基于城市興趣點數(shù)據(jù)的商團挖掘研究

基于城市興趣點數(shù)據(jù)的商團挖掘研究1緒論1.1研究背景及意義城市商業(yè)中心是城市空間結構的重要組成部分，其合理的空間布局對促進城市經(jīng)濟文化發(fā)展、滿足城鎮(zhèn)居民消費需求、改善城市空間結構具有重要意義。隨著城市化發(fā)展速度不斷加快，中國城市商業(yè)進入了新一階段，有關商業(yè)中心的識別研究也呈現(xiàn)出新的理論和趨勢，傳統(tǒng)研究在城市商業(yè)中心的發(fā)育規(guī)律與演變機制、結構特征與空間布局以及功能范圍等領域已具有較為成熟的理論基礎，但借助調(diào)查統(tǒng)計資料和經(jīng)濟普查數(shù)據(jù)進行研究，數(shù)據(jù)獲取普遍需要花費大量的時間和人力成本，難以確保研究的準確性和全面性；且更新頻率較低，難以滿足信息化時代城市商業(yè)定量研究及城市經(jīng)濟發(fā)展的需求。城市設施興趣點（POI）數(shù)據(jù)描述了城市空間中的各種工程和社會服務設施，其中包含豐富的人文經(jīng)濟和自然信息。它是城市建設管理部門和普通民眾關注的熱點對象。城市設施的分布受到城市環(huán)境和人類活動的影響。在當?shù)氐乩砦恢茫ǔＳ袇R總的分配特征，例如商業(yè)中心的金融服務設施，休閑娛樂設施等。研究城市設施集群分布狀況可以為城市健全社會經(jīng)濟結構，發(fā)展規(guī)劃，商業(yè)布局等方面提供重要的信息服務，有助于進一步優(yōu)化商業(yè)空間布局，為政府，公司德商業(yè)決策提供依據(jù)和針對性參考意見。1.2國內(nèi)外研究現(xiàn)狀國內(nèi)外對于商業(yè)中心體系研究的理論與實踐研究都已經(jīng)具有一定深度與廣度，而將大數(shù)據(jù)應用于商業(yè)網(wǎng)點布局研究方面則相對較少。針對城市商業(yè)結構研宄，往往局限于研宄人口、居民消費水平、社會經(jīng)濟、交通、市場格局與商業(yè)空間的關系，通過對商圈、中心地系統(tǒng)分析及相關理論研宄等。但是大數(shù)據(jù)給城市研究帶來了巨大機遇，可以使研究較為精確化與高效化。結合大數(shù)據(jù)（POI數(shù)據(jù)等）對城市商業(yè)空間結構進行研宄，可以實現(xiàn)研宄方法與效果的更新，通過數(shù)據(jù)挖掘，可以更加深入的了解城市商業(yè)空間發(fā)展的歷程，為城市更科學地進行商業(yè)網(wǎng)點布局規(guī)劃提供建議。國外基于POI數(shù)據(jù)所做的城市研究社會性較強，如關注社交行為影響、就業(yè)等，而國內(nèi)由于城市公共信息平臺的非公共性，城市社會性數(shù)據(jù)一般很難公開以及用于城市研究，往往是現(xiàn)象層面的數(shù)據(jù)挖掘性研究且社會性價值相對不足，國外基于POI數(shù)據(jù)所做的城市研究社會性較強，如關注社交行為影響、就業(yè)等，1.3相關概念及內(nèi)涵興趣點（POI）數(shù)據(jù)是構成城市的每個功能單元的一組單元，并且介紹關于城市的每個功能單元的基本信息。是GIS中的一個術語，是指可以抽象為點的所有地理對象，尤其是那些與人們生活密切相關的地理對象，如醫(yī)院，超市，酒店，停車場等。主要以對事物或時間的位置的描述為目的，可以大大提高事物或時間位置的描述能力和查詢能力，提高定位的準確性和速度。城市商業(yè)空間結構是城市空間中社會和經(jīng)濟活動的映射。它是由商業(yè)活動主體和承運人的互動形成的。它也是商業(yè)格式及其規(guī)模，等級和關系的空間體現(xiàn)。國內(nèi)外城市商業(yè)空間結構研究的相關理論和方法比較齊全，研究范圍廣泛，包括商業(yè)中心的空間特征，布局規(guī)則，層次系統(tǒng)和消費行為。本文主要研究北京主要城區(qū)的商業(yè)中心系統(tǒng)，探討當前城市商業(yè)中心的空間分布特征及影響其分布的因素。1.4研究主要內(nèi)容本文將基于高的地圖的商業(yè)POI數(shù)據(jù)，分別采用DBSCAN聚類算法，核密度算法，基于密度等值線提取商業(yè)中心邊界方法，基于等高線樹提取商業(yè)中心的方法，對北京市商業(yè)中心的總體以及各行業(yè)空間分布情況進行研究（流程圖如1-1所示）；主要包括一下幾方面對北京市主城區(qū)商業(yè)POI數(shù)據(jù)進行預處理，將商業(yè)中心分為六大類，分別為賓館酒店，購物，汽車相關，休閑娛樂，銀行，餐飲。對LANDSAT8衛(wèi)星影像進行鑲嵌，波段合成，裁剪。同時將興趣點數(shù)據(jù)，北京市矢量化數(shù)據(jù)，衛(wèi)星影像進行空間矯正，形成三者地圖疊加數(shù)據(jù)對六種商業(yè)類別進行DBSCAN聚類分析，核密度分析，根據(jù)結果，研究北京市主城區(qū)商業(yè)中心數(shù)量分布特征和空間積聚特征?；诤嗣芏确治龅玫降臇鸥駭?shù)據(jù)建立密度等等值線線，依據(jù)相關理論方法，得到六類商業(yè)中心邊界，對六種邊界建立等高線樹處理，進行拓撲分析，樹簡化，得到六種商業(yè)中心之間的空間嵌套關系。制作專題地圖，編寫核密度分析，建立等高線樹程序，對結果進行分析展望北京市主城區(qū)影像北京市主城區(qū)影像處理，矯正，配準北京市道路，河流，矢量化北京市道路，河流，矢量化北京市商業(yè)中心研究區(qū)域POI數(shù)據(jù)裁剪，清晰，編輯POI數(shù)據(jù)裁剪，清晰，編輯聚類分析核密度分析聚類分析核密度分析生成等值線生成等值線提取邊界建立等高線樹提取邊界建立等高線樹結果分析結果分析圖1-1實驗操作流程圖流程圖Fig.1-1FlowChartofexperimentaloperationflowchart2理論基礎及研究方法2.1理論基礎2.1.1商業(yè)集聚理論國外地理學家認為，城市商業(yè)的集聚不同于產(chǎn)業(yè)集聚和產(chǎn)業(yè)集聚的現(xiàn)象。城市商業(yè)集聚現(xiàn)象是指地理空間中各類零售店的積累。城市商業(yè)集聚的明顯特征是零售業(yè)中的各種形式在一定的空間區(qū)域內(nèi)共存，相互補充或相互競爭;商業(yè)集聚，以吸引消費者的購買力，通過降低信息獲取成本和交易成本獲得更大的規(guī)模效益和經(jīng)濟效益。城市商業(yè)發(fā)展的一個重要特征是業(yè)務的聚合。集聚效應是社會和經(jīng)濟活動集中發(fā)展形成的外部效應和規(guī)模效應的結合。這種聚集效應提高了資源利用率，節(jié)省了生產(chǎn)成本，并增加了收入和效用。這是商業(yè)集聚的發(fā)展。2.1.2數(shù)據(jù)挖掘理論數(shù)據(jù)挖掘是英文DataMining的全稱，是通過各種方法從大量數(shù)據(jù)中提取隱藏在數(shù)據(jù)中的特殊屬性的過程，這些方法通常由計算機平臺實現(xiàn)。隨著社會的快速發(fā)展，越來越多的人類活動，經(jīng)濟表征和社會現(xiàn)象可以用數(shù)據(jù)來表示。對這些數(shù)據(jù)的進一步探索和分析可能導致許多以前未發(fā)現(xiàn)的法律，現(xiàn)象和問題。通過分析，分類，估計，預測，聚類，可視化等一系列過程，可以有效促進生產(chǎn)力的提高和社會的發(fā)展。應該指出的是，數(shù)據(jù)挖掘和統(tǒng)計分析之間沒有明顯的界限。2.1研究方法1.2.3DBSCAN聚類分析法DBSCA算法是密度聚類的典型代表是MartinEster,

Hans-PeterKriegel提出的一種空間聚類方法。也是目前中比較常用的一種算法，該算法的有點可以迅速更具搜索距離和要收集的要素數(shù)而快速的獲取聚類區(qū)域。操作簡單，計算速度款。其算法原理，是要求在空間中，一個區(qū)域所包含的數(shù)據(jù)點的數(shù)量大于或等于所給定的閾值，可以生成根據(jù)計算距離和數(shù)量的任意的聚類簇族。如果簇族面積和密度過大，可以使相鄰簇族鏈接成一個簇族。能夠有效處理異常噪聲數(shù)據(jù)點。主要用于類似POI這樣的在空間有特定的分布形式的聚類。DBSCAN共包括3個輸入數(shù)據(jù)：數(shù)據(jù)集D，給定點在鄰域內(nèi)成為核心對象的最小鄰域點數(shù)：MinPts,鄰域半徑：R，其中R和MinPts需要根據(jù)具體應用人為設定。流程圖如2-1所示POI數(shù)據(jù)POI數(shù)據(jù)輸入Min-points輸入R輸入Min-points輸入RP為噪聲點P為噪聲點抽出任意未處理的點P抽出任意未處理的點P判斷半徑R的圓中，POI判斷半徑R的圓中，POI的數(shù)量是否大于Min-points否是是P為P為核心點從p從p點密度可達的所有點，形成一個簇輸出最終聚類結果輸出最終聚類結果圖2-1DBSCAN聚類分析算法流程圖Fig.2-1FlowchartofDBSCANClusteringanalysisalgorithm1.2.3核密度分析法核密度分析用于計算每個輸出柵格像元周圍的點要素的密度。具體方法是借助一個移動的單元格對點或線格局的密度進行估計，給定樣本點x1，x2，…，xn，利用核心估計模擬出屬性變量數(shù)據(jù)的詳細分布，計算二維數(shù)據(jù)時d值取2，一個常用的核密度估計函數(shù)可以定義為，其公式表示如2-1所示。其中K為核函數(shù)，(x-xi)2+(y-yi)2是點(xi，yi)和(x,y)之間的距離，h是帶寬，n是范圍內(nèi)的點數(shù)，d是數(shù)據(jù)的維數(shù)。根據(jù)POI數(shù)據(jù)的空間分布模式，可以可視化POI點的分布密度，并可以為不同類型的POI點的空間特征，分布模式和影響因素提供數(shù)據(jù)分析工具。本文根據(jù)核密度估算方法，對研究區(qū)域進行劃分，將商業(yè)分布數(shù)據(jù)轉換為網(wǎng)格密度值。POI數(shù)據(jù)POI數(shù)據(jù)選擇字段設置搜索半徑選擇字段設置搜索半徑核密度計算核密度計算去除空值去除空值分段顯示分段顯示輸出柵格數(shù)據(jù)輸出柵格數(shù)據(jù)圖2-2核密度分析算法流程圖Fig.2-2Flowchartofnucleardensityanalysisalgorithm1.2.3基于等高線樹提取商業(yè)中心法等高線樹是表達等高線之間的層次關系的，這表現(xiàn)為浮層等高線與子層等高線之間的隸屬或包含你關系，以及父層中后子層中諸等高線之間的鄰接或兄弟并列關系。建立等高線樹結構具有多方面意義與應用領域。諸如地貌形態(tài)組成結構分析，地貌形態(tài)搞成分布與應用。等高線樹應用到多種類別的商城中心嵌套關系的研究中，利用核密度分析得到的柵格數(shù)據(jù)提取等高線，等高線的值代表該處商業(yè)中心的密度值，利用等高線的疏密程度，制定規(guī)則提取各類別商業(yè)中心邊界線，建立等高線樹，進行樹簡化拓撲分析，得到各等高線之間的包含鄰接關系，映射為商業(yè)中心直接空間嵌套關系。本文利用C#語言編寫的建立等高線樹程序，程序只對閉合的等高線才能進行有效處理，程序可以分為四部分，分別是，對提取的閉合等高線進行線轉面處理，生成的面要素對其進行拓撲分析，拓撲關系為拓撲包含。將進行的拓撲分析之后的面要素轉為線要素，并將各要素按層分顏色顯示。每條等高線代表一種商業(yè)中心的邊界，等高線樹的空間包含關系，也代表著各類別商業(yè)中心之間空間嵌套關系。流程圖如圖2-3所示。閉合等值線要素轉為面要素對面進行拓撲分析，簡化素轉為面要素面要素轉為線要素閉合等值線要素轉為面要素對面進行拓撲分析，簡化素轉為面要素面要素轉為線要素圖2-3等高線建樹算法流程圖Fig.2-3FlowchartofContourBuildingalgorithm3研究區(qū)概況及數(shù)據(jù)3.1研究區(qū)概況本文選取北京市主城區(qū)為研究區(qū)，共轄6個行政區(qū)，分別為東城區(qū)，西城區(qū)，豐臺區(qū)，石景山區(qū)，朝陽區(qū)，海淀區(qū)，總面積1381km2。北京是全國最繁華的商業(yè)中心和貿(mào)易交流城市之一。在世紀之交的10年間穩(wěn)步增長之后，北京已進入加速增長期。商業(yè)形式也經(jīng)歷了單一的，低層次的傳統(tǒng)多元化模式。目前先進的現(xiàn)代商業(yè)結構的轉變和商業(yè)中心的發(fā)展呈現(xiàn)出功能多樣化和功能分化的趨勢不僅擁有著王府井，西單，CBD，中關村等著名傳統(tǒng)商圈，而且像望京商圈，公主墳等次級商圈也在近幾年得到了快速穩(wěn)定的發(fā)展，除了這些，交通作為商業(yè)發(fā)展的重要條件，也趨于完善，北京城市道路總長達到了4125.8公里，城市公路總長13597公里，地鐵和輕軌可以覆蓋整個北京市主城區(qū)。作為維護民生的重要產(chǎn)業(yè)，商業(yè)在北京經(jīng)濟發(fā)展和宜居城市建設中發(fā)揮著重要作用。商業(yè)中心的發(fā)展也成為北京經(jīng)濟發(fā)展的縮影。3.2數(shù)據(jù)來源商業(yè)興趣點（POI）數(shù)據(jù)：本文利用得源自高德地圖，由國家信息中心合作企業(yè)北京國信宏數(shù)科技有限責任公司提供，時間跨度為2018年4月-2018年12月的全部數(shù)據(jù)，地域覆蓋整個北京市，數(shù)據(jù)總量為24萬余條。本數(shù)據(jù)得屬性包含POI名稱、分類、街道地址、經(jīng)緯度、POI所在區(qū)域名稱、POI所在區(qū)域編碼共6個核心字段，數(shù)據(jù)格式為shp。影像數(shù)據(jù)：衛(wèi)星影像數(shù)據(jù)來自于地理空間數(shù)據(jù)云，Landsat-8OLI_TIRS衛(wèi)星數(shù)據(jù)影像，由于北京的地理位置，得到研究區(qū)共三幅衛(wèi)星影像，各11個波段，時間跨度分別在2018年6月至10月份。地圖數(shù)據(jù)：北京市行政區(qū)域規(guī)劃，北京市道路網(wǎng)數(shù)據(jù)，水域湖泊數(shù)據(jù)，車站，政府興趣點數(shù)據(jù)，全部為shp格式。由筆者本人矢量化得到。如圖3-1所示。圖3-1北京市主城區(qū)矢量化地圖Fig.3-1VectorizationmapofBeijingmaincity3.3數(shù)據(jù)處理首先是對商業(yè)興趣點（POI）數(shù)據(jù)的處理，對全國興趣點（POI）數(shù)據(jù)進行掩膜裁剪，獲取北京主要城區(qū)的POI數(shù)據(jù)。盡管每個POI數(shù)據(jù)都具有一定的影響范圍，但某些類型的POI具有較少的公眾認知，例如足球場，籃球場。無法判斷類似的POI數(shù)據(jù)屬于那個類別，所以將此類數(shù)據(jù)查出并剔除。在整個公共服務系統(tǒng)中識別這種類型的POI并不高，因此有必要從原始POI信息數(shù)據(jù)中有效地找出具有高公眾意識的POI數(shù)據(jù)。選擇明確反映公共服務特征的P0I數(shù)據(jù)，例如代表金融類別的銀行，與汽車相關的停車場，代表購物的萬達廣場等。剔除掉和商業(yè)之間聯(lián)系不顯著的POI數(shù)據(jù)，例如事務所，足球場等。POI數(shù)據(jù)如圖3-2所示。圖3-2北京市主城區(qū)POI數(shù)據(jù)類型及空間特征Fig.3-2DatatypesandspatialcharacteristicsofPOIinmainurbanareaofBeijingPOI類POI個數(shù)比例主要分布賓館酒店49857％西單、王府井、回龍觀、新街口、朝外餐飲2633622％阜外、展覽路、北新橋、雙榆樹、呼家樓休閑娛樂78968％亞運村、三里屯、建外、中關村、展覽路汽車相關83408％回龍觀、平西府、小紅門、新村街、清河購物5499752％阜外、展覽路、北新橋、雙榆樹、呼家樓金融26923％阜外、東直門、朝外、朝陽門、中關村按照類型統(tǒng)計，將獲得的POI數(shù)據(jù)點，歸為六大類，如賓館酒店，餐飲，休閑娛樂，汽車相關，購物，金融等，共105246條：賓館酒店4985條、休閑娛樂類7896條、購物類54997條、餐飲類26336條、汽車相關類8340條，金融類2692條，將各大類具體劃分為各小類。如圖3-2所示。原始POI數(shù)據(jù)被更多地分類，并且每個類別包括多個級別的小類。類型之間存在重復的交叉點。因此有必要對原始數(shù)據(jù)進行重新分類。例如，將休閑娛樂類里需要劃分為旅游景點，游樂場，影院等小類。從而保證數(shù)據(jù)得完整與嚴謹性。并對北京市主城區(qū)道路網(wǎng)數(shù)據(jù)，湖泊數(shù)據(jù)行政區(qū)，重要車站點進行矢量化處理。并對北京市的行政區(qū)域規(guī)劃進行矢量化。圖3-3北京市主城區(qū)POI數(shù)據(jù)分布Fig.3-3DatadistributionofPOIinmainurbanareaofBeijing其次是對衛(wèi)星影像的處理，由于Landsat8影像有11個波段，根據(jù)研究內(nèi)容，應該凸顯建筑物信息，所以將7、6、4三個波段合成，得到覆蓋研究區(qū)區(qū)域的彩色影像圖，后經(jīng)過鑲嵌，裁剪，空間矯正處理，得到POI數(shù)據(jù)與影像圖疊加地圖數(shù)據(jù)。如圖3-3所示。圖3-4北京市主城區(qū)POI數(shù)據(jù)與影像圖疊加地圖Fig.3-4DatadistributionofPOIinmainurbanareaofBeijing4北京市商業(yè)中心空間特征研究4.1基于核密度分析的北京市商業(yè)中心的邊界提取一種商業(yè)類別的集聚邊界的提取是分析這一商業(yè)類別的一種基礎性工作，對于各商業(yè)類別的空間分布和整體規(guī)劃有非常大的作用。目前，這種邊界的確定一般依靠的都是遙感影像判讀的方法，但是這種方法主觀意識強，對遙感影像清晰效果要求大。且由于遙感影像無法真正意義上分清各種商業(yè)類別，所以對邊界提取的準確性無法保證。但是通過對北京市主城區(qū)POI數(shù)據(jù)的核密度分析，來識別各種商業(yè)類型集聚邊界，可以為邊界的拾取提供定量的方法支撐，掌握正確的判定方法和過程，確保邊界拾取的穩(wěn)定性。對研究區(qū)POI數(shù)據(jù)進行核密度分析，分析結果所形成柵格數(shù)據(jù)中每個柵格所對應的密度值為該點的高程值，對柵格數(shù)據(jù)進行等值線處理。。根據(jù)POI密度等值線可以看出，已北京市主城區(qū)密度值最高的一個為等值線高程最高值，一次為中心，向周圍以同心圓狀逐級發(fā)散。在密度值高的區(qū)域等值線分布的越緊密，密度值低的地方，等值線間距越大。所以以此可以判斷，POI密度等值線與商業(yè)中心之間存在某種空間上的聯(lián)系。所以將POI密度等值線圖和核密度分析結果相疊加，將密度等值線與核密度分析結果上密度值最小區(qū)域相疊加部分的等值線保留，這樣就保留了一部分可以大致描述邊界的等值線。一般情況下，這類等值線不是閉合的，這樣在與遙感影像進行結果驗證，確定一條最符合的等值線數(shù)據(jù)，在研究區(qū)邊界斷開的等值線進行手動接邊處理。形成閉合商業(yè)中心邊界。如圖4-1所示。圖4-1商業(yè)中心邊界線Fig.4-1Commercialcenterboundaryline對各類別商業(yè)POI數(shù)據(jù)進行上述邊界提取處理，等值線間距的選取要符合核密度結果本身的密度間隔。一般的選擇，核密度計算時搜索半徑的1/4，這樣可以保證在邊界處出現(xiàn)三到四條等值線要素，以便通過比較幾條等值線選取最為適合的商業(yè)中心邊界。從圖中可以看出，購物及商場服務類邊界范圍最大，金融類最小。4.2總體分布特征4.2.1空間分布數(shù)量特征本研究中從高德地圖中獲取商業(yè)POI數(shù)據(jù)105234個，其中東城區(qū)POI數(shù)據(jù)12428個，分布密度為296個/km2，西城區(qū)POI數(shù)據(jù)14284個，分布密度為280個/km2，朝陽區(qū)POI數(shù)據(jù)33394個，分布密度為71個/km2,豐臺區(qū)POI數(shù)據(jù)20922個，分布密度為69個/km2，石景山POI數(shù)據(jù)4526個，分布密度為53個/km2，海定區(qū)25206。密度為58個/km2。商業(yè)POI數(shù)據(jù)最多的是朝陽區(qū)，達到總數(shù)的32％，其次是海淀區(qū)古，商業(yè)POI數(shù)據(jù)最少的是石景山區(qū)，僅僅占總數(shù)4.3％。商業(yè)POI數(shù)據(jù)占比最大的區(qū)是最少的區(qū)五倍之多。北京市各區(qū)分布的POI數(shù)量差距較大，分布密度差距也比較大。這其中有很大的原因在于行政區(qū)面積和地形地貌有關。DBSCAN聚類方法將北京市主城區(qū)105234個POI數(shù)據(jù)分為九類，如圖4-2所示。第一類數(shù)量為4539，密度為83個/km2；第二類數(shù)量為672，密度為55個/km2；第三類數(shù)量為88930，密度為222個/km2；第四類數(shù)量為542，密度為23個/km2；第五類數(shù)量為1691，密度為84個/km2。第三類聚類結果的數(shù)量占總數(shù)的89%，且分布密度是所有聚類中最高的，聚類規(guī)模最大且分布最集中。第四聚類結果的數(shù)量最少，且分布密度最小。北京市現(xiàn)代服務業(yè)總體分布集中，且已經(jīng)形成了大規(guī)模的集聚程度較高的聚類，且各個聚類類別差別較大。圖4-2總體商業(yè)類別聚類分析效果圖Fig.4-2OverallbusinesscategoryClusteringanalysisrenderings4.2.2空間分布集聚特征對研究區(qū)進行核密度計算，搜索半徑設置為1000米，得到核密度圖像如圖4-3所示。通過核密度分析的結果可以得出結論，北京的商業(yè)活動在地理空間中分布不均，總體上具有一定的空間聚集性。西城和東城兩個區(qū)是首都的核心商業(yè)區(qū)，其商業(yè)密度遠遠超過其他地區(qū)。位于新城區(qū)開發(fā)區(qū)的商業(yè)區(qū)是一個傳統(tǒng)的商業(yè)區(qū)。商業(yè)中心高度集中，沿長安街形成一條主軸，以同心圓的方式向外發(fā)散式分布。核密度圖像將商業(yè)中心分為三個層次。高密度商業(yè)區(qū)域全部分布在四環(huán)或四環(huán)附近。它們以向心的形狀分布，并且沿著市中心向外延伸的主要道路分布。這是典型大城市最重要的特征。這類上世紀90年形成的的老商業(yè)區(qū)，如CBD商圈，西單商業(yè)街，王府井商業(yè)街，以及中關村等商場式商業(yè)區(qū)，以及望京，CRD，公主墳等專業(yè)商業(yè)區(qū)。中密度商業(yè)區(qū)主要分布在北京省道和城市快車道路網(wǎng)上，隨著北京發(fā)展和擴張的主要趨勢，如北京奧運會主場館附近的新奧購物中心。此外，一些具有專業(yè)職能的商業(yè)區(qū)和多種生活服務類商業(yè)區(qū)的形成和發(fā)展與交通狀況密切相關。低密度商業(yè)區(qū)的分布相對分散，整個研究區(qū)的不同地點分布較多，商業(yè)區(qū)的平均面積也很小。從功能類型來看，主要是便利的商業(yè)區(qū)和飲食文化商業(yè)區(qū)，大多分布在一些大型社區(qū)和周邊地區(qū)，以及主要道路兩側。主要目的是滿足居民的日常消費需求?？偟睦险f，北京市商業(yè)中心分布相當廣泛，延環(huán)路形成了一個高度聚合的商業(yè)集聚地區(qū)，這個聚合中心點就是西城區(qū)東城區(qū)。不同類別的商業(yè)中心集聚分布都有較明顯不同。圖4-3總體行業(yè)核密度分析結果Fig.4-3Resultsofnucleardensityanalysisforthegeneralindustry4.3各行業(yè)分布特征4.4.1金融業(yè)金融業(yè)類包括各大銀行，儲蓄所，信用社，貸款公司，保險公司等，北京市主城區(qū)含有此類別POI數(shù)據(jù)共計2692個，其中西城區(qū)含33％，東城區(qū)含31％，石景山區(qū)含4％，朝陽區(qū)含15％，海淀區(qū)含14％，豐臺區(qū)含3％。對研究區(qū)金融業(yè)POI數(shù)據(jù)進行DBCAN聚類分析，搜索距離設置為1000米，要素閾值設置為30個，得到聚類結果如圖4-4所示。DNSCAN聚類分析將金融業(yè)POI數(shù)據(jù)分為三類，第一類POI數(shù)據(jù)量達到了2405個，分布密度12個/km2，這部分金融服務業(yè)集中分布在中心區(qū)和近郊內(nèi)沿特別是證券和保險服務集中程度最明顯。第二類POI數(shù)量為206個，其主要分布在城市功能拓展區(qū)以及主城區(qū)得邊緣地帶，大多圍繞著政辦公機構。第三類POI數(shù)量則為81個，其主要分布在中關村商圈附近，因為中關村園區(qū)作為著名的科技園區(qū)，大量的金融機構是其重要得組成結構。因此，由聚類結果研究得到，第一類所含POI數(shù)據(jù)量是第三類POI數(shù)據(jù)量的30倍之多，由此可以看出北京市主城區(qū)金融類網(wǎng)點分布不均衡，以西城區(qū)東城區(qū)為核心形成高密度聚集區(qū)，向郊區(qū)分散式分布，并在特殊職能地區(qū)，形成級別較小的聚集區(qū)。圖4-4金融類POI聚類分析效果圖Fig.4-4EffectdiagramoffinancialPOIclusteringanalysis對研究區(qū)進行核密度計算，搜索半徑設置為1000米，得到核密度圖像如圖4-5所示。通過核密度結算結果研究得到，北京金融業(yè)的密度從核心向外圍下降，金融服務機構處于北京四環(huán)范圍內(nèi)的“核心-邊緣”布局模式。也就是說，北京金融機構的分布仍然比較分散，擴張范圍很廣。最初形成以金融街為核心的高端金融服務集群?？臻g上沒有呈現(xiàn)“圓”狀結構，主要是故宮，天安門建筑用地的性質(zhì)。在城市總體規(guī)劃政策中，所形成土地的性質(zhì)無法商業(yè)化。進而打破了“圈層”結構的形成。另外在中關村科技園區(qū)周圍形成了一個級別相對較小的金融圈，中關村科技作為中國的硅谷，其需要大量的金融業(yè)支持。金融業(yè)是其不可缺少的一部分。圖4-5金融類POI核密度分析結果Fig.4-5Resultsofnucleardensityanalysisinfinancialindustry4.3.2休閑娛樂業(yè)休閑娛樂業(yè)包括包含大中小型的休閑娛樂設施，其中有公園，植物園，網(wǎng)吧，洗浴中心等一些其他的休閑娛樂中心，北京主城區(qū)共包含此類POI數(shù)據(jù)7896個，其中西城區(qū)含36％，東城區(qū)含32％，朝陽區(qū)含10％，海淀區(qū)含11％，石景山區(qū)含5％，豐臺區(qū)6％。對研究區(qū)賓館酒店類POI數(shù)據(jù)進行DBSCAN聚類分析，搜索距離設置為2000米，要素閾值設置為100個,得到聚類結果如圖4-6所示。根據(jù)聚類分析將休閑娛樂類POI數(shù)據(jù)分為四類，第一類POI數(shù)據(jù)總量達到了5799個，分布密度為29個/km2，其主要分布以六個行政區(qū)中心相連成片的區(qū)域，向中心城區(qū)方向集聚，其分布范圍相當廣泛。第二類POI數(shù)量達到了1702個，其分布在城市功能拓展區(qū)，分布業(yè)較為廣泛，從六環(huán)外沿延申到主城區(qū)邊緣地帶，延此方向分布密度逐級遞減。第三類POI數(shù)量達到了244個，這部分聚集區(qū)域位于石景山區(qū)首都文化休閑區(qū)內(nèi)（CRD），這是從2008年決定批準《CRD建設行動規(guī)劃》決定到今天2個休閑娛樂區(qū)，3個產(chǎn)業(yè)基地，6個上午功能區(qū)建成所帶來得結果。第四類POI數(shù)據(jù)達到了151個，該部分主要位于石景山區(qū)首都文化休閑區(qū)，由于奧運產(chǎn)業(yè)積累下來的結果和五棵松場館一直在被使用得緣故，周邊的休閑娛樂區(qū)也一直在發(fā)展。從整體DBSCAN聚類分析結果上看，第一類POI數(shù)據(jù)總量是第三類POI數(shù)據(jù)總類24倍，所以休閑娛樂類產(chǎn)業(yè)在空間分布上也極不均勻，并且此產(chǎn)業(yè)類別分布較為廣泛，以中心城區(qū)為集聚中心，向外組團式分布。圖4-6休閑娛樂類POI聚類分析效果圖Fig.4-6EffectDiagramofPOIclusteringanalysisofleisureandentertainment對研究區(qū)休閑娛樂POI數(shù)據(jù)類別進行核密度計算，搜索半徑設置為2000米。得到如圖4-7所示。根據(jù)核密度分析的結果，休閑娛樂類別呈現(xiàn)出雙中心集聚模式，這是一種群體式發(fā)展模式。休閑娛樂功能的建設與城市區(qū)域發(fā)展的功能定位密切相關。這也是早期城市發(fā)展規(guī)劃的指導作用的結果。因此，海淀和朝陽的細分都形成了不同層次的密度聚類峰，兩個中心相連。周邊有明顯的分級趨勢。而在石景山區(qū)和豐臺區(qū)形成一個相比中心城區(qū)聚集密度較小組團式聚集區(qū)域，這兩個區(qū)域分別是石景山區(qū)首都文化休閑區(qū)，石景山區(qū)首都文化休閑區(qū)，這兩個聚集區(qū)的出現(xiàn)要得益于政府的政策支持和聚集區(qū)的功能定位所決定的。近年來，隨著北京市城市的發(fā)展與非首都功能疏散，休閑娛樂類商業(yè)郊區(qū)化的趨勢愈發(fā)凸顯，并沿著郊區(qū)的不斷發(fā)展，組團式演化形成。圖4-7休閑娛樂類行業(yè)核密度分析結果Fig.4-7Analysisresultsofnucleardensityinleisureandentertainmentindustry4.3.3餐飲業(yè)餐飲類包括中小型餐廳，火鍋店，農(nóng)家樂等餐飲場所，北京市含有此類別26336個，其中西城區(qū)含32，東城區(qū)含36％，朝陽區(qū)含13％，海淀區(qū)含10％，石景山區(qū)含4％，豐臺區(qū)含5％。對研究區(qū)餐飲類POI數(shù)據(jù)進行DBSCAN聚類分析，搜索距離設置為1000米，要素閾值設置為100個,得到聚類結果如圖4-8所示。根據(jù)結果顯示，北京市餐飲類POI數(shù)據(jù)聚集分為八類，第一類包含POI數(shù)據(jù)總量21069個，分布密度為118/km2，其集中分布在東城區(qū)，西城區(qū)，朝陽區(qū)，海淀區(qū)呈圈層式分布。第二類包含數(shù)據(jù)總量2697個，其主要分布在各周邊郊區(qū)縣城區(qū)，少部分分散在六環(huán)周圍。第三類包含POI數(shù)量565個，其主要分布在石景山市政府和石景山區(qū)首都文化休閑區(qū)。第四類包含POI數(shù)據(jù)295個，其主要分布在通州北路居民聚集區(qū)。第五類包含數(shù)據(jù)量167個，其主要分布在西單商圈，棗園周圍。第六類包含POI數(shù)據(jù)量922個，其主要分布在中關村和五道口周圍。第七類包含數(shù)據(jù)量238個，其主要分布在 八通線商業(yè)帶周圍。第八類包含POI數(shù)據(jù)200個，其集聚中心為望京地區(qū)。由此分析可以得到。密度最大，數(shù)量最多的第一類集合事最少類的14倍之多，餐飲類在主城區(qū)分布較不均勻，且受地區(qū)經(jīng)濟發(fā)展水平和人為活動影像較大，比如中關村和通州北路居民聚集區(qū)。圖4-8餐飲類POI聚類分析效果圖Fig.4-8EffectdiagramoffoodandbeveragePOIClusteringanalysis對研究區(qū)賓館酒店類別進行核密度計算，搜索半徑設置為2000米。得到如圖4-9所示。從圖中發(fā)現(xiàn)北京市主城區(qū)餐飲整體空間分布不均勻，東多西少，呈現(xiàn)出以西城區(qū)，東城區(qū)為集聚中心向外聚集逐級遞減的特征并且延交通線向外發(fā)散式分布的特點。并在傳統(tǒng)商圈，熱門景點周圍呈現(xiàn)高度集中的態(tài)勢。而且，餐飲類分布范圍極廣，在主城區(qū)邊緣地帶也有大量餐飲類場所存在。在西城區(qū)和東城區(qū)交界，也就是故宮所在的位置，出現(xiàn)一部分密度值接近為零的密度帶。這是因為由于政策原因，這部分不能用于餐飲類商業(yè)的應用。圖4-9餐飲類行業(yè)核密度分析結果Fig.4-9Resultsofnucleardensityanalysisincateringindustry4.3.4汽車相關業(yè)汽車相關類包括汽車4S店，修配廠，停車場等。北京市主城區(qū)含有此類別POI數(shù)據(jù)8340個，其中西城區(qū)含26％，東城區(qū)含27％，朝陽區(qū)含23％，海淀區(qū)含22％，石景山區(qū)含16％，豐臺區(qū)含19％。對研究區(qū)汽車相關類POI數(shù)據(jù)進行DBSCAN聚類分析，搜索距離設置為2000米，要素閾值設置為80個。等到聚類結果如圖4-10所示，DNSCAN聚類分析將汽車相關類POI數(shù)據(jù)共分為8類，第一類包含POI數(shù)據(jù)785個，分布密度為12個/km2，其主要分布在海淀區(qū)東南部和西城的西北部交界地區(qū)，這個位置是杏石口路和閔莊路所在地，擁有著大量品牌的汽車4S店。第二類包含POI數(shù)據(jù)1010個，分布密度19個/km2，分布在東城區(qū)東北部和朝陽區(qū)西南部。這個位置是東方基業(yè)汽車城所在地。是北京市著名的汽車展覽銷售中心。第三類POI數(shù)據(jù)包含POI數(shù)據(jù)610個，密度分布10個/km2，這個位置是來廣營地區(qū)，是北京市朝陽區(qū)管轄的鄉(xiāng)鎮(zhèn)，其擁有一條匯集16家4S店的汽車商業(yè)街。第四類包含POI數(shù)據(jù)1092個，分布密度為18個/km2，這位于豐臺區(qū)的南四環(huán)路附近，除了十幾家汽車4S店分布外，北京市舊機動車交易市場也在這里。第五類包含POI數(shù)據(jù)517個，分布密度為11個/km2，其主要分布在亦莊地區(qū)，作為享受國家雙重優(yōu)惠政策的國家經(jīng)濟開發(fā)區(qū)所在地，里面含有大量的諸如奔馳，寶馬，大眾等品牌的汽車行業(yè)。第六類包含POI數(shù)據(jù)427個，分布密度為9個/km2，此類主要分布在五方天雅汽車園，五方天雅汽車修配成周圍。第七類包含POI數(shù)據(jù)431個，分布密度為12個/km2，該位置是歐德寶汽車園，該園區(qū)銷售著超過20種汽車品牌，并分布著大量的汽車附屬網(wǎng)點。第八類包含數(shù)據(jù)3486個，在北京市主城區(qū)分散式分布，主要為個體企業(yè)。從以上可以看出，汽車相關類商業(yè)存在相對均勻分布現(xiàn)象，而且，其以自身中心地區(qū)為集聚點，組團式分布。圖4-10汽車相關類POI聚類分析效果圖Fig.4-10EffectDiagramofPOIclusteringanalysisforautomobilerelatedtypes對研究區(qū)賓館酒店類別進行核密度計算，搜索半徑設置為2000米。得到如圖4-11所示。從核密度圖像分析得出，較其他行業(yè)相比，西城區(qū)，東城區(qū)不在是集聚中心，且此行業(yè)相對分布均勻。從圖中，可以很清楚識別出七個集聚中心，且均分布在交通較為發(fā)達地區(qū)。位于豐臺區(qū)的南四環(huán)拐角處密度值最高，這里不僅分布著各種品牌的汽車4S店，還是北京舊機動車交易市場，而東城區(qū)與朝陽區(qū)交界高核密度區(qū)是北京著名銷售展覽汽車中心，東方基業(yè)汽車園所在地。從核密度結果圖中我們還可以得到，高密度區(qū)的集聚中心。圖4-11汽車相關類行業(yè)核密度分析結果Fig.4-11Resultsofnucleardensityanalysisinautomobilerelatedindustries4.3.5賓館酒店業(yè)賓館酒店類包括大型酒店和中小型賓館，招待所，民宿等。北京市主城區(qū)含有此類別POI數(shù)據(jù)4935個。其中西城區(qū)含37％，東城區(qū)含39％，豐臺區(qū)含4％，石景山區(qū)含4％，朝陽區(qū)含7％，海淀區(qū)含7％。對研究區(qū)賓館酒店類POI數(shù)據(jù)進行DBSCAN聚類分析，搜索距離設置為2000米，要素閾值設置為100個，得到聚類結果如圖4-12所示，DBSCAN聚類分析將賓館酒店類POI數(shù)據(jù)聚集分為七類。第一類POI數(shù)量到了4380個，分布密度為34個/km2,其主要分布在以東城西城為集聚中心，延環(huán)路成輻射狀分布，其主體部分在六環(huán)內(nèi)及六環(huán)附近。第二類POI數(shù)量達到了475個，分布密度為19個/km2，第二類主要分布在城市生態(tài)發(fā)展區(qū)，集中分布各個主要干線的附近，以及一些旅游景點附近，而另外其數(shù)量大致兩近，數(shù)量最多得達到了57個，最少的只有17個，這些商業(yè)網(wǎng)點分布過于分散，主要分布城市功能拓展區(qū)，集中在六環(huán)外一些重要的火車站點，客車站點。圖4-12賓館酒店類POI聚類分析效果圖Fig.4-12HotelTypePOIClusteringanalysiseffectdiagram對研究區(qū)賓館酒店類別進行核密度計算，搜索半徑設置為2000米。得到如圖4-12所示。根據(jù)核密度計算的結果，可以很清楚的看出此類商業(yè)空間集聚特征，北京市賓館酒店類空間分布呈集聚分布，大部分酒店密集分布在中心地區(qū)，由中心地區(qū)向外圍圈層式銳減，沿交通線向中心城邊緣集團延伸，在遠郊區(qū)縣形成若干小型集聚區(qū)，出現(xiàn)近郊與遠郊連綿為一體的趨勢，表現(xiàn)出沿中心地、沿交通干線、沿旅游景區(qū)分布的特征。在故宮，天安門區(qū)域出現(xiàn)在了一個真空區(qū)域，因為該地區(qū)的特殊性質(zhì)，不能適應賓館酒店類商業(yè)開發(fā)和發(fā)展。賓館酒店在海淀區(qū)和朝陽區(qū)地帶也有較高密度帶出現(xiàn)。綜上所述，賓館酒店業(yè)也呈現(xiàn)出高度向心集聚發(fā)展的態(tài)勢。圖4-13賓館酒店類核密度分析效果圖Fig.4-13Hotelclassnucleardensityanalysiseffectdiagram4.3.6購物與商場服務業(yè)購物與商場服務類類包括大型商場，超市，理發(fā)店，五金商行等銷售和服務中心。北京市主城區(qū)含有此類別POI數(shù)據(jù)54997個。其中西城區(qū)含29％，東城區(qū)含28％，豐臺區(qū)含10％，石景山區(qū)含9％，朝陽區(qū)含15％，海淀區(qū)含11％。對研究區(qū)賓館酒店類POI數(shù)據(jù)進行DBSCAN聚類分析，搜索距離設置為2000米，要素閾值設置為100個，得到聚類結果如圖4-13所示，DBSCAN聚類分析將賓館酒店類POI數(shù)據(jù)聚集分為8類。第一類包含POI數(shù)據(jù)44933個，分布密度198個/km2，以中心城區(qū)為中心以環(huán)路發(fā)散式分布，密度逐級遞減。第二類含POI數(shù)據(jù)量3582個，密度29個/km2,分布在石景山市區(qū)和石景山區(qū)首都文化休閑區(qū)，因其位置分布著一些旅游景點，所以購物服務類商業(yè)中心朝這一中心位置集聚。第三類包含POI數(shù)據(jù)1530個，分布密度為11/km2。其分布位置在朝陽區(qū)市中心，作為行政區(qū)中心，大量購物和生活服務網(wǎng)點是其重要得組成部分，所以這一地區(qū)形成了一個面積較小得集聚中心，第四類包含POI數(shù)據(jù)1203，分布密度為9/km2，其分布位置主要在中關村商圈，為滿足商圈內(nèi)人員和企業(yè)需求，所以此類別向這一中心地聚集。第五類包含POI數(shù)據(jù)377個，分布密度為8/km2，其位置分布在朝陽區(qū)西北部，亞奧商圈周圍，在2008年奧運會發(fā)展至今得北京傳統(tǒng)商圈，里面包含大量購物及生活服務網(wǎng)點。第六類包含POI數(shù)據(jù)679個，分布密度為10/km2，其分布位置也是傳統(tǒng)商圈所在地，望京商圈和燕莎商圈，同樣不可避免地會出購物及生活服務中心集聚現(xiàn)象。第七類包含POI數(shù)據(jù)4921個，其多數(shù)分布在六環(huán)路外沿和外延外居民區(qū)聚集地，在主城區(qū)邊緣也有分布，與交通干線相依存得關系，分布范圍較廣泛。從以上可以得出，購物類及商場服務業(yè)在空間上也存在集聚現(xiàn)象，以中心城區(qū)為聚集中心，延交通干線輻射式分布，并在朝陽區(qū)石景山區(qū)得老傳統(tǒng)商圈周圍形成面積和密度值較小集聚。圖4-14購物類類POI聚類分析效果圖Fig.4-14EffectdiagramofshoppingclassPOIclusteringanalysis對研究區(qū)賓館酒店類別進行核密度計算，搜索半徑設置為2000米。得到如圖4-15所示。從核密度圖像可看出。生活業(yè)務功能集群區(qū)域基本覆蓋整個中心城區(qū)，集聚區(qū)域與中心城區(qū)綜合商業(yè)中心的分布基本一致，集中度沿環(huán)線逐漸減小。在空間布局方面，它強調(diào)最接近城市居民，并考慮服務距離最優(yōu)化。西單，王府井，新街口，朝外等傳統(tǒng)商業(yè)中心仍然是長安街沿線的商業(yè)高濃度區(qū)域。與此同時，生活購物類商業(yè)密度沿環(huán)線與放射交通廊道逐級擴散，在六環(huán)路附近形成一個新的集群，形成回龍觀，望京等郊區(qū)住宅區(qū)。通州區(qū)和大興區(qū)外郊逐漸形成新的聚集地。圖4-15購物類行業(yè)核密度分析結果Fig.4-15Resultsofnucleardensityanalysisinshoppingindustry4.4各商團之間空間分布嵌套關系研究基于等高線樹提取商業(yè)中心的方法，可以很直觀的觀察到各類別商業(yè)之間在空間上的嵌套關系。在對等高線樹建樹的過程中，需要對等值線進行拓撲判斷，其中的包含關系代表的實際意義就是商團之間的嵌套關系。所以本文，將各業(yè)商業(yè)中心邊界線作為等高線進行建樹處理。由于各類商業(yè)中心之間存在部分重疊壓蓋區(qū)域，這就與等高線之間的空間關系相違背。于是就必須對建樹的原則進行適應性修改。因為，對于本文規(guī)定，如果商業(yè)中心之間如果存在30%以上重疊壓蓋區(qū)域，那么就可以將這幾類商業(yè)中心統(tǒng)一歸為一類，根據(jù)其屬性只能，確定一個新的商業(yè)類別。如圖4-16。圖4-16三種商業(yè)類別空間重疊關系圖Fig.4-16Threebusinesscategoryspatialoverlappingdiagrams汽車相關類邊界，休閑娛樂類邊界與餐飲類邊界，存在明顯重疊壓蓋區(qū)域，且重疊部分超30%，所以本文筆者將這三類歸為新類，名稱為生活服務與汽車相關類。其邊界由這三類中位于最外層的邊界代替。根據(jù)上述原則，對上述購物類，生活服務與汽車相關類，賓館類，金融類等四類邊界線作為等高線處理，進行等高線樹算法處理。得到結果如圖4-17所示。形成兩個簇族，L1，L2，其中L1涉及到四種商業(yè)類別POI數(shù)據(jù)，而L2簇族只涉及到了三組，且影響范圍較小。P1，T1代表購物類密度等值線，P4，P9代表生活服務與汽車相關類等值線，P5代表賓館酒店類密度等值線，P2，P7，T3代表金融類密度等值線。圖4-17等高線樹簡化圖Fig.4-17SimplifiedgraphofContourtree根據(jù)等高線樹與商業(yè)類別空間套關系圖，如下圖4-18所示。在北京市主城區(qū)，各商業(yè)類別確實存在明顯的嵌套關系，如果我們四環(huán)以里定義為功能核心