李阳, 陈晓红
哈尔滨师范大学地理科学学院,哈尔滨 150025

Spatio-temporal evolution and spatial agglomeration of Harbin commercial center

LIYang, CHENXiaohong
College of Geography Science of Harbin Normal University, Harbin 150025, China
通讯作者:陈晓红（1978- ）,女,山东日照人,副教授,研究方向为区域经济与规划、区域协调发展。E-mail: chenxh440@163.com
收稿日期:2017-02-9
修回日期:2017-06-12
网络出版日期:2017-07-31
版权声明:2017《地理研究》编辑部《地理研究》编辑部
基金资助:国家自然科学基金项目（41101548）2016年度黑龙江省哲学社会科学研究规划项目（16JBL01）2016年黑龙江经济社会发展重点研究课题（基地专项）（JD2016014）哈尔滨师范大学人文社会科学优秀青年****支持项目（SYQ2014-06）
作者简介:
-->作者简介：李阳（1990- ）,女,河北唐山人,硕士,研究方向为区域分析与规划。E-mail: liy2015300@126.com



展开

摘要
商业活动是城市经济发展的核心,其空间形态与发展规律是地理学研究的重要内容。以哈尔滨市中心城区为研究区域,利用2012年、2014年、2016年的城市商业设施兴趣点（POI）数据,采用标准差椭圆分析、核密度分析、平均最邻近距离等方法,探究哈尔滨市商业中心时空演变规律与空间集聚特征。研究表明：① 各类商业设施数量均有增加;中心城区商业设施向外扩散,且发展速度不均衡。② 整体上,商业设施集聚程度不断增加,向城市外围蔓延;商业中心高密度区呈“面域+极核”发展,数量不断变化;商业设施的范围呈放射型面状扩张。③ 哈尔滨市中心城区商业布局呈“圈层+组团”的空间集聚状态,商业布局总体上是以中央大街商圈为中心向外扩张的;各类商业设施的集聚程度有明显变化。

关键词：POI数据;商业设施;时空演变;空间集聚;哈尔滨市
Abstract
The business center of a city is the main carrier of the commercial activities. Commercial geography and urban planning, amongst other disciplines, aim to study the content of a city, as well as to examine the commercial space structure, its function, level, structure and morphological changes. All of these factors are important for the scientific layout of a city and they have a direct impact on the structure of the urban space; the spatial design of different commercial formats will affect the formation of a business center. Therefore, the identification of different functional types of the commercial center in a city is important in understanding the spatial structure of a business. In this investigation, we explore the spatial-temporal evolution law and spatial concentration characteristics of the commercial center in Harbin city, China. Point of Interest (POI) data of urban commercial facilities in 2012, 2014 and 2016 is used in combination with standard deviation ellipse analysis, kernel density analysis, the average nearest neighbor distance and spatial analysis methods. Our results indicate that: (1) the number of commercial facilities has increased, the agglomeration of commercial facilities of Harbin has slightly weakened, and the pace of development is not balanced; (2) the concentration of commercial facilities has generally increased and spread to the urban periphery. The volume of high-density commercial facilities is changing and it is basically a characteristic of the "Region+Polar nucleus"; the scope of the commercial center is also a radial planar expansion; (3) commercial facilities of Harbin show the agglomeration pattern of "circle and group". Business layout takes the Center Street as the center to expand outwards and the concentration of various commercial facilities has markedly changed. Based on our results, it is evident that Harbin has significant developmental potential for businesses. It is important to obtain a clear understanding of the formats of commercial resources and the spatial aggregating features of commercial formats in a metropolis. Commercial facilities agglomeration analysis using large volumes of data is already widely used in commercial quantitative research, and significant attention has been given to the agglomeration degree recognition of commercial formats and their cluster characters. If the spatial evolution and agglomeration characteristics of commercial facilities are further understood, a reference value for business planning and macro-control of government departments could be obtained. Our results from commercial activities are also important for strategy-making processes for both governments and retailers.

Keywords：POI data;commercial facilities;spatial-temporal evolution;spatial clustering;Harbin

-->0
PDF (7177KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
李阳, 陈晓红. 哈尔滨市商业中心时空演变与空间集聚特征研究[J]. , 2017, 36(7): 1377-1385 https://doi.org/10.11821/dlyj201707015
LI Yang, CHEN Xiaohong. Spatio-temporal evolution and spatial agglomeration of Harbin commercial center[J]. 地理研究, 2017, 36(7): 1377-1385 https://doi.org/10.11821/dlyj201707015

1 引言

在城市空间格局演变过程中,商业活动作为最活跃的因子,对城市空间结构变化起着重要的作用。国外****对城市商业空间关注较早,积累了大量关于城市空间形态、商业空间分布、商业规模等级的研究成果^[1-5]。国内****的研究重点为城市商业中心的职能结构、等级层次、空间区位等方面。在商业快速发展的初期,国内****选取上海、广州、北京等大城市,对城市商业空间结构组成、城市中心区商业的空间布局等进行了实证研究,探讨了商业设施布局的区位因素,指出了商业设施布局的不合理性,并对商业规划提出建议^[6-8]。21世纪初,中国城市商业进入快速发展的中期,具有中国特色的商业空间也呈现出新的发展特点和趋势,****们深层次探讨城市商业空间形成原因及发展预测^[9-12]以及引入居民消费行为因素解释商业空间的形成和演化机制^[13,14]。随着城市点数据、社交网络信息和商业网站评价信息等挖掘及采集技术的进步,运用网络大数据评价商业空间组织的研究逐渐兴起^[15-21]。
综上所述,国内外关于城市商业空间结构的研究积累了大量的研究成果,在研究视角、研究方法、研究工具等方面不断创新,为地理空间内发挥商业活动的最大效益研究奠定基础。在大数据信息时代,大部分研究只针对一个年份的商业活动或某种业态的商业形式进行空间布局、职能结构、等级规模等方面研究,而对于不同年份商业活动的时空变化和城市商业设施空间布局的研究较少涉及。因此,本文以哈尔滨市中心城区为研究区域,采用2012年、2014年、2016年3个年份5种商业设施POI数据,借助空间分析工具,对商业中心和不同类型的商业设施进行空间布局的时空演变分析,探究城市商业空间的动态演变规律,以期合理调控和优化城市商业空间。

2 研究方法与数据来源

2.1 研究区概况

哈尔滨市市辖区包括道里区、道外区、南岗区、香坊区、松北区、呼兰区、平房区、阿城区和双城区,其城市商业活动主要集中城市中心区,即道里区、道外区、南岗区、香坊区、松北区和呼兰区七区,外围以城市二环路为界（图1）,占地面积约7748万 m²。本文选取以上区域进行商业中心空间集聚特征的研究。
显示原图|下载原图ZIP|生成PPT
图1哈尔滨市主城区分布图
-->Fig.1Distribution of the main city of Harbin
-->

2.2 数据来源与处理

随着地理位置大数据的记录和采集,大量城市POI数据被广泛应用到城市地理研究中。根据数据代表性与典型性原则以及可获取性,本文选取购物、餐饮、休闲娱乐、金融、宾馆酒店5种类型的城市兴趣点（Point of Interest,POI）数据进行商业设施的研究,5种商业设施数据来源于城市数据团所采集的高德地图的POI点,包含名称、商户类型、地址、经纬度等信息。高德地图坐标系统是经过纠偏处理的,首先运用GeoSharp 1.0软件的坐标转换功能对5种POI点进行坐标系统转换以适应ArcGIS中坐标系统,便于空间分析。去除研究区以外的POI数据点后得到5种商业设施POI点共计145884个,其中2012年9536个、2014年22717个、2016年113629个（表1）。
Tab.1
表1
表1哈尔滨市中心城区商业设施POI数量
Tab.1Types of commercial facilities POI in Harbin

POI类型	种类	2012年POI个数(个)	2014年POI个数(个)	2016年POI个数(个)
购物类	便利店、综合市场、超市、家具城、专营店、厨卫市场、建材五金市场、灯具瓷器市场、数码电子、农副产品市场、鲜花店、仓买、水果店、礼品店、服装店等	2516	10763	56336
餐饮类	中餐厅、甜点、快餐厅、东北菜、茶艺馆、特色风味餐厅、川菜、徽菜、冷饮店、糕饼店、清真餐厅、火锅店等	2513	5082	42417
娱乐休闲类	电影院、足球场、酒吧、棋牌室、网吧、游乐场、跆拳道场馆、KTV、台球厅、游泳馆、健身房、采摘园、垂钓园、度假村、疗养院等	2670	3694	3666
金融类	保险公司、ATM机、银行网点、金融保险机构等	1300	1651	4136
宾馆酒店类	旅馆招待所、宾馆酒店、经济型连锁酒店、各星级宾馆、商务酒店等	537	1527	7074

新窗口打开

2.3 研究方法

2.3.1 标准差椭圆分析 标准差椭圆分析是通过分别计算x轴方向和y轴方向上的标准距离来测算点群或区域发展的趋势。根据研究目的及研究尺度的不同,所选择的两个测算值形成的椭圆曲线包含不同数量的要素。依据椭圆曲线的面积、x轴、y轴的标准距离和旋转角度等信息可以观察研究对象的中心趋势、集聚程度和方向趋势等。其中,椭圆面积越小,x轴、y轴的标准距离越小,表示研究对象集聚程度越强,反之,越弱。
2.3.2 ArcGIS空间统计方法 运用清理和处理后的3个年份的5种商业设施POI数据,结合哈尔滨市中心城区的实际情况以及数据量大小,将主城区分为1000 m×1000 m的网格,用单位格子包含的POI数量表征密度,即商业设施的聚集程度。在ArcGIS中,分别对不同商业设施类型的POI数据进行栅格化数据处理,将各年份的商业设施进行空间连接,利用自然间断点法分为5类,可以得到哈尔滨市中心城区商业设施的密度分布情况。
2.3.3 核密度分析 核密度分析是城市热点分析比较常用的一种方法。根据点或线要素统计得出连续的密度表面,从而得出区域的集聚情况。在核密度分析中,距离较近的对象,权重越大,从而可以得到研究对象的一个连续的、以“波峰”和“波谷”的方式强化空间分布模式的密度图示^[22]。
密度分布在每个 xi点中心处最高,向外不断降低,当距离中心达到一定阈值范围（窗口的边缘）处密度为0。其计算公式为：
∫h(x)=1nhd∑i=1nkx-xih（1）
式中： kx-xih为核密度方程;h为阈值;n为阈值范围内的点数;d为数据的维数。
2.3.4 平均最近邻距离分析
平均最近邻距离可以判定同类型要素之间的距离情况。本文引用平均最近邻距离来分别测定哈尔滨市中心城区5种商业设施的空间集聚程度。定义平均最近邻指数R^[23]为：
R=r1ˉr0=2A∑i=1ndi（2）
其中 r1ˉ=∑i=1ndin；r0=0.5nA（3）
式中： r1ˉ为同类型商业设施最邻近实际距离的平均值;r₀为最邻近距离的期望值;d_i为最邻近实际距离;n为同类商业设施的数量;A为研究区域面积。若指数R小于1,则研究对象表现为集聚;若指数R大于1,则研究对象表现为离散。

3 结果分析

3.1 商业设施整体发展动态分析

（1）各类商业设施数量均有增加。2012-2016年,5种商业设施的总量分别不断增长（表1）,尤其是2016年商业设施数量大幅增加。2012年的购物类、餐饮类和娱乐休闲类商业设施的数量相差不多,金融类和宾馆酒店类商业设施数量则较少。2014-2016年各类商业设施数量均有所增加。2016年购物类设施数量最多,餐饮类设施数量次之;宾馆酒店类设施数量超过金融类设施数量;娱乐休闲类设施虽然较2012年数量有所增加,但2014年到2016年数量却有减少的趋势。
（2）商业设施向外扩散,发展速度不均衡。采用包含聚类中约68%要素的方法进行标准差椭圆分析（图2）。比较3个年份椭圆的面积大小,椭圆面积稍有增大,反映出商业设施有向外扩散的趋势,但集聚程度依然很强;椭圆的中心坐标变化不大,依然在中心城区的中心;椭圆的旋转角度从165.39°变化到170.54°,说明整体商业设施的发展方向有较小变动,5年内商业有很大发展,但发展不均衡,南北方向的商业设施数量增加较多。
显示原图|下载原图ZIP|生成PPT
图22012年、2014年、2016年的标准差椭圆
-->Fig.2Standard deviation ellipse of 2012, 2014 and 2016
-->

3.2 商业中心的时空变化

商业中心的发展影响城市空间结构,是城市规划的重要内容。通过对2012年、2014年、2016年5种类型商业设施的POI数据进行核密度分析,总体来看,哈尔滨市中心城区的商业中心集聚程度在空间分布上呈“面域+极核”、放射型面状发展的格局（图3）。
显示原图|下载原图ZIP|生成PPT
图32012年、2014年、2016年商业设施的密度值
-->Fig.3The density value of the commercial facilities in 2012, 2014 and 2016
-->

（1）整体上,商业设施集聚程度不断增加,向城市外围蔓延。在哈尔滨市中心城区范围内,2012-2016年,商业设施的集聚程度不断增加。从图3可以看出,2012-2016年,商业设施高密度集聚点最高数量依次为357个、817个和3542个,商业设施数量增加速度较快。同时,从3个年份的商业设施分布看,商业活动范围向城市边缘蔓延。2012年和2014年的商业设施整体上沿水系方向平行或者垂直分布;2016年,上述现象已经不明显,整体逐渐交汇成面状并且聚集程度由中心向外围减弱,也说明了各个商业活动之间的联系有所加强。
（2）商业设施高密度区呈“面域+极核”发展,数量增加。从图3可以看出,2012年哈尔滨市中心城区主要有2个商业设施高密度集聚区,分别是以中央大街、索菲亚教堂、透笼国际商品城为中心,以秋林、新世界百货为中心;次一级的密度集聚区数量较多;2014年哈尔滨市中心城区依然是2个商业设施高密度集聚区,数量没有变化,但是商业设施高密度区范围有扩大的趋势,主要是以中央大街、新一百为中心的高密度集聚区向景阳街方向扩张;以秋林公司和新世界百货为中心依托果戈里大街向宣化街方向扩张;2016年商业设施高密度区数量增加,高密度区范围继续扩大,形成以中央大街、索菲亚教堂为中心的商业高密度集聚区向西南卓展国际购物中心方向扩张并连接成面;以秋林国际购物为中心的商业施设高密度集聚区扩张到哈尔滨火车站方向的2个市级商业高密度集聚区;另外还增加了道外区以马克威商厦—老道外中华巴洛克为中心,香坊区以乐松购物广场为中心,南岗区以哈特购物广场,道里区顾乡大街以凯德广场为中心,南岗区红旗大街以国际会展中心集聚区的5个区域性的商业设施高密度集聚区。
（3）商业中心的范围呈放射型面状扩张。从整体上看,对比2012年、2014年、2016年的商业设施空间分布情况,集中在由康安路、和兴路、三大动力路、公滨路、南直路、大新街和地铁三号线所包含的道里区,道外区,香坊区和南岗区,即城市的中心区,是商业集聚的高密度区,由此向外围扩散呈面状成片发展。而松北区,呼兰区,平房区距离城市中心区较远,与城市中心联系较弱,商业设施形成很弱的集聚区,商业设施的联系有待加强。

3.3 各类商业中心时空变化分析

由于3个间隔年的时间跨度较小,为避免结果不明显,本文选取2012年和2016年各类商业设施进行核密度分析（图4）。依据相关研究成果,搜索半径阈值在200~1200 m的范围内都是合理的,核密度结果随搜索半径的增大而愈加平滑^[24,25]。依照本文的研究区域尺度和不断试验的结果,选取搜索半径为1200 m,像元大小30 m×30 m。
显示原图|下载原图ZIP|生成PPT
图42012年、2016年各类商业设施的核密度分析结果
-->Fig.4Nuclear density analysis results of various commercial facilities in 2012 and 2016
-->

3.3.1 商业布局是以中央大街为中心的商圈向外扩张 在图4中,对比2012年和2016年各类商业设施的密度分析结果,以中央大街为中心的商业中心各类商业设施最集中,除了以中央大街为中心的高集聚商圈外,其他商圈的密集程度均有变化,说明哈尔滨市中心城区的商业布局是以中央大街商圈为中心向外扩张的;各类商业设施的范围均不同程度的扩大,5种商业设施由东北方向向南发展数量增加较多;购物类和宾馆酒店类商业设施在哈尔滨火车站附近数量增加较明显,形成集聚中心;娱乐休闲类商业设施的高密度分布由集聚边缘向内部中心迁移;而金融类商业设施的密度中心向商业密集区外围转移;对于餐饮类商业设施,南岗区密度集聚程度变化最明显,集聚程度有所减弱。
3.3.2 各类商业设施的集聚程度有明显变化 结合平均最近邻距离的结果（表2）,在2012年各类商业设施的平均最近邻距离约在99.20~326.50 m之间,距离较大,整体上呈现集聚特征。2016年各类商业设施的平均距离由120.39 m减少到17.7 m,餐饮类商业设施的平均距离由110.70 m减少到19.73 m,二者均由一般集聚转为强烈集聚;金融类、宾馆酒店类商业设施由一般集聚转为比较集聚,从平均距离的变化差看出宾馆酒店类商业设施的集聚程度较强。
Tab.2
表2
表2哈尔滨市各类商业设施集聚变化
Tab.2Various agglomerations of commercial facilities in Harbin

POI类型	2012年					2014年
	R值		P值	平均最近邻距离(m)	分布特征	R值	P值	平均最近邻距离(m)	分布特征
购物类热点	0.2875	0.00	120.39	一般集聚		0.2536	0.00	17.73	强烈集聚
餐饮类热点	0.2752	0.00	110.70	一般集聚		0.2456	0.00	19.73	强烈集聚
娱乐休闲类热点	0.3046	0.00	99.20	比较集聚		0.4566	0.00	123.79	一般集聚
金融类热点	0.1814	0.00	107.20	一般集聚		0.2556	0.00	64.17	比较集聚
宾馆酒店类热点	0.5121	0.00	326.50	一般集聚		0.3336	0.00	64.47	比较集聚

注：Z值小于-2.58表示集聚,P值小于0.01表示结果显著。
新窗口打开

4 结论与讨论

4.1 结论

已有研究表明,受地理环境和经济基础设施等因素的影响,商业活动在城市空间中分等级、不均匀分布。根据商业区位论理论,城市商业发展的中心地区是商业设施高度集中区域。掌握各类商业设施的空间布局规律以及集聚特征,对政府调控、规划和开发商业活动空间具有重要意义。对城市POI数据的挖掘和应用,为城市研究者提供了一种新的数据源,有助于城市商业空间布局的研究。本文利用3个年份的城市商业设施POI数据,运用空间统计工具对整体城市商业以及不同类别商业设施的时空演变、空间集聚特征进行研究,得出以下结论：
（1）传统城市商业空间时空演变和集聚特征研究主要通过统计分析数据和实地考察,通过大量的人力、物力获取较少的样本数据量,全面性较差,不能把握整个研究区域的商业发展情况。POI数据的挖掘和采集,极大地增加了商业设施的数量,为高效地规划与调控商业布局提供了现时的依据。
（2）哈尔滨市中心城区的商业设施以中央大街为中心的商业圈地位稳固,总体上,商业设施的集聚程度呈“面域+极核”分布形态,并沿交通线路放射型面状扩张,商业设施的布局受交通因素影响明显。在2012-2016年5年时间内,各类商业设施的数量不同程度的增加。商业设施在总量上增加了约12倍,整体商业设施的密度也随之提高,从数量上说明哈尔滨市近几年城市商业发展态势良好。中心城区商业设施的集聚程度有所下降,是商业设施扩散的表现,一定程度上符合产业的集聚与扩散效应;各个地方商业设施发展速度不均衡,与每个区的经济水平、哈尔滨城市规划等因素有很大关系。
（3）不同类型的商业设施的职能差异也是影响城市商业空间格局形成的关键因素。在职能分工的作用下,哈尔滨市中心城区商业设施的集聚程度及其变化具有较大的差异性。哈尔滨市中心城区商业总体呈“圈层+组团”的空间集聚状态。商业设施的分布受人口、经济状况等影响,而局部的高密度区受交通布局、景点、历史演变、城市规划等多种因素影响。哈尔滨市中心区的高度集聚与旅游业的发展息息相关的,中央大街—索菲亚大教堂是著名的旅游景点,是游客的集中地,周边配套有大量齐全的商业。

4.2 讨论

（1）当前利用城市POI数据进行城市地理的研究较为丰富,但只能获取现时的数据。由于跨度更大年份的POI数据获取有难度,本文利用跨度较小的3个年份城市商业设施数据分析了哈尔滨市中心城区的商业设施的时空演变与集聚特征,结果比较符合实际情况,有一定的可信度。城市土地资源是有限的,城市中的商业设施的数量达到一定的临界值,商业设施的数量就会维持一定的数量。当城市商业设施在空间中达到饱和状态时如何继续发挥商业设施的最佳效益并进行合理分配,一直是商业地理学探究的重点。由于数据的不可获取性,本文没有涉及商业设施的效益研究。随着数据挖掘技术的进步,未来将利用时间和地域尺度跨度更大的数据对商业设施的数量和效益的关系进行进一步研究。
（2）由于大数据的开放度不高,城市研究者常常局限于数据的获取,无法宏观把握大数据信息对城市发展的影响。随着研究者对城市大数据需求的增多,相关部门建立数据开放与共享平台,大数据的采集与监测技术不断提升,多角度获取数据的属性信息的机会增加,快速高效处理地理数据,可视化表达方式不断增多,将会为城市研究提供更好的研究手段。随着互联网通信技术的发展以及城市大数据获取技术的进步,将传统数据与新兴大数据相结合进行智慧城市研究成为发展趋势。
The authors have declared that no competing interests exist.

---

参考文献文献选项 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	Berry B J L, Garrison W L. A note on central place theory and the range of a good . Economic Geography, 1958, 34(4): 304-311. [本文引用: 1]
[2]	Huff D L.A Probability Analysis of Shopping Center Trade Areas . Land Economics, 1963, 39(1): 81-90.
[3]	John L Beisel. Contemporary Retailing.New York: Macmillan Publishing Company, 1993.
[4]	Berry B J L, Parr J B. Market Centers and Retail Location. Englewood Cliffs, N J: Prentice-Hall, 1988.
[5]	Mutebi A M.Regulatory responses to large-format transnational retail in South-east Asian cities . Urban Studies, 2007, 44(2): 357-379. [本文引用: 1]
[6]	宁越敏. 上海市区商业中心区位的探讨 . 地理学报, 1984, 39(2): 163-172. [本文引用: 1] [Ning Yuemin.An approach to shopping centre location of Shanghai urban area . Acta Geographica Sinica, 1984, 39(2): 163-172.] [本文引用: 1]
[7]	吴郁文, 谢彬, 骆慈广, 等. 广州市城区零售商业企业区位布局的探讨 . 地理科学, 1988, 8(3): 208-217, 295. [Wu Yuwen, Xie Bin, Luo Ciguang, et al.An approach to retail commerce location of Guangzhou urban area . Scientia Geography Sinica, 1988, 8(3): 208-217.]
[8]	杨吾扬. 北京市零售商业与服务业中心和网点的过去、现在和未来 . 地理学报, 1994, 49(1): 9-17. [本文引用: 1] [Yang Wuyang.The retailing and services center and network of Beijing: Then, now and long before . Acta Geographica Sinica, 1994, 49(1): 9-17.] [本文引用: 1]
[9]	仵宗卿, 戴学珍, 戴兴华. 城市商业活动空间结构研究的回顾与展望 . 经济地理, 2003, 23(3): 327-332. [本文引用: 1] [Wu Zhongqing, Dai Xuezhen, Dai Xinghua.Review and prospects for study on spatial structure of urban commercial activity . Economic Geography, 2003, 23(3): 327-332.] [本文引用: 1]
[10]	林耿, 许学强. 广州市商业业态空间形成机理 . 地理学报, 2004, 59(5): 754-762. [Lin Geng, Xu Xueqiang.Forming mechanism of spatial structure of commercial types in Guangzhou city . Acta Geographica Sinica, 2004, 59(5): 754-762.]
[11]	宁越敏, 黄胜利. 上海市区商业中心的等级体系及其变迁特征 . 地域研究与开发, 2005, 24(2): 15-19. [Ning Yuemin, Huang Shengli.The hierarchical system and its changing characteristic of the retail centers in Shanghai city . Areal Research and Development, 2005, 24(2): 15-19.]
[12]	张文忠, 李业锦. 北京市商业布局的新特征和趋势 . 商业研究, 2005, (8): 170-172. [本文引用: 1] [Zhang Wenzhong, Li Yejin.A study on characteristics and trends of commercial spatial distribution in Beijing . Commercial Research, 2005, (8): 170-172.] [本文引用: 1]
[13]	周素红, 林耿, 闫小培. 广州市消费者行为与商业业态空间及居住空间分析 . 地理学报, 2008, 63(4): 395-404. [本文引用: 1] [Zhou Suhong, Lin Geng, Yan Xiaopei.The relationship among consumer's travel behavior, urban commercial and residential spatial structure in Guangzhou, China . Acta Geographica Sinica, 2008, 63(4): 395-404.] [本文引用: 1]
[14]	柴彦威, 翁桂兰, 沈洁. 基于居民购物消费行为的上海城市商业空间结构研究 . 地理研究, 2008, 27(4): 897-906. [本文引用: 1] [Chai Yanwei, Weng Guilan, Shen Jie.A study on commercial structure of Shanghai based on residents' shopping behavior . Geographical Research, 2008, 27(4): 897-906.] [本文引用: 1]
[15]	路紫, 王文婷, 张秋娈, 等. 体验性网络团购对城市商业空间组织的影响 . 人文地理, 2013, 28(5): 101-104, 138. [本文引用: 1] [Lu Zi, Wang Wenting, Zhang Qiuluan, et al.The impact of experientialonline group-buying on the urban commercial spatial organization . Human Geography, 2013, 28(5): 101-104, 138.] [本文引用: 1]
[16]	秦萧, 甄峰, 朱寿佳, 等. 基于网络口碑度的南京城区餐饮业空间分布格局研究: 以大众点评网为例 . 地理科学, 2014, 34(7): 810-817. [Qin Xiao, Zhen Feng, Zhu Shoujia, et al.Spatial pattern of catering industry in Nanjing urban area based on the degree of public praise from Internet: A case study of dianping.com . Scientia Geographica Sinica, 2014, 34(7): 810-817.]
[17]	胡庆武, 王明, 李清泉. 利用位置签到数据探索城市热点与商圈 . 测绘学报, 2014, 43(3): 314-321. [Hu Qingwu, Wang Ming, Li Qingquan.Urban hotspot and commercial area exploration with check-in data . Acta Geodaetica et Cartographica Sinica, 2014, 43(3): 314-321.]
[18]	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 . 城市规划学刊, 2015, (3): 50-60. [Wang De, Wang Can, Xie Dongcan, et al.Comparison of retail trade areas of retail centers with different hierarchical levels: A case study of East Nanjing Road, Wujiaochang, Anshan Road in Shanghai . Urban Planning Forum, 2015, (3): 50-60.]
[19]	张小英, 巫细波. 广州购物中心时空演变及对城市商业空间结构的影响研究 . 地理科学, 2016, 36(2): 231-238. [Zhang Xiaoying, Wu Xibo.Spatial-temporal evolution of malls in Guangzhou city and its impact on urban commercial spatial structure . Scientia Geographica Sinica, 2016, 36(2): 231-238.]
[20]	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 . 地理研究, 2016, 35(4): 703-716. [Chen Weishan, Liu Lin, Liang Yutian.Retail center recognition and spatial aggregating feature analysis of retail formats in Guangzhou based on POI data . Geographical Research, 2016, 35(4): 703-716.]
[21]	吴康敏, 张鸿鸥, 王洋, 等. 广州市多类型商业中心识别与空间模式 . 地理科学进展, 2016, 35(8): 963-974. [本文引用: 1] [Wu Minkang, Zhang Hongou, Wang Yang, et al.Identify of the multiple types of commercial center in Guangzhou and its spatial pattern . Progress in Geography, 2016, 35(8): 963-974.] [本文引用: 1]
[22]	王法辉. 基于GIS的数量方法与应用. 姜世国, 滕俊华译. 北京: 商务印书馆, 2009. [本文引用: 1] [Wang Fahui.Based on the Number of GIS Method and Application. Translated by Jiang Shiguo, Teng Junhua. Beijing: The Commercial Press, 2009.] [本文引用: 1]
[23]	Mitchell A.The Esri Guide to GIS Analysis. California, USA: ESRI Press, 2005.] [本文引用: 1]
[24]	Okabe A, Satoh T, Sugihara K.A kernel density estimation method for networks, its computational method and a GIS-based tool . International Journal of Geographical Information Science, 2009, 23(1): 7-32. [本文引用: 1]
[25]	Thurstain-Goodwin M, Unwin D.Defining and delineating the central areas of towns for statistical monitoring using continuous surface representations . Transactions in GIS, 2000, 4(4): 305-317. [本文引用: 1]