基于ArcGIS的北京早市空间分布特点研究

摘要：随着城市现代化的发展，学界与业界越来越重视城市空间的优化升级，而早市是现代城市重要的商业空间，其可以反映一个城市的生产生活情况。但城市的快速进步也对早市的发展产生了深远影响，其在城市的发展中不断衰落。本文采用ArcGIS10.7工具，对人口、建筑、公交车站、停车场、道路等数据先进行核密度估计法分析，然后运用Logistic回归型分析，对影响因素进一步探析。通过研究分析，路网密度、公交车站密度以及人口密度对早市产生的影响较大。但是停车场密度、建筑密度并不会对早市产生较大影响。

关键词：早市；ArcGIS；空间分布；城市规划；北京

以当地小吃、玩具和杂货为特色的早市是文化遗产地，可以让人们深入了解城市的历史、文化和发展。作为商业空间，早市是城市发展中不可或缺的一部分，影响着城市生活的质量。然而，由于快速的城市化发展和商业空间的兴起，北京的早市逐渐减少，导致传统文化遗产流失。卫生条件差、过度拥挤、噪音和交通中断等问题导致早市不断受到限制和关闭。早市作为公共空间需要保护和振兴，在满足市民日常需求的同时，也展示城市的历史和文化。本文希望探析早市的空间分布特征，从而为早市在被当前挤压的城市空间中找到发展出路，思考传统文化如何在当下的城市发展中得到保存发扬，使北京早市可以恢复自身独特的历史文化特征，在城市空间的发展中体现积极作用，方便人们对城市记忆的追寻和延续发展。

本文所使用的数据主要为网络开源数据以及地理信息数据。地理信息数据主要由省级行政区规划数据、区县级行政区规划数据、北京市路网数据、北京市建筑数据组成；网络开源数据由POI数据、第七次人口普查数据组成。[1]

北京城市的早市空间特征分析，对城市更新设计以及城市记忆的存留起着至关重要的作用。从城市的建设、人口两个方面进行主要研究，最终选取了5个相关的关键影响因子。分别为：人口密度、建筑密度、公交车站密度、停车场密度、路网密度。文章采用核密度估计法，对上述影响因子进行分析。对密度分析结果采用自然间断点法进行分级，共分为6级，其数值越高密集程度越高，反之亦然。核密度估计法的计算公式为：

在计算式中： f （x）是核密度估计函数； h为搜索范围，即带宽；n是与位置x的路径距离小于或等于h的POI点数； k （*）为核密度估计法的方程式。[2]

一、文献综述

（一）早市概述及其在城市地区的重要性

在早市刚刚形成并稳定的时期，商贩售卖的商品主要为自家所生产的瓜果蔬菜或其他用品。随着社会的逐渐发展，早市上所售卖的商品种类逐渐增多，并且商业模式也逐渐发生转变。在发展初期，早市中所售商品的数量较少，主要可以满足一个家庭的日常所需，而购买人群的年龄层次丰富、职业种类多样，没有特定的限制。而如今的早市，商贩所售商品数量越来越多，可以进行大量的购买，从零售慢慢演变成了批发的售卖模式，购买人群的年龄层次也开始出现断层，主要集中于中老年人群，其职业也是退休人群与市场商贩较多。

早市的存在，满足了人们的日常所需。在初期，不仅可以将家庭中富余的商品进行售卖，也给人们带来市井乐趣，缓解日常的苦闷。在当今的社会环境下，早市给人们提供了一个低价购买物品的渠道，并且提供了丰富多样的商品种类以便人们进行购买。[3]

（二）相关研究分析

在民国时期，对于临时市场的称呼开始逐渐固定。按时间、售卖物品、性质等多种特点进行分类，商业模式趋于稳定。北京历史文化深厚，梳理其商业史，发现晓市以及小市是北京早市发展的重要前提基础。[4]在晓市中，有大量的城乡农作物及其他物品进行交换，其也是连接城乡的重要空间。在早期的北京城市范围内，是可以在中心城区见到早市身影的。如现已经消失的北京隆福寺早市。隆福寺早市是由庙会经过多次变迁，最终形成了聚集大量的商贩售卖各种物品的重要场所。[5]市场空间中不同的公共设施、建筑小品、景观等因素，也给市场带来了不同的人流与发展。[6]

二、结果与分析

（一）北京早市空间分布特征分析

根据POI数据统计，一共对76个北京的早市数据点进行分析。丰台区、朝阳区以及昌平区的数据点较多，其他区较少。其中，丰台区的早市个数最多，共为12个。通过核密度分析 （详見图1），数据整体呈现出一种由靠近中心城区的地区向外逐渐递减的分布规律。早市的密度随着北京环线的增加不断减少。

早市的空间自相关分析结果 （详见图2）显示其Morans I值为0.537663，说明早市呈现出空间的正相关性。分析结果表现出一种空间聚集的现象。[7]早市密度较高的地区主要集中在二环至四环的丰台区，以及昌平区的局部地区。而早市密度较低的区域主要集中在五环之外的北京郊区。例如，延庆区、怀柔区、房山区等，越靠近北京与其他省的交界地区，其密度越低，趋于没有。

（二）多种影响因子影响分析

整理各区第七次人口普查数据，朝阳区的数据点数最多，共43个。越靠近北京市中心，数据点越密集。人口高密度区主要集中在五环以内，尤其是丰台区、朝阳区和东城区，而人口低密度区主要集中在五环以外，如大兴区、通州区和顺义区。人口密度由中心向外围逐渐降低，随着环线的增加而减少。但各区分散分布着小范围的高密度人口区。[8]与其他地区相比，北京东南地区人口密度高的区域较多。建筑密度反映了城市的建筑数量和用地空置率。[9]靠近市中心的建筑密度较高，反之亦然。密集程度最高的地区为三环以里的区域，郊区的建筑密集程度普遍较低。二环之内的地区为建筑高密度的核心区域。公交车站密度分析揭示了城市多中心发展的景象，每个地区都有一个或多个公交车站集中区。四环以内的公交车站密度最高，尤其是北京的东南平原地区。公交车站密度由东南向西北山区方向逐渐降低。公交车站密度越靠近市中心越高，越往郊区越低。停车场密度分析确定了北京东北郊区为重要区域，如密云区、怀柔区和顺义区。通过核密度估计法确定了三个停车场的高密度区域。由于多种原因，其在北京中心城区的密度较低。道路密度分析反映了北京从中心到郊区逐渐降低的特点，部分地区有小范围的较高密度区域。东南地区道路密度较高，尤其是四环以内。

（三）Logistic回归型分析

联合软件ArcGIS与SPSSAU两个软件进行数据分析，通过二元Logistic回归分析，最终得到各变量的回归系数 （详见表1）。[10]

从表1可知，将路网密度、公交车站密度、人口密度、停车场密度、建筑密度，这5种影响因子设定为自变量，将早市作为因变量，然后将数据进行二元Logistic回归分析。最终，其模型公式为：

总结分析可知，路网密度、公交车站密度、人口密度对早市产生的影响较大。路网密度的回归系数值为0.097，公交车站密度的回归系数值为0.000，人口密度的回归系数值为0.000。并且，这3种因素呈现出明显的显著性，对早市产生显著的正向影响关系。意味着这3种因素每增加一个单位，早市的变化 （增加）幅度为1.000倍。停车场密度、建筑密度并不会对早市产生较大影响。停车场密度的回归系数值为-1.773，建筑密度的回归系数值为-0.001，这两种影响因素没有呈现出显著性。

三、结束语

早市是城市近现代历史文化以及城市记忆的重要体现，有着强烈的人文性质。通过早市可以快速地对一座城市进行了解。对早市空间分布的研究，丰富了对北京早市及城市空间的研究，其结果为城市规划者和政策制定者提供了宝贵的信息，以优化城市早市的布局及可达性。通过二元Logistic回归分析，证明了路网密度、公交车站密度、人口密度这3种因素会对早市产生较大的影响。

除了上文中所分析的5种因素外，影响早市空间分布的原因还有许多。如地形、植被、公共基础设施等。也可以使用除核密度估计法之外的分析方法，丰富研究内容。后期可以综合地对早市的空间分布特征进行分析，以期得到更加准确的实验数据以供分析。

参考文献：

[1] 梁立锋，曾文霞，宋悦祥，等.顾及人群集聚和情绪强度的城市综合活力评价及影响因素[J].地球信息科学学报，2022，24（10）： 1854-1866.

[2] 禹文豪，艾廷华，杨敏，等.利用核密度与空间自相关进行城市设施兴趣点分布热点探测[J].武汉大学学报（信息科学版）， 2016，41（02）：221-227.

[3] 魏浩浩，王勇森，杜永健.青岛人的早市情结[J].走向世界， 2012（08）：16-18.

[4] 卫才华.民国时期北京早市商业类型与城市生活[J].民族文学研究，2013（03）：158-164.

[5] 馮舫女.消逝的北京隆福寺早市[J].北京档案，2020（01）：43-44.

[6] 王雪哲.严寒地区早市空间的分类及空间模式研究[D].长春：吉林建筑大学，2018.

[7] 聂延涛，时少华.大运河沿线传统村落空间分布特征及影响因素[J].北京联合大学学报，2023，37（01）：45-56.

[8] 吕晨，蓝修婷，孙威.地理探测器方法下北京市人口空间格局变化与自然因素的关系研究[J].自然资源学报，2017，32（08）：1385-1397.

[9] 李丽华，郑新奇，象伟宁.基于GIS的北京市建筑密度空间分布规律研究[J].中国人口·资源与环境，2008（01）：122-127.

[10] 陈韬，钟传胤，赵大维，等.基于二元Logistic对城市内涝风险区预测研究[J].中国农村水利水电，2022（05）：57-61+69.

作者简介： 王雪妍，女，汉族，北京人，硕士研究生在读，研究方向：城市更新。