城市交通路网中心性与零售网点空间布局的关系研究——以济南市区为例

侯毅鸣，陈延斌，宋成镇

(山东师范大学地理与环境学院，中国 济南 250358)

城市经济活动空间分布与交通网络的关系一直是城市地理、经济地理、城市规划等领域的研究热点[1]。随着社会科学的发展，学者们逐渐从网络视角研究城市结构和城市形态以及交通、人口、经济和土地利用之间的地域关系[2,3]。道路网络作为城市内部交通的重要组成部分，通过影响人和物的活动轨迹，深刻影响着经济活动的空间分布[4]。研究道路网络与经济活动空间分布的相关性对预测城市商业网点空间演化趋势、缓解区域交通压力，优化城市功能用地布局等具有重要意义。

“有些地方比其他地方更重要，因为它们更为中心”[5]，中心性是解读交通网络空间特征的关键指标之一[6]。路网中心性是量化道路网络中各节点可达性的有效手段[7]，通常采用空间句法或多中心性评价模型进行测度。与空间句法相比，多中心性评价模型在计算路网中心性时使用节点间的公制距离，因而更具有实际意义[8-10]。Miller[11]提出了交通网络结构中可达性的测算方法，Okabe等[12,13]开发了基于ArcGIS软件的交通网络分析工具，以上研究成果构成了多中心性评价模型的基础。此后，诸多学者开始深入研究路网中心性及其与城市经济活动的关系。Porta等[14]分析了巴塞罗那中心地区街道网络和经济活动区位之间的关系，认为在城市规划中应将交通干道视为街区的核心而非边界；王瑶莉等[15]以青岛市为例，从全局和局部两个尺度研究了邻近中心性与居民活动强度及土地利用强度的关系；吕永强等[16]从交通路网中心性的角度分析了北京市中心区不同城市功能用地的交通导向特征；陈晨等[1,17]发现沈阳市交通网络的多中心性导致了经济活动的多中心性，长春市不同类型的商业网点受路网中心性影响的程度不同。然而，以上研究在分析路网中心性与经济活动的相关关系时，只考虑总体相关性，忽视了两者间的空间依赖性与空间异质性。

零售业是城市经济活动的活跃因素[18]。围绕城市中零售业的区位选择与空间布局问题，学者也展开了相关研究。Tanega[19]指出无论零售商店提供多么好的产品或服务，区位仍然是其成功的关键。Cohen和Lewis[20]在1967年发表了“零售地理学中的形态和功能”，发现积极竞争的商店往往呈带状出现在高速路、商业街中；Downs[21]对购物中心认知的研究认为交通条件和服务范围是商店布局的重要原则。我国对零售业分布的研究起步较晚，自从严重敏先生在20世纪60年代引入中心地理论后，涌现出大批以国内大城市为案例的实证研究[22]。目前，国内学者多基于兴趣点数据，利用最邻近距离、标准差椭圆、核密度估计、莫兰指数[23-25]等方法分析零售业的空间分布特征，而从路网中心性的角度分析空间分布特征的研究较少。

基于此，本文首先测度济南市区交通路网中心性，然后分析路网中心性和各类零售网点的空间分布特征，结合Person相关系数和地理加权回归模型建立路网中心性与零售网点空间分布的统计学关系，分析总体相关性和空间异质性。本文研究城市路网中心性与各零售细分行业的空间分布关系，深化对零售网点空间布局与城市内部路网结构之间关系的认识，既可进一步丰富现有多中心评价模型研究案例，又可发现各零售细分行业分布的交通导向特征，对促进城市零售业与交通设施合理布局，优化城市空间结构，改善居民生活质量，推动城市社会经济健康高质量发展具有重要现实意义。

1 研究方法与数据来源

1.1 研究方法

1.1.1 路网中心性测算 基于多中心性评价模型(Multiple Centrality Analysis，即MCA)计算济南市区路网中心性。MCA的原理是将城市道路抽象为直线，将路口抽象为节点或端点，沿两节点间的最短路径测算实际距离[12,13]。选取邻近中心性(closeness centrality)、中介中心性(betweenness centrality)、直达中心性(straightness centrality)3个指标，运用ArcGIS中的城市网络分析工具(Urban Network Analysis Tool，即UNA)对路网中心性进行测算。

邻近性(CC)表示一个节点与其他所有节点的邻近程度，反映了该节点在交通网络中的相对可达性。其公式如下：

(1)

中介性(CB)认为，连接网络中的任意两个节点都有一条最短路径，通过某一区域的最短路径越多，该区域的中介性越好。中介性可以用来表示通过某节点的交通流量，中介性的值越高反映通过该节点的交通流量越大，其公式如下：

(2)

直达性(CS)是衡量节点交通效率的有效手段。两节点间最短路径的距离与直线距离的比值越小，表示该路径偏离直线的程度越小，即两节点间的交通效率越高。直达性公式如下：

(3)

1.1.2 核密度分析 核密度分析法(Kernel Density Estimation，即KDE)是一种非参数估计的空间分析方法，易于实现并能较好反映地理现象空间分布中的距离衰减效应[26]。运用KDE分析济南市区零售网点分布与路网中心性值的空间格局，二维空间的核密度方程可以表示为：

(4)

式中：h为阈值，n为阈值范围内零售网点数量，(x-xi)2+(y-yi)2表示点(xi,yi)与(x,y)间的离差。综合考虑核密度图像的平滑度与局部数据特征的明显程度，选取1 500 m为核密度阈值进行分析，输出栅格数据像元大小选择100 m。

1.1.3 地理加权回归 根据地理学第一定律，两事物之间距离越近联系越大。地理加权回归模型(Geographically Weighted Regression，即GWR)通过赋予样本点邻域内观测值更高的权重，表现出事物之间的天然联系。与传统的回归模型如普通最小二乘法(Ordinary Least Squares，即OLS)相比，GWR采用局部回归的方法，能够反映不同区位路网中心性与零售网点布局的相关性差异。研究表明，在具有空间关系的回归分析上，GWR相较于OLS具有更好的拟合优度[27-29]。GWR模型的结构方程如下[29]：

Yi=β0(ui,vi)+∑kβk(ui,vi)Xik+εi，

(5)

(6)

式中：Wij表示零售网点i和网点j间的权重影响；b为带宽，带宽b越大，权重影响随着距离dij的增加衰减的速度越慢，带宽b越小，权重影响随着距离dij的增加衰减的速度越快，带宽b的值取决于相邻要素数或距离范围。选用AIC准则对带宽进行优化，其公式如下[30]：

(7)

式中：C为模型的赤池信息值，根据赤池信息准则，C的值最小时对应的带宽为模型中的最优带宽；n表示样本中零售业网点的数量；tr(S)表示GWR的S矩阵的迹，为带宽函数；σ为误差项估计的标准离差。

1.2 研究区域与数据来源

济南市是山东省省会、全国副省级城市之一，也是环渤海地区和黄河中下游地区中心城市之一。近年来，在“东拓、西进、南控、北跨、中优”的城市空间发展战略背景下，济南城市道路建设加快、道路网正从“二环”向“三环”突破。同时，济南市零售网点逐渐增多，零售业态种类逐渐丰富。本文研究区域为《济南统计年鉴—2019》所指济南市区范围，包括市中、历下、槐荫、天桥、历城、长清、章丘和济阳共8个区。2018年市区总面积6 121 km2，总人口554.13万人，分别占济南市的76.53%和84.48%。济南市区承载着济南市的主要城市功能，生产总值占全市的92.54%，国道、省道发达，是全省公路网络中心和高速公路中心枢纽[31]。

交通路网数据来自国家地理信息公共服务平台，结合研究内容和济南市实际情况，对道路矢量数据进行预处理。剔除公园道路、居住区道路等非研究对象后，研究区内共有5 620条边，3 688个节点。利用Python获取百度地图中研究范围内的零售网点共7 089家，结合实际情况对数据进行预处理，根据《零售业态分类》(国家标准GBT18106-2004)，将零售网点类型分为7类，其中超市812家、服饰店855家、专卖店(包括但不限于文化和体育用品专卖店)2 235家、家居建材市场839家、副食品店871家、家电电子卖场1 098家、商场379家。

2 结果分析

2.1 路网中心性空间特征

以ArcGIS 10.2为研究平台，提取交通路网的节点和端点作为网络分析的节点，测算两节点间的实际距离，创建济南市区路网数据集。运用UNA工具对交通路网中心性进行测度，得到路网中心性分布图(图1)。利用KDE方法，分别以邻近性、中介性、直达性为权重进行空间插值，得到交通路网中心性核密度分布图(图2)，采用自然断点分类法将各图层核密度分为9类，以此来反映其空间分布特征。

图1 济南市区交通路网中心性空间分布Fig. 1 Central spatial distribution of traffic network in Jinan

图2 济南市区交通路网中心性核密度分布Fig. 2 Distribution of central kernel of traffic network in Jinan

从图1(a)中可以看出邻近中心性值呈明显的“中心—外围”分布模式，符合地理学中的距离衰减规律。邻近性高值区基本位于二环路以内(图2(a))，维十二路以东、顺河高架路以西、经一路以南、经十路以北区域邻近中心性最高，该区域也是天桥区、槐荫区、市中区和历下区互相毗邻之处，区域内道路节点到市内其他区域节点的距离最短，相对可达性最高。考虑到全市居民的方便程度，济南站、山东省立医院等公共服务设施多分布在此。在高值区外围分布有多个次中心，如西部槐荫区日照路以北的腊山河沿岸地区，北部天桥区顺河高架路与水屯北路交汇处，东部历下区燕子山路与和平路交汇处以及奥林匹克体育中心周围，以上区域也具有较高的可达性。

中介性呈明显的多中心分布模式，且呈条带状从济南市中心城区向外围辐射，这与济南市交通干道的分布有关。图2(b)显示中介性高值区的范围较邻近性向东略有扩张，次中心主要在槐荫区经十路与济南绕城高速交汇处、二环西路与经六路交汇处，历下区二环东路与解放路交汇处、颖秀路与工业南路交汇处、解放东路与奥体西路交汇处，市中区英雄山立交桥等承载巨大车流量的路口。以上区域通过的最短路径最多，在道路拥塞情况下对交通流量的控制能力较强。从图1(b)可以看出条带状的中介性核密度高值区主要有从中心城区沿经十西路至长清区文昌街道，沿望岳路向南至历城区钟宫镇S103与S317交汇处，沿经十路(G309)、世纪大道、工业北路(S102)向东至章丘区双山街道，沿顺河高架路、G35和G20向东北方向至章丘区刁镇街道，沿二环东路、京岚线、东郑线向北至济阳区济北街道。以上道路交通承载量大，通勤度较高，有利于加强济南中心城区和外围区县的沟通与联系，促使城市向多中心方向发展。

直达性高值区分布和邻近性相似，多中心结构更加明显。槐荫区腊山商圈、西客站商圈，历下区高新技术开发区，市中区领秀公园附近存在次中心。济阳区济北街道、章丘区双山街道、长清区平安街道分别为所在市辖区的直达性高值区(图2 c)。以上区域内节点去往其他节点的最短路径与直线路径的偏离程度较小，交通效率较高。从图1(c)可以看出从中心城区向东方向至章丘区双山街道、向西南方向至长清区孝里街道，直达中心性有连续明显的带状高值区，说明济南市中心至章丘和长清两区之间的路网形态较规则，通达性较好。

对高校突发事件的理解，如果从突发事件的角度展开分析，可以理解为“突然发生的严重事件，对社会或者学校造成较大的不良影响，需要采取一系列的应急措施加以防范”。至于对高校突发事件的具体判定，每个人在认识上可能存在差异，但是其中大多数人认为：这类型事件主要指的是在高校内部突然发生、同时给学校生活造成严重威胁和损失的重大事件，通常会给学校带来较大的不良影响。

2.2 零售业空间分布特征

对零售网点进行空间插值，得到总体及各细分零售行业核密度分布图(图3)。从图3中可看出超市、副食品店、商场核密度分布在中心城区内呈多核心结构，其中超市核密度的高值区范围最大。以上3种类型零售网点的总体分布格局有不同的特点。由于超市的生存门槛值较低，在市区随居住区和商业中心布局，分布相对分散且均匀。中心城区以外人口分布相对稀疏，专门销售副食品的门店难以生存，因此副食品店在中心城区以外地区核密度值较小。商场需要拥有广阔的商圈范围，主要布局在人流量大、消费频率高的市、区级商业中心。

家电电子卖场和家居建材市场核密度在中心城区各有3处高值区域。家电电子卖场集中分布在济南中恒商城附近(主要为家用电器专卖)、泉城路沿街、山东大学中心校区至解放路一带(主要为数码产品专卖)，这些区域或布局有众多住宅区，或毗邻中小学、高校，具有较好的市场条件。家电、电子产品专卖店在济南市区分布相对均匀，表明人们对家电、电子类产品的需求较大。家居建材市场主要聚集在交通便捷的道路交汇处，如北园大街与航运路路口、小清河以北的历山北路一带、北园大街与顺河高架路交汇处，与其他类型零售业相比聚集现象更加突出。

服饰店与专卖店的分布呈单核心结构，主要聚集在以泉城广场为核心的高级别商业区。经四路万达广场以及经二路与纬十路交汇处为服饰店核密度的次中心，中心城区之外的地区服饰店核密度值较小，这与众多的服饰品牌选择在大型购物中心内开设店铺有关。专卖店核密度次中心较多，且有连接成片的特点，以马鞍山路英雄山文化市场次中心为例，专卖店分布与文化、体育场所的布局有密切关系。

总体来看，济南市区零售网点空间布局呈“大集中，小分散”的特征，即大量零售网点集中分布在市中心，其他地域只有多个小范围聚集区。中心城区的高值区核密度值在142～191之间，中心城区之外的区域核密度值较低，只有济阳、长清、章丘区的中心商业区核密度值较高，在20～53之间。

2.3 零售网点空间分布与路网中心性关系

2.3.1 总体相关性分析 提取零售网点对应的路网中心性核密度值和零售网点分布核密度值，导入SPSS软件进行相关性分析与显著性检验，得出各细分零售行业与路网中心性关系的统计学特征，根据两者的相关程度，把零售业分为不同的导向型，结果见表1。

表1 皮尔逊相关系数及零售网点导向型分类Table 1 Pearson correlation coefficient and retail outlet oriented classification

表1显示，除了家居建材市场核密度与邻近中心性及中心性平均值的相关系数外，其他相关系数均通过了0.01水平上的显著性检验。通过分析可以得到以下结论。

(1)超市、服饰店、副食品店、家电电子卖场以及家居建材市场为中介性导向型的零售业类型，其中超市核密度与中介中心性为强相关关系，皮尔逊相关系数为0.767，家居建材市场核密度与中介中心性的相关性最弱，皮尔逊相关系数为0.242。中介中心性反映的是节点在交通路网中的中转和衔接功能，是衡量交通流量的重要指标，所以超市、服饰店、副食品店、家电电子卖场、家居建材市场聚集的地方通过的最短路径最多，交通流量较大。

(2)商场和专卖店为邻近性导向型的零售业类型，两者的皮尔逊相关系数分别为0.602与0.533。邻近性反映了某节点到其他所有节点的相对可达性，所以商场和专卖店聚集的地区到其他区域道路节点的可达性最高。

(3)总体来看，零售业核密度与交通路网中心性具有较强的相关性，皮尔逊相关系数为0.709，零售业布局与中介中心性的相关性最强，与直达中心性的相关性最弱。

进一步分析各类零售网点分布与路网中心性相关性差异的原因，可得如下结论。

(1)超市和副食品店主要为附近的居民服务，同时人们到达超市、副食品店进行消费的频率较高，为了节省交通成本，他们常选择最短路径到达目的地。因此，超市和副食品店多分布在最短路径通过较多的地方，与中介中心性相关性强。

(2)对于家电、电子和服装饰品等商品，消费者一般有所偏好且需要“货比三家”，所以家电电子卖场和服饰店多选择在人流量多的地区集中布局，这些地区的中介中心性较高。

(3)家居建材市场的占地面积较大，多分布在商业中心外围，与交通路网中心性的相关性弱，同时该类商品的运输成本高，需要考虑通过最短路径到达目的地，所以与中介中心性有高的相关性。例如居然之家、红星美凯龙世博家居生活mall、济南建华保温材料大全等大型家居建材市场聚集在二环东北角，且在北园大街与历山北路路口，符合上述区位特点。

(4)商场面积较大、货品齐全，可以满足消费者一次性购齐所需物品的要求，进而吸引远距离的人们来此购物；专卖店要考虑品牌影响力的提升，大多装潢精致、销量少而利润高，目标顾客以全市的中高档消费者为主。商场和专卖店服务范围广阔，其分布要考虑到达城市所有地方的平均距离，所以与邻近中心性的相关程度大。

2.3.2 空间异质性分析 皮尔逊相关系数表征了零售网点分布与路网中心性的总体相关程度，但并不能反映两者关系随地理位置的变化。由于自然环境和人文环境等因素的差异，地理现象的非平稳特征不容忽视。采用GWR模型分析零售网点与路网中心性关系的空间异质性，可以为城市零售业布局优化、因地制宜提供科学依据。选取中介中心性导向型零售业中的超市和邻近中心性导向型零售业中的专卖店核密度作为因变量，分别把3种中心性指标核密度作为解释变量，选择高斯固定核为核类型，选择AICC方法为模型带宽，应用ArcGIS软件中的GWR工具进行地理回归分析。选取赤池信息量准则AICC值和调整后的R2值对比GWR与OLS的拟合结果(表2)。

表2 OLS和GWR模型参数的描述性统计比较Table 2 Descriptive statistical comparison of OLS and GWR Model parameters

由表2可知，GWR模型较OLS模型有更小的AICC及更大的调整R2，因此GWR模型具有更好的拟合优度。选取相关系数反映超市和专卖店分布与交通路网中心性相关关系的空间异质性，结果如图4和图5所示。

图4 基于GWR模型的济南市区超市分布与路网中心性回归系数图Fig. 4 Regression coefficient diagram of supermarket distribution and road network centrality based on GWR Model

图5 基于GWR模型的济南市区专卖店分布与路网中心性回归系数图Fig. 5 Regression coefficient diagram of specialty store distribution and road network centrality based on GWR Model

从图4可看出，超市与3种路网中心性指标回归系数的相关分布特征相似。路网中心性对与超市布局正向影响的低值回归系数较低的区域主要在济南市中心城区、章丘区双山街道以及其他辖区的乡村地区，表明济南市中心城区和章丘区双山街道经济活跃度高。超市布局还受地价、消费市场状况、城市设施布局等其他因素的较大影响。同时，以上区域路网稠密，交通条件整体较好，使得道路节点的区位优势相对减弱。农村地区交通节点车流量较少，超市选址时可能更多考虑与居民点的距离等其他因素，因此路网中心性对超市布局的影响较弱。超市分布与路网中心性相关系数的高值主要分布在历城区，说明该区域超市布局对路网中心性的反应最敏感，路网结构对经济活动产生了重要影响。

图5显示，路网中心性与专卖店分布回归系数的高值区主要在二环东路以东、济南绕城高速东段(G2)以西的中心城区内，该区域道路网络形状规则且通达性好，路网形态对专卖店布局有较大影响。回归系数的低值在北园高架路以南的二环内区域，以泉城路、黑虎泉北路、泉城广场、泺源大街为代表。这些区域为济南市核心商业区，稠密的人口和良好的商圈环境是专卖店在此布局的重要原因，路网中心性对专卖店布局的影响程度相对较小。同时，旅游景点和学校也对专卖店有很大的吸引力。

3 结论与讨论

通过研究济南市路网中心性和零售业空间布局特征以及对两者相关关系和空间异质性的分析，可以得出以下结论。

(1)济南市区路网中心性的多中心特征初步显现，中心城区为路网中心性高值区，次中心集中在高值核心周围，对外围地区的带动作用不足。济阳、长清、章丘3区只有区政府所驻街道道路密集、核密度值较高，其他区域路网中心性核密度值较低。

(2)从空间分布特征看，零售业网点在市中心的聚集现象明显。在外围的济阳、长清、章丘3区，只有超市和家电电子卖场分布相对均匀，其他类型零售业店铺多聚集在区政府所驻街道商业区。

(3)零售业与路网中心性具有较强的相关性。超市、服饰店、副食品店，家电电子卖场以及家居建材市场为中介性导向型的零售业类型；商场和专卖店为邻近性导向型的零售业类型。总体来看，中介中心性对零售业网点选址的影响程度最大，即区域节点之间最短路径通过数量多的地方对零售业具有较强的吸引力。

(4)路网中心性对零售业分布的影响程度具有空间异质性。以超市和专卖店为例，受地价、消费市场状况，城市设施布局以及其他因素的影响，不同零售业类型与路网中心性的空间异质性也存在差异。

建议在对道路网络进行规划时，考虑其与零售业相关关系的空间异质性，发挥路网中心性对经济活动的带动作用，促进区域经济发展。受数据源与分析方法的限制，本文在利用多中心性评价模型测算交通路网中心性时没有考虑道路的等级和宽度等因素的影响，下一步研究可根据道路属性赋予相应权重，使路网中心性的测算结果更符合实际。