东新区的餐饮网点密度最低。

对餐饮网点数据进行自适应半径核密度估计，得到自适应半径核密度图（见图3），研究发现：

1）餐饮网点呈“多中心”空间分布格局；

2）各行政区都有一个或一个以上餐饮网点集聚中心（密度都在2 000个/km2以上）；

3）从核密度图中识别出九个餐饮网点集聚中心，分别分布在人民广场区域、静安寺区域、陆家嘴区域、徐家汇区域、中山公园区域、打浦桥区域、五角场区域、宝山万达区域、万象城区域；

4）各个集聚中心的范围及规模存在差异，可能受某些特定因素的影响。

图2 上海中心城区各行政区餐饮网点数量与密度

图3 上海中心城区餐饮网点自适应半径核密度

（二）网点经营类型分布特征

上海中心城区餐饮网点类型主要有本帮菜、川菜、火锅、粤菜、湘菜、东北菜、西餐、日韩料理、东南亚菜、小吃快餐（面、米线、烧烤、熟食、简餐等）、面包甜点等种类[23]（见表1）。据数量统计，小吃快餐数量最多，约占网点总数的20.2%，其次是面包甜点，这两类属于大众化餐饮网点。除了这两类以外，西餐和本帮菜的数量也相对较大。从行政区角度上看，本帮菜在黄浦区分布的网点数最多，川菜、粤菜、湘菜、东北菜、火锅、东南亚菜在浦东新区分布的网点数最多，日韩料理网点数则在长宁区分布最多，这与古北区域居住着较多的日本、韩国人有较大关系，西餐、面包甜点和小吃快餐网点则在静安区分布最多。

表1 上海中心城区餐饮网点类型数量分布

（三）网点人均消费分布特征

根据采集到的餐饮网点人均消费数据，使用ArcGIS反距离权重法对人均消费进行插值，得到上海中心城区基于人均消费的餐饮网点分布图（见图4）。从结果来看，人均消费较高的餐饮网点主要集中分布在陆家嘴至后滩沿黄浦江东岸、古北区域及衡山—复兴路历史风貌区，另外两个呈点状分布的区域分别位于上海新国际展览中心附近和锦绣路地铁站附近。这一研究结果可能与人民广场区域或徐家汇区域等预期结果不一致，经进一步分析发现其中的内在机理：

图4 基于人均消费的上海中心城区餐饮网点分布

陆家嘴是上海金融、商业、贸易最集中的区域之一，分布在此处的餐饮网点地处繁华闹市，与浦西外滩隔江相望，环境优雅，同时租金、管理等费用较高，这一区域人均餐饮消费水平高合乎情理。古北区域作为上海第一个涉外商务区，建造了第一批针对国际人士需要的高档住宅，分布着大量的领事馆，有“小小联合国”之称。此外，这里也是上海最早的富人区之一及各大外企高层的聚集地，因此，古北区域的人均餐饮消费水平高也不足为奇。值得注意的是相对于徐家汇区域，衡复历史街区的人均餐饮消费更高，是因为这里集聚了大量高消费的酒吧、西式餐厅等。另外两个呈点状分布的区域（上海新国际展览中心和锦绣路地铁站附近区域）人均餐饮消费较高分别是受到新国际展览中心和浦东星河湾的影响，其中浦东星河湾是上海豪宅的标杆。由此看出上海中心城区餐饮网点人均高消费区域与经济繁荣区及富人集聚区高度吻合。

三、餐饮网点空间分布影响因素

随着时代的发展，市场条件成为餐饮网点空间演化的重要推手（见图5），其中区域内客源潜力是餐饮网点重要的区位基础，便捷的交通拉近了客源与餐饮网点的距离。因而本文基于市场条件，从客源潜力和有效的交通集散对餐饮网点空间分布的影响因素进行分析。其中，选取商务楼宇（1）、居民住宅（2）、大型商场（3）和旅游资源（4）的分布对客源潜力进行表征，采用中心城区路网密度（5）对交通集散进行表征。另外，上述影响因素对不同等级的餐饮网点空间分布的影响程度可能也有所差异，因此对不同等级的餐饮网点依次进行相关性验证。

图5 上海中心城区餐饮网点空间分布影响机理

运用SPSS对餐饮网点与上述影响因素进行相关性分析（见表2），探究各因素对上海中心城区餐饮网点分布的影响程度，并采用逐步回归分析方法测算各个因素的解释力度，进而对餐饮网点空间分布的影响因素进行深入讨论。结果表明，上海中心城区总体及各等级餐饮网点空间分布均与大型商场、商务楼宇呈显著正相关，同时高档餐饮网点与旅游资源、低档餐饮网点与路网密度及居民住宅分布相关性显著。

表2 上海中心城区餐饮网点分布相关性分析

注：*在0.05水平（双侧）上显著相关；**在0.01水平（双侧）上显著相关。

（一）路网密度

上海城市交通发达，内外通达性高，公共汽车线路数量、营运车辆、日均客运量居世界前列。路网密度一方面可衡量城市交通的便捷度，另一方面它是连接餐饮网点与消费人群的纽带，也可反映城市餐饮网点的可达性。理论上，路网密度越大，区域交通越发达，公众出行成本越低，对于餐饮网点来说就越有优势。研究结果显示路网密度对上海中心城区餐饮网点总体空间分布影响虽为正向但不显著，对低档餐饮网点具有显著正向影响。分析其中原因，发现正是由于上海中心城区便利、快捷的城市交通系统，促使路网密度因素对于餐饮网点的总体空间分布影响程度降低。另外，上海中心城区路网密度总体较为均匀，但在典型的新老城区分布存在较大差异。黄浦区是上海中心城区路网分布密度最大的区域，相比较而言，浦东新区路网密度较小。图4显示位于浦东新区的陆家嘴至后滩沿黄浦江东岸区域分布着大量人均消费较高的中高档餐饮网点，而黄浦区分布的餐饮网点大多为低档餐饮网点，表明与中高档餐饮网点相比，低档餐饮网点与路网密度正向相关性更为显著。

（二）商务楼宇

商务楼宇大多集中分布在城市的各大CBD区域，这些区域都是人流、物流和资金流等空间流密集的地方，商业活动多，同时餐饮网点类型齐全，而且全市主要的高档餐饮网点也大多聚集于此。[7]上海中心城区商务楼宇集聚地也分布在陆家嘴、南京东路、人民广场等CBD商圈，这些区域也是餐饮网点集聚中心所在地。研究结果显示商务楼宇与餐饮网点空间分布的相关性较大，相关性系数为0.687。不同等级的餐饮网点空间分布与商务楼宇的相关性存在差异，总体上看，商务楼宇对于高中低档餐饮网点的影响程度依次递减。对于高档和中档餐饮网点来说，商务楼宇对其影响较大，相关均为显著，尤其与高档餐饮网点的相关系数更大，但商务楼宇与低档餐饮网点的相关性却相对较小。主要原因是高中档餐饮网点大多分布在商务楼宇周边，而低档餐饮网点并非在商务楼宇周边集中分布，而是零散分布于城市的各个角落，尤其是居民住宅密集的区域。

（三）居民住宅

居民住宅作为城市土地利用类型的一部分，其分布特征在一定程度上反映城市人口居住的集散程度。研究结果显示居民住宅分布对上海中心城区餐饮网点总体分布有正向影响但不显著，对高中低档餐饮网点分布的影响程度依次增加，且只与低档餐饮网点显著相关。分析采集到的网点数据，发现高中档餐饮网点多数在商业区呈集聚分布，因此与居民住宅分布的相关性相对较低，而低档餐饮网点多分布于居民住宅集聚区，所以与居民住宅分布的相关性显著。

（四）大型商场

作为“上海购物”的重要载体，大型商场是多种零售店铺、服务设施集中在一个建筑物或一个区域内，向消费者提供综合性服务的商业集合体，是消费者购物、休闲、娱乐的主要场所。[24]为了满足当今消费者多样化的需求，商场的功能日渐呈现出综合化的特点，因此也集聚了大量的餐饮经营者。目前，上海大型商场大多集聚分布在CBD区域，与餐饮网点空间分布呈显著的正向相关性。据数据显示绝大多数餐饮网点集聚分布在大型商场内或周边，尤其是中高档餐饮网点，与大型商场的相关性最高。由于低档餐饮网点分布较为零散，其相关性相对略低于中高档餐饮网点。由此可见，上海中心城区餐饮网点空间分布特征与大型商场分布存在很强的相关性。

（五）旅游资源

上海不仅是中国重要的金融贸易中心，也是一个新兴的旅游目的地，拥有深厚的文化底蕴和众多的旅游资源。在传统的旅游六要素“食、住、行、游、购、娱”中，“食”排在了首位，而且中国自古就讲究“民以食为天”，游客在目的地的驻留，必然会对当地的餐饮产生需求，[27]因而旅游资源分布状况会对餐饮网点的空间分布带来影响。上海中心城区旅游资源分布与餐饮网点总体分布呈正相关，但只与高档餐饮网点相关性显著。目前，随着旅游消费市场从观光到休闲度假的转变，城市旅游资源也逐步从单一旅游景点转变为全域旅游综合体。上海如今也正大力发展都市旅游开放式景区，旅游资源不再局限于传统意义上的封闭式景点，而是集休闲、购物、餐饮、娱乐、旅游等功能于一体，与城市功能区逐步融合，使得上海中心城区餐饮网点总体空间分布与旅游资源非显著正向相关。同时，也存在着较多的高知名度景点，由于其吸引力强，往往伴随着较大的人流量和较高的门票价格，周边也大多分布着高档餐饮网点，因此旅游资源对于高档餐饮网点分布的影响显著。

四、结论与讨论

上海中心城区餐饮网点空间格局呈现出不均衡分布特征，主要体现在总体数量分布、餐饮网点类型、人均餐饮消费等方面：1）静安区和黄浦区是上海中心城区餐饮网点数量分布最多的两个行政区，黄浦区分布密度最高，且明显高于其他区域。总体分布呈“多中心”式空间结构，有九个规模不等的集聚中心，人民广场区域和静安寺区域集聚规模最大，综合优势最强，其他相对独立的集聚中心分别为陆家嘴区域、徐家汇区域、中山公园区域、打浦桥区域、宝山万达区域和万象城区域。2）在餐饮网点的类型上，不均衡体现在餐饮网点的数量分布和空间分布，小吃快餐和面包甜点数量最多，这符合大众消费需求，其次为西餐和本帮菜。本帮江浙菜主要分布在黄浦区，日本菜主要分布在长宁区古北区域，而西餐主要集中分布在静安区。3）在人均餐饮消费上，高餐饮消费区主要分布在陆家嘴至后滩沿黄浦江东岸、古北区域、衡山路—复兴路历史风貌区、上海新国际展览中心和锦绣路地铁站附近，人均消费水平较高的餐饮网点多分布于富人集聚区。

影响上海中心城区餐饮网点空间格局的因素有：第一，中心城区高中低档餐饮网点空间分布均与大型商场、商务楼宇呈显著正相关。第二，旅游资源与上海中心城区餐饮网点总体分布呈正相关但不显著，只与高档餐饮网点相关性显著。这一研究结果侧面反映出上海城市旅游资源的性质已发生由封闭式旅游景点到开放式旅游综合体的转变。第三，路网密度对低档餐饮网点影响显著。上海城市交通发达以及新老城区路网与餐饮网点的分布特点是出现此结果的主要原因。

本文首次采用自适应半径核密度估计方法对餐饮网点空间格局进行探究，运用Acrgis格网化方法量化数据，从市场条件出发以更小的尺度研究空间格局的影响因素，可为研究餐饮业空间特征或其他领域的学者在研究方法上提供有益借鉴。随着当今互联网时代的飞速发展，大众点评、饿了么等网站不断促进居民对于餐饮的多元化选择和交互式反馈，今后的研究可以借助网络口碑数据，将餐饮网点与消费者情感联系起来，围绕上海市推动高质量发展、创造高品质生活，进一步探究上海餐饮服务质量，为城市居民日常生活、城市规划与旅游发展提供有效引导。

[1] 雷妍, 徐培玮. 北京餐饮中华老字号的分类、空间格局以及消费者网络评价[J]. 现代城市研究, 2017(2): 68-75.

[2] 秦萧, 甄峰, 朱寿佳, 等. 基于网络口碑度的南京城区餐饮业空间分布格局研究——以大众点评网为例[J]. 地理科学, 2014, 34(7): 810-817.

[3] 吴丽云, 陈方英. 基于网络评论内容分析的餐饮消费者行为研究[J]. 人文地理, 2015, 30(5): 147-152.

[4] 方嘉雯. 北京五道口地区韩国餐饮业空间布局特征与集聚机理分析[J]. 经济地理, 2014, 34(12): 106-113.

[5] MULLER C C, INMAN C. The geodemographics of restaurant development[J]. Cornell Hotel & Restaurant Administration Quarterly, 1994, 35(3): 88-95.

[6] GIRISH PRAYAG, MARTIN LANDRE, CHRIS RYAN. Restaurant location in Hamilton, New Zealand: clustering patterns from 1996 to2008[J]. International Journal of Contemporary Hospitality Management, 2012, 24(3): 430-450.

[7] 舒舍玉, 王润, 孙艳伟, 等. 城市餐饮业的空间格局及影响因素分析——以厦门市为例[J]. 热带地理, 2012, 32(2): 134-140.

[8] 杨帆, 徐建刚, 周亮. 基于DBSCAN空间聚类的广州市区餐饮集群识别及空间特征分析[J]. 经济地理, 2016, 36(10): 110-116.

[9] 袁小红, 毛端谦, 刘婕. 城市星级饭店空间分布模式分析——以南昌市为例[J]. 江西师范大学学报: 自然科学版, 2010, 34(3): 325-330.

[10] 黄莹, 甄峰, 汪侠, 等. 南京经济型连锁酒店空间集聚特征与过程研究[J]. 规划师, 2012, 28(12): 97-100.

[11] 梁玉立, 王为, 黄日辉, 等. 应用空间分析方法探讨外来快餐业的竞争关系——以广州地区麦当劳与肯德基为例[J]. 地理信息世界, 2011, 9(6): 45-52.

[12] VEDIA D, NAZMIYE B. The evolution and distribution of hotels in Istanbul [J]. European Planning Studies, 1999, 7(1): 99-109.

[13] URTASUN A, GUTIÉRREZ I. Hotel location in tourism cities Madrid 1936-1998[J]. Annals of Tourism Research, 2006, 33(2): 382-402.

[14] PERRY L CARTER. Spatial Consumption Decision-making: Six Studies of Restaurant Choice[D]. Columbus: Ohio State University, 1999.

[15] 梁璐. 城市餐饮业的空间格局及其影响因素分析——以西安市为例[J]. 西北大学学报(自然科学版), 2007, 37(6): 925-930.

[16] 谭欣, 黄大全, 赵星烁. 北京市主城区餐馆空间分布格局研究[J]. 旅游学刊, 2016, 31(2): 75-85.

[17] 高峻. 上海旅游资源图志[M]. 上海: 上海科学普及出版社, 2012: 12.

[18] 周爱华, 张远索, 付晓, 等. 北京城区餐饮老字号空间格局及其影响因素研究[J]. 世界地理研究, 2015, 24(1): 150-158.

[19] 李新阳. 上海市中心城区餐饮业区位研究[D]. 上海: 同济大学, 2006.

[20] 朱杰, 陈黎飞. 核密度估计的聚类算法[J]. 模式识别与人工能, 2017, 30(5): 439-447.

[21] 朱选, 刘素霞. 地理信息系统原理与技术[M]. 上海: 华东师范大学出版社, 2006: 171-173.

[22] 都刘宁, 杨利, 李东杰, 等. 湖南省旅游产业空间差异分析[J]. 产业与科技论坛, 2017, 16(24): 22-24.

[23] 张旭, 徐逸伦. 南京市餐饮设施空间分布及其影响因素研究[J]. 热带地理, 2009, 29(4): 362-367.

[24] 上海市质协用户评价中心. 上海100家购物中心消费体验调查报告(摘要)[J]. 上海质量, 2018(5): 52-54.

Spatial Pattern of Catering Outlets in the Central City of Shanghai and its Influencing Factors

,

( College of Tourism, Shanghai Normal University, Shanghai 200234, China )

In the process of promoting high-quality development and creating high-quality life in Shanghai, catering, as an important part of the life of the urban residents, plays an important role. This paper obtains the data of catering outlets in central city of Shanghai through web crawler technology, and it explores the spatial pattern and impact mechanism of the catering outlets by adaptive radius kernel density estimation and SPSS methods. In terms of spatial pattern, the overall catering outlets in the central city have a “multi-center” distribution pattern; from the perspective of the types of catering outlets, the snack snacks and bread desserts are the largest; from the perspective of per capita food consumption, the high-consumption areas are mainly distributed in the Gubei area, the Hengshan Road-Fuxing Road Historic District and Lujiazui. In terms of influence mechanism, the spatial distribution of catering outlets in central urban area is positively correlated with large shopping malls and commercial buildings, while that of high-grade catering outlets is positively correlated with tourism resources, and that of low-grade catering outlets is significantly correlated with road network density and residential housing distribution.

catering outlets; spatial pattern; influencing factor; central city of Shanghai

2018-11-22

国家社会科学基金项目（16BGL116）；上海高校高峰高原学科建设计划（A-9103-18-365011）

曾媛（1996-），女，四川达州人，硕士研究生，主要从事都市旅游产业、旅游发展战略与规划研究；

吴国清（1964-），男，安徽黄山人，教授，博士，主要从事都市区域旅游开发、旅游目的地管理、旅游标准化等研究

F 290

A

10.3969/j. issn. 2096-059X.2019.05.010

2096-059X(2019)05–0056–07

（责任编校：贺常颖）