1、武汉市道路结构与商业集聚空间关联分析 韩宇瑶 焦利民 许刚 武汉大学资源与环境科学学院 武汉大学地理信息系统教育部重点实验室 摘 要： 城市道路结构是影响城市商业集聚的重要因素, 研究二者之间的关联对于商业布局和道路规划具有重要支撑作用。本文以武汉市都市发展区为例, 运用空间句法模型计算道路结构指标, 采用 GIS 核密度法计算 2014 年商业兴趣点 (C-POI) 密度以分析商业集聚的空间结构, 通过双变量相关分析道路结构变量与商业集聚程度的关联关系。结果显示: (1) 道路结构指标中, 与商业集聚关联最强的是道路全局集成度。在各商业类型中, 与道路结构相关程度最大的是金融保险服务集聚。
2、(2) 道路连接值和全局集成度值分别与商业 POI 密度呈显著正相关, 呈现“高高”集聚的空间关联模式;总深度值与商业 POI 密度呈现显著负相关, 呈现“高低”集聚的空间关联模式;商业 POI 密度随控制值升高呈现先升高后降低的趋势。 (3) 商业集聚分布呈现为“核心过渡区边缘区”的多核心多层次结构, “高高”集聚与“高低”集聚模式集中分布于“核心”及其附近的“过渡区”。关键词： 空间句法; 核密度估计; 道路结构; 商业集聚; 空间关联; 武汉市; 作者简介：韩宇瑶 (1993-) , 山东潍坊人, 硕士研究生, 主要研究方向为地理空间分析与城市化, E-mail:。作者简介：焦利民 (1
3、977-) , 汉族, 河南安阳人, 博士, 教授, 博士生导师, 主要研究方向为土地信息建模, 地理空间分析和数据挖掘, LUCC 与城市扩展, E-mail:。收稿日期：2017-04基金：国家自然科学基金项目 (41571385) Correlation analysis of road structure and commercial agglomeration in Wuhan CityHAN Yuyao JIAO Limin XU Gang School of Resource and Environmental Sciences, Wuhan University; Abstra
4、ct： Urban road structure is one of the most important factors influencing commercial agglomeration.Research on the relationship between urban road structure and commercial agglomeration plays a supporting role for the layout of services and traffic planning. Based on theories of space syntax combine
5、d with GIS and bivariate correlation analysis, we explored the correlation between road structure and commercial agglomeration in the Wuhan metropolitan area. The space syntax model was used to compute road structure indicators. The kernel density estimation method was used to calculate the density
6、of commercial points of interests (C-POI) in 2014 to analyze the spatial structure of commercial agglomeration. We used the Pearson correlation coefficient to analyze the correlation between road structure and commercial agglomeration. The results show that: (1) Global integration showed the highest
7、 correlation with the commercial agglomeration among the four spatial syntactic variables. Finance and insurance services had the highest correlation with road structure. (2) Connectivity value and global integration value were significantly and positively correlated with C-POI density, with a spati
8、al correlation pattern of “high-high“ agglomeration. Total depth value showed a significant and negative correlation with C-POI density, with a spatial correlation pattern of “high-low“ agglomeration. C-POI density increased first and then decreased with increasing control values. (3) The spatial di
9、stribution of commercial agglomeration presented a “multicore-transitional area-periphery“ multiple level structure. “High-high“ agglomeration and “high-low“ agglomeration were concentrated in the “core area“ and the “transitional area“ in the vicinity of the cores.Keyword： space syntax; kernel dens
10、ity estimation; road structure; commercial agglomeration; spatial correlation; Wuhan City; Received： 2017-041 引言商业集聚是指大量关联密切的商业企业在空间上集聚, 从而形成一定区域内商业网点密度和专业化程度很高的商业经营场所, 是城市商业发展的重要特征 (蒋三庚, 2005) 。道路如同城市血脉, 深刻影响着城市中人口和物质流动 (Barabsi et al, 1999) 。道路结构对城市空间经济活动与土地利用分布有重要影响 (Hiller, 1996) , 对商业集聚分布起关键作用。
11、研究城市道路结构与商业集聚的定量关系对于城市商业与城市功能区规划具有重要意义。空间句法由 Bill Hillier 等于 20 世纪 70 年代提出, 是建立在图论基础上关于空间和城市的理论, 强调将城市非物质形态中的空间秩序与城市物质形态中的社会经济逻辑结合起来予以研究 (引自邓毅等, 2016) 。近年来, 空间句法作为一种重要分析工具, 广泛应用于城市空间结构与社会经济活动的关系研究。具体研究有:城区空间结构与社会关系 (Jiang et al, 2000;Lima, 2001;Liu et al, 2012) 、环境意象的空间组构 (周瑄等, 2014;Jeong et al, 201
12、5) 、城市道路网与社会经济关系 (Dzhambov et al, 2014;Omer et al, 2015;刘承良等, 2015;Koohsari et al, 2016) 、形态空间与社会经济文化间的联系 (Jiang, 2009;nder et al, 2010;吴志军等, 2012) 等。目前国内外基于空间句法分析商业集聚的研究较少, 且多局限于“点” (中心) 或者“面” (中心区域) , 如以地铁站点或片区为单元分析商业集聚 (王浩锋等, 2013) 。而对“线”的研究不够 (朱东风, 2006) , 部分研究讨论了应用空间句法分析整体空间结构 (王益等, 2016) 或交通通达
13、性 (刘承良等, 2015) ;陈晨等 (2013) , 如 Wang 等 (2014) 探究了交通网中的商业空间分布。作为线性要素的街道在塑造城市结构与形态、组织用地布局等方面发挥了重要影响 (Wang et al, 2011) , 但线状道路结构与商业集聚的关联还有待深入研究。本文以武汉都市发展区为例, 基于 Open Street Map (OSM) 道路数据与网络电子地图的商业 POI 数据, 首先采用空间句法模型计算道路连接值、控制值、全局集成度与总深度值 4 个变量并对其分级, 然后运用 GIS 核密度法计算商业POI 密度分析商业集聚空间结构;在此基础上, 通过 Pearson
14、相关系数分析各道路空间句法变量与商业 POI 密度的相关性, 获得最强相关因子与空间关联模式。研究结果可为商业功能区布局与道路规划提供指导。2 研究区域与数据2.1 研究区概况武汉位于东经 1134111505, 北纬 29583122, 是华中地区最大的工商业城市 (黄经南等, 2014) , 地处长江中下游江汉平原东北部, 长江最大支流汉江与长江在武汉市区交汇 (Jiao et al, 2015) , 形成汉口、武昌、汉阳三镇鼎立格局 (Xu et al, 2016) (图 1) 。武汉素有“九省通衢”之称, 是全国首个综合交通枢纽试点城市 (卢燕等, 2016) ;市内形成了以环线为主、
15、中心辐射的道路交通网络框架。武汉独特的区位优势和交通优势使其商业发展极具优势, 遍布武汉三镇的商业网点构成了多层次结构的现代商品流通网络 (郑星, 2005) 。经过多年培育和营造, 已经基本形成了较具规模的 8 大零售商圈。本文选取武汉都市发展区为实例研究区, 武汉都市发展区以外环高速公路附近的乡、镇行政边界为基本界线, 总面积 3261 km, 是城市功能主要集聚区和城市空间重点拓展区 (薛东前等, 2002) 。2.2 数据来源与处理本文数据主要包含武汉都市发展区内的矢量路网数据和商业兴趣点 (POI) 数据。道路数据来源于 Open Street Map (OSM) , 参照道路属性分
16、级以及网络电子地图与武汉市交通图等图件, 结合人工判读剔除社区内部道路等非公共交通设施, 进行拓扑关系检查和编辑修改, 完成数据预处理。利用 ArcGIS 10.2 通过加载空间句法模块 Axwoman 6.3 提取武汉都市发展区道路轴线, 计算各道路空间句法变量值。图 1 武汉都市发展区概况 Fig.1 Location of the Wuhan metropolitan area 下载原图商业 POI 数据来源于 2014 年网络电子地图, 由于原始 POI 数据分类较多, 且许多类型中都包含具有商业性质的 POI, 因此需对原始数据重分类。本文参考池娇等 (2016) 的研究, 从原始
17、POI 数据分类中选取具有商业性质的 POI 数据, 最终分类如表 1 所示。3 研究方法3.1 空间句法原理空间句法是一种通过对包括建筑、聚落、城市甚至景观在内的人居空间结构的量化描述, 用于研究空间组织与人类社会之间关系的理论和方法 (Bafna, 2003) 。空间句法有 3 种空间分割的方法:凸多边形法、轴线法和视区法 (张晓瑞等, 2014) 。本文分析道路结构与商业集聚程度的关系, 故采用适合于城市道路网空间形态分析的轴线法, 并采用较常用的四个变量:连接值、全局集成度、总深度值和控制值 (江斌等, 2002) 。表 1 商业 POI 最终分类及占比 Tab.1 Classific
18、ation of commercial points of interest (C-POI) and the proportion of each class 下载原表 连接值 (Connectivity Value) 表示道路的接连性, 是系统中与某节点相邻的节点个数。道路连接值越高, 与其连接的道路越多, 对整个空间连通的快捷程度越重要。表达式为:式中:C i表示道路 i 的连接值;k 表示与道路 i 直接相连的其他道路总数。控制值 (Control Value) 表示一个节点对与之相邻的节点的控制程度, 可反映某条道路对其周围道路的影响程度, 数值上定义为与指定道路直接相连的所有道路连接
19、值的倒数之和。道路控制值越高, 则该道路在城市道路网络中是交通节点的可能性越高。表达式为:式中:Ctrl i表示道路 i 的控制值;k 表示与道路 i 直接相连的其他道路总数;j (j=1, 2, , k) 表示与道路 i 直接相连的道路;C j表示道路 j 的连接值。总深度值 (Total Depth Value) 是某个节点到系统中其他所有节点的最少步数总和 (假设 2 个邻近节点的距离为一步) , 表示位置深浅。总深度值表达的是节点在拓扑意义上的可达性, 道路总深度值越低, 可达性越好。表达式为:式中:TD i表示道路 i 的总深度值;n 表示道路总数;d ij表示道路 i 到道路 j
20、的最小步数。全局集成度 (Global Integration Value) 表述了整个系统中某节点对其他节点的可达程度。道路全局集成度值越高, 则与其他系统空间的障碍阻隔越少, 公共性越高, 该道路在系统中便捷程度越高。表达式为:式中:G i表示道路全局集成度;RA i表示全局集成度的相对不对称值;RRA i表示全局集成度的实际相对不对称值;D n表示为相对不对称值的标准化值;TD i表示道路i 的总深度值;n 表示道路总数。3.2 核密度聚类核密度估计法是地理空间数据挖掘的重要方法和工具, 可表达城市空间 POI 点的分布模式、分布密度等特征。它是一种非参数估计的方法, 对原始数据分布不基
21、于任何数学前提假定, 可弥补参数估计法中需要人们依靠经验来假定参数的缺陷。核密度估计函数通过以下几个步骤在研究区域内构造一个表示点群密度变化的平面:首先, 将网格置于研究区域及点群分布之上;然后用一个移动的三维函数观察每个单元, 计算搜索半径内每个点的权重值, 越接近搜寻中心的点权重越大;最后通过求每个位置的圆表面的权重值之和计算得到格网单元的密度值 (毛政元等, 2004) 。因此, 核密度分析能反映距离衰减规律 (詹璇等, 2016) 。本文基于 Arc GIS 的核密度分析功能, 对武汉都市发展区的商业 POI进行核密度计算, 得到商业 POI 密度的空间分布。3.3 缓冲区分析与双变量
22、相关分析本实验基于空间句法, 采用缓冲区分析和双变量相关分析探究武汉都市发展区道路结构与商业集聚的关系。依据自然断裂法将道路的各空间句法变量值分为7 级并标准化, 对各等级变量值所对应的道路轴线分别建立半径 500 m 的缓冲区。该缓冲距离可使居民在 10 min 内到达缓冲区内相应位置, 符合居民对便利日常出行的认知 (Moudon et al, 2006) , 常用于出行活动分析 (Cerin et al, 2006) 。统计各级缓冲区内商业 POI 的密度, 将其与各级缓冲区内的道路空间句法变量平均值进行双变量相关分析, 得到道路结构与商业集聚的相关方向和程度。并采用最小二乘法进行数据拟
23、合, 分析空间句法变量值对商业 POI 密度的解释效果。双变量相关分析中采用 Pearson 相关系数 (焦利民等, 2016) , 计算公式为:式中:X、Y 表示 2 个不同变量;X、Y表示轴应变量期望值, 本文中指空间句法形态变量值和商业 POI 密度。4 结果与分析4.1 商业集聚与城市道路结构空间分布特征采用核密度估计法计算商业 POI 的空间分布密度 (图 2) 。基于 Arc GIS 的Axwoman 模块, 计算每条道路的句法变量值, 结果如图 3 所示。如图 2 所示, 商业 POI 密度整体呈现核心多层次结构, 具有空间不均衡性。借鉴“核心边缘”理论, 将该结构划分为“核心过
24、渡区边缘区”3 个层次, 根据自然断裂法确定商业 POI 核密度各层次的阈值范围, “核心”区域 (图 2中 A 区) 核密度范围为 13683320 个/km, “过渡区” (图 2 中 B 区) 核密度范围为 3261367 个/km, “边缘区” (图 2 中 C 区) 核密度范围为 0325 个/km。中心城区拥有商业 POI 密度“核心” (图 2 中 A 区) 。核心高值区位于汉口中心商业区附近, 邻近商业高度集中、各类商业业态业种齐全的江汉路商圈和武汉广场商圈。汉阳区域的钟家村商圈与武昌区域的徐东商圈、司门口商圈、中南路商圈、街道口商圈及光谷商圈附近商业活动频繁, 商业网点较密集
25、, 商业POI 密度较高, 是商业 POI 密度的“过渡区”。与“核心”相比, “过渡区”虽位于中心城区, 商业 POI 较密集, 但集聚程度明显减小。而都市发展区边缘区域商业 POI 数量相对较少且分布分散, 商业集聚程度低。图 2 商业 POI 密度空间分布 Fig.2 Spatial distribution of density of commercial points of interest (C-POI) 下载原图分析图 3a、3b、3c 可知, 商业 POI 密度较高区域对应道路连接值与全局集成度的高值区以及总深度的低值区, 主要分布于江岸区、江汉区、汉阳区与武昌区等中心城区各商
26、圈附近。而城市环线和绕城高速等对外交通线附近的道路连接值与全局集成度同样偏高, 总深度值相对偏低。图 3d 显示:在都市发展区内, 商业 POI 密度高值区域的道路影响力较强, 但道路控制值高值区位于城市对外交通线与城市环线附近。商业集聚度较高的中心城区道路网络相对复杂密集, 具有良好的空间渗透性, 可达性较高;城市环线与对外交通线具有较多道路节点, 能快捷地实现空间连通, 被到访机会多。因此本文道路空间句法形态变量值呈现图 3 中的分布状态。4.2 商业集聚与城市道路结构总体关联关系通过计算得到 2014 年武汉都市发展区道路空间句法变量值的各等级平均值与相应等级 500 m 缓冲区内的商业
27、 POI 密度, 分析二者相关性以研究城市道路结构与商业集聚的总体关联关系。相关性分析结果如表 2 所示, 各级缓冲区空间句法变量平均值与商业 POI 密度的散点图拟合曲线如图 4 所示。图 3 道路空间句法形态变量空间分异 Fig.3 Distribution of spatial syntactic variables of roads 下载原图表 2 与图 4 结果显示, 道路结构与商业集聚的空间关联模式主要为“高高”集聚与“高低”集聚, 道路结构中与商业集聚相关性最强的影响因子为全局集成度, 最弱的影响因子为控制值。“高高”集聚具体表现为道路连接值、全局集成度分别与商业 POI 密度呈
28、显著正相关;“高低”集聚表现为总深度值与商业 POI 密度呈现显著负相关。而表 2 显示控制值与商业 POI 密度相关性不显著, 主要是由于中心城区商业集聚“核心”和“过渡区”的道路控制值与商业 POI 密度呈现“高高”分布, 但城市环线与城市外围的对外交通线与商业POI 密度呈现“高低”分布, 影响了相关性检验结果, 因此需根据图 4 拟合曲线结果作进一步分析。表 2 空间句法形态变量与全部商业 POI 密度的统计相关性检验 Tab.2 Bivariate correlation analysis between spatial syntactic variables and whole c
29、ommercial points of interest (C-POI) density 下载原表 图 4 显示, (a) 、 (c) 、 (d) 方程的决定系数 (R) 分别为0.7881、0.9615、0.9947, 道路连接值、全局集成度、总深度值与商业 POI 密度指数方程拟合效果良好, 拟合曲线趋势与表 2 中统计相关性检验结果一致。各商圈附近的商业“核心”及“过渡区”内部区域是道路连接值与全局集成度高值区, 呈现“高高”集聚模式, 表示该区域内道路可直接连通的系统内道路较多, 空间渗透性良好, 交通可达性高, 使道路所处位置在系统中被到访的机会更高, 因此对人流的吸引力更强, 促使
30、商业优先在此选址, 形成较强商业集聚。上述区域同样是道路总深度值的低值区, 呈现“高低”集聚。该区域在系统中所处位置较浅, 易于外部人流进入, 便捷程度高。便捷的交通和服务对象的较大消费需求利于商业的发展, 促使上述区域商业 POI 密度较高, 商业集聚较强;而在商业集聚的“过渡区”外缘与“边缘区”, 道路连接值、全局集成度值相对较低, 总深度值相对较高, 商业集聚相对较弱。图 4a、4b 散点与曲线图存在明显波动, 图 4a 中连接值最高的第七级缓冲区与其他缓冲区商业 POI 密度差异较大, 由于第七级缓冲区道路分布区属于商业POI 密度“核心”与“过渡区”内部, 而其他各级缓冲区道路分布区
31、包含大片商业“边缘区”, 导致第七级缓冲区商业 POI 密度值远高于其他各级缓冲区。图 4b 呈现商业 POI 密度随着控制值升高先升再降的趋势。其中, 前五级缓冲区呈现商业 POI 密度随控制值升高而升高的趋势, 呈现“高高”集聚。高值缓冲区主要包含中心城区内的主次干道, 分布于中心城区商业“核心”附近。其所包含的道路对周围道路的影响程度较大, 包含众多城市道路网络中的交通节点, 因此易吸引商业布局, 形成武汉广场商圈、江汉路商圈等较强的商业集聚“核心”。低值缓冲区主要包含中心城区支路及其外围支路, 可达性相对较差, 缺乏商业集聚的有利条件, 促进了商业“过渡区”外缘与“边缘区”的形成。图
32、4b 中拟合曲线的后两级缓冲区的商业 POI 密度随控制值升高而降低, 是因为研究区后两级缓冲区内道路主要分布在城市环线和对外交通线附近, 虽然交通便捷程度高, 但根据城市对外交通规划要求, 对外交通线沿线商业网点设置较少, 对商业支撑度较大的主要是城市内部交通线, 使得商业在此附近区域不够集聚, 属于商业“边缘区”。图 4 道路空间句法形态变量与商业 POI 密度散点图 Fig.4 Scatter plots of roadsspatial syntactic variables and commercial points of interest (C-POI) density 下载原图4.
33、3 不同商业类型集聚与城市道路结构的关联计算道路空间句法变量值各等级平均值, 将其与相同等级缓冲区内不同商业类型 POI 的密度进行相关分析, 研究不同商业类型集聚与城市道路结构的关联关系。相关性检验结果如表 3 所示。由表 3 结果可知, 关联程度最高的道路结构指标为全局集成度;各商业类型 POI密度与道路全局集成度呈显著正相关, 表现为“高高”集聚;各商业类型 POI密度与道路总深度值呈显著负相关, 表现为“高低”集聚。与商业集聚与道路结构的总体关联关系类似, 2 种集聚的空间分布同样以商业“核心”与“过渡区”内部为主。各商业类型中, 金融保险服务 POI 密度与道路全局集成度及总深度值的
34、相关程度最大, 区位优势是金融保险服务发展必不可少的条件, 道路全局集成度较高而总深度值较低的区域意味着可提供便利交通, 易于外部资源流入, 促使金融保险服务优先在此形成集聚。而餐饮服务和购物服务 POI 密度与道路全局集成度及总深度值的相关程度最小。虽然餐饮服务与购物服务集聚区域的道路全局集成度较高且总深度值较低, 交通可达性高, 但小餐馆、小超市及菜市等小型餐饮服务与购物服务 POI 众多, 且多分布于居民区内部或附近等对可达性要求不高的区域, 从而降低了其与道路全局集成度及总深度值的相关性。表 3 结果显示, 道路连接值与住宿服务、生活服务、体育休闲服务 3 种商业类型的 POI 密度相
35、关性不显著, 而与其他几种商业类型的 POI 密度呈显著正相关。但根据图 5 可以看出, 住宿服务、生活服务、体育休闲服务 3 种商业类型的POI 密度呈现随连接值升高而升高的趋势。总的来说, 道路连接值较高的区域道路相对密集, 交通可达性相对较好, 各种商业类型的 POI 密度也相应较高, 属于“高高”集聚模式。表 3 道路空间句法形态变量与不同商业类型 POI 密度的统计相关性检验 Tab.3 Bivariate correlation analysis between spatial syn-tactic variables of roads and commercial points
36、of interest (C-POI) density of different types of services 下载原表 图 5 道路连接值与住宿服务 POI 密度, 生活服务 POI 密度, 体育休闲服务 POI密度散点图 Fig.5 Scatter plots of connectivity value and commercial points of interest (C-POI) density of (a) accommodation services, (b) domestic services, and (c) sports and leisure services 下载
37、原图根据表 3 结果, 道路控制值与各商业类型 POI 密度不相关。但图 6 显示其与全部商业 POI 密度与道路控制值的关联关系一致, 同样由于研究区前五级缓冲区包含的主要是城市内部交通线, 对周围道路影响程度大, 吸引各商业类型在此布局形成集聚。而后两级缓冲区内道路主要分布在城市环线和对外交通线附近, 沿线较少设置商业网点, 各商业类型集聚效果较弱。总体看来, 不同商业类型集聚与道路连接值、全局集成度呈正相关, 呈现“高高”集聚;而与道路总深度值呈负相关, 呈现“高低”集聚。道路控制值则呈现集聚程度随控制值升高先上升后降低的趋势。这同前述商业集聚与道路结构的总体关联关系基本保持一致。5 结
38、论与讨论城市道路结构与商业集聚之间存在联系似乎已达成共识, 但两者之间具体的关联模式尚未进行很好的定量研究。本文基于空间句法, 结合核密度法分析道路结构与商业集聚的关系, 通过定量分析发现武汉都市发展区道路结构与商业集聚具有显著关联性, 并得到两者的具体关联模式。研究发现:道路连接值和全局集成度分别与商业 POI 密度显著正相关, 呈现“高高”集聚的空间关联模式;总深度值与商业 POI 密度显著负相关, 呈现“高低”集聚的空间关联模式。商业集聚分布总体呈现“核心过渡区边缘区”结构, “高高”集聚与“高低”集聚主要分布于“核心”及其附近的“过渡区”。统计相关性结果显示, 道路结构指标中, 全局集
39、成度是商业集聚的最强相关因子;在各商业类型中, 金融保险服务集聚与道路结构的相关程度最大。该研究表明, 基于城市道路结构的空间句法变量研究商业集聚特征具有可行性, 研究结果可为商业选址、城市商业功能区布局以及道路规划提供支持。进行城市交通规划与土地利用规划时可结合道路等级、人口密度、建设用地密度、企业年营业额等其他土地利用指标与经济指标, 选择道路全局集成度与连接值高值区、总深度低值区与城市内部道路控制值高值区优先进行商业布局, 并根据“高高”集聚与“高低”集聚的空间关联模式布局商业中心, 尤其是金融中心, 从而促进城市土地利用与交通协调发展。图 6 道路控制值与不同商业类型 POI 密度散点图 Fig.6 Scatter plots of control value and commercial points of interest (C-POI) density of different types of services 下载原图本文针对城市整体展开, 未比较不同尺度下道路结构与商业集聚的关系变化, 且受数据精度和研究方法限制, 尚未考虑其他土地利用指标与经济指标的影响, 有可能会导致对道路结构理解的片面性, 不能完整和全面地揭示道路结构与商
