基于多源数据的商业空间格局及影响因素分析——以珠海市中心城区为例.pdf

为了了解珠海市商业空间分布现状，基于多源数据，运用核密度和热点分析等方法，识别珠海市中心城区的商业空间格局形态，并利用地理探测器对其影响因素进行分析.结果表明：珠海市中心城区的商业空间格局呈现“多中心、多层次”的形态，环绕板障山形成八大商圈；商业设施热点区总体呈“双核心，多层级”分布，不同类型设施表现为“单核心”和“双核心”2 种分布特征，其中购物、餐饮和生活服务等热点区呈现“双核心”式分布，住宿、商务及金融保险服务等热点区呈现“单核心”式分布；路网密度是影响研究区商业格局的主要因素，不同类型商业设施空间格局的影响因素存在差异.关键词：商业空间格局；兴趣点；地理探测器；影响因素；珠海市中心城区中图分类号：F727；TU984.13文献标志码：A文章编号：1671-1114（2023）03-0053-08收稿日期：2021-12-16基金项目：国家自然科学基金资助项目（41001022）.第一作者：李俊蓉（1998），女，硕士研究生.通信作者：郭鹏（1978），男，高级工程师，主要从事地理大数据应用方面的研究.E-mail：.商业作为城市区域内组织商品流通的一项重要的经济活动，与居民的日常生活密切相关，其空间格局反映区域经济活动的空间特征，对城市资源的配置、居民消费需求乃至经济发展有着重要的影响1.研究城市的商业空间格局及其影响因素，有利于了解城市商业空间布局的现状，对城市商业发展与规划管理具有重要意义2.商业空间格局一直是城市地理学研究的重要内第 43 卷第 3 期2023 年 5 月天 津 师 范 大 学 学 报（自 然 科 学 版）Journal of Tianjin Normal University（Natural Science Edition）Vol.43 No.3May 2023doi：10.19638/j.issn1671-1114.20230309天 津 师 范 大 学 学 报（自 然 科 学 版）2023 年 5 月容，深受国内外学者的广泛关注.国外较早开始了对城市商业格局的研究，相关学者先后提出了商圈理论3、中心地理论4和集聚理论5等诸多理论，并对商业区位演变6、空间集聚7和空间模式8等方面进行了实证研究；国内的研究主要侧重于商业业态选址9、零售业和餐饮业空间布局10-11以及商业中心识别12等方面.研究人员主要采用地理学空间统计方法来定量识别商业中心和商业热点区的空间格局特征13-14，传统商业中心识别和空间格局等研究的数据多来源于问卷调查、实地调研和统计资料等.近年来随着大数据技术的发展，具有精度高、覆盖面积大、数据资料更新换代快等优点的手机信令数据、微博打卡签到数据和兴趣点（point of interest，POI）等多源数据开始涌现15-16，大大丰富了商业中心识别、空间分析和商圈选址等研究的数据源，为精细化研究注入了活力.相关学者利用 POI数据分别对广州17、北京18、上海19、长春20、武汉21等城市的商业中心进行了识别，但以往的研究普遍从市（县）级尺度、街道或者街区尺度进行，从更小尺度精确探究商业空间格局的研究较少，对不同类型商业空间格局影响因素的研究也比较匮乏22.本研究基于珠海市中心城区商业设施 POI 和手机信令等大数据，以社区为基础单元，运用核密度和热点分析等方法对研究区的商业空间格局形态进行精细化研究，并进一步利用地理探测器从自然、社会、经济 3 个维度分析珠海市中心城区的商业空间格局，为研究区商业空间格局精细化研究提供参考，并为珠海市中心城区商业空间格局的快速优化和城市规划发展提供理论基础和决策依据.1研究区概况与研究方法1.1研究区概况珠海市中心城区包括 9 个街道共计 126 个社区，9 个街道自北向南依次为香湾街道、前山街道、翠香街道、狮山街道、梅华街道、吉大街道、拱北街道、南屏镇与湾仔街道，如图 1 所示.珠海市地处珠江三角洲地区，地势平缓，河网密集，平原丘陵嵌套分布，中心城区内由北向南分布有香山、板障山和将军山等丘陵，在区位上东隔伶仃洋与香港相望，南隔横琴新区与澳门陆路相接.随着港珠澳大桥通航和广珠城际的建设，珠海真正融入粤港澳一小时交通圈，成为大湾区内唯一在陆路上与香港、澳门相连的城市.1.2数据来源与处理本研究使用高德地图 API 获取 2020 年研究区的行政边界数据和商业设施 POI 数据，并将数据坐标转换至中国大地坐标系统（China geodetic coordinatesystem 2000，CGCS2000），以 114E 为中央子午线，采用高斯-克吕格 3进行投影，单位为 m，最后进行去重纠错，获得 37 326 条商业设施数据.本研究基于珠海市 2020 年 67 月连续 8 个周末共16d的手机信令数据，利用ArcGIS将其划分为500m500 m 的格网，每个格网包括主叫、被叫、挂机、接发短信、上网、正常位置更新、周期性位置更新和基站切换等信息，统计后可得到基站的小时人口数.将基站位置与城市社区进行空间位置映射，得到研究范围内社区的日间人口数据，对在街道尺度上利用该数据识别的居住人口数量与 2020 年第七次人口普查数据进行相关分析，相关系数为 0.93，表明该数据能够较好地反映城市居民的空间分布.由于本研究主要探究商圈的格局及影响因素，因此对周末 9：0023：00 时段的在场人口数量展开分析23，即按照格网与社区的空间对应关系，将每个格网在分析时段的在场人口数量汇总到对应社区，得到社区的日间人口数量.文中使用的路网及高程数据来源于公开地图 Open Street Map（https：/www.openstreetmap.org），各社区的商业基准地价来源于中国地价监测网.1.3研究方法1.3.1核密度估计法核密度估计法以要素点为中心，以一定长度的半径向周围搜索，从而计算出要素点在区域中的密度，估计 POI 数据在空间上的集聚程度与分布模式24-25.计算公式如下：（s）=ni=1移1r2dr乙?乙乙（1）式中：（s）为格网 s 处的核密度值；r 为搜索半径，m；n 为 POI 点总数，个；d 为 POI 点间的距离，m.经过计算得到本研究的搜索半径 r 为 800 m.图 1研究区域地理概况Fig.1Geographical overview of the studied area2 km0N54第 43 卷第 3 期1.3.2热点分析热点分析采用 Getis-Ord 指数法，探究观测值与周围邻域之间是否存在局部的空间关联，有效反映数据局部高值与低值的集聚情况26.利用 Z 值表示 POI数据的空间分布情况与集聚程度，若 Z 值等于 1.96，则 P 值的置信度为 95%；若 Z 值等于 2.58，则 P 值的置信度为 99%，具体公式为Gi*=nj=1移wi，jxj-xnj=1移wi，jSnnj=1移w2i，j-nj=1移wi，jj?2n-1姨（2）式中：Gi*即为 Z 值；xj为元素属性值；wi，j为空间权重；x 为各元素属性值的平均值；n 为要素总数.本研究定义社区商业设施密度值为高值，且同样被商业设施密度值高的社区包围的地区为商业设施热点区.1.3.3地理探测器地理探测器是基于统计学原理对空间分异性进行分析的研究方法，研究假设自变量与因变量存在相关关系，且相关性越高，空间分布相似性越高27-28.计算公式为SSW=Lh=1移Nhh2（3）SST=Nx2（4）q=1-Lh=1移Nhx2N2=1-SSWSST（5）式中：SSW 与 SST 分别为层内平方和与总区总方差；h=1，2，L；L 为因变量 Y 或自变量 X 的分层，即分类或分区；N 为全区单元数目；Nh为层数；q 的值域为0，1，q 值越大，探测因子 X 的空间分异性越强，反之则越弱，q 为 1，则 X 因子完全控制了空间分布29.2结果与分析2.1商业集聚特征与商业中心分布处理后的商业设施数据包括餐饮服务、生活服务、购物服务、金融保险服务、商务服务和住宿服务共6 个大类，分类及占比如表 1 所示.表 1商业 POI 分类及各类型比例Tab.1Classification of commercial POI and the proportion of each type主类亚类占比/%餐饮服务糕饼店、外国餐厅、快餐店、冷饮店、甜品店、餐饮相关场所、饮茶馆、咖啡厅、茶艺馆26.65生活服务旅行社、美容店、摄影冲印店、事务所、售票处、物流速递点、洗浴推拿、中介机构、药店、诊所、驾校、培训机构20.68购物服务便民商店、家居建材市场、特色商业街、服装鞋帽皮具店、专卖店、文化用品店、超市、购物相关场所、家电电子卖场、体育用品店、商场、花鸟虫鱼市场、综合市场、特殊买卖场所36.88金融保险服务保险公司、财物公司、银行、ATM、证券公司、金融保险服务机构02.96商务服务商务写字楼、商住两用楼宇06.81住宿服务宾馆、酒店、旅馆、招待所、住宿服务相关场所06.02珠海市中心城区各类型商业设施的数量及分布存在较大的差异.由表 1 可以看出，购物服务、餐饮服务和生活服务类设施数量较多，分别为 13 764、9 961和 7 719 个，占比分别为 36.88%、26.65%和 20.68%，总计 84.21%；商务服务、住宿服务和金融保险服务类设施数量较少，总占比仅为 15.79%.通过自然间断点法对商业设施核密度分析结果进行分类，发现将核密度分为 9 个等级能够更好地体现商业设施的空间差异和集聚特征，研究区核密度分布如图 2 所示.核密度等级越低表明该类型的商业设施数量越少，分布越分散；核密度等级越高则表明该类型的商业设施数量越多，且分布越集中.由图 2 可以看出，珠海市中心城区的商业设施布局总体呈现出“多中心、多层次”的特点，各类型商业设施与总体的高密度分布基本一致，围绕板障山聚集，形成了多个组团式中心区.具体来看，各类型商业设施聚集中心有所差别.餐饮服务、商务服务和生活服务类设施呈现明显的“多中心”聚集特征，南北分布稀疏，这 3 类商业设施与居民生活联系最为紧密，以居民的衣、食、居住及就业为主，具有分布广、设施多、密度大的分布特点，表明珠海市中心城区具有良好的商业设施发展基础.购物服务、金融保险服务和住宿服务类设施则表现出明显的“单核心”聚集特征，核密度值高的购物服务类设施集中分布在梅华街道与前山街道南侧连接形成的长条形区域；金融保险服务类设施集中分布在吉大街道，形成以泰福国际金融大厦为代表的金融服务中心，呈现出显著的东侧沿海区域单核集聚特征；住宿服务类设施集中分布在拱北街道与珠海站附近，区域内有较多宾馆与公寓等，其服务对象主要为游客等流动性强的人群.李俊蓉，等：基于多源数据的商业空间格局及影响因素分析以珠海市中心城区为例55天 津 师 范 大 学 学 报（自 然 科 学 版）2023 年 5 月（a）餐饮服务（b）生活服务（c）购物服务（d）金融保险服务（e）商务服务（f）住宿服务（g）总体商业设施N核密度等级0 2 km123456789图 2珠海市中心城区商业设施核密度分布Fig.2Distribution of kernel density of commercial facilities in the central urban area of Zhuhai参考以往关于公共服务设施等集聚中心识别的方法30，本研究通过核密度分析，采用 ArcGIS10.6软件中的“等值线”分析工具，提取珠海市中心城区商业设施集聚强度等值线分布的相对高值闭合区域，即核密度为 800 的等值线闭合区域，得到 8 个商圈，结合珠海市中心城区的规划，识别出这些商圈分别为扬名商圈、旺角商圈、柠溪商圈、前山商圈、吉大商圈、华发商圈、拱北商圈和粤海商圈，如图 3 所示.由图 3 可以看出，研究区 8 个商圈分布于不同的街道，围绕板障山形成“多中心，多层次”的聚集特点.商圈在南北两端分布稀疏，具有明显的集聚分布特点.根据商业设施集聚强度划分珠海市商圈等级，结果如表 2 所示.由表 2 可以看出，珠海市商圈呈现“两主多副”的特点，即有 2 个一级商圈，其余较低一级的商圈环绕一级商圈分布.在珠海市商圈等级划分体系里，较高等级商圈所在地区的商业设施分布数量和规模都较高，服务人群较广，前山商圈是绝对的商业核心，具有最强的人流吸引力.值得注意的是，商圈等级变化具有边缘效应，从前山商圈至外围，商圈等级逐渐降低，意味着商业设施的集聚程度逐渐降低.2.2商业冷热点分布及特征分析对珠海市中心城区商业设施的冷热点分布进行探究，结果如图 4 所示.由图 4 可以看出，研究区商（a）商业设施等值线图 3珠海市中心城区的八大商圈Fig.3Eight commercial districts in the central urbanarea of Zhuhai商圈N（b）八大商圈核密度 800 等值线012 kmN表 2以商业设施集聚程度划分的珠海市商圈等级Tab.2Classification of commercial districts in ZhuhaiCity based on the agglomeration intensity ofcommercial facilities商圈名称一级商圈二级商圈三级商圈扬名商圈旺角商圈柠溪商圈前山商圈吉大商圈华发商圈拱北商圈粤海商圈012 km56第 43 卷第 3 期图 4珠海市中心城区商业设施冷热点的分布Fig.4Distribution of cold and hot spots of commercial facilities in the central urban area of Zhuhai（d）金融保险服务（e）商务服务（f）住宿服务（g）总体商业设施（a）餐饮服务（b）生活服务（c）购物服务-2.291.651.661.961.972.582.593.21Z 值-2.261.651.661.961.972.582.592.94Z 值-2.311.651.661.961.972.582.594.20Z 值-2.021.651.661.961.972.582.594.48Z 值-2.681.651.661.961.972.582.594.43Z 值-3.041.651.661.961.972.582.595.47Z 值-2.411.651.661.961.972.582.593.19Z 值业设施的冷热点分布与核密度分布基本一致，主要呈现“双核心”及“单核心”2 种分布模式.餐饮服务、生活服务、购物服务类设施呈现“双核心”式分布：餐饮服务类设施的 2 个热点区主要分布在狮山街道和拱北街道，表明这些街道的餐饮服务类商业密集分布，且被其他同样具有高网点密度的相邻空间所包围，具有非常强的集聚特征；生活服务类设施的 2 个热点区分布在梅华街道与拱北街道，但其核心热点区的热点值相比其他类商业设施的值较低，尤其是梅华街道，主要是因为生活服务类设施的功能用途直接与居民的生活和生存需要相关联，分布相对均匀；购物服务类设施的热点区集中分布在研究区的西部，其中梅华街道是购物服务类商业活动最为活跃的区域.金融保险、商务服务及住宿服务类设施均呈现“单核心”式分布，但其核心区域均不相同：金融保险类商业设施热点区主要集中在中心城区东部的吉大街道附近；商务服务类商业设施热点区主要分布于吉大街道、狮山街道与拱北街道，Z 值由东向西逐级递减，形成较为整齐的阶梯式分布形态；住宿服务类商业设施热点区主要集中在东部的拱北街道附近，同时向偏北方向的吉大街道延伸形成次热点区域，整体呈现带状分布的特点.对于珠海市中心城区整体而言，本研究中所有商业设施类别符合 P 值在 95%置信度的热点社区共有26 个，总体围绕板障山分布，呈现“双核心，多层级”的分布特点，其中一个热点区为以前山街道南部及梅华街道为核心的区域，另一个热点区则是以狮山街道为核心的区域；符合 P 值在 99%置信度的热点社区共有 6 个，总体分布在北端前山街道、翠香街道和香湾街道周围以及南部的湾仔街道附近，主要是因为北部前山街道等属于城郊结合区域，南部湾仔街道的地形以低山丘陵和淤积平原为主，山林面积较广，商业集聚效应不明显，从而形成商业冷点区.NNNNNNN2.3商业空间格局影响因素分析2.3.1影响因素筛选商业空间格局的影响因素包括自然因素、社会因素、经济因素 3 大类，结合文献12-14以及研究区的具体实际情况，本研究选取 7 个影响因子作为研究区商业空间格局的影响因素，具体为：高程和地形起伏度：研究区域北端是香山，中部是板障山，南部是黑白将军山，山地与丘陵平原相间分布的地形地貌会对中心城区的商业空间格局产生影响，因此选取高程和地形起伏度作为影响因子；中心可达性：考虑到珠海市中心区域主要为山地，从各类商业设施 POI 的数量和人口密度来看，珠海市政府具有较强的吸引力，故选择珠海市政府作为中心地，中心可达性通过到市政府的欧氏距离进行计算；路网密度：连接消费者与商业设施的关键纽带是道路，其便捷与否会直接影响消费者的活动意向；人口密度：商业活动是人类活动的重要组成部分之一，人口密度直接影响商业空间格局，本研究采用的人口密度数据为手机信令得到的平均日间人口密度值；地价：商业设施布局规模和位置会直接影响商业运行的成本，本研究以各社区商业基准地价表征土地价格；集聚效应：不同类型商业设施的集聚会促进各商业间的信息交流与2 km12 km12 km12 km12 km12 km1李俊蓉，等：基于多源数据的商业空间格局及影响因素分析以珠海市中心城区为例2 km157天 津 师 范 大 学 学 报（自 然 科 学 版）2023 年 5 月合作，形成热点区域，本研究以各社区的质心作为起点，以质心到各类型商业设施热点区的欧式距离作为集聚效应的依据.各影响因子的计算方法如表 3 所示.2.3.2影响因素分析利用地理探测器对 7 个影响因子初步处理后，发现高程、地形起伏度、集聚效应、中心可达性、路网密度和地价等因子的分级效果较好，人口密度因子的分级效果较差.各影响因子对研究区商业空间格局的解释力结果如表 4 所示.由表 4 可以看出，各影响因子的解释力由大到小排序为：路网密度 集聚效应 地形起伏度 中心可达性=地价 高程 人口密度.路网密度对整体商业设施格局的影响最大，这是因为道路是直接影响商业设施客流量与核心区向外部分级扩散的主要因素，交通则是商业格局形成与转移的重要区位条件，如梅华街道的中心区域贯穿人民东路与迎宾北路，良好的交通状况与平坦的地形地貌为梅华街道的商业奠定了重要发展基础，使其商业设施密集.人口密度影响力最小，q 值仅为 0.04，表明人口密度对商业空间格局影响最小.不同区域可以通过改善解释力最强的影响因子，采取因地制宜的对策，带动商业设施聚集，从而促进商业发展.不同类型商业设施空间格局的影响因素存在差别.路网密度对餐饮服务、购物服务类设施空间格局的影响最大，较其他设施而言，这两类设施可提升居民日常生活的幸福感，是居民愿意付出更多的时间成本到达的设施，因此，提高交通可达性对餐饮和购物服务类设施的分布尤为重要.若要改善欠发达地区的商业设施空间格局，应首先改善该地区的交通，可以通过增加多种形式的交通方式，提高商业设施的可达性，以交通优势吸引商业设施的聚集.集聚效应对金融保险服务、商务服务、住宿服务类设施空间格局的影响最大，这几类商业设施可以通过充分利用商圈资源来加强各商业间的合作交流，实现规模经济的最大化.人口密度对生活服务类设施空间格局的影响最大，生活服务类设施与居民生活联系最紧密，具有高可达性的特点，因此，生活服务类设施应主要分布在人口密集的区域，以满足居民需求.总之，应根据不同类型商业设施分布的主要影响因素优化区域内商业空间布局.3结论本研究基于珠海市中心城区商业设施的 POI 数据，运用核密度、热点分析等方法得到研究区商业空间格局及不同类型商业设施的冷热点，通过地理探测器对珠海市中心城区商业空间格局的影响因子进行探究.结论如下：（1）研究区域内整体商业空间格局呈现“多中心、多层次”的特点，环绕板障山形成八大商圈.不同商圈之间被板障山、将军山等丘陵山地间隔开，形成多中心区域同时外扩发展的态势，南北两端没有大型商圈.建议进一步优化八大商圈的营商环境，利用板障山作为生态屏障，打造具有良好生态体验的东部金融商区；将生活购物类的商业设施向西侧平原地区以及目前商业活动较少的南北两端拓展，改善东部传统核心区域公共服务设施压力大的现状.（2）珠海市中心城区商业设施热点区总体上表现为“双核心，多层级”的分布特点，不同类型设施表现为“单核心”及“双核心”2 种分布特征，其中，餐饮、购物、生活服务类设施呈现“双核心”式分布，住宿、商务及金融保险类设施均呈现“单核心”式分布，但其核心区域均不相同，南北两端形成了商业活动冷点集聚区.因此，建议完善南北两端商业冷点区域的基础设施建设，基于北端香山区域与南端将军山区域开发生表 3珠海市中心城区商业空间格局的影响因素Tab.3Influencing factors of commercial space pattern inthe central urban area of Zhuhai变量属性变量影响因子计算方法自然因素高程X1社区单元内各高程栅格数据的均值作为社区的高程属性地形起伏度X2社区单元的高程栅格数据的最高和最低之差社会因素中心可达性X3距离市政府所在地的欧氏距离路网密度X4社区单元格长度/社区面积人口密度X5社区单元人口数量/社区面积经济因素地价X6社区单元土地基准价格集聚效应X7距离各类型商业设施热点区的最近欧氏距离表 4珠海市中心城区商业空间格局影响因素的解释力Tab.4Explanatory power of influencing factors of commer-cial space pattern in the central urban area of Zhuhai变量总体餐饮服务购物服务金融保险服务商务服务生活服务住宿服务高程0.190.170.140.110.150.220.07地形起伏度0.220.190.210.110.130.210.04中心可达性0.200.200.110.170.270.250.17路网密度0.420.340.320.230.300.210.06人口密度0.040.030.050.120.110.420.14地价0.200.200.080.270.310.030.03集聚效应0.320.310.220.280.370.160.3958第 43 卷第 3 期态旅游路线，促进当地商业设施的进一步完善与发展，依据当地社区人口分布现状进一步优化生活服务类与餐饮购物类等其他配套设施.（3）路网密度是影响商业设施总体空间格局的主要影响因子，其次是集聚效应，对商业空间格局影响最小的是人口密度，不同类型商业设施空间格局的主要影响因素存在差别.本研究的结果可为后续珠海市中心城区商业空间格局的快速优化和城市规划发展提供理论基础和决策依据.然而，本研究对不同类型商业设施交互作用的研究尚有欠缺.第一，如何指导多种类型商业设施在研究片区内协调分布，最大化利用自然条件和经济条件尚有待挖掘；第二，本研究针对不同影响因子对不同商业设施类型空间格局形态带来的影响程度以及各影响因子带来的交互作用未进行进一步研究；第三，本研究采用的是 2020 年深圳市中心城区的研究数据，缺乏多年数据的整理，使用的人口数据为周末人口，在未来的研究中还需从时空变化的角度，对工作日和休息日两种人口数据分别进行分析，从而探究城市商业设施空间格局的变迁及其规律.参考文献：1牟宇峰，孙伟，吴加伟.南京商业中心演化与布局研究J.世界地理研究，2014，23（2）：112-122.MU Y F，SUN W，WU J W.Research on commercial center evolutionand distribution in NanjingJ.World Regional Studies，2014，23（2）：112-122（in Chinese）.2刘勇，李伟.基于 POI 数据的西安市商业空间分布和商业中心识别J.城市建筑，2020，17（6）：15-18.LIU Y，LI W.Research on identification of commercial spatial patternsand commercial center in Xian based on POI dataJ.Urbanism andArchitecture，2020，17（6）：15-18（in Chinese）.3REILLY W J.Methods for the study of retail relationshipsJ.Universityof Texas Bulletin，1929，2944：29-44.4BERRY B J I，BASKIN C W，CHRISTALLER W.Central places insouthernGermanyJ.EconomicGeography，1967，43（3）：275.5巴顿.城市经济学：理论和政策M.上海社会科学院部门经济研究所城市经济研究室译.北京：商务印书馆，1984.Brueckner J K.Urban Economics：Theory and PolicyM.Translated bythe Urban Economic Research Office of the Department Economicresearch institute of the Shanghai Academy of Social Sciences.Beijing：The Commercial Press，1984（in Chinese）.6PRAYAG G，LANDR魪 M，RYAN C.Restaurant location in Hamilton，New Zealand：Clustering patterns from 1996 to 2008J.InternationalJournal of Contemporary Hospitality Management，2012，24（3）：430-450.7SEVTSUK A.Location and agglomerationJ.Journal of Planning Educa-tion and Research，2014，34（4）：374-393.8XU H B，WANG Z H.Integrating points-of-interest and areas-of-interestfor commercial space pattern analysisJ.Journal of Physics：ConferenceSeries，2021，1852（4）：042053.9姜亚莉，蔡心田，丁振兴.基于空间分析方法的商业选址研究：以珠海市香洲区为例J.测绘与空间地理信息，2014，37（12）：131-133.JIANG Y L，CAI X T，DING Z X.The study of commercial siteselection in Zhuhai based on the spatial analysis methodJ.Geomatics&Spatial Information Technology，2014，37（12）：131-133（in Chi-nese）.10 周丽娜，李立勋.基于 POI 数据的大型零售商业设施空间布局与业态差异：以广州市为例J.热带地理，2020，40（1）：88-100.ZHOU L N，LI L X.Spatial distribution and format difference of large-scale retail business facilities：A case study of Guangzhou based onPOI dataJ.Tropical Geography，2020，40（1）：88-100（in Chinese）.11 唐锦玥，何益珺，塔娜.基于 POI 数据的上海市餐饮业空间分布特征及影响因素J.热带地理，2020，40（6）：1015-1025.TANG J Y，HE Y J，TA N.Spatial distribution patterns and factors in-fluencing the Shanghai catering industry based on POI dataJ.TropicalGeography，2020，40（6）：1015-1025（in Chinese）.12 吴康敏，王洋，叶玉瑶，等.广州市零售业态空间分异影响因素识别与驱动力研究J.地球信息科学学报，2020，22（6）：1228-1239.WU K M，WANG Y，YE Y Y，et al.A study on the influencing factorsand driving forces of spatial differentiation of retail formats in Guang-zhouJ.Journal of Geo-Information Science，2020，22（6）：1228-1239（in Chinese）.13 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J.测绘学报，2014，43（3）：314-321.HU Q W，WANG M，LI Q Q.Urban hotspot and commercial areaexploration with check-in dataJ.Acta Geodaetica et Cartographica Si-nica，2014，43（3）：314-321（in Chinese）.14 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J.地理科学，2016，36（2）：231-238.ZHANG X Y，WU X B.Spatial-temporal evolution of malls in Guang-zhou city and its impact on urban commercial spatial structureJ.Sci-entia Geographica Sinica，2016，36（2）：231-238（in Chinese）.15 张家旗，刘晏男，宋斌玢.基于 POI 数据的郑州市主城区生活服务业空间分布特征研究J.世界地理研究，2022，31（2）：399-409.ZHANG J Q，LIU Y N，SONG B F.Study on the spatial distributioncharacteristics of life service industry in the main urban area of Zheng-zhou City based on POI dataJ.World Regional Studies，2022，31（2）：399-409（in Chinese）.16 王娜，吴健生，彭子凤.基于多源大数据的深圳市生活性服务业空间格局及影响因素研究J.热带地理，2021，41（5）：956-967.WANG N，WU J S，PENG Z F.Spatial pattern and influencing factorsof the consumer service industry in Shenzhen based on multisource bigdataJ.Tropical Geography，2021，41（5）：956-967（in Chinese）.17 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J.地理研究，2016，35（4）：703-716.CHEN W S，LIU L，LIANG Y