基于多源大數(shù)據(jù)的成都市餐飲業(yè)空間特征研究

崔庚 王曦晨

摘? 要：餐飲業(yè)是城市服務(wù)業(yè)的重要組成部分。研究餐飲業(yè)的空間特征及影響機制，有利于城市規(guī)劃建設(shè)。該文選取成都市中心城區(qū)作為研究區(qū)域，基于POI數(shù)據(jù)，利用ArcGIS軟件，應(yīng)用核密度分析、空間自相關(guān)、標(biāo)準(zhǔn)差橢圓及多元線性回歸模型等空間分析方法，對餐飲業(yè)空間分布特征和區(qū)位選擇影響因素進行分析。結(jié)果表明，成都市中心城區(qū)餐飲業(yè)的發(fā)展呈現(xiàn)出多層級結(jié)構(gòu)和不均衡分布的空間形態(tài)，與城市發(fā)展格局體現(xiàn)出相似性；各類城市空間均會對餐飲業(yè)的空間集聚產(chǎn)生不同程度的正向促進影響，城市公服和商服空間對餐飲業(yè)區(qū)位選擇的影響最為明顯。

關(guān)鍵詞：餐飲業(yè)；POI數(shù)據(jù)；空間分析方法；城市空間；服務(wù)業(yè)

中圖分類號：F719.3? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ? 文章編號：2095-2945（2024）10-0082-05

Abstract： Catering industry is an important part of urban service industry. Research on the spatial characteristics and influence mechanism of catering industry is beneficial from urban planning and construction. This paper takes the central area of Chengdu as the research area. Based on POI data and using ArcGIS software， the spatial analysis methods such as kernel density analysis， spatial autocorrelation， standard deviation ellipse and multiple linear regression model are applied to analyze the spatial distribution characteristics and influencing factors of location selection of the catering industry. The results show that： The development of the catering industry in the central area of Chengdu presents a multi-hierarchical structure and unbalanced spatial pattern， which is similar to the urban development pattern. All kinds of urban space will have different degrees of positive influence on the spatial agglomeration of catering industry， in which the impact of urban public service and commercial service space on the location choice of catering industry is the most obvious.

Keywords： catering industry; POI data; spatial analysis method; urban space; service industry

餐飲業(yè)是與人們生活密切相關(guān)的消費性服務(wù)業(yè)，隨著社會經(jīng)濟不斷發(fā)展，人們?nèi)找嬖鲩L的餐飲消費和服務(wù)需求為餐飲業(yè)的發(fā)展提供了更加強勁的內(nèi)生增長動力。研究餐飲業(yè)發(fā)展特征和規(guī)律有利于滿足居民生活需求，反映社會空間結(jié)構(gòu)和城市經(jīng)濟運行規(guī)律[1-4]，協(xié)調(diào)城市產(chǎn)業(yè)與城市格局之間的關(guān)系。

本文選取成都市中心城區(qū)作為研究區(qū)域，利用ArcGIS軟件將研究區(qū)域劃分為21 617個500 m×500 m的正方形空間單元，校正POI數(shù)據(jù)后，采用核密度分析、空間自相關(guān)、熱點分析、標(biāo)準(zhǔn)差橢圓分析城市餐飲業(yè)的空間特征，利用多元線性回歸模型探索不同城市功能空間對餐飲業(yè)區(qū)位選擇的影響機制。

1? 數(shù)據(jù)來源

1.1? 主要數(shù)據(jù)來源

城市興趣點（POI）數(shù)據(jù)是一種能夠反映地理要素信息的點數(shù)據(jù)，包括名稱、地址、坐標(biāo)和類別4個屬性。作為一種地理空間大數(shù)據(jù)，POI數(shù)據(jù)具有更新及時、易獲取等特點[5]，可以反映出餐飲業(yè)的空間特征。本文所使用的POI數(shù)據(jù)來源于2023年1月的高德地圖網(wǎng)站。

1.2? 數(shù)據(jù)的處理

本文根據(jù)高德地圖POI數(shù)據(jù)大類劃分標(biāo)準(zhǔn)，選取餐飲服務(wù)大類的POI數(shù)據(jù)作為研究餐飲業(yè)空間分布特征的樣本，根據(jù)GB 50137—2011《城市用地分類與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)》，選取休閑、居住、交通、商服、公服5類城市空間的POI數(shù)據(jù)作為影響因素的數(shù)據(jù)源，對餐飲業(yè)影響機制進行研究。

對數(shù)據(jù)進行篩選和校正后，共得到有效餐飲業(yè)POI數(shù)據(jù)128 561條，其余5類城市空間的數(shù)據(jù)為414 067條。利用ArcGIS軟件創(chuàng)建空間數(shù)據(jù)庫和空間單元格網(wǎng)數(shù)據(jù)，導(dǎo)入POI數(shù)據(jù)并將所有POI數(shù)據(jù)連接至同一屬性表中。

2? 研究方法

2.1? 核密度分析法

核密度分析法用于計算餐飲業(yè)POI數(shù)據(jù)在其周圍鄰域中的密度值，以反映餐飲業(yè)在空間分布上的集聚情況。其計算原理是先求出落在指定搜索半徑區(qū)域內(nèi)點要素的總和，再除以搜索區(qū)域的面積，以計算各像元的密度值。

核密度函數(shù)f（x）的計算公式為

f（x）=■■k■，

式中：r為搜索半徑；n為搜索半徑內(nèi)的要素個數(shù)；k函數(shù)為空間權(quán)重函數(shù)；xi為第i個要素點。

2.2? 空間自相關(guān)

空間自相關(guān)是一種利用要素位置和屬性值進行測量的空間統(tǒng)計分析方法，可定量反映出餐飲業(yè)分布的全局空間關(guān)系。全局Moran's I指數(shù)的取值范圍是[-1，1]，在滿足顯著性檢驗水平下，指數(shù)大于0表示存在空間集聚特征，值越大空間集聚特征越明顯；指數(shù)小于0表示存在空間離散特征，值越小空間離散特征越明顯；指數(shù)等于0表示隨機分布，不存在空間自相關(guān)關(guān)系。

空間自相關(guān)Moran's I指數(shù)的計算公式為

I=■■，

式中：n為要素總數(shù)；S0為所有空間權(quán)重的聚合；zi為要素i的屬性值與其平均值的偏差；zj為要素j的屬性值與其平均值的偏差；Wi，j為要素i和j之間的權(quán)重矩陣。

2.3? 熱點分析

局部Getis-Ord Gi*指數(shù)可以分析要素的局部空間相關(guān)性特征，通過集聚熱點區(qū)域的變化情況，反映局部區(qū)域內(nèi)餐飲業(yè)高值或低值的空間集聚特征[6]。在滿足顯著性檢驗水平的情況下，如果要素的Z值為正且越大，則表示高值的空間聚類越明顯；如果Z值為負(fù)且越小，則表示低值的空間聚類越明顯；如果Z值接近于0，則表示不存在明顯的空間聚類。

統(tǒng)計的Z值計算公式為

Z=■，

其中：

E[I]=-1/（n-1），

V[I]=E[I2]-E[I]2。

2.4? 標(biāo)準(zhǔn)差橢圓法

標(biāo)準(zhǔn)差橢圓法可以體現(xiàn)空間分布的平均中心、離散和方向趨勢。其原理是先計算出餐飲業(yè)數(shù)據(jù)的平均中心，將平均中心作為橢圓中心，再計算數(shù)據(jù)x和y坐標(biāo)的標(biāo)準(zhǔn)差，從而確定橢圓的長軸和短軸。橢圓中心表示所有要素分布的平均中心，長軸表示餐飲業(yè)分布的主要方向。橢圓長短軸的比值越大，表示空間分布的方向性越明顯；反之不明顯。

2.5? 多元線性回歸模型

多元線性回歸模型是一種用于解釋因變量與其他多個影響因素之間線性關(guān)系的統(tǒng)計學(xué)方法。模型運算結(jié)果的標(biāo)準(zhǔn)化回歸系數(shù)為正且越大，影響因子的促進作用就越強；系數(shù)為負(fù)且絕對值越大，抑制作用就越強。

多元線性回歸模型的一般形式為

y=α0+α1x1+α2x2+…+αkxk+μ，

式中：x1、x2、xk為自變量；α0為回歸常數(shù)；α1、α2、αk為回歸系數(shù)；μ為隨機誤差。

3? 成都市中心城區(qū)餐飲業(yè)空間分布特征

3.1? 餐飲業(yè)空間形態(tài)

根據(jù)空間自相關(guān)分析結(jié)果，在符合顯著性檢驗水平1%的條件下，計算得到全局Moran's I指數(shù)的值為0.51，表明成都市中心城區(qū)餐飲業(yè)空間分布具有比較明顯的集聚特征?；邳c要素的POI數(shù)據(jù)，設(shè)置搜索半徑為500 m，對餐飲業(yè)進行核密度分析，得到餐飲業(yè)的核密度分析圖（圖1）。采用局部Getis-Ord Gi*指數(shù)計算得到餐飲業(yè)空間分布的統(tǒng)計學(xué)熱點區(qū)域，在符合5%顯著性檢驗水平下，Z值大于1.654的格網(wǎng)單元集合為熱點區(qū)域，得到餐飲業(yè)的熱點分析圖（圖2）。

根據(jù)餐飲業(yè)的核密度分析和熱點分析結(jié)果，成都市中心城區(qū)餐飲業(yè)呈現(xiàn)出“一核心、一中心、多次中心”的多層級結(jié)構(gòu)和不均衡分布的空間形態(tài)?！耙缓诵摹蔽挥诔扇A區(qū)、錦江區(qū)和金牛區(qū)的交界區(qū)域，即春熙路、太古里一帶，是成都市的傳統(tǒng)街區(qū)所在地，其Z值最大，餐飲業(yè)在這里具有非常明顯的高值集聚，即餐飲業(yè)高密度分布的空間單元被其他同樣高密度分布的空間單元所包圍，是成都市中心城區(qū)進行餐飲消費活動最活躍的區(qū)域；“一中心”位于金牛區(qū)與青羊區(qū)的交界處，是市民居住的主要集聚地之一，餐飲消費活動也很活躍；“多次中心”的餐飲消費活動相對不太活躍，也多分布于外圍的新興市轄區(qū)的建成區(qū)內(nèi)，距離成都的傳統(tǒng)主城區(qū)較遠(yuǎn)。由此可見，成都市傳統(tǒng)主城區(qū)的餐飲業(yè)發(fā)展更好。

圖1? 成都市中心城區(qū)餐飲業(yè)核密度分析圖

圖2? 成都市中心城區(qū)餐飲業(yè)熱點分析圖

3.2? 餐飲業(yè)方向分布

成都市中心城區(qū)餐飲業(yè)分布的標(biāo)準(zhǔn)差橢圓（包含68%要素）長軸方向為北偏東18.05°，長短軸的比值為1.08，說明餐飲業(yè)的空間分布形態(tài)并不具有明顯的方向性特征（圖3），這與城市的發(fā)展格局體現(xiàn)出相似性。成都市位于成都平原腹地，中心城區(qū)主要是廣闊的平原，城市發(fā)展受地形地貌的影響較小，是典型的由傳統(tǒng)城市中心向四周蔓延的城市擴展模式，所以餐飲業(yè)也可以隨城市的擴展向周圍均勻發(fā)展，餐飲業(yè)空間分布的方向性也就不太明顯。

圖3? 成都市中心城區(qū)餐飲業(yè)空間分布方向圖

4? 餐飲業(yè)區(qū)位選擇影響因素分析

4.1? 變量選取及模型運行結(jié)果

利用ArcGIS軟件對餐飲業(yè)各類影響因子進行多元線性回歸模型模擬。為避免模型中出現(xiàn)多重共線性問題，需檢驗運算結(jié)果中的方差膨脹因子（VIF），以剔除模型中存在的冗余變量。當(dāng)某一變量的VIF值大于7.5時，表明該變量與其他變量之間存在嚴(yán)重的共線性問題，需要將該變量剔除。模型運算結(jié)果顯示（表1），5類影響因子的VIF值均低于7.5，表明各影響因子之間不存在多重共線性問題。為避免模型中可能存在關(guān)鍵解釋因子丟失的問題，對模型運算結(jié)果的殘差值進行空間自相關(guān)分析，在滿足1%顯著性檢驗水平下，Moran's I指數(shù)為0.134，說明殘差的空間集聚特征不明顯，表明模型整體的擬合效果較好。

表1? 多元線性回歸模型運算結(jié)果

注：*表示滿足5%顯著性檢驗水平，**表示滿足1%顯著性檢驗水平。

4.2? 結(jié)果分析

分析模型運算結(jié)果可知，各因子的P值均小于5%，表明各因子的回歸系數(shù)和標(biāo)準(zhǔn)化回歸系數(shù)均通過顯著性檢驗。校正可決系數(shù)R2的值為0.730，表明模型的解釋度為73.0%。5類影響因子的標(biāo)準(zhǔn)化回歸系數(shù)均大于0，但具有較大的差異，說明各類城市空間因子對成都市中心城區(qū)餐飲業(yè)的區(qū)位選擇產(chǎn)生不同程度的正向促進作用，系數(shù)越大，促進作用就越明顯。結(jié)合各類城市空間的核密度分析結(jié)果，對餐飲業(yè)的影響程度以及影響機制進行綜合分析。

4.2.1? 城市公服空間

根據(jù)多元線性回歸模型的結(jié)果，城市公服空間的標(biāo)準(zhǔn)化回歸系數(shù)（0.749）最大，表明公服空間對餐飲業(yè)區(qū)位選擇的促進作用最大。公服空間包括為城市居民提供公共服務(wù)的各種公共性、服務(wù)性的設(shè)施[7]，是城市各種資源要素流動的載體[8]，其承擔(dān)著城市發(fā)展的重要功能。城市擁有著更加完善的公共服務(wù)設(shè)施，就具有更強的吸引人群的能力，也為餐飲業(yè)的區(qū)位選擇提供了良好的基礎(chǔ)，表現(xiàn)為兩者之間具有較大的相關(guān)性。

4.2.2? 城市商服空間

城市商服空間的標(biāo)準(zhǔn)化回歸系數(shù)為0.680，說明在成都市中心城區(qū)餐飲業(yè)的發(fā)展過程中，其產(chǎn)生了較大的正向促進作用。在消費經(jīng)濟的大背景下，城市商服空間作為城市中最活躍的功能空間，為促進地區(qū)經(jīng)濟建設(shè)和推動城市發(fā)展提供了高質(zhì)量的配套服務(wù)設(shè)施[9]。城市商服空間是城市中最為活躍的場所[10]，往往位于交通便捷、服務(wù)設(shè)施完善、人口流動規(guī)模大的地段，居民的消費水平和意愿都比較強。同時，城市商服空間由于地租等經(jīng)營成本較高，對商家的盈利能力要求也更高，無法正常盈利的商家就會被淘汰。因此，具有較高利潤率和以人為服務(wù)對象的餐飲業(yè)可在商服空間生存下來，在空間上就表現(xiàn)為城市商服空間對餐飲業(yè)的集聚作用。

4.2.3? 城市居住空間

城市居住空間因子的標(biāo)準(zhǔn)化回歸系數(shù)（0.082）較小，表明居住空間對餐飲業(yè)區(qū)位選擇的促進作用不大，可能是因為便捷的交通導(dǎo)致成都市人口流動較大，居住空間主要為市民提供休憩的場所，而無法起到使市民從事生產(chǎn)游憩等活動的功能，即人口在白天會向四周擴散，比如工作、游玩等，而晚上則再重新返回居住地，因此，居住空間對餐飲業(yè)分布的影響較小。

4.2.4? 城市交通空間

交通作為城市中連接消費者與餐飲業(yè)的紐帶，為消費者出行提供了可能性，交通的空間可達(dá)性和出行成本是影響消費者選擇餐飲網(wǎng)點的主要因素。但也得益于便捷的交通，人們?yōu)榱说玫綕M意的餐飲服務(wù)，長距離出行的意愿得到加強，不再受距離的太多限制，人們對交通站點的空間依賴性減弱，不再像以往聚集于交通站點周圍。因此，車站、停車場等地周邊的餐飲業(yè)分布相對較少，交通空間對餐飲業(yè)區(qū)位選擇的影響就較小。

4.2.5? 城市休閑空間

城市休閑空間對餐飲業(yè)分布的影響程度取決于休閑空間對人的吸引力大小，包括人的流量和停留時間。旅游資源豐富的休閑空間對游客吸引力更大，游客數(shù)量更多，停留時間更長，對餐飲業(yè)的需求更多，更有利于餐飲業(yè)的發(fā)展和餐飲設(shè)施的集聚[11]。成都市中心城區(qū)雖有不少休閑空間，但相關(guān)配套設(shè)施仍需繼續(xù)完善，對人們的吸引力有限，無法長時間留住消費者，人們始終處于流動的狀態(tài)，導(dǎo)致人們回家或者前往其他區(qū)域進行餐飲消費的意愿更強，從而餐飲業(yè)的發(fā)展動力不足。因此，表現(xiàn)為休閑空間對餐飲業(yè)區(qū)位選擇的影響程度最小。

5? 結(jié)論

餐飲業(yè)的區(qū)位選擇和城市格局密切相關(guān)，追求利益的特性使得城市產(chǎn)業(yè)布局逐步適應(yīng)城市格局發(fā)展[12]，最終餐飲業(yè)也會形成與城市格局相協(xié)調(diào)的空間分布特征。文章借助POI地理空間大數(shù)據(jù)，通過ArcGIS軟件進行空間分析，對成都市中心城區(qū)餐飲業(yè)的空間分布特征和區(qū)位選擇影響因素進行研究，主要研究結(jié)論如下。

1）成都市中心城區(qū)餐飲業(yè)的發(fā)展呈現(xiàn)出多層級結(jié)構(gòu)和不均衡分布的空間形態(tài)，與城市發(fā)展格局體現(xiàn)出相似性，餐飲業(yè)由城市的中心區(qū)域向周圍均勻發(fā)展，并未表現(xiàn)出明顯的空間分布方向性。

2）城市各類空間均會對餐飲業(yè)的空間集聚產(chǎn)生不同程度的正向促進影響，其中城市公服和商服空間對餐飲業(yè)的影響最為明顯，而居住、交通和休閑的影響則較弱。

參考文獻(xiàn)：

[1] 夏令軍，劉艷芳，劉國煒.中國地級城市餐飲業(yè)分布格局及影響因素——基于“大眾點評網(wǎng)”數(shù)據(jù)的實證研究[J].經(jīng)濟地理，2018，38（5）：133-141.

[2] 楊帆，徐建剛，周亮.基于DBSCAN空間聚類的廣州市區(qū)餐飲集群識別及空間特征分析[J].經(jīng)濟地理，2016，36（10）：110-116.

[3] HAN Z， SONG W. Identification and geographic distribution of accommodation and catering centers[J].International Journal of Geo-Information， 2020， 9（546）：546.

[4] WEIWU W，SHAN W，HUAN C， et al. Analysis of the characteristics and Spatial Pattern of the Catering Industry in the Four Central Cities of the Yangtze River Delta[J]. ISPRS International Journal of Geo-Information，2022，11（6）.

[5] 單欣，徐堅，劉昳晞，等.基于POI數(shù)據(jù)的昆明中心城區(qū)餐飲業(yè)空間分布格局研究[J].昆明理工大學(xué)學(xué)報（自然科學(xué)版），2019，44（5）：115-120.

[6] 禹文豪，艾廷華，楊敏，等.利用核密度與空間自相關(guān)進行城市設(shè)施興趣點分布熱點探測[J].武漢大學(xué)學(xué)報（信息科學(xué)版），2016，41（2）：221-227.

[7] 宋正娜，陳雯，張桂香，等.公共服務(wù)設(shè)施空間可達(dá)性及其度量方法[J].地理科學(xué)進展，2010，29（10）：1217-1224.

[8] 王海江，苗長虹.我國中心城市對外服務(wù)能力的空間格局[J].地理研究，2009，28（4）：957-967.

[9] 王芳，牛方曲，王志強.微觀尺度下基于商圈的北京市商服空間結(jié)構(gòu)優(yōu)化[J].地理研究，2017，36（9）：1697-1708.

[10] 葉強，譚怡恬，譚立力.大型購物中心對城市商服空間結(jié)構(gòu)的影響研究——以長沙市為例[J].經(jīng)濟地理，2011，31（3）：426-431.

[11] 曾可盈.基于大眾點評網(wǎng)的長春市主城區(qū)餐飲業(yè)空間結(jié)構(gòu)及影響因素研究[D].長春：東北師范大學(xué)，2019.

[12] 申慶喜，李誠固，劉倩.基于服務(wù)設(shè)施布局視角的城市空間結(jié)構(gòu)研究——以長春主城區(qū)為例[J].經(jīng)濟地理，2017，37（3）：129-135.