, 王士君, 冯章献, 于婷婷, 马丽东北师范大学地理科学学院,长春 130024
Spatial pattern and its industrial distribution of commercial space in Changchun based on POI data
HAOFeilong, WANGShijun, FENGZhangxian, YUTingting, MALi通讯作者:
收稿日期:2017-08-27
修回日期:2017-11-24
网络出版日期:2018-02-20
版权声明:2018《地理研究》编辑部《地理研究》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (14724KB)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-->
1 引言
城市商业区位及空间结构是城市地理学的热点议题之一。早在20世纪20年代,国外****就对城市商业区位的研究进行了探讨[1,2],90年代以后,西方新兴零售商业区位研究受到重视,消费购物的环境、行为时空变化及其影响因素[3,4],零售业的连锁化、大型化及国际化[5],商业空间重构与消费者选择行为[6,7],网络零售[8,9,10]等方面成为重要的关注内容。中国的商业区位研究相对较晚,1978年之后,随着中国城市化进程的迅速推进,商业服务业逐渐成为城市经济活动的重要组成部分,促使了零售业理论和商业区位研究的热潮[11]。21世纪以来,国内城市零售业态结构的多样化与多层次现象日益明显,微观层面的百货商店区位、便利店及连锁店业态、商业功能区等成为新的关注焦点[12,13,14,15]。许学强等以广州市为例,分析了城市商业业态空间（包括零售店、大型超市、购物中心和仓储式商场等）的布局现状、影响因素及形成机理[16,17]。肖琛等以南京苏果超市为例,分析了大城市内部连锁超市空间分布格局及其区位选择特征[18]。王士君等以长春市大型商业网点为例,分析了大型超市、大型商场等不同业态类型商业网点的区位特征,并解释了其区位选择的影响因素[19]。整体来看,国内零售商业空间的研究已经从传统的宏观、中观层面细化、深入到微观层面,并注重了大型连锁超市、电子商务等新兴业态的研究[20]。传统的商业空间研究大多基于零售业态视角展开,即其分类是按照店铺的结构特点,根据其经营方式、服务功能等要素划分。但由于店铺行业属性的差异,使得现有的业态视角的研究仍存在很多不足。如专卖店、百货店等业态具有多行业属性特征,在空间区位选择上,服装及日用品类专卖店、百货店多倾向在城市核心区布局;而汽车及零配件销售、五金、家具装饰材料类店铺多分布在城市边缘区。行业属性的不同使得同一种业态的店铺区位选择也表现出较大的差异性,但鲜有****从零售行业视角探讨城市商业空间特征。近年来,随着互联网技术的快速发展,以手机信令数据、GPS轨迹数据、POI（Point of Interest）数据等为代表的地理空间大数据得到不断丰富和完善。王德等利用手机信令数据,对上海市不同等级的商业中心商圈范围进行了界定,并深入探讨了各商业中心的消费者空间分布特点[21]。周素红等以深圳市为例,基于海量浮动车GPS数据,在识别城市商业中心的基础上,并进一步验证了双商业中心的交通吸引时空规律以及相互作用关系[22]。陈蔚珊等基于POI数据对广州市不同商业业态分布的热点区特征进行了识别,并探讨了商业空间结构与模式[23,24]。可见,基于地理空间大数据的商业空间结构及零售商业区位定量化研究已经成为一种新趋势。由于商业数据的难获取性,传统的城市商业空间研究多基于大型商业网点数据展开;或者多采用基于行政单元的经济普查数据和问卷抽样调查数据进行商圈研究,这均降低了城市商业空间研究的精细度与认知度。和传统数据相比,作为新的空间数据源的POI数据,具有数据量大、覆盖面广、识别精度高、易于获取等优点,有助于提高城市微观尺度商业空间研究的准确性。基于POI数据的实证研究也肯定了该数据在城市商业中心识别、基础设施规划及城市空间分析中的重要意义[25,26]。
基于以上背景,以长春市中心城区商业类POI数据为基础,在识别城市零售商业中心、分析城市商业空间格局特征的基础上,进一步从零售行业的视角,研究长春市城市商业空间的行业分布及集聚特征。在研究视角上,注重了行业属性对零售商业网点区位选择的影响,弥补了以往零售业态视角研究的不足;在研究数据上,获取了最新的POI地理空间大数据,克服了传统“小数据”获取难、精度低等缺点;在研究尺度上实现了市辖区、街道、道路格网等多尺度空间单元的结合。整体来看,研究有助于拓展微观层面城市零售商业空间研究的内容,可为长春市城市产业结构调整和商业空间优化提供科学参考。
2 研究方法与数据来源
2.1 研究区概况与数据来源
以长春市中心城区作为研究区域①(① 九台区、双阳区为县改区,与中心城区距离较远,其城市建设具有独立性,故不予考虑。),通过遥感影像配准,数字化获取主要交通路网、水域和绿地（图1）。长春作为东北经济区中部中心城市,近年随着城镇居民可支配收入的快速增长,城市商业零售业发展迅速。以重庆路、火车站、大马路等为代表的传统商业中心和以欧亚卖场、中东大市场等为代表的新兴商业中心的快速发展,正在促使长春市商业空间中心集聚与外围多中心分散格局的形成。
显示原图|下载原图ZIP|生成PPT图1长春市商业类POI点的空间分布
-->Fig. 1Distribution of retailing POI in Changchun
-->
研究所用POI数据主要从百度地图及腾讯地图开放平台获取②(② 获取地址分别为：http://lbsyun.baidu.com/（百度地图）,http://lbs.qq.com/（腾讯地图）。),数据获取时间为2016年5月。该数据共包含餐饮、购物、生活服务、娱乐休闲、医疗保健、机构团体、公司企业、汽车、房产小区等13大类96子类的数据类型。和传统调查数据相比,POI数据细致的类型分类使得行业视角的零售商业空间研究成为可能。基于国民经济行业分类标准中零售业的分类③(③ 国民经济行业分类标准（GB/T 4754-2011）指出,零售业是指百货商店、超级市场、专门零售商店、品牌专卖店、售货摊等主要面向最终消费者（如居民等）的销售活动及以互联网、邮政、电话、售货机等方式的销售活动;根据统计标准共包括综合零售,食品、饮料及烟草制品零售,纺织、服装及日用品零售,文化、体育用品及器材等9类零售行业。由于数据的限制,本文主要关注有固定店铺的零售场所,对货摊、无店铺及其他零售行业不予考虑。),研究主要选取购物、娱乐休闲等大类中的多个子类进行分析,并对“母婴儿童”“其他购物”等行业特征模糊的子类,进行了重新归类。经过空间匹配、去重及删除辨识度低的商业网点之后,共获取有效POI数据33441个（表1）。
Tab. 1
表1
表1长春市中心城区商业类POI数据的行业类别
Tab. 1Industrial classification of retailing POI in Changchun
| 零售行业类别 | POI子类 | 数量(个) | 比例(%) |
|---|---|---|---|
| 综合零售 | 便利店、小商品市场、综合商场、超市; | 5663 | 16.93 |
| 食品、饮料及烟草制品 | 烟酒专卖店、农贸市场; | 4995 | 14.94 |
| 纺织、服装及日用品 | 服饰鞋包、化妆品、礼品、钟表、眼镜、花卉店、自行车专卖; | 8729 | 26.10 |
| 文化、体育用品及器材 | 体育户外、文化用品、图书音像、古玩字画、珠宝饰品店; | 2080 | 6.22 |
| 医药及医疗器材 | 药房药店、诊所; | 1177 | 3.52 |
| 汽车、摩托车燃料及零配件 | 汽车销售、二手车交易市场、汽车配件销售、摩托车及配件销售; | 2096 | 6.27 |
| 家用电器及电子产品 | 数码家电; | 1998 | 5.97 |
| 五金、家具及室内装饰材料 | 五金零售、家具家居建材; | 6703 | 20.04 |
新窗口打开
2.2 研究方法
2.2.1 核密度估计 在点要素的空间集聚分析中,核密度估计法常被用来反映要素空间分布的相对集中程度,其主要借助于一个规则移动样方对空间点要素分布的集聚程度进行估计[27,28]。计算方程为：式中：f(s)为空间位置s处的核密度计算函数;k函数为空间权重函数;h为距离衰减阈值;n为与位置s的距离小于或等于h的要素点数。通过综合考虑商业网点的平均影响范围及其空间分布的离散程度,选择1000 m的距离阈值进行分析,该距离较好地识别了商业网点分布的局部热点信息,同时又能反映其整体分布特征。
2.2.2 区位熵分析 区位熵常被用来分析区域主导产业的专业化程度,有助于衡量某一要素的空间分布情况[29]。本研究采用区位熵指标来分析零售行业的地域专业化程度,其值越高则该行业类型在该区域的专业化程度越高,公式如下：
式中：Q为区位熵;eK-A为区域K中行业类型A的网点数量与整个区域内行业类型A的所有网点总数的比值;ek为区域K中总的网点数量与整个区域中网点数量的比值。
2.2.3 Ripley's K函数 在不同的空间尺度下,要素的空间分布特征可能会发生改变。在小尺度上,其分布可能表现出集聚态势,但在大尺度上有可能呈现随机分布或者均匀离散分布。Ripley's K函数是可以分析在不同空间尺度上,空间点要素所表现出来的分布模式[30]。计算公式为：
式中：A为研究区域面积;n为各行业商业网点数量;d为距离阈值;wij(d)为在距离d范围内,某一行业商业网点i与网点j之间的距离。Besag提出用L(d)代替K(d),并对K(d)作开方的线性变换,以保持方差稳定。公式为：
L(d)与d的关系可以检验在距离d范围内,各零售行业的空间分布格局。L(d)=0,表示该行业呈随机分布;L(d)>0,表示该行业呈集聚分布;L(d)<0,表示该行业呈分散分布。
3 长春市商业的空间格局分析
3.1 商业网点分布形态特征
最近邻指数（NNI）常被用于分析空间点要素的分布模式。通过计算,长春市商业网点空间分布的NNI指数为0.243,通过0.01的显著性水平检验,表明其空间分布具有非常显著的集聚特征。运用核密度法进一步分析商业网点的空间分布形态特征（图2）,可以看出：① 长春市商业网点的空间分布已初步形成多个集聚中心,分布密度总体呈现由中心区向外围开发区逐渐递减的特征;② 城市中心区火车站、重庆路、大马路三大商圈互连成片,形成“马蹄形”分布形态,紧邻三大商圈桂林路、红旗街形成相对集聚的次级集聚中心,中东瑞家、中东大市场、欧亚卖场等分别形成城市片区及外围开发区的集聚中心;③ 从各集聚中心的规模密度来看,城市核心区商圈密度值均比较高,次级热点区也相对比较密集,城市边缘区形成规模密度相对较小的集聚热点。整体来看,长春市商业空间已经初步形成多中心的形态分布特征,城市中心区集聚热点密集分布,外围区片区的“孤岛”集聚中心也正在逐渐形成。
显示原图|下载原图ZIP|生成PPT图2长春市商业网点的空间密度分布
-->Fig. 2Kernel density of commercial sites in Changchun
-->
3.2 商业网点空间集聚特征
基于城市主干道路划分的格网单元,采用空间自相关分析法,分析商业网点空间分布的集聚特征。经过计算,长春市商业网点空间分布的全局莫兰指数为0.477,在0.01的显著性水平下通过检验,表明其空间分布存在显著的空间正相关。采用局部Gi指数进一步识别其空间分布的冷热点（图3）,结果显示：基于道路格网单元的商业网点分布存在显著的热点集聚区,冷点区特征不显著。热点区的分布与城市各商圈的分布总体一致,火车站、桂林路、红旗街、中东大市场等区域形成显著的热点集聚区,商业网点数量分布较多的格网单元集聚分布,说明以上商圈对其邻近区域的影响显著,“高—高”类型的格网集聚特征明显,且分布范围相对较大。大马路、重庆路商圈热点区分布范围相对较小,热点区特征不明显,说明其对邻近区域的影响较弱,主要的商业网点仍集中在商圈的核心街段,影响范围有限,“高—低”“低—高”集聚类型的格网分布较多。
显示原图|下载原图ZIP|生成PPT图3长春市商业网点空间分布的冷热点集聚格局
-->Fig. 3Gi* map of commercial sites in Changchun
-->
3.3 商业中心等级结构特征
核密度估计法较好地识别了商业中心的位置和密度变化特征。为了进一步探讨城市商业中心的等级结构特征,结合各商业中心的规划范围④(④ 长春市商务局, 长春市城乡规划设计研究院. 长春市商业网点专项规划(2011-2020年), 2010.)、商业网点的密度分布范围及其局部自相关特征,提取密度分类中识别的最高级区域作为各商业中心属性的测度范围[23,24,28]。基于该范围分别提取各商业中心的面积、密度估计值及商业网点分布数量,并将其选为变量,采用K类中心聚类法（K-Means Cluster）,对识别的8个商业中心进行聚类分析,将结果划分为高、中、低3个等级,分别表示一级中心、二级中心、三级中心（表2）。从聚类结果来看,商业中心的多中心格局已初步形成,包括大马路、重庆路、火车站三个一级商业中心,红旗街、欧亚卖场、中东瑞家三个二级商业中心及桂林路、中东大市场两个三级商业中心;三级中心相对较少,一级、二级商业中心较多,说明商业中心体系结构较为合理。从各中心规模密度来看,大马路中心、重庆路中心具有显著的规模优势,作为市级商业中心的红旗街,其密度值低于区级商业中心大马路、火车站,说明其优势并不显著。从各商业中心面积及分布的商业网点数量来看,中东大市场、桂林路等低等级商业中心仍存在规模偏小,竞争优势弱等问题。Tab. 2
表2
表2基于K类中心聚类的长春市商业中心等级划分
Tab. 2Grade of the commercial centers based on K-means cluster in Changchun
| 等级 划分 | 商业 中心 | 核密度估计值 | 商业网点数量(个) | 商业中心面积(km2) |
|---|---|---|---|---|
| 一级中心 | 重庆路 | 59.43 | 1686 | 1.346 |
| 火车站 | 56.37 | 1609 | 1.378 | |
| 大马路 | 60.01 | 1659 | 1.578 | |
| 二级中心 | 红旗街 | 45.41 | 1379 | 1.006 |
| 欧亚卖场 | 34.90 | 1192 | 0.786 | |
| 中东瑞家 | 21.65 | 1000 | 0.575 | |
| 三级中心 | 桂林路 | 25.08 | 841 | 0.661 |
| 中东大市场 | 8.31 | 545 | 0.238 |
新窗口打开
那么接下来的问题是：零售行业视角下,长春市的商业空间分布状况如何?其行业分布是否也表现出显著的空间集聚,集聚特征如何?若从产业专业化程度来看,哪些区位的行业具有更显著的产业优势?
4 长春市商业空间的行业分布
4.1 “中心—外围”空间分异明显
为更好地研究长春市商业空间行业的数量及密度分布的“中心—外围”差异。以城市中心人民广场为圆心,每隔2 km做缓冲区,然后分别统计各个圈层商业网点的数量分布（图4）。可以看出,长春市各零售行业网点主要分布在以人民广场为圆心的8 km圈层范围内,且由中心向外围,各类零售商业活动逐渐递减。从各行业圈层分布数量来看,在2~4 km范围内,纺织、服装及日用品,文化体育用品行业分布数量占比达到最大;4~6 km范围内,五金、家具及室内装饰材料,医药医疗器材,综合零售及食品、饮料类行业分布较为集中;6~8 km范围内汽车、摩托车燃料及零配件行业分布数量达到最大。
显示原图|下载原图ZIP|生成PPT图4长春市各零售行业网点数量圈层分布
-->Fig. 4Circle density of industrial distribution in Changchun
-->
从各行业商业网点的密度分布看（图5）,主要存在以下特征：① 各行业中,除五金家具类、汽车摩托车类行业外,其他六类行业均形成了显著的密度分布中心;综合零售类、医药医疗类、食品饮料类行业密度中心规模相对较大。② 从各行业分布模式来看,综合零售类、医药医疗类、家用电器类及食品饮料类行业,其在多个圈层均形成了显著的密度中心,且各密度中心规模均比较大,属于“大分散、大集聚”分布模式;纺织、服装及日用品,文化、体育用品及器材行业则表现出“大分散、小集聚”模式;汽车、摩托车燃料及零配件,五金、家具及室内装饰材料行业则表现出“小分散、小集聚”模式。③ 从各密度中心的圈层分布来看,核心圈层纺织服装类、食品饮料类行业高密度集聚,说明受中心区高密度人口分布及区位优势影响,其区位选择的向心性较强;五金家具类,汽车、摩托车类行业更倾向在城市边缘区形成高密度集聚,其空间分布的离心性较强;汽车及零配件销售行业因其需要较大规模的场地,所以倾向在邻近交通主干道,且租金低廉的城市外围区域布局。整体来看,零售行业视角下的商业网点空间分异显著,行业属性的差异对商业网点的区位选择具有显著的影响。
显示原图|下载原图ZIP|生成PPT图5长春市各行业商业网点密度分布
-->Fig. 5Kernel density of different retailing industries in Changchun
-->
4.2 多尺度空间集聚表现不同
Ripley's K函数计算结果显示,在99%的置信度下,各零售行业的空间分布集聚特征显著;在10 km的观测范围内,汽车、摩托车燃料及零配件行业呈现出“双峰”特征,其他零售行业均呈现“单峰”特征（图6）。从峰值出现的距离看,家用电器及电子产品、食品饮料及烟草制品、医药医疗器材及综合零售行业在较大空间范围内表现出集聚特性,区位选择的尺度范围较大,其峰值分别出现在8.8 km、7.9 km、7.7 km和7.5 km处;纺织服装及日用品行业、文化体育用品及器材行业、五金家具及室内装饰材料行业最大集聚半径出现的范围相对较小,分别为6.6 km、6.7 km、6.1 km;汽车、摩托车燃料及零配件行业峰值距离最小,分别为0.8 km、3.0 km,说明其空间区位选择的尺度范围较小。
显示原图|下载原图ZIP|生成PPT图6长春市各行业商业网点Ripley's K 函数分析结果
-->Fig. 6Results of Ripley's K function of retailing industry
-->
从行业特性及其分布来看,以基础性社会服务为主的综合性行业,如食品饮料类、综合零售及医药医疗类行业,空间区位对其影响相对较小,为了带来更大的服务覆盖面,其分散分布于城市的核心区及边缘区;部分对区位选择要求较高的行业,如纺织服装类、文化体育类多分布在城市商圈内,倾向于城市核心区布局;汽车、摩托车燃料及零配件,五金、家具及室内装饰材料行业由于对场地规模的要求,所以多在城市外围区域布局;前者Ripley's K函数的“双峰”特征,也进一步表明行业内部这两种类型商业网点的差异,相对而言,摩托车燃料及零配件行业空间区位选择尺度范围较小,更易形成密集分布。
4.3 专业化功能区块差异显著
从区位熵测度结果来看（图7）,各行业在街道层面已经形成专业化的功能集聚区（Q>2）,部分街道表现出多优势行业集聚的特征,如朝阳区清河街道的汽车摩托车类、医药医疗类行业,宽城区凯旋街道食品饮料类、医药医疗类及家用电器类行业;部分街道则表现出单一行业的显著集聚优势,如绿园区林园街道的汽车摩托车类行业。总体来看,街道间的行业专业化程度存在较大差异,发展成熟的街道表现出多优势行业集聚特征;快速发展中的街道,区块功能单一性特征较为显著;低发展水平的街道,各行业专业化程度均比较低。
显示原图|下载原图ZIP|生成PPT图7长春市各街道单元零售网点数量等级与区位熵分布
-->Fig. 7Distribution of location entropy and quantitative grade of commercial sites at street scale in Changchun
-->
从各行业的专业化功能区特征来看,综合零售,汽车、摩托车燃料及零配件,医药及医疗器材行业形成多个产业功能集聚区,其他行业专业化功能区数量较少。从各行业的空间布局来看,汽车、摩托燃料及零配件,医药及医疗器材,五金、家具及室内装饰材料,综合零售行业多在城市外围街道形成行业优势区,而文化、体育用品及器材,家用电器及电子产品,纺织、服装及日用品行业相对优势区块多集中在城市中心区街道;结合区块商业网点数量等级分布来看,这些行业在部分区块密集分布的同时,也表现出了行业的专业化优势,与各行业“中心—外围”的热点区特征总体一致。但值得注意的是城市中心区街道各类行业均密集分布,形成的专业化功能区相对较少,相反城市边缘街道由于功能要素数量相对较少,所以更易形成行业的专业化优势区。
5 结论与讨论
商业网点的空间集聚与分散是零售商业活动的重要表现,传统业态视角的商业空间研究关注的是有特定经营方式、商品结构和服务功能的店铺的分布,其更侧重于零售店铺的结构性特点,而由于行业属性的差异,零售业态视角的研究仍存在一定的不足。基于商业零售业的行业划分,采用POI地理空间数据,论文分析了长春市中心城区的商业空间格局,并探讨各零售行业的空间分布及集聚特征。研究结果表明：（1）城市商业空间分布的集聚特征显著,且已经表现出多中心的分布形态。总体上呈现以火车站、大马路、重庆路为核心的“马蹄形”集聚和以红旗街、桂林路、中东大市场、中东瑞家、欧亚卖场为核心的边缘“孤岛”集聚格局。商业网点的道路格网集聚区与识别的商业中心分布总体一致,但不同商业中心对邻近格网的影响有所差异。商业中心体系的等级规模结构较为合理,一、二级中心较多,三级中心较少,说明商业中心的多中心格局已经形成。
（2）行业视角下城市商业空间的“中心—外围”分异明显,且各行业多尺度的空间集聚表现不同。圈层特征显示城市各类零售商业活动主要分布在距离人民广场8 km的范围内;纺织、服装及日用品,食品、饮料及烟草制品行业倾向在核心圈层密集分布,而汽车、摩托车类燃料及零配件,五金、家具及室内装饰材料行业多在外围区形成高密度集聚区,且不同零售行业表现出不同的空间分布模式。综合零售,食品、饮料及烟草制品,家用电器及电子产品,医药及医疗器材行业区位选择的空间尺度范围较大;纺织、服装及日用品,文化、体育用品及器材,五金家具及汽车摩托车类行业区位选择的空间尺度范围较小。
（3）行业视角的专业化功能区块差异显著。各零售行业已经形成一定的专业化功能区,发展成熟的街道表现出多优势行业集聚特征,快速发展中的街道,区块功能单一性特征较为显著;从行业优势度与区块网点数量等级综合来看,城市中心区的街道在表现出高数量等级分布的同时,也具有显著的行业优势,相反,边缘区域的街道则更易形成规模数量较少的行业优势区。
总体来看,基于POI数据的城市商业网点分布及零售行业研究使得对城市商业空间的认知更为精细,商业中心的识别及行业特征的分析均有助于提高政府部门对城市商业网点规划和零售行业发展分析的科学性。从商业中心的识别结果来看,较好地反映了长春市现有商业中心的体系格局,但南部新城、二道东盛、赛德广场等规划的商业中心仍没有得到体现,说明这些商业中心的发展还不成熟。同时,商业空间多中心格局的形成说明商业职能要素的外围分散化趋势加强,传统的城市服务职能单核集聚正在向多核、多层次集聚过渡,也说明了政府引导疏解中心区服务职能的政策效应得到体现。而对零售行业优势度的分析可以较为准确地识别行业优势显著且规模数量等级较高的区块,有助于加深对行业专业化功能集聚区的认识。但由于POI数据属性信息的不足,如缺失创建时间、网点规模等,使得对商业空间格局的形成机理探讨较为困难。未来应进一步结合传统调查“小数据”,深入探讨城市零售行业空间格局背后的因果关系。此外,论文虽然分析获取了各零售行业产生最大集聚的空间尺度范围,但其是否真的是产生最佳集聚效益的范围,或者能否基于该范围指导各类零售行业的分布,仍需要深入探索。
The authors have declared that no competing interests exist.
参考文献 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] | |
| [2] | . First page of article |
| [3] | . |
| [4] | . |
| [5] | . |
| [6] | . |
| [7] | . Extreme cherry pickers are customers who seek price deals and excessively avail themselves of deep discount offers, which generates negative profits for retailers. This study uses market transaction and primary consumer survey data to provide insights into the determinants, prevalence, and profit impacts of such behavior in the frequently purchased goods market. We find that the extreme cherry picking segment is small (about 2% of all shoppers), but its relative value varies across stores, and consumers manifest this behavior only in secondary stores. An inverse U-shaped relationship marks consumers’ opportunity costs for cross-store price search and likelihood of extreme cherry picking behavior. Finally, we also find that a loss leader promotional strategy adds to retailers’ bottom lines, despite the pure loss generated by extreme cherry pickers. |
| [8] | . |
| [9] | . |
| [10] | . |
| [11] | . 总结了1980年以来我国城市商业区位研究的进展.将我国商业区位研究大致划分为3个阶段,即以商业地理学及城市商业区位为主的宏观研究阶段,以城市商业网点区位及商业活动空间结构为主的中观研究阶段,以大型购物中心、百货店、零售店区位等为主的微观研究阶段,分析了各个阶段对应的研究主要内容与研究方法,对近年来城市商业区位研究新领域:信息化背景下商业区位、轨道交通影响下的商业区位、微区位理论、外资零售企业区位、社区商业布局等进行了概述,总结出我国商业区位研究存在的重实证、轻理论等问题,并对未来商业区位的研究提出几点思路 . 总结了1980年以来我国城市商业区位研究的进展.将我国商业区位研究大致划分为3个阶段,即以商业地理学及城市商业区位为主的宏观研究阶段,以城市商业网点区位及商业活动空间结构为主的中观研究阶段,以大型购物中心、百货店、零售店区位等为主的微观研究阶段,分析了各个阶段对应的研究主要内容与研究方法,对近年来城市商业区位研究新领域:信息化背景下商业区位、轨道交通影响下的商业区位、微区位理论、外资零售企业区位、社区商业布局等进行了概述,总结出我国商业区位研究存在的重实证、轻理论等问题,并对未来商业区位的研究提出几点思路 |
| [12] | . 商业功能区是城市商业多种业态和功能在不同地域的反映,其形成环境和演化过程深刻地影响着城市商业空间结构的发展走势。下文通过分析广州市商业功能区的空间分布特征、形成机制及演化趋势,探讨城市商业功能区的发展规律。 . 商业功能区是城市商业多种业态和功能在不同地域的反映,其形成环境和演化过程深刻地影响着城市商业空间结构的发展走势。下文通过分析广州市商业功能区的空间分布特征、形成机制及演化趋势,探讨城市商业功能区的发展规律。 |
| [13] | . 以西安市大型零售商业企业为对象,基于实际调查采访得到的第一手数据资料,从大型零售商业企业在城市的空间分布入手,对西安市大型零售商业企业的空间结构和市场格局进行了定性分析和定量测度,首先将西安市划分为市中心、城东、城西、城南和城北五个区域,对区域问大型零售商业的市场供应量、销售额分布和经营状况进行了横向比较,进而将这种空间特征与西安市商品住宅小区的空间分布进行了叠加分析,最后提出了未来西安市零售商业布局思路和布局模式的初步设想. . 以西安市大型零售商业企业为对象,基于实际调查采访得到的第一手数据资料,从大型零售商业企业在城市的空间分布入手,对西安市大型零售商业企业的空间结构和市场格局进行了定性分析和定量测度,首先将西安市划分为市中心、城东、城西、城南和城北五个区域,对区域问大型零售商业的市场供应量、销售额分布和经营状况进行了横向比较,进而将这种空间特征与西安市商品住宅小区的空间分布进行了叠加分析,最后提出了未来西安市零售商业布局思路和布局模式的初步设想. |
| [14] | . 区位类型是便利店选址的一种简便工具,可作为经验法则直接使用.通过对北京、广州、深圳等城市100余家便利店周边环境的现场调研,结合理论分析,总结出便利店选址的区位类型体系,由基本区位类型、次级类型、组合类型等组成.区位类型还有其他的划分方法. . 区位类型是便利店选址的一种简便工具,可作为经验法则直接使用.通过对北京、广州、深圳等城市100余家便利店周边环境的现场调研,结合理论分析,总结出便利店选址的区位类型体系,由基本区位类型、次级类型、组合类型等组成.区位类型还有其他的划分方法. |
| [15] | . . |
| [16] | . . |
| [17] | . 以产业、用地、交通、行为、历史和文化为影响要素,分析多要素共同作用下广州市商业业态空间形成的机理,并对业态空间的效益进行评价。提出并界定了研究概念,从广州土地供应的数量、结构、分布等角度,分析了城市用地扩展与商业业态空间的关系,并总结指出:商业与房地产业具有空间共生性,相关产业的整合程度影响零售空间的发展水平。在交通网络建设对业态空间的影响方面,认为城市对外交通干线主要影响批发空间的格局;对内交通干线则直接引导零售空间的拓展方向。在行为对业态空间的影响方面,消费者的消费需求和出行倾向促成零售空间的功能分化。作者还探讨了城市历史文化与商业业态空间的关系,认为广州市区逐渐形成“传统商业街→现代购物中心→仓储式商场”的地域结构。最后,概括了多要素影响下商业业态空间的形成机理,并通过效益分析对商业业态空间进行评价。 . 以产业、用地、交通、行为、历史和文化为影响要素,分析多要素共同作用下广州市商业业态空间形成的机理,并对业态空间的效益进行评价。提出并界定了研究概念,从广州土地供应的数量、结构、分布等角度,分析了城市用地扩展与商业业态空间的关系,并总结指出:商业与房地产业具有空间共生性,相关产业的整合程度影响零售空间的发展水平。在交通网络建设对业态空间的影响方面,认为城市对外交通干线主要影响批发空间的格局;对内交通干线则直接引导零售空间的拓展方向。在行为对业态空间的影响方面,消费者的消费需求和出行倾向促成零售空间的功能分化。作者还探讨了城市历史文化与商业业态空间的关系,认为广州市区逐渐形成“传统商业街→现代购物中心→仓储式商场”的地域结构。最后,概括了多要素影响下商业业态空间的形成机理,并通过效益分析对商业业态空间进行评价。 |
| [18] | . . |
| [19] | . . |
| [20] | . <p>以长春市中心城区大型零售商业网点的调研数据为基础,运用空间密度分析、最近邻距离分析及区位熵分析等研究方法,探讨长春市零售商业空间分布特征及其形成机理。研究结果表明：<i>①</i> 长春市零售商业网点的空间分布整体呈现单中心集聚与多中心分散特征,商业业态空间分化逐渐显现,不同业态空间分布特征差异性较大;<i>② </i>零售商业网点规模容量呈现老城区小规模密集分布,外围开发区大规模离散分布特征,且商业网点的规模容量等级结构较为合理;<i>③ </i>不同区块的零售行业特征存在较大差异,成熟区块表现出多行业、多功能复合特征,发展中区块单一功能特征较为明显;<i>④</i> 商业业态演进及其内在特性选择、居民消费结构与行为因素影响、集聚经济效应驱动及公共政策的宏观调控共同影响零售商业空间格局的形成与发展。</p> . <p>以长春市中心城区大型零售商业网点的调研数据为基础,运用空间密度分析、最近邻距离分析及区位熵分析等研究方法,探讨长春市零售商业空间分布特征及其形成机理。研究结果表明：<i>①</i> 长春市零售商业网点的空间分布整体呈现单中心集聚与多中心分散特征,商业业态空间分化逐渐显现,不同业态空间分布特征差异性较大;<i>② </i>零售商业网点规模容量呈现老城区小规模密集分布,外围开发区大规模离散分布特征,且商业网点的规模容量等级结构较为合理;<i>③ </i>不同区块的零售行业特征存在较大差异,成熟区块表现出多行业、多功能复合特征,发展中区块单一功能特征较为明显;<i>④</i> 商业业态演进及其内在特性选择、居民消费结构与行为因素影响、集聚经济效应驱动及公共政策的宏观调控共同影响零售商业空间格局的形成与发展。</p> |
| [21] | . 利用手机信令数据,以上海市南京东路、五角场和鞍山路三个不同等级的商业中心为例对商圈进行合理地划分,分析和比较了不同等级商业中心的消费者数量的空间分布特征,并采取一定的可视化手段和空间统计指标对三个商业中心的等级性进行空间抽象,深入探讨不同等级商业中心的消费者空间分布特点.研究表明,不同等级商业中心在消费者分布范围、空间集聚性、对称性方面都存在较大差异.整体来看,从大范围覆盖的广域型高等级中心到依托局部高密度的地缘型低等级中心,形成了一种有序的商业中心空间体系.另外,也对这一特征的深层机制进行了剖析,并简要探讨了对商业网点规划的应用价值. . 利用手机信令数据,以上海市南京东路、五角场和鞍山路三个不同等级的商业中心为例对商圈进行合理地划分,分析和比较了不同等级商业中心的消费者数量的空间分布特征,并采取一定的可视化手段和空间统计指标对三个商业中心的等级性进行空间抽象,深入探讨不同等级商业中心的消费者空间分布特点.研究表明,不同等级商业中心在消费者分布范围、空间集聚性、对称性方面都存在较大差异.整体来看,从大范围覆盖的广域型高等级中心到依托局部高密度的地缘型低等级中心,形成了一种有序的商业中心空间体系.另外,也对这一特征的深层机制进行了剖析,并简要探讨了对商业网点规划的应用价值. |
| [22] | . . |
| [23] | . . |
| [24] | . 不同职能类型商业中心识别对理解城市商业空间结构有重要意义。相比传统识别方法,大数据的分析更为精确和便捷。以广州市核心区59125条POI数据为基本数据,利用核密度分析、统计分析、最邻近距离分析等方法识别广州市多类型商业中心的边界,探索其商业空间结构与模式。结果表明:(1)广州市商业结构呈现明显双核集聚式分布,传统的越秀分区与现代的天河分区构成当前广州市商业空间的双中心;(2)不同类型的商业中心在空间上呈现显着的分异,其中,城市生活与公共服务中心在越秀区,商务与金融中心在天河区,休闲娱乐中心呈现分散集聚式特征;(3)广州市商业结构的空间模式是"圈层+组团"式分布,其中,生活、公共服务、商务职能集中分布于内圈层,娱乐休闲职能呈组团状镶嵌于各圈层中。 . 不同职能类型商业中心识别对理解城市商业空间结构有重要意义。相比传统识别方法,大数据的分析更为精确和便捷。以广州市核心区59125条POI数据为基本数据,利用核密度分析、统计分析、最邻近距离分析等方法识别广州市多类型商业中心的边界,探索其商业空间结构与模式。结果表明:(1)广州市商业结构呈现明显双核集聚式分布,传统的越秀分区与现代的天河分区构成当前广州市商业空间的双中心;(2)不同类型的商业中心在空间上呈现显着的分异,其中,城市生活与公共服务中心在越秀区,商务与金融中心在天河区,休闲娱乐中心呈现分散集聚式特征;(3)广州市商业结构的空间模式是"圈层+组团"式分布,其中,生活、公共服务、商务职能集中分布于内圈层,娱乐休闲职能呈组团状镶嵌于各圈层中。 |
| [25] | . . |
| [26] | . . |
| [27] | |
| [28] | . . |
| [29] | . . |
| [30] | . . |
