张雨洋 杨昌鸣

[摘要]旅游商业化是复兴历史街区的重要手段。文章从道路中心性角度出发，以什刹海历史街区为例，在传统道路网络中加入“历史遗产”的权重，利用城市网络分析工具测度街巷的道路中心性指数，通过核密度将道路中心性与商业店铺转化为栅格数据进行相关分析，以相关系数最高的道路中心性指标为字段，运用分组分析工具对街区内街巷进行空间聚类，得到街区内适宜发展商业的最佳区位。最后，通过与现状商业店铺的空间耦合性研究判断方法的正确性，并对商业发展一般的热点街巷提出未来商业布局的策略。结果表明：（1）与商业店铺相关系数最高的道路中心性指数是中介性（R=0.719），其次是邻近性（R=0.715），直达性相关系数小于0.5;（2）以中介性与邻近性为字段，通过聚类分析得到最适宜发展商业的街巷，主要为连接恭王府与银锭桥的街巷及二者附近的街巷;（3）与现状商业店铺的空间耦合性分析证实了方法的正确性与实用性，并认为现状商业店铺较少的柳荫街与南官房胡同有发展商业的潜力;（4）在分析现状商业布局规律的基础上，结合现状条件为柳荫街与南官房胡同未来商业业态发展提供了理论支撑。

[关键词]什刹海;历史街区;店铺选址策略;最优商业区位;    分组分析;UNA工具

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2019）07-0110-14

Doi：10.19765/j.cnki.1002-5006.2019.00.003

引言

历史文化街区在我国“名城-街区-文物”三级遗产保护体系中处于中间环节，既是历史名城时间维度源远流长的体现地，也是空间维度文保单位、历史建筑等遗产的集中地"。历史街区的商业化是基于对历史街区的保护整治，利用更新而进行的商业化建设，是现实社会基于“历史社会实践产物”的再生产2，是合理利用与永续保存历史街区的重要手段与途径之一。当下此领域的研究多从商业化的经营发展模式，商业化過程中导致的“空间同质化”和“商业过度化"等角度出发148，虽然这些文章对历史街区商业化的进程及方式提出批判，但大都没有强烈地否认商业化在历史街区保护利用过程中的重要作用和地位。因此，如何在历史街区中科学布局商业活动是当下另一项重要的研究内容。

“不管城市的商品销售业、客户服务业等各种经济活动能够提供多么好的商品及服务，其成功的3个关键因素仍然是：区位，区位，区位”。城市中的经济活动集聚特征及影响因素一直是地理学同经济学关注的重要领域，商业活动所处的区位是自身获得成功的关键因素。近年来，部分地理学家借由网络科学的发展，开始了分析道路中心性同商业店铺布局间关系的研究”。国外方面，Porta等基于多中心性评价（multplecentralityanalysis，MCA）模型测度了Bologna道路中心性中的邻近性，中介性及直达性，研究其与商业区位间的关系;Wang等在BatonRouge利用同样的指标发现道路中心性同用地密度同样呈现较高的相关性吗;Porta等在Barcelona通过相似的研究发现，道路中心性同非基本经济活动比基本经济活动的相关性大叫;随后，有作者对斯德哥尔摩（Stockholm）和长春也进行了相似的检验与研究，均证明了城市尺度下道路中心性同经济活动间密切的关系。

国内方面，陈晨等研究了长春市商业网点空间分布与交通网络中心性关系，之后陈晨等又探析了沈阳市中心城区交通网络中心性与第三产业经济密度空间分布的关系，同时其又将道路中心性指数应用在可达性研究中。类似的研究也应用在了国内其他城市，例如北京、武汉等，证实了国内城市在商业布局方面同道路中心性也存在较高的相关性。同时，除归纳总结道路中心性同商业活动的关系外，詹璇等还基于公共交通网络中心性和银行网点的空间分布，探讨两者间的空间耦合性，对道路中心性高但银行网点较少及道路中心性低但银行网点较多的区域提出了更新策略，为商业布局的更新调整提供了理论依据。

通过梳理可以发现，现阶段大部分的研究集中于城市尺度，涉及街区及街道层面的较少，道路中心性方法是否能应用于街区尺度存疑。原因主要是街区中道路及商业店铺样本数量少，影响店铺分布的因素较多，导致分布规律不明显。什刹海历史街区是非常适合进行街区尺度验证的研究案例，首先，“历史氛围”是吸引游人的主要因素啊，其可物化为街区中重要的“历史遗产"（文保单位、历史建筑、文化景观等）;其次，街区内旅游商业发展较为成熟，依托于传统建筑的商业店铺门庭若市，店铺数量较多。街区内的历史遗产对商业店铺分布势必会产生一定的影响，在传统的道路网络中加入“历史遗产”的权重将会得到更精确的结果。因此，本文以什刹海历史街区为例，在归纳总结道路中心性同商业店铺区位关系的基础上，提出一种通过聚类识别街区商业热点区位的方法，并对街区内未来商业更新调整提出建议。

本文主要的研究内容为：

（1）利用城市网络分析工具（urbannetworkanalysis，UNA）测度什刹海历史街区街巷道路中心性，在传统的道路网络中加入基于主成分分析法获得的历史遗产的权重，得到什刹海街区内街巷的道路邻近性、中介性及直达性。

（2）运用核密度分析法转化街区内街巷道路中心性及店铺为栅格数据，通过相关分析得到与街区内商业布局关系最密切的道路中心性指数。

（3）利用分组分析工具对相关系数最高的道路中心性指标进行空间聚类分析，得到街区内最适宜商业活动发展的街巷区位，并描述其空间分布特征。

（4）分析街区内商业店铺与最优区位街道间的空间耦合性，一方面可以验证方法的正确性，另一方面可为与道路中心性不协调的最优区位的热点街巷提供商业选址与布局优化的理论依据。

1研究数据及方法

1.1研究范围

本文研究范围位于北京什刹海历史文化街区，地处《北京旧城25片历史文化保护区保护规划》所确定的保护范围之内，位于北京城中轴线西侧。为排除城市干道影响，以地安门外大街鼓楼西大街、德内大街和地安门西大街4条城市干道围合而形成的区域作为本文的研究范围（图1），面积共计1.708平方千米。研究范围包含北京旧城内重要的水系前海与后海，该区域自明代起就是北京城内活力极强的游乐消夏之地。

1.2研究数据

本文研究数据主要包括路网、百度地图兴趣点（pointofinterest，POI）、历史文化资源点及其相关信息。

1.2.1路网数据

文中使用的道路网络数据来源于开源地图网站（openstreetmap.com），结合现场调研及与街景地图的比对，去除部分无街景的街巷。这样处理的原因在于无街景的街巷多偏窄小、曲折，且界面封闭，不适合商业发展。

1.2.2百度地图POI数据

文中使用的商业店铺数据来源于百度地图，通过网络爬虫（webcrawler）技术获得。所获取的店铺包括店铺名稱、经纬度、电话及经营类型等信息，研究范围内共包含店铺263个。

1.2.3历史文化资源点及其相关信息数据

什刹海街区内现有文物保护单位（以下简称“文保单位”）14处，其中，全国重点文保单位3处，市级文保单位6处，区级文保单位5处。为系统研究历史遗产对街区内商业店铺的影响，将部分较为知名的非文保单位纳入研究之中，包括2处文化景观与1处重要历史街巷，共计17处历史遗产。本文为科学地评价历史遗产的影响力，采用复合指标综合评价的方法。遵循指标选取的系统性、完整性和数据的可获得性原则。所用数据来源于社交龙头网站新浪微博，商业信息龙头网站大众点评，适于街区尺度应用的人口热力数据微信宜出行，均于2017年5月通过网络爬虫技术获得（表1）。

（1）微博数据包括热议数量、签到数量、点赞数量图片数量：微博历史遗产POI包括历史遗产的类型、地点、简介、票价等基本信息，也可针对历史遗产发布热议微博或点赞;除此之外，在历史遗产内或附近参观游览的游客可以基于历史遗产的空间位置发布图片微博，也可以在历史遗产位置微博首页签到。获取4个类型微博数据可以完整地体现微博用户对于历史遗产的态度，避免某一类型的数据过高而影响总体判断的真实性。

（2）大众点评数据中的图片数量和评论数量：大众点评为针对商业店铺的消费指导型网站，对于历史遗产的点评信息相对较少，包括历史遗产的评论和照片信息。为避免社交网络微博数据的局限性，获取点评网站中关于历史遗产的评论与照片信息的数量。

（3）宜出行的相对人口比例：部分历史遗产虽然受到微博用户和点评用户的关注，但自身鉴于办公或学校功能，并不开放。因此遵循数据获取的系统性，应在获取的数据中体现其开放程度。

（4）历史遗产等级数据：由国家文物局认定的文保单位等级体现了历史遗产自身的价值，同样具有一定的参考价值。全国重点文保单位赋值为3;北京市文保单位赋值为2;西城区文保单位赋值为1;历史景观虽然未被认定为文物，但从微博和点评数据量级来看同市级文保单位相似，因此赋值为2。

1.3研究方法

1.3.1多中心评价模型

本研究以MCA模型为基础，以ArcGIS软件为平台，运用新加坡科技设计大学与麻省理工学院联合开发的UNA工具测度什刹海历史街区道路网络中心性。模型以ArcGIS平台生成的网络数据集为基础，测度道路网络中心性，同时该工具允许在传统的道路网络中给予网络交叉点或街区土地利用等相应的权重，以得到更加准确可靠的分析结果。本文选取前人研究中常用的邻近性（closenesscentrality）、中介性（betweennesscentrality）和直达性（straightnesscentrality）3个指标对什刹海历史街区道路网络中心性进行测度。

（1）邻近性

邻近中心性是用给定节点到道路网络中所有节点的最短网络距离来衡量，反映该节点在网络中与其他所有节点的接近程度，邻近性值越大，表示该节点在整个网络中越趋于中心位置。公式如下：

式中，C;为i节点的邻近度;N为道路网络节点数;d，为节点i与j之间的最短距离;W，为节点j的权重。邻近度为某一节点到其他所有节点平均距离的倒数，距离其他节点的位置越近，邻近值就越大，意味着更靠近中心位置。

（2）中介性

中介性指网络中某一节点承担任意两个节点的最短路径经过该点的数量比例之和，中介性较高表示节点在网络中具有高流量值，承担桥梁或交通节点等功能，公式如下：

式中，C"为节点i的中介性;N为道路网络节点数;nt为节点j与k之间最短路径数量;n：（i）为节点j与k之间最短路径中穿过节点i的最短路径数量;W，为节点j的权重。中间性衡量的是道路网络中网络节点的交通流量值。

（3）直达性

直达性指给定节点到所有网络节点的欧氏距离与实际网络地理距离的比值，用来衡量两节点间最短路程路径与直线路径的偏离程度。两者比值越接近1，代表直达性值越大，交通效率越高。公式如下：

式中，C;为节点i的直达性;N为道路网络节点数;djnd为节点i与j之间的欧式距离;d，为节点i与j之间的最短距离;W为节点j的权重。直达性用来衡量道路网络效率，两节点间最短路径距离同欧氏距离越接近，节点i的直达性越高。

1.3.2核密度

核密度估计法可将商业店铺区位与街巷的道路中心性转化为相同的栅格数据，以进行相关分析。该方法以指定点或线要素的位置为中心，以指定阈值范围搜索（半径为h的圆或曲面），中心位置处的密度最大，密度随距离衰减，直至衰减为0。整个阈值距离内密度的积分之和便是中央点的属性值或中心线属性值与尺寸的乘积。点属性值为1，线则为其本身的尺寸。依照同样的方法计算区域内所有要素，叠加同一位置的密度值，便可获得要素在研究范围内的分布密度10。公式如下：

式中，f，（x）为点或线的核密度，x为点或线的值;x，为阈值范围内任一要素（点或线）的值;k（）为核密度方程;n为阈值范围内要素数量;h为阈值（h>0）;d为数据维数;（x-x，）为估计要素到阈值范围内任一要素的距离。

1.3.3分组分析

分组分析是ArcGIS10.1以上版本嵌人的新的空间聚类分析方法。工具会根据研究对象的属性因素与空间特征执行一个分类过程，查找数据中存在的自然聚类。可给定自定义组数，也可计算最佳分组。该工具可根据给定的组数，将空间邻近且拥有最大相似性的要素归为一组，并保证组件最大差异化，相似与差异是基于分析字段参数指定的特性，分析字段可为1个或多个，分组分析的最大优势为能够将多个字段属性的分组结果在空间上相连，能够以定量的方式认识到不同区域间微弱的差异叨。伪F统计量可以判断分组的有效性，公式如下：

式中，SST表征组间差异，SSE表征组内差异，n为街道单元数，n，为i组的街道单元数，n。为分组的数量，n，为用于分组的变量数，V*为第i组j街道的k变量取值，V*是指所有街道k变量的均值，Vk指第i组所有街道的k变量均值。

1.3.4最近鄰聚类

最近邻层次聚类分析是探析经济活动集聚热点区域的方法，首先，方法计算“极限距离或阈值”，然后，将其与范围内所有点的距离进行比较，当进行比较的点的距离小于该极限距离时，将被计人聚集区域，也可以指定店铺数量的方法来强化聚集规则。在实际应用中，一般先用最近邻指数（nearestneighborindex，NNI）判断商业活动的集聚程度，之后利用最近邻层次聚类分析法计算热点区域。公式如下：

式中，d（NN）为最近邻距离;d（ran）为期望平均最近邻距离，其取值一般为：

式中，N为样本数量;A为研究区域面积。当NNI小于1时，样本点呈集聚分布;NNI大于1时，样本点呈均匀离散分布;NNI等于1时，样本点为随机分布。一般采用Z检验来检验结果的可靠性。

2街巷道路网络中心性与商业店铺间的关系

2.1历史遗产权重

为科学评价历史遗产的影响力，本文参考以往研究中评价城市职能强度的指标体系1821，城市中心职能代表城市自身的大小、地位与影响力，与之类似，历史遗产权重代表了自身的地位与影响力。因此，采用复合指标综合评价的方法，从关注度吸引度与开放程度3个维度，选取8个指标，建立历史遗产权重综合评价指标体系（表2）。

关注度代表社会对历史遗产关注的程度，历史遗产由于自身较高的历史、文化等价值通常成为民众眼中的“精神象征"，国家文物局对文保单位的等级评定也是历史遗产自身价值的体现，可以对舆论起到引导作用。关注历史遗产的人可以在微博或点评网发表与其有关的微博或评论点评历史遗产的保护情况或保护策略等，发布者可能并没有亲临历史遗产，但可以通过网络表达对历史遗产关注的态度。因此，关注度包括历史遗产等级，微博数据中的热议数、点赞数及点评数据中的评论数。

吸引度代表游客受到历史遗产价值的吸引亲临游赏。什刹海历史街区中部分历史遗产作为景点收费或免费开放，即使没有开放的历史遗产，游客也可以在其主立面拍照留念。游客可在游赏过程中基于历史遗产的空间位置在微博签到，表示其在此游览;此外，也可在微博和点评网站上传游览过程中拍摄的照片。因此，吸引度包括微博数据中的签到数、图片数和点评网站的图片数。

关注度和吸引度均为网络行为数据，部分重要遗产虽然具有较高的价值，关注和吸引的人很多，但自身鉴于办公或学校功能并不对外开放。因此引人空间行为数据，以其空间范围内进行游览人数体现其自身的开放程度。对于开放参观的历史遗产，获取的人口热力范围为历史遗产的整体空间范围;对于不开放参观的历史遗产，获取的人口热力范围为历史遗产主立面所在街巷范围。

通过主成分分析法，选择17处遗产的微博热议数量、签到数量、点赞数量、照片数量;大众点评评论数量、图片数量;同一时段相对人口热力值与历史遗产等级计算权重。首先，对数据进行KMO和球形Bartlett检验，结果显示KMO值为0.673，Bartlett球度检验的概率p值为0.000，即相关系数矩阵与单位矩阵有显著差异。根据KMO度量标准可知（一般来说，0.6以上的KMO值较为适合做主成分分析），该数据可以进行主成分分析P。根据1960年Kaiser提出的Kaiser准则，只保留特征值大于1的因子作为主成分的个数，提取出一个主成分，由于主成分得分出现负数，为了便于以后的计量分析，根据统计学中的3σ原则，运用公式Y，=H+Y进行坐标平移以消除负数影响，得到历史遗产权重。

对什刹海历史街区内17个历史遗产权重进行空间可视化表达，并利用自然间断法对其等级进行划分。

由图1和表3可知：17个历史遗产权重差异明显。恭王府权重最高为4.2135，是第二名银锭桥的4.5倍，第三名荷花市场的4.9倍，该权重是其历史价值与艺术价值的体现;二级遗产中除宋庆龄故居外，均位于前海周边或与前海距离较近;三级遗产为辅仁大学旧址、郭沫若故居与广化寺，其中，辅仁大学旧址距离恭王府较近，具有流量优势，且自身价值较高，但现状为不对公众开放的学校，一定程度上削弱了权重。四级与五级遗产与一级遗产权重相差悬殊，这些遗产点大部分由于自身区位或不对外开放的原因导致游人对其关注度不高，但微博数据、大众点评数据及街区内的景点信息标识系统仍然使游人可以了解其历史文化。总体来看，街区内历史遗产以恭王府为地标极核，银锭桥、荷花市场烟袋斜街为重要节点围绕前海形成“一级三核”的空间格局。

2.2街区街巷道路网络中心性

2.2.1邻近性

从图2（a）中可以看出邻近性整体呈现明显的核心边缘衰减分布模式，这与之前城市尺度的研究中所表现的特征相一致，同时也符合地理学距离衰减的规律。邻近性的主要高值区域集中于街区的东南部，第一高值区域以银锭桥为中心，包括与之毗邻的前海北沿北端与后海南沿东端，次高值中心位于恭王府东侧的前海西街与前海北沿路口，面积及核密度值均小于第一高值区，两区域通过前海北沿相连形成一个整体;剩余仅在恭王府周边道路交叉节点有小范围的一般高值区，将恭王府围合成一个“空洞”。可见，在历史遗产的影响下，道路邻近性同“恭王府”及“银锭桥”关系较为密切，街区形成一个以银锭桥为中心的邻近性模式。

2.2.2中介性

从图2（b）中可以看出中介性的高值区域在街区内形成一条“高值带”，这条高值带包括后海南沿东段、银锭桥、南官房胡同、三座桥、前海西街及柳荫街，表明这些街巷通过的最短路径较多，交通流量相对较大;高值带上的高值中心有两处，主高值中心为银锭桥，次高值中心为恭王府东侧的3座桥。

2.2.3直达性

从图2（c）中可以看出直达中心性在街区分布较为均匀，未出现明显的空间集聚特征，高值区域集中于道路交叉口处，这与之前城市尺度研究中所表现出的模式不同16.17。

2.3商业网点空间分布与道路网络中心性关系

2.3.1商业店铺空间分布

利用核密度工具对商业店铺布局点进行运算，得到商业网点核密度值。从图2（d）中可以看出什刹海历史街区内商业店铺总体分布较分散，但仍呈现出可辨识的空间结构：核密度结果显示主要的高值区域集中于街区的东南部，第一高值区以银锭桥为中心向四周衰减，覆盖后海南沿、北沿的东端，前海北沿的南端;次高值区域位于恭王府正门前的前海西街，另外与两处高值区域相连接的一般高值区域还包括荷花市场。可见，虽然商业店铺在街区内分布较广，但同邻近性与中介性相似，都同“恭王府"及“銀锭桥”联系紧密。

2.3.2商业店铺空间分布与道路网络中心性关系的相关性

在ArcGIS软件中，提取商业网点核密度值处的道路中心性核密度值，将二者导入SPSS软件进行相关性分析，得出商业店铺与邻近性、中介性及直达性的统计学结果。由表4可知，所有的相关系数都通过显著性检验，其中两个道路中心性指数同商业店铺的相关系数大于0.5，分别是邻近性与中介性;中介性的相关系数略微大于邻近性，但两者相差极小。

由此可见，笔者从统计学角度证明：在历史遗产的作用下，街区尺度中道路中心性显著影响商业店铺的分布。什刹海历史街区商业店铺核密度的高值区域同中介性与邻近性的核密度高值区域重叠程度都较高。可见，在历史遗产的影响下，道路网络的交通流量与中心位置同店铺布局的关系最为密切。

3热点街巷区位特征及与商业店铺的耦合性分析

3.1商业发展热点街巷区位特征

在什刹海历史街区内，同商业布局关系最为密切的道路中心性指数是中介性，其次是邻近性，两指数差距极小。由图2（a）和图2（b）及上文的分析可知，由于两指数自身测度的内容不同，高值区域也并不完全趋于重合。同时，在相关分析中仅提取商业店铺所在区域的道路中心性核密度值;如果仅以单一道路中心性指数识别适宜发展商业的街巷，可能会由于其他影响商业发展的因素存在而降低识别的准确性。因此可以认为，如果什刹海历史街区中的街巷同时具有高值邻近性及中介性时（或一个指标较高，另一个指标稍低），该街巷极有可能为街区内布局商业店铺的最佳区域，可视为发展商业的热点街巷，这样的识别方式可以将其他不适合商业发展因素的影响降到最低。

分组分析工具可根据同一空间要素内的多个属性进行空间聚类，分类的结果既可以在空间上集中聚类要素，也可识别组别间的细微差异。本文利用ArcGIS10.2软件空间统计模块的“分组分析"工具对什刹海历史街区街巷进行聚类分析，分析字段选择街巷的邻近性及中介性指标值，空间邻接法则选择K临近，探索街区内的热点街巷。结果显示，2～15组分组比较方案的伪F值范围为[57.4987，79.6384]，分5组是伪F值最大为79.6384，说明什刹海历史街区中街巷聚类分5组较为适宜。由图3（a）和图3（b）的分析结果可知：

第一组中的邻近性及中介性值均为所有组别中最大的，且中介性值远大于第二组，因此可以认为第一组中的街巷最适宜发展商业，包括银锭桥、后海南沿东段及南官房胡同中段与西段。第二组及第三组中的邻近性与中介性值均位于上四分位线之上、最大值之下，两指标数据位于所有组中前列;且两组中两指标交叉排列，互有最大值，因此可认为这两组中的街巷均较适宜发展商业。第二组街巷集中于前海周边，包括：前海东沿北段、前海北沿、荷花市场及烟袋斜街，第三组街巷集中于恭王府周边，包括：定阜街、前海西街、柳荫街、南官房胡同东段。

第四组中邻近性与中介性均位于中位数之上、上四分位数之下，两指标数据均处于中等水平，因此可以认为第四组中的街巷区位一般，组内街巷主要分布于前海西岸、后海东部的南北两岸及恭王府东侧。第五组邻近性小于下四分位数，中介性位于中位数附近，两指标数值均较小，因此可认为这些街巷是最不适合发展商业的，这些街巷主要分布于街区西部。

综上所述，1、2、3组的中介性及邻近性的值均大于上四分位数，因此可认为这3组中的街巷为商业热点街巷，共包括道路网络中的25条“线段”。这些热点街巷的空间分布模式及与历史遗产之间的关系为：

（1）热点街巷间空间相互邻近，主要围绕前海在街区东南部集聚，此外，在恭王府周边也有小范围集聚;

（2）街区内较高权重的历史遗产银锭桥及恭王府荷花市场、烟袋斜街所在街巷均为热点街巷;

（3）高权重历史遗产宋庆龄故居所在街巷非商业热点街巷，原因为宋庆龄故居位于街区西北角，路网密度低且位于街区边缘位置。但宋庆龄故居与恭王府间的最短路径柳荫街，在两高权重的历史遗产作用下中南段成为热点街巷。

3.2热点街巷与商业店铺耦合性分析

上文识别的热点街巷长度为3038.9米，占街区内道路总长度的17.4%;热点街巷两侧的商业店铺共157家，占街区商业店铺总体数量的59.6%，与现状商业店铺的耦合性分析一定程度上证实了方法的有效性与实用性。但值得注意的是，除银锭桥无法布局商业店铺外，如图5（a）所示，在柳荫街中南段、南官房胡同存在商业店铺较少甚至无商业店铺的情况。

结合现状调研分析发现，这两条街巷现状商业店铺较少是由于街面封闭及缺少临街建筑导致的。柳荫街为南北走向街巷，东侧为恭王府西侧院墙，没有发展商业的可能性;街巷西侧南段邻近恭王府处有少量商业店铺（图4b）;西侧中段为连续的几栋形制完整、体量较大的四合院，沿街为连续的封闭山墙面，仅有几处门头（图4cd）;总体来看，较为适合发展临街商业的区位仅为柳荫街西南端。南官房胡同以居住功能为主，临街建筑大多为四合院的门头和倒座，不存在发展临街商业的可能性（图4a）;同时，这里的四合院体量相对较小，多为“大杂院”，普遍存在同一院落内的建筑有多个产权人的情况。结合现状调研分析发现，基于中介性与邻近性指数进行空间聚类得到的结果是区位视角的热点街巷，在实际开发过程中，存在很多干扰因素，例如建筑形式、产权及环境等，因此在研究工作中加入现状调研是十分必要的。

3.3不协调性热点街巷的商业业态布局策略

南官房胡同与柳荫街具有发展商业的区位优势，本节利用最近邻指数、最近邻聚类与核密度方法描述各业态店铺分部情况，结合南官房胡同及柳荫街的现状条件，为街巷未来商业发展提供科学依据。

根据什刹海历史街区以休闲娱乐功能为主的特征将街区内商业业态分为4类，按店铺数量排序分别是：餐饮、酒吧咖啡特色购物、酒店。运用最近邻指数对各业态商业网点空间分布的集聚特征进行检验（表5），餐饮、酒吧咖啡、特色购物的最近邻指数小于1，Z值小于-2.58，在1%显著性水平下通过检验，属于聚集分布模式，表明餐饮、酒吧咖啡、特色购物这些业态类型趋向于在同类型店铺附近选址。酒店的最近邻指数均大于1，表明其为离散分布。店铺的最近邻指数排序同店铺数量的排序相一致，这说明酒店业在什刹海街区内的发展可能正处于初始阶段。

对集聚分布的商业业态运用最近邻层次聚类分析，结合核密度方法，描述商业店铺空间分部特征。如图5（b）核密度估计结果显示，餐饮业态分布同总体商业店铺的分布有一定的相似性，银锭桥为第一高值区，而恭王府前的前海西街与荷花市场的核密度值与总体商业店铺核密度值相比有所下降;最近邻聚类结果显示，餐饮业态的热点区域的面积是最小的，位于银锭桥东北。如图5（c）核密度估计结果显示，咖啡酒吧业态以银锭桥为中心，覆盖周边的后海南沿与前海北沿，其余后海西沿有小范围的集聚，热点区域仅能表现集聚分布范围，总体来看，酒吧咖啡店铺主要沿水域分布。如图5（d）核密度估计结果显示，特色购物核密度第一高值区位于恭王府前的前海西街，荷花市场与烟袋斜街为第二高值区。最近邻聚类结果显示，特色购物业态的热点区域位于恭王府前的前海西街，两种方法分析的重合度较高。

餐饮、酒吧咖啡、特色购物业态趋向于在同类店铺附近选址。柳荫街位于恭王府西侧，与特色购物热点区域距离最近，因此柳荫街应是特色购物店铺选址的最佳区域。柳荫街东侧为恭王府院墙不适合发展商业，西南段适合发展临街商业，因此适宜布置特色零售店铺;街巷西侧中段为几组具有连续山墙面且形制较为完整的四合院，加上柳荫街因路两侧的茵茵柳树得名，环境清幽，因此可布置处于起步阶段的酒店业态，结合大体量、形制完整的合院建筑发展高端四合院酒店。南官房胡同现状以居住功能为主，临街建筑大多为四合院的门头和倒座，不存在发展临街商业的可能性;街区内餐饮与特色购物业态店铺主要布置在临街建筑内，南官房胡同可能并不适合布置餐饮与特色购物店铺;南官房胡同处于酒吧咖啡业态热点区域之内，但由于区位不临水，可以布置对水体需求稍弱且不需临街建筑的咖啡店铺;与柳荫街类似，胡同内连续而规整的小体量合院建筑较为适合布置以青年旅社为主的酒店店铺。

4结论与讨论

旅游商业化是复兴历史街区的重要方法，现阶段的研究较少有涉及街区尺度商业布局的量化研究。本文以什刹海历史街区为例，在总结影响街区内商业活动的道路中心性指数基础上，量化得到最适宜发展商业活动的街巷，通过分析其与现状商业店铺的空间耦合性，结合现状调研为未来街区内商业活动的更新或调整提供理论依据。

研究结果如下：

（1）为使城市尺度下广为应用的道路中心性方法适宜街区尺度的研究，在传统的道路网络中加入历史街区中重要的要素“历史遗产”的权重，得到更精确的邻近性、中介性及直达性指数。

（2）道路中心性三指标同商业店铺核密度相关分析结果表明，商业店铺的分布同中介性關系最为密切（R=0.719），邻近性次之（R=0.715），直达性最低且小于0.5;这说明在历史遗产的影响下，道路网络中的“高流量”与“中心”区域最适合商业店铺的布局;本文也从数理角度证明道路中心性方法可以在街区尺度中应用。

（3）中介性与邻近性同商业店铺的相关系数均较高，且两指数间高值区域重合比例不高，因此可以认为同时具备高值中介性及邻近性指标的街巷为适宜布局商业的区位;利用分组分析工具进行空间聚类，得到区位角度最适宜商业发展的街巷，这些街巷长度占街区总体长度的17%，包括整体59%的商业店铺。

（4）通过与现状商业的耦合性研究后发现，部分热点街巷（柳荫街、南官房胡同）商业店铺较少，通过对各业态商业店铺在街区内分布特征的研究，结合现状调研为街巷的优化提供科学策略：柳荫街西侧南段适宜布置特色购物商铺，西侧中段适宜布置高端四合院酒店;南官房胡同适宜布置咖啡商铺，也可布置青年旅社酒店。

综上所述，本文从数理角度证明道路中心性方法在街区尺度应用的适宜性，并提出一种基于道路中心性指数识别适合商业发展区位的方法，通过与现状的耦合性研究证实了方法的正确性与实用性，为历史街区的商业布局与店铺位置选择提供新方法与新思路。值得注意的是，本文所提出的方法并不局限于历史街区这一特殊的街区类型。在同等尺度下其他类型的街区中，同样存在吸引消费者的“地标”和“节点"等重要因素，在道路中心性测度时加入这些因素的影响，也能够更为精确地归纳总结街区尺度内商业活动的布局规律。

参考文献（References）

[1] ZHANG Yuyang， YANG Changming， JIA Ziyu. The enlightenmentof“historical dynamics” to the space restoration of historical blocks[J]. Architectural Journal， 2018， （S1）： 161-167. [张雨洋，杨昌鸣，贾子玉.“历史动态”对当下历史街区空间修复的启示[J].建筑学报， 2018， （S1）： 161-167.]

[2] XU Xiaobo， WU Bihu， LIU Binyi， et al. The development ofcommercial spaces in tourist historic districts： The case ofShuangdong， Yangzhou[J]. Acta Geographica Sinica， 2016， 71（12）： 2212-2232. [徐小波，吴必虎，刘滨谊，等.基于从业者的旅游历史街区商业空间发展特征及机理——扬州“双东”案例[J].地理学报， 2016， 71（12）： 2212-2232. ]

[3] LIU Min， LIU Ailli. Urban architectural heritage reuse from the perspective of industrial types： A case study of NanluoguxiangStreet in Beijing city[J]. Tourism Tribune， 2015， 30（4）： 115-126.[刘敏，刘爱利.基于业态视角的城市建筑遗产再利用——以北京南锣鼓巷历史街区为例[].旅游学刊，2015，30（4）：115-

[4] GUO Xiangmin. From“discrete" to“integrated”—Analysis of

the update mechanism of historical areas driven by commerceand tourism[J]. Urban Problems， 2005， （3）： 2-7. [郭湘闽.从“离散”走向“综合”——以商业和旅游为动力的历史地段更新机制分析[J].城市问题， 2005， （3）： 2-7.]

[5] CHEN Li， ZHANG Wenzhong. The change and reconstructionof local culture in response to urban renewal and globalization：A case study of Shichahai historic district[J]. Progress inGeography， 2010， 29（6）： 649-656. [谌丽，张文忠.历史街区地方文化的变迁与重塑——以北京 什刹海为例[J]地理科学进展，2010， 29（6）： 649-656. ]

[6] XU Xiaobo， WU Bihu， LIU Binyi. State judgment of tourismhistoric district and its spatial interpretation- Taking Yangzhou“Shuangdong" as an example[J]. Urban Problems， 2016， （2）： 49-58.[徐小波，吴必虎，刘滨谊.旅游历史街区状态评判及其空间解读——以扬州“双东”为例[J].城市问题，2016，（2）：49-58. ]

[7] SUN Jjiuxia， HUANG Xiubo， WANG Xueji. The de- localizationtendency of tourism streets： Based on the perspective institutionaldisembodiment[J]. Tourism Tribume， 2017， 32（9）：24-33. [孙九霞，黄秀波，王学基.旅游地特色街区的“非地方化”：制度脱嵌视角的解释[J].旅游学刊，2017， 32（9）： 24-33. ]

[8] BAO Jigang， SU Xiaobo. Studies on tourism commercializationin historic towns[J]. Acta Geographic a Sinica， 2004， 59（3）： 427-436.[保繼刚，苏晓波.历史城镇的旅游商业化研究[J].地理学报， 2004， 59（3）： 427-436. ]

[9] TANEJA S. Technology moves in[J]. Chain Store Age， 1999， 5（75）： 136-137.

[10] HE Yongda， ZHAO Zhitian. Empirical study on spatialdistribution and dynamic mechanism of retail industry in China[J]. Economic Geography， 2012， 32（10）： 77-82. [何永达，赵志田.我国零售业空间分布特征及动力机制的实证分析[J].经济地理， 2012， 32（10）： 77-82. ]

[11] PORTA S， CRUCITTI P， LATORA V. The network analysis ofurban streets： A primal approach[J]. Environment & Planning BPlanning & Design， 2006， 33（2）： 853-866.

[12] PORTA S， LATORA V， WANG F， et al. Street centrality anddensities of retail and services in Bologna， Italy[J]. Environment& Planning B Planning & Design， 2009， 36（3）： 450-465.

[13] WANG F， ANTIPOVA A， PORTA S. Street centrality and landuse intensity in Baton Rouge， Louisiana[J]. Journal of TransportGeography， 2011， 19（2）： 285-293.

[14] PORTA s， LATORA V， WANG F， et al. Street centrality and thelocation of economic activities in Barcelona[J]. Urban Studies，2012， 49（7）： 1471-1488.

[15] RUI Y， BAN Y. Exploring the relationship between streetcentrality and land use in Stockholm[J]. International Journal ofGeographical Information Science， 2014， 28（7）： 1425-1438.

[16] WANG F， CHEN C， XIU C， et al. Location analysis of retailstores in Changchun， China： A street centrality perspective[J].Cities， 2014， 41（41）： 54-63.

[17] CHEN Chen， WANG Fahui， XIU Chunliang. The relationshipbetween the spatial distribution of commercial networks andstreet centrality in Changchun[J]. Economic Geography， 2013，33（10）： 40-47. [陈晨，王法辉，修春亮.长春市商业网点空间分布与交通网络中心性关系研究[J].经济地理，2013， 33（10）： 40-47.]

[18] CHEN Chen， CHENG Lin， XIU Chunliang. Distribution ofcentrality of traffic network and its relationship with economic density of tertiary industry in Shenyang[J]. Progress inGeography， 2013， 32（11）： 1612-1621. [陈晨，程林，修春亮.沈阳市中心城区交通网络中心性及其与第三产业经济密度空间分布的关系[J].地理科学进展， 2013， 32（11）： 1612-1621.]

[19] CHEN Chen， XIU Chunliang. Accessibility of disasterprevention green space in Shenyang based on betweenness centrality[J]. Chinese Landscape Architecture， 2016， （3）： 122-127.[陈晨，修春亮.基于交通网络介数中心性的沈阳市避灾绿地可达性[J].中国园林， 2016， （3）： 122-127.]

[20] CHEN Chen， XIU Chunliang. Spatial accessibility of largegeneral hospitals in Changchun city center based on streetnetwork centrality[J]. Human Geography， 2014， （5）： 81-87. [陈晨，修春亮.基于交通网络中心性的长春市大型综合医院空间可达性研究[J].人文地理， 2014， （5）： 81-87.]

[21] LYU Yongqiang， ZHENG Xinqi， ZHOU Lin. Relationshipsbetween street centrality and spatial distribution of functional urban land use： A case study of Beijing central city[J].Geographical Research， 2017， 36（7）： 1353-1363. [呂永强，郑新奇，周麟.路网中心性与城市功能用地空间分布相关性研究——以北京城市中心区为例[J].地理研究，2017，36（7）：1353-1363. ]

[22] YIN Chaohui， LIU Yanfang， WEI Xiaojan. Study on the multi-scale relationship between road network centrality and social economic activities distribution in Wuhan[J]. HumanGeography， 2017， （6）： 104-112. [银超慧，刘艳芳，危小建.武汉市多尺度道路网络中心性与社会经济活动点空间分布关系分析[J].人文地理， 2017， （6）： 104-112. ]

[23] ZHAN Xuan， LIN Aiwen， SUN Cheng， et al. Centrality ofpublic transportation network and its coupling with bankbranches distribution in Wuhan city[J]. Progress in Geography，2016， 35（9）： 1551166.6 [詹璇，林爱文，孙铖，等.武汉市公共交通网络中心性及其与银行网点的空间耦合性研究[J].地理科学进展， 2016， 35（9）： 1155-1166. ]

[24] ZHANG Yuyang， YANG Changming， QI Ling. Study on theassessment of street vitality and influencing factors in thehistoric district： A case study of Shichahai historic district[J].Chinese Landscape Architecture， 2019， 35（3）： 106-111. [张雨洋，杨昌鸣，齐羚.历史街区街巷活力评测与影响因素研究——以什刹海历史街区为例[J].中国园林，2019，35（3）：106-111.]

[25] SEVTSUK A， MEKONNEN M. Urban network analysis toolbox[J]. International Journal of Geomatics and Spatial Analysis，2012， 22（2）： 287-305.

[26] SHEN Tiyan， ZHOU Lin， WANG Liwei， et al. Traffic networkpoint of services location choice： A case study of the central cityarea of Beijing[J]. Progress in Geography， 2015， 34（8）： 947-956.[沈体雁，周麟，王利伟，等.服务业区位选择的交通网络指向研究——以北 京城市中心区为例[J].地理科学进展，2015， 34（8）： 947-956. ]

[27] ZHAN Dongsheng， ZHANG Wenzhong， MENG Bin， et al.Spatial structure of urban residence and employment in Beijing[J]. Scientia Geographica Sinica， 2017， 37（3）： 356- 366. [湛东升，张文忠，孟斌，等.北京城市居住和就业空间类型区分析[J].地理科学， 2017， 37（3）： 356-366. ]

[28] NIU Huien， MENG Qingmin， HU Qichang， et al. Economicinteraction analysis between regions of Gansu province and their surrounding areas[J]. Economic Geography， 1998， （3）： 51- 56.[牛慧恩，孟庆民，胡其昌，等.甘肃与毗邻省区区域经济联系研究[J].经济地理， 1998， （3）： 51-56.]

[29] LU Jinping， YANG Zhenwu， SUN Jiuwen. Research oneconomic contact measurement of Beijing- Tianjin- Hebei urban agglomeration[J]. Urban Development Studies， 2015， 22（1）： 5-10.[鲁金萍，杨振武，孙久文.京津冀城市群经济联系测度研究[J].城市发展研究， 2015， 22（1）：5-10.]

[30] CHEN Yanguang. Methematical Methods for Geography[M].Beijing： Science Press， 2010： 25. [陈彦光.基于Excel的地理数据分析[M].北京：科学出版社， 2010： 25. ]

[31] LIAO Jinzhong， HAN Feng， ZHANG Wenjing， et al. Thepositive analysis of the effect of urbanization on land utilization efficiency in Changsha， Zhuzhou and Xiangtan[J]. ChinaPopulation Resources and Environment， 2010， 20（2）： 30-36. [廖進中，韩峰，张文静，等.长株潭地区城镇化对土地利用效率的影响[J].中国人口·资源与环境， 2010， 20（2）： 30-36. ]