基于时空大数据的北京城市商圈功能特征研究

牛悦颜 彭霞

[摘 要] 基于多源时空大数据，对北京城市商圈进行识别，并分析其业态和服务功能。首先利用POI、手机信令及路网数据，确定了北京市六环内的186个商圈；其次，通过对商业相关POI进行K-means聚类，将商圈分为购物休闲型、娱乐休闲型、景点观光型、教育培训型和生活服务型5类；最后，基于手机信令数据提取商圈动态客流量，分析得出商圈服务功能分为均匀型、夜间型和早晚型3类。研究发现：1）北京城市商圈业态功能各异，购物休闲型商圈以高端和时尚为主导，集中在东部；娱乐休闲型商圈集多功能于一体且交通便利；景点观光型商圈以历史文化景点为主；教育培训型商圈分散在大型居住区或办公区附近；生活服务型商圈则集聚较多的餐饮和生活服务业态。2）在服务功能方面，均匀型商圈客流量稳定，多位于工作地和大学城附近；夜间型商圈位于东部及大型居民区附近，19点为客流量高峰；早晚型商圈则位于城市外围，具有与工作通勤相似的双峰形态。这些研究结果为推动北京城市高质量发展、打造国际消费中心城市提供参考依据。

[关键词]商圈；POI；客流；多源時空大数据

[中图分类号]F 727

[文献标志码]A

[文章编号]1005-0310（2023）06-0053-09

Research on the Functional Characteristics of Beijing Urban Business

Areas Based on Spatio-Temporal Big Data

NIU Yueyan， PENG Xia

（1.College of Applied Arts and Science， Beijing Union University， Beijing 100191， China；

2.Tourism College， Beijing Union University， Beijing 100101， China）

Abstract： Based on multi-source spatio-temporal big data， this study identifies urban business areas in Beijing and analyzes their commercial structure and service characteristics. Firstly， this study identifies 186 business areas within the sixth ring road of Beijing using POIs， mobile signaling data and road network data. Secondly， this study utilizes K-means clustering to categorize commercial POIs into 5 types of business areas： shopping， entertainment and leisure， tourism， education， and lifestyle business areas. Finally， based on mobile signaling data， the dynamic customer flow of the business areas was extracted， reaching such a conclusion that the service characteristics of business areas could be classified into 3 types： uniform， nighttime， and morning-evening. The research has found that： 1） The commercial structure of the urban business areas in Beijing varies， with shopping and leisure business areas dominated by high-end fashion and concentrated in the east. Entertainment and leisure type of business areas are multi-functional and have convenient transportation. The tourism type of business areas are dominated by historical and cultural attractions. Educational business areas are scattered near large residential or office areas. The lifestyle business areas have a high concentration of catering and lifestyle service POIs. 2） In terms of service characteristics， uniform business areas have stable customer flow， mostly located near workplaces and university towns. The nighttime business areas are located in the east and near large residential areas， and the customer flow reaches a peak around 19 o’clock. And the morning-evening business areas are located on the outskirts of the city， displaying a bimodal traffic pattern similar to commuting peaks. These research results can provide reference for promoting high-quality urban development of Beijing and building an international consumption center city.

Keywords： Business area；POI；Customer flow；Multi-source spatio-temporal big data

0 引言

随着城市化进程的不断推进和人民生活水平的提高，城市产业结构中的城市服务业逐步成为拉动城市经济增长、调整城市经济结构和塑造城市内部空间格局的重要力量。同时，城市商圈作为城市经济活力和消费的重要载体，日益受到广泛关注。为了落实首都城市战略定位、推动高质量发展，北京正在积极推进传统商圈改造、不同层级商圈功能和业态互补，同时，发布了《北京市关于进一步繁荣夜间经济促进消费增长的措施》《第一批国家级夜间文化和旅游消费集聚区》等一系列政策文件，旨在加快培育国际消费中心城市和旅游消费集聚区建设。北京商圈数量众多，独特的地理位置和多样化的人口流动使商圈间具有差异性和多样性。因此，研究北京城市商圈的功能特征有助于推动北京城市高质量发展、打造更具国际竞争力的消费中心城市，并为政策制定者提供有益的决策支持。

现有研究虽然已经取得丰富的成果，但在城市尺度下对各商圈功能特征展开分析的研究相对较少。传统数据如问卷调查或统计年鉴等，在商圈研究中的应用受限。时空大数据如POI数据和手机信令数据等，具有数据量大、信息全面和真实可靠等特点。随着时空大数据获取和更新技术的不断成熟，探索城市商圈的特征和变化规律，如基于地理空间大数据的零售商业中心识别以及零售商业空间分布特征和影响因素分析等，已成为新的研究热点。

本研究基于多源时空大数据，首先进行北京六环内各商圈的识别，再从业态POI数量和动态客流量两个维度进行商圈功能分类，研究北京城市商圈的业态和服务功能特征，为推动北京城市高质量发展、打造国际消费中心城市提供参考依据。

1 研究数据与方法1.1 研究区概况及数据来源

本研究选择北京六环内的区域作为研究区，主要利用POI数据、手机信令数据及路网数据进行分析，将从高德地图收集到的与商业相关的兴趣点（POI）作为业态数据源。经过数据清洗和细分，将业态划分为餐饮服务、购物服务、教育培训、旅游景点、生活服务、文体休闲服务和住宿服务7大类，研究区域内POI点总数达到179 919个（见表1）。本研究提取2019年5月访问过各商圈的手机信令数据，将24小时的客流量作为商圈服务功能的数据源；同一商圈内不同网格的移动数据被视为一次访问，以避免对同一用户的多次访问造成重复计算。此外，还将从四维图获取的2019年路网数据作为商圈识别的数据源。

1.2 研究内容及方法

本研究立足于对北京城市商圈的识别，进一步探讨北京城市商圈的功能特征（见图1）。研究过程分为以下几个步骤：首先，采集并預处理POI和手机信令数据。其次，进行商圈识别。结合POI数据和路网数据计算商业设施热点区，合并空间上临近的热点区，然后利用手机信令数据剔除客流量较少的商圈，从而确定出六环内各商圈的范围。再次，分析商圈功能特征。从两个方面展开研究：1）基于POI数据的业态功能分类，利用高德地图提供的北京市POI数据，对商圈内的7大类商业POI进行K-means聚类，划分不同业态功能类别的商圈，分析业态结构和功能特征的差异。2）基于动态客流量的商圈服务功能分类，借助手机信令数据提取商圈每小时客流量，采用Mfuzz算法进行时间序列软聚类，将商圈按照服务功能划分为不同类型，并分析客流变化和服务需求。同时，对这两种分类结果进行空间可视化分析，探索北京城市商圈业态功能和服务功能的空间分布格局。最后，总结与展望北京城市商圈的功能特征。

1.2.1 北京城市商圈识别

北京城市商圈的识别主要依赖于商业相关POI数据和北京市路网数据，研究采用热点分析法。识别过程如下：1）将路网数据转换为交通小区面数据，并计算各交通小区内的商业相关POI点的数量；2）使用热点分析（Getis-Ord Gi*）方法选出置信度达到90%以上的热点区域；3）参考历史商圈边界，将空间上相邻或相交的热点区域合并为一个商圈，共识别出248个商圈；4）使用手机信令数据统计每个商圈的日均客流量，剔除六环外或日均客流量小于600人的商圈，最终得到186个商圈。

1.2.2 商圈业态功能分类

本研究将各商圈内部7类POI业态类型的数量作为商圈的特征，运用K-means算法进行无监督聚类，根据商圈业态特征将商圈划分为不同的功能类别。在此基础上，对各类商圈进行核密度分析，以了解各类型商圈在北京六环内的空间分布特征。

1.2.3 商圈服务功能分类

Mfuzz软聚类是一种基于模糊c均值聚类算法的时间序列聚类方法，能识别数据中的潜在时间序列模式，并将相似模式的数据点分配到同一个簇中。本研究采用手机信令数据提取各商圈24小时的日均客流量，并运用Mfuzz软聚类算法对商圈进行时间序列聚类。通过分析聚类结果，我们可以揭示不同服务功能类别的商圈在24小时中的客流变化和空间分布特征。

2 结果分析

2.1 北京城市商圈分布特征

如图2所示，北京市六环内186个商圈主要集中在四环路以内，四环路以外的商圈多分布在主要道路和大型居住区附近。这些商圈总占地面积为146.84km，平均面积为0.79km。根据单位面积日均客流量来看，商圈呈现出多中心特征。日均客流量和面积均较大的商圈多集中在东部和西北部，如朝阳区的国贸、三里屯和双井等商圈集聚区，客流量远高于其他区域；海淀区的中关村和五道口商圈也在空间上呈现出集聚分布的特征。相较之下，南部的商圈虽然发展迅速，但客流量与成熟商圈仍有一定差距。

2.2 基于POI的商圈业态功能特征

利用商圈内部7类POI数量对北京市各商圈进行K-means聚类，使用肘部法，确定最优簇数为5。根据聚类结果及特点，本研究将商圈划分为以下5种类型：购物休闲型、娱乐休闲型、景点观光型、教育培训型和生活服务型。

2.2.1 商圈业态功能的数量特征

本研究对购物休闲型、娱乐休闲型、景点观光型、教育培训型和生活服务型5类商圈业态功能的数量特征进行分析。结果显示，各类商圈在聚类结果（见表2）、业态数量（见表3）、占比POI数量（见图3）上存在显著差异。从商圈的POI业态数量来看，购物休闲型商圈以望京、国贸和双井为代表，POI的数量范围为4 738～5 364个，平均数量为5 083.33个，是业态数量最多的商圈类型。此类商圈各类业态POI数量均较为丰富，餐饮、购物和生活服务数量分别为1 476.33个、1 478.33个和998.00个，均位列前两名，分别占此类商圈POI数量的29.04%、29.08%和19.63%。这类商圈汇聚了众多餐饮、服装、化妆品等专业店铺，为消费者提供了集购物、娱乐、餐饮、文体休闲等多功能于一体的服务，以高端和时尚为主导。

娱乐休闲型商圈共有23个，POI数量主要在1 386～2 944个之间，各商圈平均POI数量为2 148.30个，数量相对较少，位列第3名。其中，购物服务占此类商圈业态总数的34.75%，餐饮服务数量相对较多占25.41%，其他各业态较为均衡，主要包括奥森、王府井、五棵松、三里屯、三元桥、鲁谷、五道口、四惠、酒仙桥等休闲商圈，为消费者提供中小规模的娱乐休闲服务。值得关注的是同是集购物、娱乐、餐饮、文体休闲等多功能于一体的商圈，但娱乐休闲型商圈大部分业态的POI总量小于购物休闲型商圈。

景点观光型包含两个商圈，分别是南锣鼓巷和国子监，丰富的旅游景点吸引了大量游客。这两个商圈内的景点数量平均达到41.5个，是5类商圈中数量最多的，覆盖的旅游景点POI数占所有商圈景点总数的13.54%；餐饮服务平均数量为306.50个，与其他類型业态相比所占比重最大，约占POI总量的35.89%。同时，各类休闲服务业态数量也较为丰富，能够为游客提供所需的服务并满足游客的就餐购物需求。

教育培训型共有6个商圈，POI数量在3 301～5 312个之间，平均POI数量为4 275.33个，位列5类商圈第二名。其中：教育服务POI占比为9.02%，平均每个商圈约有385.67个，是5类商圈中占比最高的类型；生活服务的平均POI数量为997.50个，同样是占比最高的商圈类型。整体来看，此类商圈不仅提供了丰富的教育服务，也提供了各类生活、购物和文体休闲服务，且包含了如中关村、青年路、回龙观等教育服务行业较集中的、专业性较强的商圈。

生活服务型商圈在所有商圈中数量最多，达到152个，但各商圈内的POI数量相对较少，平均数量为578.28个。在这类商圈中，购物服务、餐饮服务和生活服务这3个业态占比最大，POI数量分别为233.34个、136.26个和116.55个。这说明生活服务类商圈的各类业态比例相对均衡，但平均来看，各业态的数量较少。此类商圈主要是各类餐饮店的集聚区，以提供生活必需品和基本生活服务为主，如超市、便利店和快餐店等，能够满足消费者的基本需求。

2.2.2 商圈业态功能的空间格局

商圈业态空间格局不仅受历史文化和城市空间形态的影响，还与城市发展、人口分布、交通网络等多种因素密切相关。在北京六环内，186个商圈的业态功能空间分布呈现向城市中心聚集的格局（见图4）。一方面，传统商业繁华区仍然是现代核心商业区，这些区域拥有优越的地理位置、丰富的文化底蕴、一批具有悠久历史的老字号商店，以及市民长期形成的心理认同感。另一方面，随着城市交通网络的不断完善，商圈的分布范围逐渐扩大，多分布在四环以内区域，而娱乐休闲型和教育培训型商圈主要集中在区位好、交通便利的区域，为消费者提供了多样化的消费选择。

不同类型的商圈具有不同的业态功能和区位特征（见图5）。购物休闲型商圈集购物、餐饮、休闲为一体，主要集中在三环和四环东部，靠近城市中心和交通便利的地区；娱乐休闲型商圈多与购物休闲型商圈相连，主要分布在五环内，交通便利；景点观光型商圈集中在二环内，与历史文化相关，旅游景点较多；教育培训型商圈较为分散，多靠近交通便利、人口稠密的区域；生活服务型商圈紧邻社区居民的居住区和人流集中的地区。

2.3 商圈服务功能特征

本研究采用Mfuzz软聚类算法，对从手机信令数据获取的各商圈24小时客流量进行时间序列聚类，将商圈分为3种类型（见图6）：均匀型商圈（Cluster 1）、夜间型商圈（Cluster 2）和早晚型商圈（Cluster 3）。研究结果显示：各类商圈在一天中具有不同的客流量特征。

2.3.1 商圈服务功能的时间特征

均匀型商圈客流分布呈现日间相对平稳和均匀的趋势。凌晨5点左右，客流量降至最低值，在10点时客流量达到最高值，直至19点（共9个小时）客流量基本保持稳定。从图6中可以看到，早晚高峰时段客流量有所增加，但波动不明显，呈现出较为稳定的消费需求特征。

夜间型商圈客流分布呈现明显的夜间高峰趋势。凌晨4点30分左右，客流量降至最低值，在19点左右达到最高值，尤其是在16点至19点的3个小时内客流量急剧增长，19点之后迅速下降，显示出较为集中的夜间消费需求特征。

早晚型商圈客流分布呈现双峰形态。第一个客流量高峰出现在凌晨4点至清晨7点之间，随后客流量迅速降低，在10点左右降至较低水平，除12点左右出现的小波峰外，16点之前客流量均保持相对较低的水平。16点至19点，第二个客流量高峰出现，这也是全天客流增速最快、客流量最高的时间段，之后客流量迅速下降，显示出较为分散的早晚消费需求特征。

2.3.2 商圈服务功能的空间格局

如图7所示，从空间上来看，均匀型商圈主要集中在西城区和海淀区，沿东西向的主要交通线路分布，商圈多为工作地附近的商业设施，如科技园、大学城等，吸引了周边的上班族和学生群体。部分内城居民区附近的商圈也属于此类，如西城区、东城区等，主要满足居民的日常生活需求。

夜间型商圈主要分布在东城区和朝阳区。此类商圈内娱乐休闲类的商业业态较为丰富，如酒吧、夜店、电影院等，吸引了年轻人和白领等群体的夜生活消费。此外，一些大型的居民区附近的商圈也属于夜间型，如亦庄、回龙观、天通苑等。这些商圈多为综合性的商业设施，如购物中心、美食广场等，可以满足居民下班后的休闲消费需求。

早晚型商圈的数量相对较少，业态结构较为单一，主要分布在五环和六环附近的区域，且多是在交通枢纽附近，与上班族早晚通勤特征相一致。此类商圈以生活服务类业态为主，主要满足上下班人群的基本生活需求。这种空间分布模式的形成，与城市中不同区域的居民群体特征和日常行为习惯密切相关。

3 总结与展望

本研究以北京六环内的区域作为研究区，在对186个商圈进行识别的基础上，分别分析了其业态功能特征和服务功能特征。

首先，通过整合POI数据和路网数据，计算商业设施热点区，在参考各商圈历史边界的基础上，合并空间临近的区域，形成了北京六环内的186个商圈。

其次，利用K-means聚类方法对7类POI数量进行分类，得到5种业态功能类型的商圈：购物休闲型、娱乐休闲型、景点观光型、教育培训型、生活服务型商圈。这些商圈在地理位置、业态构成和服务功能方面均呈现出显著差异。购物休闲型商圈以高端和时尚为主导，POI总数最多，且集中在东部；娱乐休闲型商圈集购物、娱乐、餐饮、文体休闲等多功能于一体，多靠近城市中心和交通便利地区；景点观光型商圈以历史文化景点为主，主要集中在二环内；教育培训型商圈内的教育培训类POI数量较多，分散在大型居住区或办公区附近；生活服务型商圈数量最多，各类业态数量较少，紧邻居住区和人流密集的区域。

最后，通过Mfuzz算法对各商圈一天内的客流量变化情况进行分析，将商圈划分为均匀型商圈、夜间型商圈和早晚型商圈3种服务功能类型。均匀型商圈在白天时段客流量稳定，主要沿东西向主干线分布，多位于居民区、大学城、科技园等工作地点周边；夜间型商圈多位于东城区、朝阳区以及大型居民区附近，在16點至19点客流量迅速增加，以丰富的娱乐休闲业态吸引年轻人和白领等夜生活消费者；早晚型商圈主要分布于城市外围的交通枢纽附近，7点和19点呈现出两个客流量高峰，业态结构相对单一，主要满足上班族的基本生活需求。

本研究在探索北京六环内商圈的业态和服务功能方面取得了一定的成果，但仍存在一些不足。未来研究可以进一步深入探讨商圈功能类型与客流变化模式之间的关系，分析商圈竞争力和可持续发展能力，关注新型业态对商圈发展的影响。同时结合其他因素，如人口密度、经济发展水平等，对商圈进行综合分析，构建更加全面的商圈功能特征分析模型，为打造国际消费中心城市提供更有针对性的建议和决策支持。

[参考文献]

[1]周麟，沈体雁.大城市内部服务业区位研究进展[J].地理科学进展，2016，35（4）：409-419.

[2]苏志民.国际消费中心城市建设要做好品牌集聚[J].北京观察，2022（6）：46-47.

[3]张珣，陈路雨，赵霞，等.1960-2008年北京商业网点的时空特征分析[J].商业经济研究，2016（12）：200-202.

[4]吴忠才，柳思维.多源时空大数据视角的城市商圈空间结构及影响因素研究——基于核密度与空间面板模型的实证[J].经济问题，2018（9）：113-119.

[5]浩飞龙，王士君，冯章献，等.基于POI数据的长春市商业空间格局及行业分布[J].地理研究，2018，37（2）：366-378.

[6]浩飞龙，杨宇欣，李俊璐，等.基于零售行业与消费者行为的城市商圈特征——以长春市重庆路、红旗街、桂林路为例[J].经济地理，2019，39（12）：138-146.

[7]曹芳洁，邢汉发，侯东阳，等.基于POI数据的北京市商业中心识别与空间格局探究[J].地理信息世界，2019，26（1）：66-71.

[8]王德，王灿，谢栋灿，等.基于手机信令数据的上海市不同等级商业中心商圈的比较——以南京东路、五角场、鞍山路为例[J].城市规划学刊，2015（3）：50-60.

[9]岳丽莹，李山，李开明，等.商圈惠顾行为的空间衰减：幂律模式还是指数模式[J].地理科学，2021，41（3）：446-453.

[10]李江苏，梁燕，王晓蕊.基于POI数据的郑东新区服务业空间聚类研究[J].地理研究，2018，37（1）：145-157.

[11]周素红，郝新华，柳林.多中心化下的城市商业中心空间吸引衰减率验证：深圳市浮动车GPS时空数据挖掘[J].地理学报，2014，69（12）：1810-1820.

[12]陈蔚珊，柳林，梁育填.基于POI数据的广州零售商业中心热点识别与业态集聚特征分析[J].地理研究，2016，35（4）：703-716.

[13]王士君，浩飞龙，姜丽丽.长春市大型商业网点的区位特征及其影响因素[J].地理学报，2015，70（6）：893-905.

[14]梁怡欣，叶强，赵垚，等.互联网时代城市隐形消费空间格局与影响因子——以长沙市为例[J].热带地理，2023，43（4）：707-719.

[15]包振山，陈智岩.基于POI数据的南京市便利店空间分布特征及影响因素[J].世界地理研究，2023，32（6）：119-130.

[16]KUMAR L， FUTSCHIKM E. Mfuzz： a software package for soft clustering of microarray data[J]. Bioinformation， 2007， 2（1）： 5.

（责任编辑 齐蓉晖；责任校对 白丽媛）

[收稿日期]2023-08-30

[基金项目]北京市社会科学基金一般项目“基于多主体利益博弈的北京市棕地再开发模式及其实现路径研究”（20SRB011）。

[作者简介]牛悦颜（1999—），女，河南郑州人，北京联合大学应用文理学院硕士研究生，主要研究方向为地图学与地理信息系统。

[通讯作者] 彭霞（1983—），女，江西樟树人，北京联合大学旅游学院副教授，主要研究方向为旅游大数据分析。E-mail：ivy_px@163.com