基于同位模式的休閑產(chǎn)業(yè)空間集聚特征研究

劉逸 陳鑾 劉子惠 陳逸敏

[摘? ? 要]產(chǎn)業(yè)集聚是經(jīng)濟地理學(xué)的經(jīng)典議題，但現(xiàn)有研究主要集中在制造業(yè)和生產(chǎn)型服務(wù)業(yè)，對基于消費邏輯生長的旅游休閑服務(wù)產(chǎn)業(yè)關(guān)注不足，尚未充分揭示其集聚特征。文章借助地理信息科學(xué)領(lǐng)域的空間分析算法，以廣州城市休閑娛樂業(yè)為例，對城市休閑產(chǎn)業(yè)集聚特征展開探索式研究。具體而言，該文基于地理空間分析中的最大團挖掘算法，編制出同位模式，對184 249條廣州市的休閑興趣點（POI）數(shù)據(jù)，計算最為流行的空間共現(xiàn)關(guān)聯(lián)，以此捕捉城市休閑產(chǎn)業(yè)空間集聚的基本組合模式，得到如下結(jié)論：第一，同位模式可以準確地捕捉出城市休閑產(chǎn)業(yè)的集聚模式，休閑產(chǎn)業(yè)基本上以三階為組團單位（即3類業(yè)態(tài)），在城市空間上呈現(xiàn)出廣泛的分布，四階為組團單位的流行度顯著降低，五階基本不具備流行度。第二，在所有流行團中，美容美發(fā)店這類POI的中心度最高，是關(guān)聯(lián)其他休閑業(yè)態(tài)的最核心要素，而美容美發(fā)和餐飲的組合，在三階、四階流行團中出現(xiàn)的次數(shù)最多，是休閑產(chǎn)業(yè)的集聚核，構(gòu)成了城市各個休閑中心和節(jié)點的基本功能。第三，以資源為導(dǎo)向和需要特定產(chǎn)業(yè)環(huán)境的休閑產(chǎn)業(yè)，基本不具備流行度。該研究創(chuàng)新性地將空間同位模式應(yīng)用到城市休閑產(chǎn)業(yè)中，且較為精準地捕捉到現(xiàn)有研究尚難以揭示的休閑產(chǎn)業(yè)集聚模式，積極推動了基于海量數(shù)據(jù)的城市旅游休閑產(chǎn)業(yè)集聚研究，其發(fā)現(xiàn)能直接為目的地營銷、產(chǎn)業(yè)行業(yè)管理與城市規(guī)劃提供新的決策支持。

[關(guān)鍵詞]休閑產(chǎn)業(yè);空間關(guān)聯(lián);同位模式挖掘;POI;廣州市

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2022）02-0094-11

Doi： 10.19765/j.cnki.1002-5006.2022.02.013

引言

產(chǎn)業(yè)集聚是經(jīng)濟地理學(xué)的經(jīng)典研究議題，不管是從微觀企業(yè)還是區(qū)域視角，均已有非常豐厚的研究基礎(chǔ)。不過主流研究多聚焦制造業(yè)和生產(chǎn)性服務(wù)業(yè)，較少涉及城市休閑服務(wù)業(yè)。原因之一是基于消費邏輯生長的休閑產(chǎn)業(yè)數(shù)量龐大，規(guī)模偏小，分布十分零散。因此，基于制造業(yè)提出的主流理論很難直接用于解釋這類產(chǎn)業(yè)的經(jīng)濟活動特點，城市休閑產(chǎn)業(yè)的集聚研究進展十分緩慢，與蓬勃發(fā)展、業(yè)態(tài)日新月異的客觀現(xiàn)實存在著非常鮮明的差異。這一點可以從當前研究的關(guān)注程度得到印證。截至2021年4月10日，在中國知網(wǎng)（CNKI）以“產(chǎn)業(yè)集聚”為主題詞搜索得到29 668條文獻記錄，引用率最高的前100條中，僅有兩條涉及旅游產(chǎn)業(yè)，尚未涉及休閑產(chǎn)業(yè)。在此基礎(chǔ)上，以“休閑”為關(guān)鍵詞繼續(xù)搜索，獲得398條記錄，引用率最高的前50條記錄中，80%為碩博論文，其中，“旅游休閑”主題6條，“休閑農(nóng)業(yè)”主題11條，“體育休閑”主題13條，與“城市休閑”相關(guān)的記錄僅有3條，為兩篇博士論文和1篇碩士論文。在Web of Science數(shù)據(jù)庫中，以“industrial agglomeration”為主題詞進行檢索，去除理工類的期刊，獲得4271條數(shù)據(jù)，其中引用率前100的文章，沒有一篇與tourism（旅游）或者leisure（休閑）相關(guān)。在此結(jié)果中，以“l(fā)eisure”和“tourism”為主題詞進行檢索，得到43篇相關(guān)研究，其中，與創(chuàng)意產(chǎn)業(yè)相關(guān)的5篇，旅游資源與影響4篇，酒店分布與集聚6篇，與休閑農(nóng)業(yè)相關(guān)的有3篇，其他文章均與城市休閑無關(guān)。

隨著地理信息技術(shù)的發(fā)展，數(shù)字空間地圖的日漸完善，不斷推陳出新的空間數(shù)據(jù)挖掘技術(shù)為休閑產(chǎn)業(yè)空間集聚研究帶來新的機遇。首先，當前廣泛應(yīng)用在日常生活的地圖空間數(shù)據(jù)不僅成為提高生活效率的手段，也為研究海量分布的休閑產(chǎn)業(yè)帶來了統(tǒng)計上的可能。其次，新的空間數(shù)據(jù)挖掘方法為探尋休閑產(chǎn)業(yè)的集聚機制提供了方法上的可能。作為挖掘空間關(guān)聯(lián)規(guī)則的有效手段，空間同位模式挖掘（spatial co-location pattern mining）能從大量城市設(shè)施數(shù)據(jù)——如興趣點（point of interest，POI）中提取特征模式，挖掘空間中頻繁共現(xiàn)的地理事物，從而有效克服休閑產(chǎn)業(yè)邊界模糊的障礙，揭示多種休閑行業(yè)間的空間關(guān)聯(lián)。

基于上述思考，本文以千年商都廣東省廣州市為例，借助最大團挖掘算法（sparse-graph and condensed tree-based maximal co-location algorithm，SGCT algorithm）對ArcGIS的核密度工具進行二次開發(fā)，挖掘空間同位模式，以此捕捉不同類型休閑產(chǎn)業(yè)的空間關(guān)聯(lián)特征。由此揭示城市休閑產(chǎn)業(yè)空間集聚的基本特征和規(guī)律，為改善城市人居環(huán)境、優(yōu)化休閑產(chǎn)業(yè)空間布局提供決策支持。

1 休閑產(chǎn)業(yè)集聚的研究進展與機遇

根據(jù)《休閑綠皮書：2017—2018年中國休閑發(fā)展報告》1，近年來中國休閑產(chǎn)業(yè)規(guī)模不斷壯大。2017年，旅游休閑業(yè)對GDP的貢獻高達9.13萬億元，占GDP總量的11.04%。不同類型休閑產(chǎn)業(yè)的相對集中構(gòu)成區(qū)域優(yōu)勢，對緩解就業(yè)壓力、促進城鄉(xiāng)功能結(jié)構(gòu)調(diào)整等有重要作用[1]，有助于滿足多種休閑需求，提高居民生活質(zhì)量。因此，梳理城市休閑產(chǎn)業(yè)在空間上集聚和分散的規(guī)律，揭示不同休閑行業(yè)之間的空間關(guān)聯(lián)，對于優(yōu)化休閑活動空間布局、構(gòu)建優(yōu)質(zhì)生活圈，滿足人民群眾日益增長的休閑生活需求，具有重要的科學(xué)與現(xiàn)實意義。

1.1 產(chǎn)業(yè)集聚的理論基礎(chǔ)

產(chǎn)業(yè)活動的空間關(guān)聯(lián)研究最早可以追溯到19世紀末Marshall對產(chǎn)業(yè)集聚的討論[2]。他認為，規(guī)模經(jīng)濟的外部性源于大量性質(zhì)相似的企業(yè)在地理空間上的集聚，主要表現(xiàn)在同一產(chǎn)業(yè)內(nèi)部，可以共享專業(yè)化投入和服務(wù)、專業(yè)化技能工人集中的勞動力池子和企業(yè)間的知識溢出。1969年，Jacobs又指出來自不同行業(yè)的企業(yè)位于同一區(qū)位也會產(chǎn)生外部性[3]，將產(chǎn)業(yè)空間關(guān)聯(lián)推廣到跨行業(yè)層面。這一時期，學(xué)者們多將特定產(chǎn)業(yè)活動在空間上的強關(guān)聯(lián)歸結(jié)于物質(zhì)和技術(shù)聯(lián)系，如共享基礎(chǔ)設(shè)施、企業(yè)間的上下游關(guān)系、共同的知識基礎(chǔ)以及知識溢出導(dǎo)致的技術(shù)創(chuàng)新。而進入21世紀，在新經(jīng)濟地理學(xué)的發(fā)展歷程中，產(chǎn)業(yè)集聚的影響機制從純粹的空間要素，被拓展到制度、關(guān)系和文化等要素。例如，新區(qū)域主義從交易成本、非貿(mào)易依賴和地域化分工等維度，解析了產(chǎn)業(yè)集聚到集群的機理。關(guān)系經(jīng)濟地理學(xué)派通過研究企業(yè)之間的關(guān)系屬性，借助戰(zhàn)略耦合和全球生產(chǎn)網(wǎng)絡(luò)等概念解析了產(chǎn)業(yè)集聚的新動態(tài)。演化經(jīng)濟地理學(xué)者則關(guān)注產(chǎn)業(yè)關(guān)聯(lián)的非物質(zhì)層面，認為產(chǎn)業(yè)關(guān)聯(lián)網(wǎng)絡(luò)中的某些主體并不如Marshall所說的完全具有同質(zhì)性，而是對自身的合作伙伴有強烈偏好[4]，傾向于與自身有相似價值規(guī)范、社會聯(lián)系、組織邊界等的主體合作[5-6]。

產(chǎn)業(yè)空間關(guān)聯(lián)與集聚的理論歷經(jīng)百余年發(fā)展，已經(jīng)相對成熟，但以往研究通常聚焦制造業(yè)，少量涉及生產(chǎn)性服務(wù)業(yè)[7-9]和文化產(chǎn)業(yè)[10-11]，鮮少關(guān)注休閑產(chǎn)業(yè)，沒有充分探討休閑產(chǎn)業(yè)空間分布的特征和一般規(guī)律。Huallacháin和Leslie調(diào)查了美國亞利桑那州鳳凰城9個制造業(yè)細分行業(yè)的區(qū)位，揭示出各行業(yè)不同程度的集聚和不同部門的共現(xiàn)模式[10]。Gad指出，特定生產(chǎn)性服務(wù)業(yè)，如金融、保險和法律咨詢會在中心城區(qū)集聚，其空間集中或分散取決于行業(yè)自身的經(jīng)濟活動規(guī)律[12]。García等在城市、部門和區(qū)域3個尺度考察了文化和休閑產(chǎn)業(yè)，初步揭示出大多數(shù)文化和休閑活動集中在服務(wù)行業(yè)專業(yè)化的發(fā)達地區(qū)[13]。然而，上述理論都是基于生產(chǎn)視角，其本質(zhì)在于探討產(chǎn)業(yè)主體在何處生產(chǎn)及其生產(chǎn)技術(shù)如何相互協(xié)作。而休閑產(chǎn)業(yè)主體的空間關(guān)聯(lián)是以消費為邏輯構(gòu)建的，其集聚的驅(qū)動力在于如何更好地吸引消費者，觸發(fā)關(guān)聯(lián)性消費。因此，從消費角度重新審視傳統(tǒng)產(chǎn)業(yè)關(guān)聯(lián)與集聚特征，對發(fā)現(xiàn)休閑產(chǎn)業(yè)空間規(guī)律有重要意義。

1.2 休閑產(chǎn)業(yè)空間分布的相關(guān)研究

休閑是指人們不受其他條件限制，完全根據(jù)自己的意愿去利用或消磨的時間[14]，強調(diào)個人需求。現(xiàn)有關(guān)于休閑產(chǎn)業(yè)特性的研究表明，休閑產(chǎn)業(yè)具有綜合性、復(fù)雜性和服務(wù)導(dǎo)向等特點，與傳統(tǒng)制造業(yè)區(qū)別明顯，但是其集聚模式和基本規(guī)律是當前學(xué)者們尚未揭示的研究話題。

劉逸認為，休閑旅游產(chǎn)品是基于體驗和服務(wù)的商品，定義和邊界復(fù)雜[15]。Clancy提出，休閑旅游活動跨越多個行業(yè)，復(fù)雜多樣[16]。Robinson指出，消費主義浪潮已經(jīng)席卷了英國休閑產(chǎn)業(yè)的公共和私有部門，這源于消費者對休閑產(chǎn)品和服務(wù)日益增長的需求[17]。Byers和Slack通過訪談16位英國休閑產(chǎn)業(yè)的小企業(yè)主發(fā)現(xiàn)，盡管存在部分以制造為主的休閑企業(yè)，但多數(shù)休閑企業(yè)呈現(xiàn)出服務(wù)業(yè)的空間分布特征，即以大量小型企業(yè)為主，分布零散、均勻，其市場環(huán)境充滿不確定性和高度競爭[18]。上述學(xué)者基本揭示了休閑產(chǎn)業(yè)的空間分布基本規(guī)律，但是對具體空間表現(xiàn)和結(jié)構(gòu)尚未進行實證。

近年來，地理學(xué)者嘗試對城市休閑空間的特征和規(guī)律進行探討。趙瑩等認為，地理學(xué)者的休閑研究忽略了休閑行為的原動力，應(yīng)從休閑需求的角度出發(fā)開展研究，并指出國內(nèi)休閑空間分布具有明顯的圈層結(jié)構(gòu)，城市內(nèi)部休閑空間呈現(xiàn)多樣化和等級結(jié)構(gòu)[19]。部分學(xué)者嘗試從需求而不是供給角度出發(fā)，探討休閑產(chǎn)業(yè)的空間結(jié)構(gòu)，如苗建軍指出，中心城市休閑經(jīng)濟集聚的規(guī)模取決于休閑供給與需求的平衡，中心城市是區(qū)域休閑經(jīng)濟的空間節(jié)點[20]。但該研究僅限于區(qū)域尺度，且多為理論性探討，缺乏城市內(nèi)部的實證研究。

總體而言，當前城市休閑產(chǎn)業(yè)空間特征研究還未充分展開。有限的定量研究大多采用官方統(tǒng)計數(shù)據(jù)（如年鑒），屬于自上而下的數(shù)據(jù)結(jié)構(gòu)，研究缺乏精細度。少量學(xué)者關(guān)注休閑產(chǎn)業(yè)在區(qū)域和城市尺度下的集中，還未延伸至城市內(nèi)部空間尺度[19-20]。

1.3 地理大數(shù)據(jù)帶來的新機遇：空間關(guān)聯(lián)規(guī)則挖掘

當前，信息科學(xué)和信息技術(shù)發(fā)展使數(shù)據(jù)呈現(xiàn)爆炸式增長趨勢，“大數(shù)據(jù)”時代來臨。大量非結(jié)構(gòu)、碎片化的數(shù)據(jù)，其潛在價值難以挖掘和直接加以利用，出現(xiàn)了“數(shù)據(jù)爆炸而知識貧乏”的困境。隨著數(shù)據(jù)挖掘和知識發(fā)現(xiàn)（data mining and knowledge discovery，DMKD）技術(shù)的進步，研究海量地理事物的空間關(guān)聯(lián)性日漸成為可能，例如基于POI（point of interest）的空間信息挖掘[21]。POI是一種典型的空間數(shù)據(jù)，它標注了多類型地物的豐富信息，包括空間信息（如經(jīng)緯度坐標）和非空間信息（如行業(yè)分類），同時數(shù)量眾多，直接表達整體而無需抽樣，具備反映真實世界的優(yōu)勢[22];而且POI多帶有志愿地理信息特征，改變了傳統(tǒng)官方統(tǒng)計自上而下的數(shù)據(jù)結(jié)構(gòu)，能夠滿足精細化研究的需求[23]。根據(jù)CNKI檢索結(jié)果，針對POI的數(shù)據(jù)挖掘仍然處于探索階段，已有成果主要分布在旅游經(jīng)濟、地理測繪、城鄉(xiāng)規(guī)劃與市政、商業(yè)零售熱點識別等多個領(lǐng)域[24]，挖掘手段包括核密度法[25-26]、聚類分析[27]、遺傳算法和蟻群算法[28]等。近年來，利用POI數(shù)據(jù)從社會經(jīng)濟活動角度揭示城市空間分布特征和空間關(guān)聯(lián)，逐漸成為人文-經(jīng)濟地理學(xué)研究的熱門[29]。

本文認為，POI的海量出現(xiàn)，為探析休閑產(chǎn)業(yè)的空間分布特征與規(guī)律提供了新的可能，從根本上解決了休閑服務(wù)業(yè)量大、規(guī)模小、分配離散、高度市場化所導(dǎo)致的空間分析難題。在諸多技術(shù)中，基于POI的頻繁項集算法可以快速地探知休閑產(chǎn)業(yè)集聚后的組合狀態(tài)，為后續(xù)研究奠定重要的基礎(chǔ)。頻繁項集（frequent itemset）是指頻繁地在事務(wù)數(shù)據(jù)集中一起出現(xiàn)的項目集合[30]。如管理學(xué)中經(jīng)典的購物籃分析，大量男性顧客在購買尿布的同時也會購買啤酒，則在購物籃數(shù)據(jù)庫中產(chǎn)生關(guān)聯(lián)規(guī)則：{Diapers}?{Beer}。相應(yīng)地，在DMKD中，空間關(guān)聯(lián)分析就是從大量空間數(shù)據(jù)集合中挖掘出頻繁項集，發(fā)現(xiàn)潛在的空間知識，如通過植被和動物疾病的同位分布發(fā)現(xiàn)動物的致病原因[31-32]。作為空間關(guān)聯(lián)規(guī)則發(fā)現(xiàn)的一種有效手段，同位模式挖掘已經(jīng)應(yīng)用在城市空間治理、建筑模式識別等多種領(lǐng)域。近年來，有學(xué)者開始嘗試對反映城市活動的POI數(shù)據(jù)進行同位模式挖掘，如禹文豪等分析了深圳市POI基礎(chǔ)設(shè)施在空間分布上的關(guān)聯(lián)模式與依賴關(guān)系[23]，為本研究提供了借鑒。因此，本文擬從頻繁項集的思路入手，選擇當前新出現(xiàn)的、較能夠發(fā)現(xiàn)空間關(guān)聯(lián)關(guān)系的同位模式（詳見下文2.2部分），捕捉其在空間上的集聚特征。

2 研究方法

2.1 數(shù)據(jù)來源和預(yù)處理

在數(shù)據(jù)方面，本研究選取由符合國家測繪局測繪標準的四維圖新公司采集的POI數(shù)據(jù)，數(shù)據(jù)更新至2017年，共計1 295 145條。每條數(shù)據(jù)所需的字段包括：POI點ID、名稱、位置（經(jīng)緯度）、所屬省名稱、所屬省編號、所屬城市名稱、所屬城市編號、所屬區(qū)名稱、所屬區(qū)編號、所在地址、所屬行業(yè)類別（分3級）。根據(jù)對休閑產(chǎn)業(yè)的界定，對原始數(shù)據(jù)進行篩選，提取出184 249條分屬休閑產(chǎn)業(yè)的POI數(shù)據(jù)，在王琪延和黃羽翼[33]對休閑產(chǎn)業(yè)的分類基礎(chǔ)上按照《國民經(jīng)濟行業(yè)分類與代碼（GB T4754—2017）》進行重新分類。在涉及的7大休閑行業(yè)中歸納出11個分行業(yè)，包括零售業(yè)、住宿業(yè)①、餐飲業(yè)、會展業(yè)、旅行社業(yè)、城市公園業(yè)、景區(qū)游覽業(yè)、生活休閑服務(wù)業(yè)、文化休閑業(yè)、體育休閑業(yè)和娛樂休閑業(yè)，共覆蓋25個細分行業(yè)，對應(yīng)154個POI原始分類 （表1）。

2.2 空間同位模式

在方法方面，本文選取Yao等[34]開發(fā)的基于圖論和樹壓縮方法的最大團挖掘算法，構(gòu)建出同位模式（co-location pattern），代表在空間中頻繁地、共同出現(xiàn)的地理特征物，并將符合這種特征的模式稱為流行團（prevalent clique）。流行團是一種k階項集，如{Diaper， Bear}可以稱為一個二階團，三階代表3個特征物組合成團，依次類推。Yao等開發(fā)的算法挖掘效率高，且對預(yù)設(shè)閾值的敏感度低，已經(jīng)在生態(tài)學(xué)和經(jīng)濟學(xué)中有過高效率的應(yīng)用，將其拓展到旅游休閑研究中，是本文的一個創(chuàng)新。

依照最大團算法邏輯（圖1），假設(shè)有特征類型集F={f1，f2，…，fm}和空間實例集S={s1，s2，…，sn}。其中，集合特指Sfi包含類型fi的實例集。首先，空間同位模式挖掘需要預(yù)先指定距離閾值r。本文認為，消費者主要以步行的方式組織多種休閑活動。根據(jù)Gale的研究，大多數(shù)人每次步行的活動半徑通常為400～500 m，這一因素對于人和活動的集中程度有重大影響[35]。采用K函數(shù)法對數(shù)據(jù)進行自相關(guān)分析，發(fā)現(xiàn)數(shù)據(jù)的自相關(guān)程度隨距離閾值的增大逐漸增強，因此選取距離閾值為500 m。

其次，采用最大團挖掘算法來產(chǎn)生最大候選團。計算空間中任意兩個實例點之間的歐氏距離，并與預(yù)設(shè)的距離閾值r比較，將符合條件的點對生成二維實例表。計算每組二維實例的流行度，并與預(yù)設(shè)的流行度閾值min-prev.比較，符合條件的二維實例生成二階流行團。流行率PR（c， fi）指的是fi空間實例在k階流行團c={f1， f2， …， fk}的所有實例中，不重復(fù)出現(xiàn)的個數(shù)與fi中總實例個數(shù)的比率，計算公式為1：

[PR（c， fi）=|πfi（table_ins（c）||table_ins（fi）|] （1）

流行度則是流行團c中所有空間對象流行率的最小值。流行度計算公式為：

[PI（c）=minki=1{PR（c， fi）}] （2）

利用圖論中的拓補原理，將二階流行團的鄰近關(guān)系被抽象為邊（E），特征抽象為頂點（V），得到稀疏的無向圖，并利用最大團搜索算法在此圖中提取所有的最大團，作為最大候選團。最后，引入分層驗證法構(gòu)造樹結(jié)構(gòu)，為每個多階的最大候選團儲存實例團。

3 研究分析與發(fā)現(xiàn)

3.1 休閑產(chǎn)業(yè)空間集聚特征

運用ArcGIS中的“核密度”工具計算廣州市休閑產(chǎn)業(yè)POI分布密度，選取自然間斷點分類法以達到更清晰的可視化效果。依據(jù)圖2的結(jié)果，廣州市休閑產(chǎn)業(yè)總體空間分布呈現(xiàn)圈層結(jié)構(gòu)，并沿著以地鐵為主的交通干線軸向拓展，形成以中心城區(qū)為主核心、多個副中心并存的城市休閑空間格局。其中，越秀區(qū)因是廣州老城市中心區(qū)，所以盡管面積狹小，但休閑產(chǎn)業(yè)高度集聚。天河區(qū)的高度集聚是廣州新城市中心，是圖2中最集聚的紅色區(qū)域，是新城市中軸線CBD所在地。而白云區(qū)的紅區(qū)是外來人口集聚較多的城市副中心。相比之下，番禺、增城、花都是廣州的郊區(qū)，雖然POI數(shù)量也不少，但面積較大，POI分布較為分散，僅能形成兩個熱度較低的集聚區(qū)。外圍的南沙和從化則基本僅有1～2個集聚的休閑產(chǎn)業(yè)群。這些整體分布格局，與廣州市人口集聚、主要商圈、交通網(wǎng)絡(luò)節(jié)點和功能區(qū)的分布一致，反映出本次所使用的POI的信度較高。

3.2 休閑產(chǎn)業(yè)空間集聚特征

在完成上述測度后，本研究運用Python對? ArcGIS軟件進行二次開發(fā)，采用最大團挖掘算法對廣州市休閑產(chǎn)業(yè)POI數(shù)據(jù)進行同位模式挖掘。當距離閾值為500 m，流行度閾值為0.5時，得到439種流行團，其中，三階流行團共353種，四階流行團共86種。根據(jù)表2和表3的結(jié)果，得出休閑產(chǎn)業(yè)的空間關(guān)聯(lián)特征如圖3和圖4所示。

首先，在流行度最高的前20個三階流行團和四階流行團中，{餐飲，生活休閑服務(wù)業(yè)}、{餐飲，娛樂休閑}、{餐飲，生活休閑服務(wù)，娛樂休閑}的功能組合最為常見。這說明在所有休閑細分行業(yè)中，餐飲類、生活服務(wù)類和娛樂休閑類休閑產(chǎn)業(yè)與其他休閑產(chǎn)業(yè)在空間上共現(xiàn)的可能性最強，功能混合能力最強，特別是“美容美發(fā)店-中餐廳-快餐廳”這個三階組合，承擔(dān)了廣州市大多數(shù)休閑熱點區(qū)的主體功能，形成在市域范圍內(nèi)最為廣泛分布的功能組群。

其次，從單個行業(yè)的角度看，餐飲業(yè)、生活休閑服務(wù)業(yè)、娛樂休閑業(yè)和住宿業(yè)在流行度最高的前20個三階和四階流行團中的占比也最高。以中餐廳、快餐廳、冷飲店為代表的餐飲經(jīng)營場所，以美容美發(fā)店和洗浴推拿場所為代表的日常生活服務(wù)場所，以博彩娛樂場所、棋牌室為代表的室內(nèi)娛樂場所，以相對低端的旅館為代表的住宿設(shè)施在空間同位模式中頻繁出現(xiàn)。其中，美容美發(fā)店的中心度最高;美容美發(fā)和餐飲業(yè)態(tài)的組合，在前20個三階流行團和四階流行團中均出現(xiàn)15次，構(gòu)成休閑產(chǎn)業(yè)集聚核，表現(xiàn)出極強的帶動效應(yīng)。

休閑設(shè)施的頻繁共現(xiàn)，反映了所屬行業(yè)的集聚和空間關(guān)聯(lián)特征。一方面，特定休閑設(shè)施與其他多種類型的設(shè)施均構(gòu)成流行團，在空間上頻繁抱團出現(xiàn)，說明這類行業(yè)具有強大的鏈接能力，觸發(fā)消費者進行其他關(guān)聯(lián)性消費的能力最強。以餐飲業(yè)為例，餐飲設(shè)施在流行度前20的三階流行團中出現(xiàn)18次，在前20個四階流行團中全部出現(xiàn)，三階流行團{中餐廳，快餐廳，美容美發(fā)店}的流行度高達0.79左右，三階流行團{博彩娛樂場所，冷飲店，糕餅店}的流行度高達0.78左右，反映出在一般的城市休閑活動中，消費者往往選擇與就餐地點接近的休閑設(shè)施進行消費。

另一方面，屬于同一行業(yè)的休閑設(shè)施在空間上頻繁共現(xiàn)，在一定程度上反映了該行業(yè)在容易集聚的特征。仍以餐飲業(yè)為例，在流行度前20的三階流行團中，兩類及兩類以上餐飲設(shè)施構(gòu)成的流行團共有8個，其中，{快餐廳，冷飲店，糕餅店}由3類餐飲設(shè)施共同構(gòu)成，流行度高達0.74，這反映出餐飲設(shè)施關(guān)聯(lián)性集聚的基本規(guī)律。

在休閑產(chǎn)業(yè)中，并非所有行業(yè)都構(gòu)成流行團;部分行業(yè)由于行業(yè)特性，在空間上分布較為獨立，與其他休閑行業(yè)共現(xiàn)的幾率低，不構(gòu)成普遍模式。不構(gòu)成流行團的行業(yè)可劃分為兩種類型。

第一，資源導(dǎo)向的休閑行業(yè)，以城市公園、景區(qū)游覽和度假療養(yǎng)為代表。這類休閑產(chǎn)業(yè)往往以特定的某種資源為導(dǎo)向，消費者也是圍繞這一資源開展休閑活動。城市公園游覽、景區(qū)游覽和度假療養(yǎng)活動分別以公園、景區(qū)和度假村為消費場所，其空間分布都主要依托優(yōu)美的自然環(huán)境，具有空間不可移動的特性，加之這類設(shè)施的產(chǎn)權(quán)邊界相對清晰，具有排他性，較少與其他休閑設(shè)施共同分布。

第二，需要特定產(chǎn)業(yè)環(huán)境的休閑行業(yè)，以會展、文化休閑產(chǎn)業(yè)為代表。這類休閑產(chǎn)業(yè)需要營造特定的環(huán)境或氛圍。會展行業(yè)需要的是極強的品牌效應(yīng)和商務(wù)氛圍，而文化休閑產(chǎn)業(yè)則更多地營造出歷史價值或文化氛圍，地方性和專業(yè)化程度高，因此難以構(gòu)成流行的空間分布模式。

4 結(jié)論

雖然休閑產(chǎn)業(yè)是我們?nèi)粘７浅Ｆ毡?、肉眼便可廣泛觀察到的行業(yè)，但是由于數(shù)量龐大、分布零散，從城市尺度對其分布的集聚規(guī)律進行挖掘，是傳統(tǒng)研究無法實現(xiàn)的難題。對休閑產(chǎn)業(yè)的集聚模式和帶動效應(yīng)的判斷，大多通過案例和經(jīng)驗判斷進行歸納，尚未有較為嚴謹?shù)亩繙y度，能夠清晰地揭示這個行業(yè)的分布規(guī)律。為此，本文借助地理信息科學(xué)領(lǐng)域的空間分析工具，基于同位模式算法計算最為流行的空間共現(xiàn)關(guān)聯(lián)，捕捉城市休閑產(chǎn)業(yè)空間集聚的基本組合模式，得到如下結(jié)論。

第一，同位模式可以準確地捕捉出城市休閑產(chǎn)業(yè)的集聚模式，休閑產(chǎn)業(yè)基本上以三階為組團單位（即三類業(yè)態(tài)），在城市空間上呈現(xiàn)出廣泛的分布，四階為組團單位的流行度顯著降低，五階基本不具備流行度。最流行的3個三階流行團為：“美容美發(fā)店-中餐廳-快餐廳”“博彩娛樂場所-冷飲店-糕餅店”和“美容美發(fā)店-中餐廳-糕餅店”。第二，在所有流行團中，美容美發(fā)店這類POI的中心度最高，是關(guān)聯(lián)其他休閑業(yè)態(tài)的最核心要素，而“美容美發(fā)和餐飲”這個組合，在三階、四階流行團中出現(xiàn)的次數(shù)最多，是休閑產(chǎn)業(yè)的集聚核，構(gòu)成了城市各個休閑中心和節(jié)點的基本功能。第三，以資源為導(dǎo)向和需要特定產(chǎn)業(yè)環(huán)境的休閑產(chǎn)業(yè)，基本不具備流行度。這些不具備流行度的設(shè)施包括特色商業(yè)街、購物中心、會展展覽、公園廣場、風(fēng)景名勝、影劇院、博物館、度假療養(yǎng)場所等。

5 討論

從方法和研究視角而言，本文的貢獻主要是創(chuàng)新性地將地理學(xué)的空間同位模式應(yīng)用到旅游休閑產(chǎn)業(yè)集聚這個研究領(lǐng)域中，為旅游研究提供了新的分析工具和研究視角。同位模式算法的優(yōu)點在于能夠從海量數(shù)據(jù)中快速發(fā)現(xiàn)地理事物頻繁共現(xiàn)的空間規(guī)律，較為精準地捕捉到傳統(tǒng)研究難以揭示的產(chǎn)業(yè)集聚模式。通過每個流行團的流行指數(shù)的計算，可以很好地揭示出休閑產(chǎn)業(yè)在空間上的關(guān)聯(lián)規(guī)律，由此推演休閑產(chǎn)業(yè)的空間結(jié)構(gòu)和集聚模式。較傳統(tǒng)研究而言，結(jié)合POI數(shù)據(jù)的同位模式算法，不僅可以探索出行業(yè)內(nèi)部各類休閑業(yè)態(tài)的關(guān)聯(lián)關(guān)系，還可以揭示出休閑產(chǎn)業(yè)與其他產(chǎn)業(yè)之間的共生關(guān)系。就具體發(fā)現(xiàn)而言，本次研究所發(fā)現(xiàn)的產(chǎn)業(yè)組合模式是旅游休閑產(chǎn)業(yè)集聚研究的一次積極拓展，為后續(xù)深度機制探索和因果關(guān)系檢驗奠定了理論和實踐基礎(chǔ)。本文的發(fā)現(xiàn)呈現(xiàn)出休閑產(chǎn)業(yè)的最為基本的集聚模式，揭示出最為流行的大眾生活需求，是餐飲與美容美發(fā)的組合。間接呼應(yīng)了“食色性也”這一人之常情，但是同時又發(fā)現(xiàn)，美容美發(fā)比餐飲的中心度還要高，似乎又成為“民以食為天”這句諺語的反例。這些細微發(fā)現(xiàn)雖然尚不能稱之為基本規(guī)律，但可以為后續(xù)深入研究提供具有啟示性的研究思路。就實踐應(yīng)用而言，本研究推動了基于海量數(shù)據(jù)時代的城市旅游休閑產(chǎn)業(yè)集聚研究，基本證實同位模式的適用性，本研究的發(fā)現(xiàn)不僅能直接為目的地營銷、產(chǎn)業(yè)行業(yè)管理與城市規(guī)劃提供新的決策支持，也為未來旅游休閑產(chǎn)業(yè)研究提供了新的研究路徑。一方面，可以通過篩選單個休閑產(chǎn)業(yè)類型，捕捉其與其他產(chǎn)業(yè)的關(guān)聯(lián)集聚規(guī)律，如廣州的茶館;另一方面，可以進一步測度休閑產(chǎn)業(yè)的流行團與其他地理特征物之間的共現(xiàn)關(guān)系，如地鐵站、銀行等。

由于城市休閑系統(tǒng)具有復(fù)雜性，本研究仍存在以下不足之處：（1）本文從實證研究的可操作性出發(fā)，對休閑產(chǎn)業(yè)范圍進行明確界定，僅選取與休閑需求直接相關(guān)的核心休閑產(chǎn)業(yè)作為分析對象。但休閑產(chǎn)業(yè)不僅包括直接休閑產(chǎn)業(yè)，還包括一系列服務(wù)于營造休閑氛圍的關(guān)聯(lián)休閑產(chǎn)業(yè)，其空間規(guī)律仍有待進一步探明。（2）本文認為休閑設(shè)施之間的物理距離是觸發(fā)關(guān)聯(lián)性消費的主要因素，而實際上休閑需求受到多種因素，如消費者偏好及社交網(wǎng)絡(luò)的影響，當前的休閑研究也開始關(guān)注到這些因素。（3）休閑方式的差異塑造了不同的城市休閑空間。本研究僅選取廣州市為案例地，但考慮到廣州市民的休閑方式可能有別于其他城市，未來可以考慮將城市異質(zhì)性的影響納入分析框架。

致謝：感謝中山大學(xué)中國區(qū)域協(xié)調(diào)發(fā)展與鄉(xiāng)村建設(shè)研究院為本文提供的支持，感謝研究院李郇教授和許偉攀博士在數(shù)據(jù)處理分析上給予的指點。

參考文獻（References）

[1] 郭旭， 郭恩章， 陳旸. 論休閑經(jīng)濟與城市休閑空間的發(fā)展[J]. 城市規(guī)劃， 2008， 252（12）： 79-86. [GUO Xu， GUO Enzhang， CHEN Yang. On leisure economy and development of urban leisure space [J]. Urban Planning， 2008， 252（12）： 79-86.]

[2] MARSHALL A. Principles of Economics[M]. Cambridge： Cambridge University Press， 1890： 62-76.

[3] JACOBS J. The Economy of Cities[M]. New York： Random House， 1969： 233-235.

[4] 賀燦飛， 黎明. 演化經(jīng)濟地理學(xué)[J]. 河南大學(xué)學(xué)報（自然科學(xué)版）， 2016， 46（4）： 387-391. [HE Canfei， LI Ming. Evolutionary economic geography[J]. Journal of Henan University （Natural Science Edition）， 2016， 46（4）： 387-391.]

[5] BOSCHMA R A. Proximity and innovation： A critical assessment[J]. Regional Studies， 2005， 39（1）： 61-74.

[6] 賀燦飛. 區(qū)域產(chǎn)業(yè)發(fā)展演化： 路徑依賴還是路徑創(chuàng)造？[J]. 地理研究， 2018， 37（7）： 1253-1267. [HE Canfei. Regional industry development and evolution： Path dependence or path creation？ [J]. Geographical Research， 2018， 37（7）： 1253-1267.]

[7] 郭新茹， 譚軍. 相關(guān)性產(chǎn)業(yè)關(guān)聯(lián)互動、企業(yè)分蘗機制與文化產(chǎn)業(yè)空間集群演化研究[J]. 江蘇社會科學(xué)， 2014（6）： 184-190. [GUO Xinru， TAN Jun. Research on the correlation and interaction of related industries， the mechanism of enterprise tillering and the evolution of cultural industry spatial cluster [J]. Jiangsu Social Sciences， 2014（6）： 184-190.]

[8] 張慶， 彭震偉. 基于空間聚類分析的杭州市生產(chǎn)性服務(wù)業(yè)集聚區(qū)分布特征研究[J]. 城市規(guī)劃學(xué)刊， 2016（4）： 46-53. [ZHANG Qing， PENG Zhenwei. Distribution characteristics of producer services agglomeration in Hangzhou based on spatial clustering analysis [J]. Journal of Urban Planning， 2016（4）： 46-53.]

[9] 談力， 史北祥， 王紅揚. 城市知識創(chuàng)新型服務(wù)業(yè)空間布局特征與模式研究——以南京市城區(qū)為例[J]. 現(xiàn)代城市研究， 2018（10）： 2-10. [TAN Li， SHI Beixiang， WANG Hongyang. Research on spatial distribution characteristics and pattern of urban knowledge innovation service industry： A case study of Nanjing city [J]. Modern Urban Research， 2018（10）： 2-10.]

[10] HUALLACHáIN B， LESLIE T F. Postindustrial manufacturing in a sunbelt metropolis： Where are factories located in phoenix？[J]. Urban Geography， 2009， 30（8）： 898-926.

[11] 唐婧嫻. 京津冀文化消費空間的數(shù)量分布特征及影響因素[C]// 沈陽： 中國城市規(guī)劃年會·規(guī)劃60年： 成就與挑戰(zhàn)——2016中國城市規(guī)劃年會論文集， 2016： 1-13. [TANG Jingxian. Quantitative distribution characteristics and influencing factors of cultural consumption space in Beijing-Tianjin-Hebei[C]//. Shenyang： China Urban Planning Annual Conference. 60 Years of Planning： Achievements and challenges—Proceeding of 2016 China Urban Planning Annual conference， 2016： 1-13.]

[12] GAD G. Office location dynamics in Toronto： Urbanization and geographical analysis [J]. Journal of Geographical Sciences， 1988， 985（6）： 331-351.

[13] GARCíA M I， FERNANDEZ Y， ZOFIO J L. The economic? ? ? dimension of the culture and leisure industry in Spain： Sectoral and sectoral analysis[J]. Journal of Cultural Economics， 2001， 27（1）： 9-30.

[14] 保繼剛， 楚義芳. 旅游地理學(xué)（第3版）[M]. 北京： 高等教育出版社， 2012： 1-3. [BAO Jigang， CHU Yifang. Tourism Geography （the 3rd Edition）[M]. Beijing： Higher Education Press， 2012： 1-3]

[15] 劉逸. 旅游價值鏈研究進展評述[J]. 旅游論壇， 2015， 8（4）： 9-18. [LIU Yi. Review of tourism value chain research [J]. Tourism Forum， 2015， 8（4）： 9-18.]

[16] CLANCY M. Commodity chains， services and development： Theory and preliminary evidence from the tourism industry[J]. Review of International Political Economy， 1998， 5 （1）： 122-148.

[17] ROBINSON L. Following the quality strategy： The reasons for the use of quality management in UK public leisure facilities[J]. Management Leisure， 1999（4）： 201-217.

[18] BYERS T， SLACK T. Strategic decision-making in small businesses within the leisure industry[J]. Journal of Leisure Research， 2001（2）： 121-136.

[19] 趙瑩， 柴彥威， 桂晶晶. 中國城市休閑時空行為研究前沿[J]. 旅游學(xué)刊， 2016， 31（9）： 30-40. [ZHAO Ying， CHAI Yanwei， GUI Jingjing. Prospects for urban leisure studies in China： A perspective of space-time behavior[J]. Tourism Tribune， 2016， 31（9）： 30-40.]

[20] 苗建軍. 中心城市： 休閑經(jīng)濟的空間視點[J]. 自然辯證法研究， 2003， 19（11）： 73-78. [MIAO Jianjun. Central city： Spatial perspective of leisure economy[J]. Studies in Dialectics of Nature， 2003， 19（11）： 73-78.]

[21] 胡彩平. 基于空間自相關(guān)的空間數(shù)據(jù)挖掘若干關(guān)鍵技術(shù)的研究[D]. 南京： 南京航空航天大學(xué)， 2007： 1-97. [HU Caiping. Research on Several Key Technologies of Spatial Data Mining Based on Spatial Autocorrelation[D]. Nanjing： Nanjing University of Aeronautics and Astronautics， 2007： 1-97.]

[22] 維克托·邁爾-舍恩伯格， 肯尼思·庫克耶. 大數(shù)據(jù)時代： 生活、工作與思維的大變革[M]. 周濤， 譯. 杭州： 浙江人民出版社， 2013： 47-50. [MEYER V S， KUKYER K. Big Changes in Life， Work and Thinking in the Era of Big Data[M]. ZHOU Tao， trans. Hangzhou： Zhejiang People’s Publishing House， 2013： 47-50.]

[23] 禹文豪， 艾廷華， 周啟. 設(shè)施POI的局部空間同位模式挖掘及范圍界定[J]. 地理與地理信息科學(xué)， 2015， 31（4）： 6-11. [YU Wenhao， AI Tinghua， ZHOU Qi. Mining and scoping of local spatial co-location model of facility POI[J]. Geography and Geo-Information Science， 2015， 31（4）： 6-11.]

[24] 李江蘇， 梁燕， 王曉蕊. 基于POI數(shù)據(jù)的鄭東新區(qū)服務(wù)業(yè)空間聚類研究[J]. 地理研究， 2018， 37（1）： 145-157. [LI Jiangsu， LIANG Yan， WANG Xiaorui. Spatial clustering of services in Zhengdong New Area based on POI data [J]. Geographical Research， 2018， 37（1）： 145-157.]

[25] 陳蔚珊， 柳林， 梁育填. 基于POI數(shù)據(jù)的廣州零售商業(yè)中心熱點識別與業(yè)態(tài)集聚特征分析[J]. 地理研究， 2016， 35（4）： 703-716. [CHEN Weishan， LIU Lin， LIANG Yuquan. Analysis of hotspot identification and industry agglomeration characteristics of retail commercial centers in Guangzhou based on POI data [J]. Geographical Research， 2016， 35（4）： 703-716.]

[26] 徐冬， 黃震方， 呂龍， 等. 基于POI挖掘的城市休閑旅游空間特征研究——以南京為例[J]. 地理與地理信息科學(xué)， 2018， 34（1）： 59-64. [XU Dong， HUANG Zhenfang， LYU Long， et al. Research on spatial characteristics of urban leisure tourism based on POI mining—A case study of Nanjing [J]. Geography and Geo-Information Science， 2018， 34（1）： 59-64.]

[27] 劉輝， 黃新， 王京晶. 基于位置數(shù)據(jù)和POI的聚類方法[J]. 地理空間信息， 2017， 15（11）： 46-49. [LIU Hui， HUANG Xin， WANG Jingjing. Clustering method based on location data and POI [J]. Geospatial Information， 2017， 15（11）： 46-49.]

[28] 李鋼， 楊蘭， 賀建雄， 等. 基于POI數(shù)據(jù)的西安市快遞自提點空間格局及空間關(guān)系研究——以菜鳥驛站為例[J]. 地理科學(xué)， 2018， 38（12）： 2024-2030. [LI Gang， YANG Lan， HE Jianxiong， et al. Spatial pattern and spatial relationship of express delivery self-pick-up points in Xi’an based on POI data： A case study of Cainiao Station [J]. Geographical science， 2018， 38（12）： 2024-2030.]

[29] 楊振山， 龍瀛， DOUAY N. 大數(shù)據(jù)對人文-經(jīng)濟地理學(xué)研究的促進與局限[J]. 地理科學(xué)進展， 2015， 34（4）： 410-417. [YANG Zhenshan， LONG Ying， DOUAY N. The promotion and limitation of big data in the study of humane-economic geography[J]. Progress in Geography， 2015， 34（4）： 410-417.]

[30] 韓家煒， 米其林·坎伯， 裴健. 數(shù)據(jù)挖掘： 概念與技術(shù)[M]. 北京： 機械工業(yè)出版社， 2012： 23-25. [HAN Jiawei， MICHELINE K， PEI Jian. Concepts and Technology of Data Mining[M]. Beijing： China Machine Press， 2012： 23-25.]

[31] KOPERSKI K， HAN J. Discovery of spatial association rules in geographic information databases[J]. International Symposium on Spatial Databases， 1995， 951： 47-66.

[32] 李德仁， 王樹良， 史文中， 等. 論空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)[J]. 武漢大學(xué)學(xué)報（信息科學(xué)版）， 2001， 26（6）： 491-499. [LI Deren， WANG Shuliang， SHI Wenzhong， et al. On spatial data mining and knowledge discovery[J]. Geomatics and Information Science of Wuhan University， 2001， 26（6）： 491-499.]

[33] 王琪延， 黃羽翼. 關(guān)于休閑產(chǎn)業(yè)統(tǒng)計分類的思考[J]. 統(tǒng)計與決策， 2015（2）： 33-36. [WANG Qiyan， HUANG Yuyi. Thoughts on the statistical classification of leisure industry [J]. Statistics and Decision， 2015（2）： 33-36.]

[34] YAO X， PENG L， YANG L， et al. A fast space-saving algorithm for maximal co-location pattern mining[J]. International Journal of Geographical Information Science， 2016： 310-323.

[35] 揚·蓋爾. 交往與空間[M]. 何人可， 譯. 北京： 中國建筑工業(yè)出版社， 2002： 105-107. [GALE Y. Communication and Space [M]. HE Renke， trans. Beijing： China Architecture and Building Press， 2002： 105-107.]

Exploring Spatial Agglomeration Patterns of the Leisure Industries

Based on the Co-location Mining Model

LIU Yi1， CHEN Luan2，3， LIU Zihui2， CHEN Yimin2

（1. School of Tourism Management， Sun Yat-sen University， Guangzhou 501275， China;

2. School of Geography and Planning， Sun Yat-sen University， Guangzhou 510275， China.;

3. China Regional Coordinated Development And Rural Construction Institute， Guangzhou 510275， China）

Abstract： Industrial agglomeration has been a classic topic in the field of economic geography. However， researches mainly focus on manufacturing and production-oriented service sectors， while pay little attention to the leisure industries. Leisure industries develop on human needs， which is large in number， small in scale and decentralized in spatial layout. Existing theories of industrial agglomeration are paying little attention to the mechanisms and patterns of spatial distribution of such economic activities which is highly driven on consumer’s needs， rather than production-based distribution logic. Nevertheless， growing economic and social big data， and emergence of new data mining methods allow us to methodologically unpack the black box of the spatial agglomeration of the leisure industries. This paper adopts the spatial analysis algorithm in the field of geographic information science and takes Guangzhou as an example to conduct exploratory research on the spatial agglomeration patterns of urban leisure industries. Specifically， based on sparse-graph and condensed tree-based （SGCT） maximal co-location algorithm， this paper builds a co-location mining model and calculates the most popular spatial co-location pattern among 184249 points of interest （POI） of leisure activities in Guangzhou. It is proved that the constructed co-location mining model can accurately reveal spatial agglomeration patterns of the urban leisure industry. The major conclusions are： （1） Leisure industries are mainly agglomerated as K-3 clusters which are prevalent all over the city. The K-4 prevalent clusters are less frequent， showing a relatively significant decrease in prevalence. Clusters of five types of leisure industry （K-5 prevalent clique） show almost no prevalence. （2） Among all the prevalent cliques， POIs of beauty salons appear the most frequently （high centrality）. Among K-3 and K-4 prevalent cliques， the combination of beauty salons and restaurants appeared most frequently. They are proven as the most representative cluster in Guangzhou， which are associated with other leisure activities and constitutes the basic function of leisure centers and nodes. （3） Some of the leisure industries are distributed independently， showing no pattern in urban space， which means that its probability of co-occurrence with other leisure industries is very low. There are two types of these leisure industries： one is resource-oriented leisure industry， represented by urban parks， scenic tours and vacation and recuperation; the other one needs a specific industrial environment， represented by the exhibition and cultural leisure industry. This paper contributes to urban leisure studies by applying the co-location mining model to accurately capture the agglomeration pattern of urban leisure industries which has never been accomplished by previous studies. It goes beyond existing theories concerning manufacturing and production-oriented sectors. It sheds light on the study of spatial structure and clustering effect of the urban tourism and leisure industry agglomeration. In practice， it provides insights for evaluating the quality and attractiveness of urban leisure industries which gives rise to suggestions for urban management and planning.

Keywords： leisure industry; spatial correlation; co-location pattern mining; point of interest; Guangzhou

[責(zé)任編輯： 周小芳;責(zé)任校對： 吳巧紅]