基于POI数据的城市服务业空间分布与集聚特征研究——以南京主城区为例

翟 青,郭素萍2,魏宗财3,胡玲茜

(1.南京邮电大学 地理与生物信息学院,江苏 南京210023;2.北京量城科技有限公司,北京100080;3.华南理工大学 建筑学院、亚热带建筑科学国家重点实验室,广东 广州510641)

服务业包含生产性服务业和生活性服务业。生产性服务业对城市经济发展具有重要的地位和作用,国内外学者对其开展了大量实证研究。地理学研究侧重于空间属性分析,主要包括生产性服务业的区位选择、空间格局、区域差异等内容[1-3]。西方国家生产性服务业主要呈现空间集聚与扩散并存的态势,高端服务业在中央商务区(CBD)集聚,产业扩散呈多中心化态势,并促进多中心空间结构的形成[4-6]。我国的生产性服务业在城市内部处于向心化的空间集聚阶段[3,7,8]，且通过对金融业、信息咨询业、计算机服务业、房地产、汽车服务业等行业研究发现,生产性服务业的不同行业呈现出不同的集聚特征[9-11];而生活性服务业则主要关注零售商业的业态空间结构研究[12]。总之,城市尤其是中央商务区是服务业的主要集聚地,服务业的空间格局通过集聚、扩散、相互作用不断形成新的空间形态[13-15]。

传统研究主要采用描述性分析、实证和归纳相结合的方法,数据来源于统计资料、问卷调查和深度访谈[15]。随着网络数据挖掘,为城市空间研究提供了新的数据支撑与技术手段,跨学科研究方法不断融入。核密度估算法[11]、基于ESDA的全局和局部空间自相关分析[16]、EG指数方法[17]陆续用于服务业空间格局分析中。国内学者李江苏等采用挖掘POI数据的方法,使用MATLAB软件和DBSCAN聚类算法,分析了郑州郑东新区服务业的总体、分行业空间聚类特征[18];廖伟华等利用Python软件爬取糯米网商家的位置和服务内容信息,使用Apriori算法计算了南宁生活性服务业的空间关联规则和频繁模式[19]。

目前,很少有研究从生产性服务业、生活性服务业两个方面综合分析城市服务业发展特征。本研究以南京市主城区为例,采集服务业14类的POI数据,使用核密度估计法、基于ESDA的空间自相关分析法和多距离空间聚类分析法,分析城市服务业空间分布与集聚特征。通过对比生产性与生活性服务业的空间集聚差异,探索重点发展行业的引导对策,为城市经济提升提供科学依据和参考。

1 研究方法与数据来源

1.1 研究区概况

南京是江苏省的省会,也是长三角地区唯一的特大城市，现已进入服务社会,推动经济快速发展。根据《南京市“十三五”服务业发展规划》,全市服务业增加值力争达到10%的年均增长水平,实现生产性服务业集聚化、生活性服务业便利化的目标,至“十三五”末占GDP的比重达62%以上[20]。

图1 南京市主城区行政区分布

本文研究区域为南京主城区(图1),包括鼓楼、玄武区的全部,建邺和秦淮区的绝大部分和栖霞、雨花台、江宁区的小部分。由秦淮河、明城墙、玄武湖围合的区域是城建历史悠久的老城区,内有新街口、夫子庙、湖南路—山西路等传统商圈;秦淮河以西,由建邺区和一小部分鼓楼区组成的河西新城是以商务功能为主的南京CBD新地标;以高铁南站为中心,跨越雨花台、江宁、秦淮三区的区域是南部新城,重点发展枢纽型商贸商务总部经济;主城区北部、靠近长江的区域是燕子矶地区,目标打造集自然景观、商业配套、医疗、教育为一体的滨江宜居新城。

1.2 数据来源

兴趣点(Point of Interest,POI)是指一切可以被抽象为点的地理实体,每一条POI数据包含地理实体的名称、经纬度、地址、类别等信息。本文的研究数据来源于百度地图API,采集时间为2018年5月,共获取14大类、81种类、524个小类的POI数据。大类包括餐饮服务、购物服务、科教文化服务、风景名胜、公共设施、公司企业、交通设施服务、金融保险服务、商务住宅、生活服务、体育休闲服务、医疗保健服务、政府机构与社会团体、住宿服务等。参照《国民经济行业分类与代码(GB/4754-2017)》中生产性服务业和生活性服务业的分类,结合POI数据的分类特征,共整理出服务业的14种行业和POI数据的对应内容(表1)。经过数据清洗、重复数据合并,共获得62583条服务业POI数据。

1.3 研究方法

本研究采集的服务业POI数据本质上是点数据集,结合研究数据的特征,为满足研究需要,采取以下研究方法:①多距离空间聚类分析法(Ripley′s K函数)。该分析法可对点数据集进行不同距离的聚类程度分析,分析不同空间尺度下服务业点要素的集聚尺度与集聚规模,说明服务业分行业在多尺度空间中的集聚特征及差异[21]。②核密度估计法(Kernel Density Estimation,KDE)。该方法是最常用的点要素空间集聚分析法,借助一个移动的单元格对点或线格局的密度进行估计[22]。本文选用Silverman的“经验法则”[23],根据服务业总体和分行业的点数目及其对应面积合理确定带宽,分析服务业总体和分行业的空间密度变化、空间分布特征及差异。③基于ESDA的空间自相关分析法。通过全局空间自相关,从总体上分析服务业的空间特征。Global Moran′s I指数的值域为[-1,1]。I=0,服务业要素在空间上随机分布;I>0,代表存在空间正相关集聚现象;I<0,则存在空间负相关。通过局域空间自相关,寻找服务业各行业空间分布的热点集聚区,根据局域Getis-Ord G*指数(Z值)判定其集聚特征。以街道为单位,如果该街道空间的G*(Z值)为正,且高于均值,则该街道是高值(HH)空间集聚(热点地区);低于均值,则该街道是低值(LL)空间集聚。如果该街道空间的G*(Z值)为负,则该街道存在空间负相关,包括HL和LH两类。

表1 南京市服务业POI数据类型

2 服务业空间格局分析

2.1 基于空间距离的服务业空间形态特征

最近邻指数分析:最近邻指数(NNI)可用于分析POI点要素的空间分布模式。从服务业总体看,观测到的平均最近邻距离为48.76m,期望平均最近邻距离为135.44m,NNI值为0.36,说明南京市主城区服务业的空间分布呈显著集聚(表2)。从分行业看,NNI值均小于1,且Z得分均小于-2.58,通过99%显著性检验。NNI值越小,代表空间集聚程度越高。住宿餐饮、居民服务修理和其他服务是生活性服务业中集聚度最高的行业,公共管理社会保障和社会组织、金融保险是生产性服务业中集聚度最高的行业。

表2 南京市主城区服务业空间集聚性分析

Ripley′s K函数分析:Ripley′s K函数计算结果显示,服务业总体的特征空间尺度为5km(图2a),即服务业区位选择的空间范围。这说明在0—5km范围内,服务业集聚强度逐渐增大,在5km处达到最大,集聚规模为78.54km2,随后集聚强度逐渐减弱。生活性服务业的尺度依赖性与总体特征基本保持一致,呈现“单峰”特征(图2b—h)。教育类服务空间区位选择的空间范围最大,在6km处达到集聚峰值,集聚规模为113.10km2;批发零售的服务空间相对较小,为4km。其他生活性服务业分行业的特征空间尺度均为5km,服务覆盖面整体较广。与生活性服务业相比,生产性服务业空间分布的特征空间尺度相对较小(图2i—o)。交通运输和仓储邮政仅为2.5km,租赁和商务服务为3.5km,金融保险为4km,信息传输软件和信息技术服务、科学研究和技术服务为4.5km,房地产、公共管理社会保障和社会组织为5.5km。区位选择的空间范围较小,说明区位选择对生产性服务业分布的影响较大。

图2 南京市服务业空间的Ripley′s L(d)函数分析

2.2 基于空间密度的服务业空间分布特征

服务业总体呈多中心等级分布:服务业总体呈“一主三副”多中心的空间结构(图3a)。以新街口商圈为基础,沿东西向的地铁2号线形成“新街口—大行宫”服务业主中心。沿南北向的地铁1号线、3号线和城市主要道路,分别形成珠江路、夫子庙、“湖南路—山西路”服务业副中心。各中心均分布在老城区内,而河西新城、南部新城、燕子矶地区尚未形成服务业集聚中心,说明老城区仍然是南京服务业的唯一核心,南京主城区服务业发展处于空间集聚阶段。

生活性服务业倾向于均衡分布:如果将房地产业分布看做是城市居民的居住地和就业地,那么生活性服务业分布明显与这两大活动场所契合。以住宿餐饮业、批发零售业为例,虽然两者POI数量差距悬殊导致分布密度相差近20倍,但是仍呈现相似的均衡分布特征:在“一主三副”形成主要集聚中心的同时,在河西新城、南部新城、燕子矶地区也形成多个次要集聚中心(图3b、图3g)。通过小集聚、大分散的空间均衡分布提升行业布局的均好性。

图3 南京市主城区服务业空间核密度分析

生产性服务业倾向于集聚分布:与服务业总体分布情况最为相似的是交通运输和仓储邮政、金融保险、租赁和商务服务,前两者在“新街口—大行宫”区域形成单中心空间集聚,后者在老城区形成多个集聚中心(图3o、图3j、图3k)。信息传输软件和信息技术服务、公共管理社会保障和社会组织、房地产在遵循总体分布特征的基础上,集聚中心突破老城区范围(图3m、图3i、图3n)。由于南京高校云集、科教实力雄厚,科学研究和技术服务呈现出独特的集聚形态,沿北京东路—北京西路形成线状集聚特征(图3l)。

从分布数量来看,生产性服务业的行业规模(POI数量)普遍比生活性服务业的行业规模小,其数量级亟需提升。从分布密度来看,金融保险业取代科学研究与技术服务业,成为南京市生产性服务业中最具集聚特征的行业[24]。与POI数量相当的批发零售业比较,除了信息传输软件和信息技术服务业,其他行业的分布密度都更高,说明生产性服务业的分布更加集聚。

2.3 基于空间关联的服务业空间集聚特征

本文基于街道划分研究单元,采用空间自相关分析法分析了服务业空间分布的集聚特征。首先,Global Moran′s I指数为0.2565,用于检验的Z得分为4.9958(大于临界值1.96),在0.01的显著性水平下通过检验,表明服务业空间分布存在着显著的空间正相关关系,总体上呈集聚特征。再采用局域Getis-Ord G*指数进一步识别其空间分布的冷热点(表3)。

结果显示:①南京市各行业均呈“中心—外围”圈层结构,服务业发展的空间依赖性较为显著。服务业高度集聚的核心区域为新街口、五老村、洪武路、大光路、瑞金路等街道,然后向华侨路、湖南路、玄武门、梅园新村、朝天宫、夫子庙、秦虹等街道扩散(图4)。这与吴建楠的研究结论不完全一致:2010年南京市生产性服务业热点区为新街口、洪武路、湖南路、梅园新村等街道[24],说明近年来南京市服务业集聚的空间规模是在不断扩大的。②热点街道的行业发展侧重点不同,具备空间异质性。新街口街道重点发展教育、科学研究和技术服务、交通运输和仓储邮政等行业,五老村街道重点发展文化体育和娱乐、公共管理社会保障和社会组织、金融保险、租赁和商务服务等行业,洪武路街道重点发展住宿和餐饮、居民服务修理和其他服务、信息传输软件和信息技术服务、房地产等行业,大光路街道重点发展卫生和社会工作、批发和零售、水利环境和公共设施管理等行业。由此可以推断,五老村和新街口街道则是生产性服务业的集聚中心,洪武路和大光路街道是生活性服务业的发展中心。③夫子庙副中心所在的夫子庙街道结合自身丰富的旅游资源,重点发展生活性服务业(图4b),“湖南路—山西路”副中心所在的湖南路街道则侧重于发展生产性服务业(图4j、图4l—o)。

表3 南京市主城区服务业空间热点分析的统计特征

注:**表示P值小于0.01；*表示P值小于0.05。

图4 南京市主城区服务业空间冷热点集聚格局

3 结论与讨论

服务业的发展是城市经济发展的重要基础,是提升城市竞争力的重要引擎。本研究基于南京市服务业14个分行业的POI数据,从空间密度、空间关联、空间距离等方面综合测度南京服务业及其各行业的空间集聚特征。结果表明:①服务业总体呈“一主三副”多中心空间结构,各行业呈“中心—外围”圈层结构。服务业以“新街口—大行宫”为主中心,形成“珠江路、夫子庙、湖南路—山西路”3个服务业发展副中心。各行业空间分布仍然以“新街口—大行宫”为核心,体现出较强的空间依赖性。②生产性服务业在城市内部空间处于向心化的空间集聚阶段,而生活性服务业则空间集聚与扩散并存。与生活性服务业相比,生产性服务业集聚空间规模较小,区位因素对产业布局影响更大。排除POI数量级差异的影响,生产性服务业集聚程度更高,尤其是金融保险业。③服务业集聚具有空间异质和行业分异特征。服务业总体及14个分行业的空间热点识别结果证明了服务业分行业的集聚态势因其类型和功能的不同而存在差异。

综上所述,城市服务业暂未实现“十三五”规划的空间格局。按照服务业“十三五”规划,在新街口区域、河西新城和南部新城打造商务商贸服务业中心,在夫子庙、湖南路、中央门等区域推动产业提档升级、差异化发展。为匹配我国现代服务业名城和区域金融服务中心的城市定位,本研究建议引入商务商贸、信息服务、科技研发等领域的龙头企业,大幅提升生产性服务业总量规模、丰富服务业产业内容,构建以高端生产性服务业占主导的服务业产业结构。POI数据能反映服务业空间分布特征,为规划布局提供科学依据,未来研究应结合经济普查数据,进一步深入探讨城市服务业空间格局的影响因素和时空演变模式。