基于POI数据的合肥市区住宿服务设施空间分布研究

张书阳，方遥，朱岩

（南京工业大学建筑学院）

1 引言

近年来，随着住宿服务业的快速发展，住宿服务设施的空间分布逐渐成为地理学、城乡规划学、经济学等学科关注的研究热点[1]。住宿服务设施的数量、类型及空间分布是衡量一座城市发展水平的重要指标[2]。因此，探究城市中住宿服务设施的空间分布特征及其影响因素对城市经济社会发展、住宿服务设施空间布局具有重要的现实意义。

相关学者就住宿服务设施的空间分布特征及影响因素展开了大量研究。苏娜等学者采用arcgis软件的空间分析方法探究北京市住宿服务空间分布特征，并分析其影响因素[3]。闫丽英同样运用arcgis软件分析空间分布问题，并通过次序多元logit模型探究北京住宿业演化过程，深度剖析了住宿服务设施空间结构与城市空间结构间的相互关系[4]。本文以合肥市区范围的住宿服务设施为研究对象，利用arcgis软件的空间分析方法，探究合肥市区住宿服务设施空间分布特征，并运用spss软件的多元线性回归方法定量分析住宿服务设施的空间分布影响因素，为城市住宿服务业的良性发展及空间布局优化提供了参考。

2 数据来源与研究方法

2.1 研究区域概况

合肥是安徽省的省会城市，截至2020年，合肥市建成区面积达528.5km2，城镇化率达82.28%。本次研究范围为合肥市区，根据《合肥市城市总体规划（2011-2020年）》对合肥市城市规划区范围的划定，合肥市区包括瑶海区、庐阳区、包河区、蜀山区四个行政区，研究区域总面积约1126km²。

2.2 数据来源

兴趣点是将地理实体抽象为点，反映其空间位置及功能分类等信息，体现地理实体的城市功能，是人口、土地、经济、社会等城市主要要素相互作用的综合表现[5]。研究基于2020年合肥市市区高德地图POI数据，通过网络爬虫获得合肥市区住宿服务、餐饮服务、购物服务等共计216976条数据。住宿服务设施为主要研究对象，依据高德POI数据分类标准将其分为酒店宾馆（2513条）、旅馆招待所（813条）、住宿服务相关（1874条）三类。此外，运用到的数据还有用QGIS软件获取的OSM地图道路数据、从合肥市统计局下载的人口数据（更新至2019年）以及从国家地理信息中心获取的行政区划数据。

2.3 研究方法

2.3.1 核密度分析法

核密度分析法是分析空间要素集聚程度和分布模式的常用方法，其基本原理通过核函数计算每个样本点在指定带宽内对中心样本点的密度贡献值，将样本点密度值进行空间叠加，并借助自然间断点分级法对数据识别分组，得到可视化的核密度图。

2.3.2 Moran′sI指数

Moran′sI是用来分析空间相关性的重要指标，分为全局莫兰指数和局部莫兰指数。全局莫兰指数可以反映兴趣点在空间中是呈集聚还是离散分布，局部莫兰指数可以进一步分析出呈现集聚或是异常值的空间位置。Moran′sI的值经过方差归一化后会一般会处在-1.0～1.0之间，I＞0表示空间正相关性，I＜0表示空间负相关性，I=0，空间呈随机性。Z值表示标准差的倍数，P值表示概率，这两个数值是判定空间随机性置信度的重要指标。

2.3.3 多元线性回归

多元线性回归与一元线性回归的原理和计算过程相同，但由于自变量的增多，导致其比单一变量的预测估计更准确有效。因此，使用多元线性回归分析变量间的线性关系，有助于探究合肥市区住宿服务设施的空间分布影响因素。

3 住宿服务设施空间集聚结果与分析

3.1 住宿服务设施空间集聚分析

将采集到的住宿服务设施POI数据进行分类和筛选，运用arcgis10.2中的核密度分析工具分别分析酒店宾馆、旅馆招待所、住宿服务相关的SHP文件，并修改分类方法为自然间断点分级法，并调整类别数为9，得到三类住宿服务设施的核密度分析图（见图1）。导入合肥行政区划的SHP文件，通过空间连接分别统计每个行政街道中的各类住宿服务设施数量，并导出SHP文件。利用Geoda软件，分别进行单变量Moran′s I分析，并返回三类住宿服务设施LISA集聚图（见图1），随机化999次后，记录数据得到空间相关性分析表（见表1）。

图1 三类住宿服务设施核密度分析和LISA集聚图

表1 不同住宿服务设施空间相关性分析

3.2 酒店宾馆

观测酒店宾馆的核密度图，两处最明显的集聚区域出现在长淮街道和逍遥津街道，长淮街道位于合肥站站前区域，逍遥津街道则包含了合肥传统商业中心步行街和银泰中心，区位优势明显。此外，在芙蓉社区和滨湖世纪社区附近也产生了小规模的集聚区域。总体来看，合肥市区酒店宾馆呈中心集聚，内密外疏的空间分布特征。分析酒店宾馆的LISA图，其Moran′sI指数为0.2845，P值为0.001。可见，酒店宾馆的空间分布在空间上整体集聚，呈正相关性，且通过了显著性检验。其中，双岗街道、包公街道、芜湖路街道与常青街道属于HH集聚，说明对周边街道有辐射带动作用，LL集聚出现在和平路街道，说明该街道本身酒店宾馆发展情况较差，对周边街道的发展也有消极影响。胜利路街道和笔架山街道呈LH集聚，说明该地区酒店宾馆发展不如周边地区，在空间分布上出现异质性。究其原因，胜利路街道位于老城商业中心和合肥站站前区域的交汇处，街道功能以居住为主与周边区域互补。

3.3 旅馆招待所

分析旅馆招待所的核密度图，集聚最显著的区域集中在逍遥津街道，三里庵街道、长淮街道、胜利路街道也呈现明显的集聚形态，芙蓉社区以及七里站街道东部也有一定程度的集聚区域。总体上，旅馆招待所空间分布与酒店宾馆相似，但集聚范围上较后者更大。以旅馆招待所的LI‐SA图为观测对象，Moran′sI指数为0.1549，P值为0.001。说明此类住宿服务设施的空间分布呈正相关。逍遥津街道、胜利路街道、包公街道、芜湖路街道、望湖街道作为城市发展领先的区域，整体上表现为HH集聚。南岗镇、小庙镇、杏花村街道远离市中心区域，呈LL集聚。井岗镇街道内有地铁2号线穿过交通便利，故自身旅馆招待所发展较好，但北临董铺水库，南靠大蜀山，自然环境限制了周边地段的旅馆招待所分布，故呈HL集聚。

3.4 其他住宿服务

观测其他住宿服务的核密度图，空间分布最为集中的区域出现在逍遥津街道及其周边的长淮街道和胜利路街道。南七街道、莲花社区、滨湖世纪社区及烟墩街道南部也出现了较为显著的集聚区域。分析其他住宿服务的LISA图，其Moran′sI指数为0.2065，P值为0.001，说明在99%的置信度下，空间分布整体集聚，且展现出正相关性。胜利路街道、包公街道、芜湖路街道、望湖街道、笔架山街道、荷叶地街道、井岗镇呈HH集聚。大杨镇、杏花村街道、海棠街道、七里站街道、和平路街道、大兴镇等距城市中心较远的街道呈LL集聚。稻香村街道占地面积较小，其内功能多为高校及医疗服务设施，故空间分布呈异质性，为LH集聚。

4 影响因素分析

4.1 影响因素的选取

以往学者探究住宿服务设施空间分布涉及诸多影响因素，主要包括人口、交通、经济、社会、文化等要素。在对上述影响因素进行筛选、增补、分类后，本文将从人口、交通可达性、城市功能三大方面对三类住宿服务设施的影响展开分析（见表2）。

表2 合肥市区住宿服务设施影响因素

4.2 多元线性回归结果分析

运用arcgis软件处理自变量数据，首先通过统计功能获取各行政街区面积，导入人口数据后运算得到各街区人口密度；再使用空间连接、标识等功能得到各街区路网密度；最后导入其他POI数据进行数量统计后导出表格。利用spss软件的多元线性回归功能分析数据，得到因变量与自变量间的相关系数及R²（见表3）。

表3 合肥市区住宿服务设施与各影响因素的相关系数

观测结果可知，住宿服务设施的R²（解释概率）值在0.7左右，说明分析结果有很好的解释力。分析表格数据发现，餐饮服务设施与住宿服务设施的相关系数均为正，说明两者在空间分布上呈很强的正相关。交通可达性同酒店宾馆、其他住宿服务在空间上也呈正相关，但与旅馆招待所则呈负相关。人口密度、体育休闲设施、生活服务设施、公司企业同各类住宿服务设施的相关系数皆为负，说明考虑到区位条件、服务对象、地租水平等因素的影响，住宿服务设施同以上四类影响因素在空间分布上呈负相关。

5 结语

本文以合肥市区住宿服务设施兴趣点为基础数据，运用核密度分析法、莫兰指数分析了市区各类住宿服务设施空间分布特征及影响因素，得到三点主要结论。

①合肥市区各类住宿服务设施空间集聚特征明显，以“逍遥津街道—长淮街道”为主中心，形成了“芙蓉社区、滨湖世纪社区”2个副中心，整体上呈“核心集聚，内密外疏”的空间特征。

②市区各类住宿服务在空间上呈显著的“HH集聚”和“LL集聚”现象，“HH集聚”主要出现在城市中心区域，“LL集聚”在城市边缘区域较为明显。

③在空间相关性上，住宿服务设施与人口、交通可达性及各类城市功能相关，餐饮服务设施同住宿服务设施的空间相关性最为显著。