黄浦江，杜凤姣

（1.上海市城市规划设计研究院，上海 200040）

1 研究目的与意义

随着信息技术的迅猛发展，城市空间研究迎来了重大变革。大数据提供了一种有效探索群体空间行为模式规律的可能性，在城市环境中的社会经济特征体现得尤为明显。如何有效定量分析这种空间行为模式成为新难题。当前，在城市规划和城市地理学界已有相关研究[1-6]。本文基于大众点评网的网络开放数据，运用空间热点分析方法，分别对上海市中心城不同类型商业网点的空间集聚特征进行综合测度，同时对城市商业活力的影响因素进行探索分析，以期为城市公共中心识别、商业网点规划与商圈评价等规划设计项目提供更加科学合理的空间集聚特征规律识别与评价建议。

2 数据来源

上海市中心城商业网点坐标及其属性信息主要通过互联网数据挖掘技术从大众点评（上海站）获取，以2015年为例，共计约8.5万个商业点位数据。点评数量作为最能够体现商业网点空间活力的属性指标，被用于本文的各种空间分析中。根据大众点评商业网点数据的分类特征，借鉴上海市基本商务区规划、第三次经济普查行业分类标准以及其他相关商业网点研究对商业类型的分类[6-8]，选取批发和零售业、住宿和餐饮业、其他商业服务业作为商业的基本类别并对数据进行重分类。

3 城市商业活力的空间集聚特征分析

3.1 研究方法

空间热点分析可以识别3种商业类型中具有统计显著性的高值（热点）和低值（冷点）的空间聚类区域。本研究采用了探索性空间数据分析（ESDA）中的Getis-OrdGi*指数来检验基于点评数量加权后的局部地区是否存在统计显著的高值和低值，得到高值或低值要素在空间发生聚类的位置。其公式如下：

对进行标准化处理：

式中，E()和var()分别为的数学期望和方差；Wij是空间权重。如果Z()为正且显著，表明位置i周边的值相对较高（高于均值），数据高值集聚（热点区）；反之，如果Z()为负值且显著，则表明位置i周围的值相对较低（低于均值），数据低值空间集聚（冷点区）。

3.2 研究结论

根据点评数据加权处理后的热点分析Z值结果如图1所示，上海市中心城三种类型的商业类别冷热点分布呈现冷点区域分割包围热点区域的空间集聚特征。

热点区域均分布在内环内浦西以人民广场、打浦桥、徐家汇、中山公园、静安寺为核心的面状连片区域，浦东地区以陆家嘴为核心的中部与西南部区域；内环外主要分布在五角场地区。其中批发与零售业的热点区域空间集聚特征较之其他两种商业类型更加集中，尤其表现在陆家嘴地区，餐饮与住宿业以及其他商业服务业在大宁与虹口足球场出现了较为微弱的热点区域，这些区域的商业网点不仅自身活力高，同时其周围活力也高，说明其商圈发展与服务水平较高，具有明显的向内环线内外居民的空间辐射与引力作用。

图1 上海市中心城3种类型商业网点热点分析结果

冷点区域则主要出现在内环内热点区域的周围，分布在内环内四川北路地区、豫园地区，内外环间的五角场周边与虹口足球场周边地区，其分布阻隔了热点集聚区向外扩展的趋势。其中餐饮与住宿业、其他商业服务业的冷点空间集聚呈现较为明显的集中连片分布，而批发零售业则体现了局部散点式冷点集聚。虹桥、金桥、大华、世博等冷点集聚区具有个别活力较高的大型单体商业中心，虽然在现阶段无法带动周边的商业网点的整体活力，但应在下一步规划中作为可以有效转化为商业热点的高潜力区域进行发展，进一步调整和提升商业结构与服务质量。

4 城市商业活力的影响因素分析

4.1 指标选取

为进一步分析地区商业活力大小的影响因素，本节以中心城各街道、镇为研究单位，以商业点评总数表征城市商业活力，选择区位、用地和经济三大因素作为最基础影响要素（表1）。

4.1.1 区位因素

拥有一定规模的人口、就业岗位和公共服务设施是城市活力的必要条件。而道路交通是联系顾客和商业设施的载体，便捷的交通是商业设施聚集与选址的重要条件，所以基于交通可达性的居住、就业岗位和公共服务设施能较为准确地反映该地区区位水平。商业网点的布局与这3个因素存在显著的相互吸引效应。本文基于上海现状居住人口、工作岗位、公共服务设施分布数据和现状交通网络，采用课题组研发的交通区位测度模型[9]，计算居住、就业岗位和公共服务设施的区位值，在街道、镇范围内取平均。

4.1.2 用地因素

用地因素采用多样性指数作为衡量指标。根据上海市“两规合一”用地分类标准，建设用地包括城镇居住用地、农村居民点、工矿仓储用地、商服用地、公共建筑用地、市政公用设施用地、生态休闲绿地、对外交通用地、道路广场用地和特殊用地10类。由于因变量为城市商业活力，计算用地指标时排除了商服用地，考虑其他用地的多样性对城市商业活力的影响。

多样性指数代表土地利用混合强度和用地异质性的高低，计算公式为：

式中，LD为用地多样性指数；Pi是第i种土地利用类型占总面积的比，n是用地类型总数。多样性指数越大，表示土地利用多样性越高。当用地类型单一时，其多样性为0；当由两种以上用地类型组成，且各种用地类型所占比例相等时，其用地多样性最高，各用地类型所占比例差异较大时，则多样性下降[10]。

4.1.3 经济因素

商业网点的规模及区位选择受土地价格的影响较为明显。由于土地价格数据难以获取，本文用房价作为衡量指标。一般来说，土地价格高的地区商品房价格也较高。房价数据为2011～2014年各街道、镇商品房均价，数据来源为“安居客”（www.anjuke.com）。

4.2 模型设计和拟合结果

4.2.1 模型设计

采用线性回归方法，设定中心城各街道、镇城市商业活力的影响因素模型的初始形式，即

式中，CVi为因变量，表示第i个街道、镇的商业网点点评总数；RLi、ELi、PLi、LDi、HPi为自变量，分别表示第i个街道、镇的居住区位、就业岗位区位、公共服务设施区位、用地多样性指数和房价；a为常数项，b1～b5为回归系数。为避免可能存在的异方差，在进行计量分析时，对所有自变量和因变量作对数变换，即

表1 城市活力影响因素的自变量和因变量

4.2.2 拟合结果

通过SPSS软件对中心城商业活力的影响因素进行一般线性回归分析，结果如表2所示。通过共线性检验，排除了居住区位和就业岗位区位两个自变量，调整后的R2为0.411，分析结果通过了Durbin-Watson检验。公共服务设施区位、多样性指数、房价3个自变量的显著性均小于0.05，说明这3个指标对商业点评总数影响的解释是有效的。最后得到的回归方程如下：

表2 城市活力的影响因素回归分析结果

4.3 结果分析

4.3.1 区位因素

区位对一个地区的人口数量和活动热力起到了重要影响，居住、就业岗位和公共服务设施区位越好的区域，人口密集度越高，城市活力理论上也应该是越高的。本研究验证了城市商业活力具有较强的公共服务设施依赖性，良好的设施配置带动了商业消费。公共服务设施区位值每提高1个百分点，城市商业活力相应提高1.27个百分点。居住区位和就业岗位区位则由于共线性没有呈现明显的相关性。

4.3.2 用地因素

城市需要培育多种多样的功能来满足不同人的需求，而功能的多样性需要土地利用多样性作支撑。从结果来看，多样性指数与城市活力具有显著相关性，多样性指数提高1个百分点，城市商业活力相应提高2.462个百分点。

运用SPSS软件分别对城市商业活力和9种建设用地类型作相关性分析，结果如表3所示。商业活力与城镇居住用地（F21）、公共建筑用地（F25）、道路广场用地（F29）呈现显著正相关。这几种用地类型占比越高说明人口集聚越多、公共服务设施配套越齐全、交通可达性越好，进一步促进商业发展。城市商业活力与农村居民点用地（F22）、工矿仓储用地（F23）、生态休闲绿地（F27）和对外交通用地（F28）呈现显著负相关。农村居民点用地占比越高则城镇化水平越低；工矿仓储用地占比高通常意味着是产业区，用地结构单一；生态休闲绿地和对外交通用地占比高的地区一般商业较不发达。市政公用设施用地（F26）和特殊用地（F20）没有呈现显著的相关性。

表3 商业点评总数和不同用地类型的相关性分析

4.3.3 经济因素

城市商业活力还取决于一个地区的经济发展水平。上海中心城的经济发展水平较高，商业网点分布密度较大，如人民广场、南京路、陆家嘴、徐家汇等区域一直以来都是人流、物流、信息流和资金流等空间流的密集地区，商业类型和数量都较多。而这类地区通常土地价格较高，相应的商品房均价也高。分析结果显示，房价每上升1个百分点，城市商业活力相应上升2.013个百分点。

5 结论与讨论

采用大众点评网站商业网点点评数作为城市商业活力的衡量指标，对城市商业活力空间分布和影响因素进行分析。得出结论：上海市中心城商业网点的空间集聚特征较为显著，且呈现冷点区域分割包围热点区域的空间集聚特征。城市商业活力与公共服务设施区位、多样性指数和房价呈现显著正相关。公共服务设施可达性越好、土地利用多样性越大、房价越高，则商业点评总数越多，城市商业活力越高。

本文的基础数据来源主要是网络开放数据，受到了使用人群以及人群特征分类属性较少的限制，不能全面阐释商业网点空间集聚特征。在今后的研究中，需要运用多源数据对同一空间事物进行更加综合的对比分析，在深刻了解其空间发展规律后，找出与之相适应的影响因素，并以此作为空间评价与预测分析的基础。