朱 力，李小玲，王 璐，杨成忠，谢芬芬

（1.青海大学，a.计算机技术与应用系；b.土木工程学院，西宁810016；2.青海省自然资源综合调查监测院，西宁810001）

服务业在生产生活、科教文化、社会公共等领域对提高城市经济发展有着重要的意义。20世纪70年代以来，服务业成为国外发展最为迅速的行业，服务业的空间布局研究逐渐受到重视［1-3］，服务业的集聚趋势、集聚动因、集聚特征［4］及服务经济发展与人口、就业之间的关系成为重要的关注内容［5］。改革开放后，发展服务业成为中国经济体制改革的重要举措，是社会生产发展的需要，城市服务业的空间布局特征分析及发展模式逐渐成为研究趋势［6-8］。

伴随着改革开放进程的不断深入，东部与东北部地区服务业发展水平均高于中西部［8］，东西部区域发展不平衡的问题日渐凸显。由于西部地区城市服务业的发展缺乏理论和经验指导，第一产业和第二产业较为落后，就业形势严峻，故分析服务业区域发展不平衡现状、西部地区经济增长制约因素及探寻服务业视角下的西部地区城市发展道路［9］，是拉动西部地区经济增长的必经之路。西宁市是西部地区多民族聚集的中心城市，对西部经济发展的影响举足轻重。研究分析西宁市服务业发展的现状，是对青海省服务业产业结构转型升级的积极探索［10］。西宁市城西区通过资源整合成为区域经济的标杆、西部的窗口，探究城西区服务业的空间布局结构、发展现状及发展趋势，探寻西部城市服务业发展新模式，可为其他城区及西部各城市提供经验借鉴和科学依据。

在大数据时代，空间数据蕴含着巨大的价值，挖掘和分析空间数据背后的意义，是大数据研究的重要内容［11］。POI兴趣点代表地理信息系统中一个地理实体的空间数据，其属性信息具有极高的现实意义与价值［12］。在数据挖掘技术不断发展的基础上，从地理信息系统中获取POI数据的方法更加便捷，因此商业POI数据［13］的应用开始在人文地理学中受到关注，生活性服务业［14-16］、餐饮零售业［17，18］、快递物流业［19］等方向更成为研究的重点。冉钊等［20］基于长沙市生活性服务业POI数据，采用核密度分析法研究长沙市整体及分行业的生活性服务业空间格局特征。薛冰等［21］对沈阳市零售业进行分析，概述沈阳市零售业分布结构的特征，并比较不同零售业空间布局上的差异性，为零售业空间合理规划提供理论基础。刘雅轩等［22］以乌鲁木齐市为例，以公园绿地周边住宅区POI兴趣点为研究对象，基于STA⁃TA平台分析公园绿地对住宅价格的影响关系。李钢等［23］运用数理统计等方法分析西安市快递业POI数据，探究菜鸟驿站的区位选择特征及其行业的竞合关系。在针对西部地区服务业空间布局研究中，以西安、重庆及成都等经济较发达城市的研究居多，青海、西藏等经济落后城市的研究相对较少。李维维等［24］采用Getis-Ord Gi*统计指数定量分析西安市旅游业的形成机理及热点特征。涂建军等［25］以城市整体地域结构为出发点，分析重庆市主城区在山地城市格局视角下餐饮业区位选择影响的空间异质性。吴先赋等［26］通过对成都市三环路内生活设施POI数据进行研究来探究其生活设施集聚特征及配套完善程度。魏中宇等［27］结合西安市POI数据及路网数据，借助核密度估计法分析西安市中心城区商业集聚特征。服务业的空间布局研究对象单一化，大都以某一类服务业为主，以城市总体服务业为研究视角的较少，无法概述城市服务业总体布局特征。上述学者大多采用核密度估计法或多种传统方法相结合的研究策略分析POI数据，可以发现数据的热点区域集聚特征及发展态势，无法研究各类别间的聚类特征，故本研究采用聚类算法分析研究西宁市城西区服务业POI数据各类别的差异及其总体布局特征，分析服务业布局特征影响因素对不同服务业的影响，并以西宁市城西区为例，与东部、中部地区城市服务业布局特征进行对比。

聚类算法是数据挖掘算法中的重要分支，聚类分析的目标是将一组数据集按照特定的标准分割成不同的簇，并使其同一簇内的数据集有尽可能大的相似性。传统的聚类方法共有5种，分别是基于模型的方法、基于密度的方法、划分方法、基于网格的方法和层次方法。在不同的领域中，聚类技术都有不同的应用与发展，将空间聚类算法应用到人文地理学的实践研究中可以区分聚类的差异性，更准确地分析POI数据的集群分布与空间特征。范梦余等［28］利用DBSCAN聚类算法与呼伦贝尔游客POI数据相结合的方法对游客移动特征规律进行分析研究。查小磊等［29］利用长沙市POI数据，借助标准差椭圆及CRITIC方法，对长沙市生活服务设施进行评价研究，为生活服务与其服务质量提升提供指导。刘畅等［30］基于GPS轨迹数据结合DBSCAN算法挖掘城市交通拥堵区域，并对下次拥堵时间进行预测。李江苏等［31］采用POI数据对郑东新区服务业空间布局进行聚类，为产业结构提供优化方向。可见，基于POI数据与聚类算法相结合的研究方式逐渐兴起。

本研究以西宁市城西区POI数据为研究对象，基于Pycharm平台结合Python语言，采用Haversine距离计算方法对城西区的POI数据进行DBSCAN（Density-Based spatial clustering of applications with noise）密度聚类，深入分析聚类结果，研究城西区服务业的总体及分行业的空间分布格局，为优化城西区及西部城区服务业空间布局提供科学建议。

1 数据来源与研究方法

1.1 研究区域概况与数据来源

西宁市是中国西部地区重要的中心城市，辖城东区、城西区、城北区、城中区、湟中区5个区及湟源县、大通回族土族自治县2个县。自2013年以来，西宁市国民经济保持着稳定增长的趋势（图1），其中第一产业和第二产业同比增长额基本保持不变，第三产业同比增长额呈正比例增加，到目前为止第三产业即服务业经济增长总额约占国民经济增长总额的60%，是经济增长的主要动力。以2019年为例，其中城西区的全年GDP总值约占西宁市GDP总值的25%，领跑西宁市其他4区2县。可见研究城西区服务业空间布局及发展现状，能够为西宁市其他城区的服务业发展提供借鉴及理论依据。故本研究选取西宁市城西区作为研究区域。西宁市城西区位于西宁市中西部，辖彭家寨1个镇，胜利路、古城台、兴海路、西关大街、虎台、文汇路、通海路7个街道，面积为52.98 km2。

图1 西宁市国民经济产业产值增长变化情况

服务业POI数据包含服务业名称、行业类别、经纬度等属性。本研究利用基于Python语言的数据挖掘技术从高德地图获取2019年10月西宁市城西区服务业的POI数据，经过数据预处理后，获得有效数据共15 829条。结合国民经济行业分类标准GB/T 4754—2017与青海省服务业现状，将城西区服务业POI数据分为12类，具体分类如表1所示。采用与服务业密切相关的POI数据进行DBSCAN聚类，聚类的结果及边界点、噪声点的分布特征能够体现西宁市城西区服务业的空间布局特征。

表1 西宁市城西区POI数据的服务行业分类

1.2 研究方法

聚类算法是数据挖掘算法中一种常用的算法，基于密度聚类的算法主要有DBSCAN算法、DEN⁃CLUE算法和OPTICS算法，其中DBSCAN密度聚类算法是一种无监督学习的算法，在地理空间数据库中有着广阔的应用前景。DBSCAN算法在未知训练样本标记信息的情况下，分析训练样本的属性与结构，把相似度高的训练样本聚集在一起，可以在不确定簇个数的情况下，识别出噪声点并生成任意形状的簇，能够很好地区别各类别之间的差异，并将数据点分为核心点、边界点、噪声点3类。针对3类数据点，DBSCAN算法给出的基本定义如下：样本数据点p的ε邻域内包含不小于Minpoints个样本，则点p为核心点；若样本数据q点的ε邻域内包含的样本个数小于Minpoints，且q在核心点p的ε邻域内，则点q为边界点；除核心点和边界点外，其余点为噪声点。

DBSCAN算法在输入参数Eps和Minpoints值后，任意选择一个未处理的数据点P，检查该点的Eps邻域内包含数据点个数是否满足不小于Minpoints值。如果满足则该邻域内所有的点为一簇C，该点为核心对象，否则为噪声点，并将满足上述条件的所有数据点加入候选集合Q，并检查候选集合Q中未处理的数据点P1的Eps邻域内包含数据点个数是否同样满足不小于Minpoints值，如果满足则将该邻域内的所有点加入候选集合Q中，如果P1没有归为任一簇中，则将P1归为簇C中，重复上述步骤，继续检查候选集合Q中未处理的对象，直到候选集合Q为空。然后继续寻找下一个簇，DBSCAN随机处理任意一个未处理对象，重复聚类过程，直到将所有数据点归为某个簇或标记为噪声点［32］。

大部分DBSCAN算法采用欧式距离计算公式，欧式距离在处理地理空间数据时，所得距离结果与实际距离存在差异，影响DBSCAN密度聚类结果。故本研究在基于DBSCAN密度聚类算法的基础上，采用地理空间坐标距离计算的方法和K-dist图遍历的方法进行POI数据聚类分析。

地理空间数据坐标之间的距离计算采用的是Haversine公式计算方法，Haversine公式［33］是一种基于球面模型的地理空间坐标点之间的距离计算公式。在对POI数据进行数据预处理之后，采用Ha⁃versine公式计算获取任意2个POI兴趣点之间的距离，其计算结果为两点间的地理距离，与实际地理距离误差较小，并以计算所得地理距离作为聚类参数Eps取值。设2个POI兴趣点坐标为P1（x1，y1）、P2（x2，y2），其地理距离计算Haversine公式如下：

式中，R为地球半径取6 371.008 8 km，x1x2、y1y2取P1、P2坐标点的弧度值，D即2个POI兴趣点的地理距离。

依据Haversine公式，计算数据集中任意2个POI兴趣点的地理距离，得出Distn×n距离矩阵，即：

式中，n为POI兴趣点的个数，Dist(x,y)表示POI数据中第x个POI兴趣点与第y个POI兴趣点之间的Haversine地理距离。

DBSCAN聚类算法中参数Eps和Minpoints确定困难，20世纪末Ester等［34］证明在K=4后，K的变化对最终Eps的选择影响较小，因此可利用K=4时降序K的距离绘制K-dist图，并通过K-dist图的拐点来确定Eps的值。其中K表示任意点P到另一任意点Q的第K个远的距离，利用Haversine公式计算任意2个点的地理距离矩阵，对距离矩阵列向量进行升序排序、行向量进行降序排序，并绘制K=4时的K-dist图。由于K-dist图拐点所对应的Eps值确定困难，因此在确定Eps范围的基础上，遍历Eps值与Minpoints值，并比较各取值下DBSCAN聚类结果。

2 西宁市城西区服务业空间布局分析

2.1 服务业总体空间布局

对西宁市城西区服务业POI数据使用DBSCAN算法，并在K=4的基础上迭代不同的Eps值和Minpoints值。由于现实中西宁市城西区POI兴趣点主要聚集在海湖万达广场和力盟商业步行街，因此无论Eps和Minpoints取何值，都会明显存在2个区域形成较大的聚类。经过迭代试验后，比较聚类效果及噪声点数量，选取聚类最好的结果。最终选取参数Eps=100 m，Minpoints=41，其聚类结果为5种（表2、图2）。根据表2和图2中的聚类结果，将西宁市城西区服务业总体空间布局的特征概括如下。

1）西宁市城西区服务业总体布局呈东多西少的分布特征。存在2个规模较大的簇，POI数据量分别达10 518、4 534个，共占总POI兴趣点数量的95%以上，并以力盟商业步行街和海湖万达广场为集聚中心，是西宁市城西区服务业服务半径覆盖区域较大的簇，其余3类规模和范围则明显较小，凸显出西宁市城西区服务业“两个中心”的特征，并且第4类和第5类分布在“两点一线”之间的海湖路上，集聚在海湖路周围小区建筑群附近，最西侧的第1类则同样分布在以海湖新区家属院为中心的小区建筑群附近，体现出服务业向人口密集区域集聚的特征。

2）服务业的空间布局特征受地形、地势及交通状况的影响较为明显，空间分布较为集中。由于西宁市城西区西南部高山环绕，因此其西南部区域鲜有POI兴趣点分布，南北差异明显。POI兴趣点集中分布在西宁市城西区东部，主要原因在于其东部与西宁市其余4区相临，服务半径能够覆盖到其余4区，发挥空间临近优势。POI兴趣点主要分布在交通便利的主要街道附近，其中主干道昆仑西路、西关大街、五四西路、胜利路—海晏路均为东西走向，东侧4类以海湖路为中心轴对称分布在4条主干道上，西侧第1类则分布在桃李路附近。POI兴趣点大都分布在凤凰山路北侧，并且POI兴趣点数量由东到西呈递减趋势，呈现“东西一线”的分布特征。可见地形、地势及交通状况对西宁市城西区服务业的空间布局结构有着明显的影响。

3）噪声点分布较为集中，并出现未来服务业潜在聚集区域。在参数值取Eps=100 m和Minpoints=41的条件下，除5类聚集中心外，有噪声点共计354个，占POI兴趣点总量的2.24%。噪声点主要分布在西宁市城西区的彭家寨镇G109国道大北农专营店至青海省交通驾校路段，其余分布在青海省海湖体育中心及彭家寨镇与通海路街道区各小区附近。其中，青海省海湖体育中心及通海路街道中的噪声点有很大的可能性与距离其最近的簇第1类融为一体，而彭家寨镇G109国道大北农专营店至青海省交通驾校路段附近噪声点最有可能发展成为一个新的聚类。由于噪声点主要分布在西宁市城西区西部区域附近，可见西部区域服务业发展与东部区域相比更为落后，因此西部区域在未来服务业发展上具有很大潜力。

表2 西宁市城西区POI数据总体聚类结果

图2 西宁市城西区服务业总体聚类结果

2.2 服务业分行业空间布局

对城西区服务业12个分行业的POI数据分别采用DBSCAN算法，针对不同的服务行业选取不同的Eps和Minpoits取值范围，遍历不同的Eps值和Minpoints值，并比较各取值下不同服务业的DBSCAN算法聚类结果，最终确定各行业Eps值、Minpoints值及分类结果（表3）。

对同一行业的聚类，其各类别下聚类核心点个数较多的类别为该行业较为密集的区域，边界点和噪声点较密集的区域可视为具有发展潜力的区域。针对西宁市城西区各行服务业POI数据的DBSCAN密度聚类结果见图3。

表3 西宁市城西区服务业分行业聚类结果

由图3可见，西宁市城西区各行服务业的空间布局分布存在一定的相似性，服务业各行业聚类类别在2～5类，且聚类中心明显，其中批发零售业、住宿餐饮业、医疗卫生业、交通服务业、商务服务业、文体娱乐业、房地产业、科教文化业、居民生活服务业能够明显突出“两个中心”的布局特征。

批发零售业、住宿餐饮业及居民生活服务业的POI兴趣点数量较多，占服务业总体的65.74%，且“两个中心”的集聚密度较大。由于二者均为主要的传统服务业，对人口密集程度有一定的需求，而力盟步行街与海湖万达广场作为西宁市主要商业区，有较多的人流量和消费需求，故更多商户在服务业营业网点选择时，有一定的倾向性，因此也就形成2个聚集的中心。对于批发零售业，其较小的2个聚类分布在桃李路西侧小区群及G109国道西侧路段，噪声点较少。而住宿餐饮业噪声点较多，聚类的类别最多，较大的2个类聚集在青海师范大学西校区、同仁桥商圈、力盟商业步行街、海湖万达广场及西关大街、五四大街、胜利路等城市主干道，集聚程度较小的第2、4、5类则分布在交通便利的小区建筑群周围。居民生活服务业除“两个中心”簇外，第3、4类则分布在海湖路与文汇路的小区附近，噪声点集中在通海路街道及G109国道大北农专营店至青海交通驾校路段。可见，商业街、小区及学校对城西区服务业空间布局有一定的影响。

医疗卫生业在选址上有着严格的要求和明确的规定，选址地点要求所在区域符合城市总体规划、环境功能区划及其他相关的规划要求。在满足相关要求的同时为了扩大服务半径，医院诊所等医疗机构大都对地理位置的优越性要求较高，故医疗卫生业POI兴趣点主要分布在西关大街、五四大街与胜利路等城市主要道路上，且噪声点相对较少。商务服务业的边界点集中在海湖路与通海路，噪声点分布在通海路街道。商务服务业第1、2类与第3类集聚程度有明显的差距，这一特征与第1、2类集聚区域内商务服务机构、企业、写字楼较多现状相吻合。边界点、噪声点的集中分布凸显出商务服务业在通海路街道的潜力，下一步可继续强化商务服务业在通海路街道的发展。文体娱乐业共分为3类，因商贸设施环境对文体娱乐业分布有着一定的影响，而海湖万达广场和力盟商业步行街的商贸设施环境较优于其他地区，故其中心位置集聚密度与其他区域相比更高。金融保险业POI兴趣点数量较少，但聚类结果却分为4类，主要分布在西关大街、五四大街、胜利路、青海师范大学及各小区附近，但并没有凸显“两个中心”的分布趋势，主要是因为城西区金融业欠发达，与传统服务业相比，金融保险业属于高附加值行业，同时因为该类型行业盈利相对较高，故地价租金对其选址分布影响最小，大都选择在写字楼等商业金融集聚区，只有少量金融保险机构坐落在主干道，故集聚效果不明显。

科教文化业、房地产业、交通服务业、公共设施服务业的POI兴趣点共计2 509个，占POI总量的15.85%，与批发零售业和住宿餐饮相比，其POI数量明显较少，可见，这4类服务业在城西区服务业中发展较为落后，故聚类结果均分为2类。其中科教文化业、房地产业及交通服务业都能够凸显“两个中心”的特征，并且以力盟商业步行街为中心的簇与以海湖万达广场为中心的簇相比更为密集，究其原因在于力盟商业步行街开街时间在2011年与海湖万达广场开业时间2016年相比更早，力盟商业步行街的商户积累远大于海湖万达广场，故POI数据的聚类结果呈现出在力盟商业步行街的集聚程度较大于海湖万达广场，可见服务业的空间布局特征受商业区域的开街时间影响较大。科教文化业、房地产业、公共设施服务业的噪声点均散落在小区建筑群附近区域，而交通服务业的噪声点则散落在国道G109附近。就这4类服务业而言，力盟商业步行街区域较海湖万达广场区域的服务半径更大，区域优势更明显。

政府相关政策对政府机关社会组织的选址布局有着相当大的影响，每个乡镇都有独立的办公地址，而政府机关社会组织的噪声点则为城西区偏远乡镇机关。由于城西区政府机关部门主要坐落于五四大街附近，故五四大街附近区域的POI兴趣点最为密集。海湖路东侧交通与西侧相比更为便利，因此西侧第2、3类的政府机关社会组织大都分布在G109国道与文汇路等主要城市道路上，这一特征凸显城市交通情况对服务业POI兴趣点空间分布的影响。

3 服务业布局影响因素及服务业分布特征对比分析

3.1 西宁市城西区服务业布局影响因素分析

城市服务业分布影响因素主要有交通便捷性、人口密度、科技创新水平、城市地形地势、市场需求程度、公平性与效率性等。结合西宁市城西区服务业POI数据进行DBSCAN聚类后的结构特征，从影响服务业空间布局的因素出发，分别对城西区服务业总体空间布局结构及各行服务业空间分布特征影响因素进行分析，主要表现如下。

1）城西区服务业总体空间布局结构是多种因素共同作用的结果，与东部、中部城市相比，以西宁为例的西部欠发达地区受地形、地势影响较大，交通基础设施建设相对滞后，便捷程度普遍较低。研究发现，城西区服务业兴趣点主要分布在交通便利的主干道上，可见交通通达性在其城市服务业空间布局中起主要作用。城西区人口密度小，服务业市场需求量小，则POI数据相对较少，分布集中且集聚中心较少，各区域功能区分不明显。

2）对各服务行业空间分布影响因素分析可见，批发零售业、住宿餐饮业及文体娱乐业多分布在人口密集的城市新区，主要以海湖万达广场与力盟商业步行街为主，该区域的市场需求程度较大。西部地区教育人才匮乏，而高等院校及科研院所在科技创新水平这一条件上具有绝对的优势，故城西区科教文化业多分布在青海师范大学及相关科研院所附近。金融保险业、商务服务业多集中在各高档写字楼等位置优越、租金较高的区域，因该类服务业有较高的租金支付能力。教育、医疗等基础设施较好且交通便利的位置是房地产业集聚的中心。人口密度是影响居民生活服务业分布的主要因素，因此房地产业集聚的区域其生活服务业相对发达。医疗卫生业、交通服务业对交通便捷程度有相当大的依赖性，故集中在昆仑大道、五四西路等交通主干道上。公共设施服务业、政府机关社会组织等因需兼顾公平性与效率性因素，故其分布较其他服务业更为均匀。

3.2 服务业分布特征对比分析

1）不同区域服务业分布特征对比分析。中国各省市服务业发展水平差异较大，青海省服务业发展水平在西部地区相对较低，与东部、中部服务业发达的地区差距较大。以西宁市为例的西部欠发达地区服务业发展缓慢，POI兴趣点较少，故总体服务业DBSCAN聚类结果多呈单、双核状，集聚中心较少，研究发现城西区聚类结果有“两个中心”，服务业空间布局呈双核状，而东部、中部地区服务业发达，POI兴趣点相对较多，城市各区域功能区分明显，尤其在金融保险业、商务服务业、科教文化业，东部、中部地区有金融中心、CBD、大学城等功能区出现，空间布局多呈多核状。由于西宁市内山川较多，城西区POI聚类结果凸显出地形、地势对服务业分布的影响，东部、中部地区以平原居多，地形、地势的影响相对较小。城西区服务业市场需求与发达城市差距大，其分布更倾向于人口密度较大、交通便利的区域，而东部、中部城市人口密度大，这一因素影响对服务业空间布局分布影响较小。城西区传统服务业占比较大，而东部、中部地区教育资源丰富，科技水平相对较高，新兴服务业发展迅速。

2）DBSCAN聚类结果与青海省各服务行业生产总值对比分析。DBSCAN聚类结果显示批发零售业、住宿餐饮业、交通服务业、金融保险业的聚类类别与噪声点相对较多，这一特征与青海省服务业产值较高的行业相对应（图4），可见这4类服务业是城西区服务业发展的主要趋势。交通服务业的发展是推动西部地区发展的基础，且聚类中西川南路至国道G109区间内交通服务业噪声点较多，故其在服务业生产总值占有一定的比例。批发零售业及住宿餐饮业有明显的向“两个中心”的集聚趋势，这一趋势与其服务业产值增长比例较高相对应。金融保险业产值增长比例较小，但产值可观，DBSCAN聚类发现其集聚效果不明显，但有着较大的发展前景。房地产业仅有2个聚类，其噪声点大都分布在通海路街道内，存在着单独发展成新聚类的可能，该特征凸显该地区房地产业发展潜力，与房地产业也是服务业产值较高的行业这一特征相吻合。

图4 2019年青海省各服务行业生产总值

4 小结与讨论

西部地区城市的经济发展较为落后，承接经济发达城市的第一产业与第二产业转移相对困难，结合自身优势发展服务业成为促进西部地区城市经济发展的重要举措。通过分析经济较发达城区的服务业空间布局和产业结构，能够为其他城区及城市提供理论基础及实践经验。本研究采用数据挖掘技术从高德地图获取西宁市城西区服务业的POI数据，利用Pyhon语言计算POI数据的地理空间坐标的实际距离矩阵及绘制K-dist图，选取合适的Eps值和Minpoints值对西宁市城西区服务业总体和分行业POI数据进行DBSCAN聚类，通过聚类结果分析西宁市城西区服务业空间布局结构及发展潜力区域，并比较各区域服务业空间布局的差异性。针对西宁市城西区产业结构现状，提出优化思路，为城西区及其他西部城区服务业发展提供理论依据。

从服务业总体空间布局分析，①西宁市城西区地形结构呈南高北低趋势，南部山川环绕，城区内部可利用土地越来越少，造成服务业集中分布在城西区北部，并呈现“两点一线”的空间分布结构；②就城西区东、西部而言，城西区东部与西部发展情况差距大，这一特征与城西区东、西部城市公共交通可达性相吻合；③边界点、噪声点分布集中在国道G109彭家寨镇路段及彭家寨镇与通海路街道各小区附近。总体上，应巩固力盟商业步行街商圈及海湖万达广场商圈中心地位，扩大辐射引领作用。彭家寨镇与通海路街道比其他街道发展更为落后，应加快“彭家寨-通海路”集聚中心区的建设，优化城市交通体系，加紧建设昆仑大道与五四西路西延路段道路工程，实现全区协同发展。

从服务业分行业空间布局分析，①服务业各行业的空间布局分布大致相似，大体呈现向“两个中心”聚集的趋势；②边界点、噪声点分布集中在彭家寨镇、海湖路及通海路与桃李路之间；③交通通达性对服务业各行业的空间分布有较大影响。城西区服务业各行业大都有明显的集聚趋势，而金融保险业与商务服务业则集聚效果不明显，边界点、噪声点有较多的问题。④住宿餐饮、批发零售等传统服务业占比过大，金融等现代服务业发展较为落后。建议优化服务业产业结构，促进传统服务业向现代服务业发展，加快金融保险与楼宇经济的集聚区建设，加速城西区的城市发展空间与金融保险业全方位的发展，城西区内各行业集聚相对集中，各行业应发挥自身优势，共同制定发展规划，打造城西区“服务业核心区”。

结合布局影响因素及服务业分布特征分析，①城西区服务业总体分布主要受地形、地势、交通便捷程度、人口密度及市场需求等因素影响，其集聚中心较少。就各服务行业而言，不同行业的空间分布影响因素不同，发展环境约束依然存在，空间发展不平衡。应优化服务业内部结构，促进各行业协调发展。②西部欠发达地区服务业数量较少，聚类结果多呈单、双核状，东部、中部地区各区域功能区分明显，聚类结果多呈多核状。西宁市应积极引入资金资本，加大教育资源投入力度，积极筹建西宁大学，为传统服务业向现代服务业转移提供储备力量。③城西区服务业聚类特征与青海省各服务行业产值较高行业相符合，探究其服务业特征，有利于提高服务业发展水平，推进城西区城市化进程。

本研究从城西区服务业总体及分行业的空间布局现状进行分析，并对其现状形成机理作出相应解释，同时阐述各影响因素对服务业分布的影响，探究不同区域服务业的分布特征，并将DBSCAN聚类结果与青海省各服务行业生产总值进行对比验证。由于没有与西宁市其他城区服务业发展现状作对比分析，同时也没有对城西区过去的服务业POI数据作聚类分析，导致对城西区服务业空间分布现状及发展趋势分析不够深入。对比分析涉及西宁市其他城区服务业的POI数据及历年城西区服务业POI数据可知，下一步将对西宁市其他城区服务业空间布局及城西区历年服务业的空间布局进行研究，深入分析城西区服务业的空间布局发展优势及趋势。