基于POI 数据的南京市城区商业空间格局与行业分布时空分析

刘传奇，向杨昕

（长江大学 城市建设学院，湖北 荆州 434020）

0 引言

中国城市地理研究领域的发展过程主要从方法论、具体手段到现在的城市地理学研究议题[1]，通过空间分析、空间查询等操作实现面向城市规划需求的实践运用。近年来，随着互联网技术的快速发展，新兴的数据源不断涌现，如手机信令数据、网络口碑（word of mouth，WOM）数据、兴趣点（point of interest，POI）数据[2]。其中，POI 数据包含设施名称、地址、经纬度、类别等信息，具有数据范围覆盖面广、信息量大、获取相对容易的优点。POI 数据作为一种互联网开放数据，在网络信息查询、地图导航等领域具有广泛应用，近年来也越来越受到城市规划、城市商业分布等领域学者的关注。例如，文献[3]基于POI 数据开展格网密度分析，分析合肥市城市公共交通可达性评价并提出优化方针；文献[4]通过可视化分析城市POI 数据，将城市划分交通小区并分析旅游交通流量，进而针对游客出行需求建立了符合游客出行特性的旅游公交线路优化模型；文献[5]利用广州市酒店POI 数据，通过最近邻、空间核密度等GIS 空间分析方法，分析广州市酒店的空间布局特征、时间演化特征及其相关影响因素；文献[6]通过研究青岛市酒店的空间布局及出行POI数据对酒店区位的影响，分析探索出行POI 数据对酒店区位的影响并为青岛市酒店合理选址提供可行性建议；文献[7]通过网络爬虫爬取了高德地图POI、交通态势等数据，将模型结果进行可视化，同时依据特征选择和模型训练的结果对新式茶饮门店选址影响因素进行了讨论，并提出了门店选址模型的改进建议；文献[8]基于休闲旅游POI 数据，运用空间点格局分析，从城市整体出发，探讨了南京市休闲旅游空间特征。

目前，中国城市地理研究更加多元化，新理论及新方法日益增多。学者发现通过POI 等多源数据对城市地理课题开展研究，可以有效提高研究结果的准确度；通过长期数据汇总分析，可以探索城市地理发展动态规律，并针对性地为城市公共资源规划提供依据，同时也为城市发展规划提供参考。本文通过采集POI 数据，利用核密度分析、相关性分析及频率密度分析方法从空间分布特征、空间相关性、时空变化规律等角度对城市商业中心开展研究，希望可以通过研究针对性地指导城市空间的未来发展。

1 研究区与数据集

1.1 研究区概况

南京市是江苏省省会、南京都市圈核心城市，地处中国东部、长江下游中段，濒江近海，属于特大城市。全市下辖11 个区，总面积为 6 587 km2，建成区面积为868.28 km2，截至2020年底，南京市常住人口为931.97 万人，城镇化率为86.8%。近年来，多家商业综合体或商业广场入驻南京市，南京市作为长江下游的水路交通枢纽，依托大体量商业集群打造场景、吸引全龄段客群。

1.2 研究数据

本文的POI 数据包括南京市范围内各行业的设施点名称、类别、经纬度等信息。本研究需要考虑行业之间的相关性，因此，按照图1 的规则对南京市所有POI 数据的类型进行两级分类，以8个一级类、41 个二级类的POI 数据为研究对象。经过POI 数据筛选、去重等操作，统计研究区内不同年份各类POI 数量。此外，研究数据还包括南京市交通道路网、南京市自然地理数据及《南京市统计年鉴》的国内生产总值（gross domestic product，GDP）、人口、城区行业数量与行业发展数据。

图1 南京市POI 数据分类

2 研究方法

2.1 核密度分析

核密度估计法结果受主观因素影响较小且具有渐变性和揭示细节特征的优势。本文通过核密度估计法识别南京市商业设施的集聚地，分析每年商业网点的空间集聚规律[9]。其具体计算方法如公式（1）。

式中：fn（x）为核密度值；K值为核函数；xi、yi表示独立分布的i个样本点坐标；（x-xi）2+（y-yi）2为样本点（xi，yi）和（x，y）之间的距离；h为带宽；n为样本范围内的点数。

2.2 相关性分析

相关性分析对两个或多个相关性变量元素进行分析，衡量两个变量或多个变量之间相关关系的密切程度。其计算方法如公式（2）。

式中：r值为相关系数，xi、yi代表样本要素的坐标，、代表样本要素坐标的平均值。

相关系数r介于-1 与1 之间，其绝对值越趋近于1，表明相关程度越高；绝对值越趋近于0，表明相关程度越低。相关系数的正号和负号分别代表正相关和负相关。其中，|r|≥0.8 为极强相关，0.6≤|r|＜0.8为强相关，0.4≤|r|＜0.6为中等程度相关。

2.3 频率密度分析

本文以路网划分行政区形成的不规则格网为研究单元，计算每个单元格内各类型POI 数据的频率密度。当单元格中某类POI 频率密度达到50%及以上时，该单元格被确定为单一功能区；当单元格中所有类型POI 数据的频率密度均未达到50%时，该单元格被确定为混合功能区；当单元格内无POI数据时，则该单元类型为无数据区域[10]。计算方法如公式（3）。

式中：Fi为第i类（i为功能区7 种土地利用类型）POI 频率密度，di为第i类POI 在单元格中的核密度值，D为单元格中的核密度总值。

3 研究过程与分析

3.1 商业设施空间时空分布特征

为了研究南京市商业设施空间分布，本文开展了2010、2015、2018 年南京市商业设施核密度计算，结果如图2 所示。从空间角度看，南京市每个区都拥有至少一个商业设施集聚高密度区域。例如，经济状况较好的鼓楼区、秦淮区中近一半的区域为商业设施集聚区域，发展相对落后的高淳区、溧水区商业设施集聚区域的面积小、相对占比少，这些区域需要加快发展商业。

图2 商业设施核密度分析结果

根据多年的核密度分析结果可知，南京市商业格局由一核发展向多核发展，呈“一核多心”的并存态势。南京市2010 年新街口商圈一核发展的态势转变为2018 年以新街口商圈为中心，沿长江、宁高高速、宁连高速放射式发展的仙林商圈、江北新区、湖南路商圈等众多商圈的新态势。各大商圈主要体现各个商业中心商业设施向内密集、向外围扩散的放射状态。城市中心区域的秦淮区、玄武区商业设施集聚程度高，例如，新街口区域完全被商业设施高度集聚区域覆盖；六合区、江宁区等区域的外围区域商业设施集聚强度相对低，存在不同的过渡区域。南京市商业设施集聚程度较低的区域相对分散在市区各处，并且向中心城区集中，主要通过放射形网络状交通引导城市空间拓展。商圈存在逐渐向北部、南部地区扩展的态势，属于“多心敞开”的城市结构，与南京市的山水格局形成良好的耦合效应。

3.2 商业设施空间相关性分析

3.2.1 行业相关性分析

空间相关分析立足于地理学第一定律，即空间上分布的事物是相互联系的，近距离事物之间的影响作用大于远距离事物之间的影响作用，其概念包括空间对象的空间分布模式和相应的属性取值。

南京市商业设施集聚特征与其他行业设施集聚特征存在一定的相似性，说明商业设施与其他行业设施存在一定的空间分布关系。本文提取各个行政区划8 个一类指标POI 数量，计算商业设施与其他类型POI 集聚程度的空间相关性，并根据结果筛选与商业设施集聚程度相关性最强的4个一类指标POI，如表1 所示。

表1 南京市商业设施相关性评价

本文采用皮尔逊（Pearson）相关系数分析商业区、产业区、公共服务区、住宅区和交通设施区之间的相关性。从表1 的分析结果可以看出，南京市商业区与产业区（r=0.895，p＜0.01）、公共服务区（r=0.892，p＜0.01）及交通设施区（r=0.948，p＜0.01）呈显著极高正相关，与住宅区（r=0.772，p＜0.01）呈显著较高正相关；产业区与住宅区（r=0.825，p＜0.01）及交通设施区（r=0.945，p＜0.01）呈显著极高正相关，与公共服务区（r=0.756，p＜0.01）呈显著较高正相关；公共服务区与交通设施区（r=0.857，p＜0.01）呈显著极高正相关，与住宅区（r=0.680，p＜0.05）呈显著较高正相关；住宅区与交通设施区（r=0.857，p＜0.01）呈显著极高正相关。

根据集聚经济效益理论，商业布局更偏好交通通达性高的区域，区位越优越，商业人气越旺。近年来，南京南站等系列交通线路的建成与投入使用，拉近产业、消费设施与消费者的关系，快速推动商业发展及空间结构演变，不断提升各区域商业设施集聚程度。同时，各行业与人口密度又存在互利共赢的关系，产业地域集中会提高规模经济的综合收益和区域资源利用效率；科教、医疗、地产行业需要寻找更多的人口流量。各行各业不断向商业设施高度集聚的区域靠拢，带动了公共服务业、餐饮业，导致人口流动性增强、消费频率加快，进一步促进城市商业的发展水平。

3.2.2 社会因素相关性分析

商业发达程度与GDP、可达性、人口密度、设施密度、社会经济等因素密切相关。为了验证这些社会因素对商业发展的影响，本研究以南京市行政区划为单位，通过对2018 年南京市各项统计数据进行相关分析，选取与商业设施密度相关性指数较高的交通设施、人口密度、人均GDP 指标，结合商业设施可达性，基于重分类方法，研究南京市商业设施密度与社会因素之间的相关性。

本研究基于层次分析法（analytic hierarchy process，AHP），利用yaahp 软件对各因素进行结构关系构建、两两比较和矩阵计算并得到权重结果，为了保证模型结构的完整性，添加A、B 两个备选方案。通过向9 位专家发放AHP 调查表，对商业设施密度的社会因素进行相对重要性两两比较，软件一致性检验成功后，人均GDP、人口密度、道路密度指标权重分别为0.4、0.25、0.35。通过ArcGIS 软件栅格计算器叠加分析，得到南京市商业发展社会环境评价指数。

由图3 看出，南京市商业发展环境不平衡。六合区、高淳区的社会环境评价指数明显低于市中心，这些区域对外交通欠发达，导致产业转型慢，商业发展缺乏相关产业支撑，消费水平不足以带动商业快速发展。社会环境评价指数同样较低的浦口区，却凭借长江沿岸的交通优势、临近主城区的地理优势，快速发展浦口新区商圈。商品流通离不开交通运输及物流，发达的交通网络可以提高地区间的人类活跃度，拉近产业、消费设施与消费者的关系，对地区的商业发展起到一定的引导作用。

图3 商业社会因素分析结果

3.3 商业中心时空发展分析

城市功能的分布与布局是衡量一个城市发展状况的重要因素[11]，因此城市功能与城市功能区的划分具有重要意义。中国将公路划分为高速公路、一级公路、二级公路、三级公路、四级公路五个等级。本文计算各级道路的平均宽度，在ArcGIS 软件中生成缓冲区，利用不规则格网分割核密度。基于核密度与融合数据的城市功能分区模型，计算每个功能区的频率密度并将类型比例值50%作为判断单元格功能区的标准[12]，得到城市功能区识别成果，如图4 所示。

图4 城市功能区识别

经统计，2010、2015、2018 年南京市单一功能区与混合功能区比值依次约为4：3、2：5、1：3，单一功能区与商业区比例分别为39.59%、18.76%、14.13%。单一功能区与商业区比例的不断下降是由于商业区与产业区、公共服务区和住宅区的混合组合形式。在南京市中心城区，混合功能区分布广泛且数量较多。一般来说，混合功能区占比越大，城市各行业设施配置越完善。城市在发展过程中不只是单个中心的无限壮大发展，而是单中心发展逐渐向更复杂的多中心城市发展的过程[13]。近年来，南京市单一功能区中的商业功能区分布最广，中心城区和浦口区是商业功能区覆盖面积占比最大的区域。南京市产业功能区大多数集中在江宁区、浦口区，明显沿长江两岸及主干道分布，其他区域也呈现一定的集聚特征，符合一般的城市工业分布。交通功能区和公共服务功能区数量相对较少但分布均匀，其原因是这两种POI 大多依靠其他设施存在，为其他设施提供服务。

近年来，全市各类功能区都存在被混合功能区替代的明显趋势，但绿地功能区没有明显减少，这是南京市生态环境所必需的。总体上，南京市商业与其他行业的空间规划正常发展，商业设施用地未出现过多占用其他设施用地的情况。

本文通过精细分析各行业POI 分布及时间推移过程发现，在发展方向上，南京市以横穿中部城市的长江为横轴，以连接南部、北部农田的宁连公路和宁高公路为纵轴。中部城市主要发展高新产业和城市商业，并沿江向市外扩张城镇经济带与转型发展带，主要包括商业、金融及高新产业。宁连公路和宁高公路依托南北部基本农田向外扩张生态经济发展带，主要包括商业、餐饮及绿地山区等。各发展方向沿津浦线、沪宁线等铁路向安徽、长三角等地区延伸，带动周边城镇经济发展，促进地区间商业交流，如图5 所示。

图5 未来发展方向

4 结论与讨论

4.1 结论

本文以POI数据为研究对象，通过分析与检验，得到南京市商业设施分布呈现明显的多中心发展模式，对未来城市建设具有一定的借鉴意义。

（1）南京市商业设施分布呈现多中心发展模式。商业较发达，尤其是长江沿线各类工商业用地密集分布，新街口、湖南路、夫子庙等区域存在较明显的集聚特征，而南京市高淳区、溧水区及市区边缘区域商业发展相对较滞后。

（2）宁连公路和宁高公路沿线区域依托现有城镇及工业基础，可以大力发展劳动密集型工业，本文鼓励金融商贸、文化休闲及房地产等投资商入驻当地商圈，对缓解人口就业压力、提升区域GDP具有积极作用。六合区、高淳区的对外交通欠发达，导致产业转型慢、商业发展缺乏相关产业支撑、大众消费水平不足以带动商业快速发展。

（3）商业发展需要相关行业及设施的快速建设，也要控制城市建筑用地无序扩张。未来南京市的发展方向仍以西北方向为主，但需要注意保护六合副城、丽水副城及高淳副城的大量基本农田和耕地，在发展相关行业时应严守生态保护红线，保护城市绿地功能，充分发挥永久基本农田优化城市空间格局的作用。南京市混合功能区数量逐年增加且重合度高，大多区域存在多种混合功能。政府可以建立健全各项发展指标，优先建设完善交通设施，发挥全国交通枢纽城市的优势。

4.2 讨论

基于POI 的城市商业空间格局研究与行业分布分析具有一定的优势，能够更好地解决城市空间布局问题，但仍然存在不足之处。

本研究仍局限于传统经济地理学框架，在商业领域没有进一步区分不同消费模式的人口和不同消费品牌的价位，缺乏针对奢侈品与必需品的独立研究；缺少南京市人口消费水平方面的资料，难以对居住人口的消费、商业活动进行深入了解；缺乏对交通欠发达区域人类商业活动的思考。

本次城市功能区识别未能对混合功能区内的成分进行细分，混合功能区成分识别有助于强化城市资源配置效率并优化城市空间布局方案。