EN中文

Economic geography >

2020 , Vol. 40 >Issue 12: 119 - 127

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.12.014

Spatial Pattern of Online and Offline Catering Service in Nanjing: A Case Study of Dianping and Eleme

  • ZHAI Qing , 1 ,
  • GAO Yujie 2 ,
  • WEI Zongcai , 3, ※
Expand
  • 1. School of Geographic and Biologic Information，Nanjing University of Posts and Telecommunications，Nanjing 210023，Jiangsu，China
  • 2. School of Urban and Regional Science，East China Normal University，Shanghai 200241，China
  • 3. School of Architecture，State Key Laboratory of Subtropical Building Science，South China University of Technology，Guangzhou 510641，Guangdong，China

Received date: 2020-07-16

  Revised date: 2020-11-12

  Online published: 2025-04-11

Fold

Abstract

With the rapid development and wide application of mobile Internet and information technology,it influences the distribution pattern of catering industry and the research paradigm. Taking the Dianping (stores only provide dine-in meals without takeaway service) and Eleme in Nanjing as an example,this paper builds the evaluation index system of Electronic Word of Mouth (E-WoM) from the information of catering merchant and consumer evaluation. The study explores the distribution pattern of online and offline catering service from the perspective of location information and E-WoM. Firstly,the results reveal that offline catering space presents a "core-edge" hierarchical structure with the significant characteristic of agglomeration,and online catering space presents a "horizontal,multi-center" network structure without the significant characteristic of agglomeration. Secondly, E-WoM can more effectively reflect the catering spatial structure than location information. Thirdly,the spatial distribution of offline catering in Nanjing follows the central place theory,but the spatial distribution of online catering in Nanjing follows both the central place theory and central flow theory. The research results have guiding significance for catering space planning by urban governments,location selection by catering providers,rider layout and dining decision-making by consumers.

Key words： catering industry; Electronic Word of Mouth(E-WoM); central place theory; central flow theory; geographical embeddedness; takeaway; consumer evaluation; online-offline

Cite this article

ZHAI Qing , GAO Yujie , WEI Zongcai . Spatial Pattern of Online and Offline Catering Service in Nanjing: A Case Study of Dianping and Eleme[J]. Economic geography, 2020 , 40(12) : 119 -127 . DOI: 10.15957/j.cnki.jjdl.2020.12.014

随着移动互联网和信息技术在餐饮行业中的普及应用，餐饮业的组织模式和就餐行为发生改变，餐饮空间的分布格局随之变化[1⇓-3]。一方面，网络平台与传统餐饮的融合衍生出堂食、外卖、团购等组织模式，线下餐饮空间映射到网络空间层面，线上餐饮空间根植于线下餐饮空间，二者的空间黏性增强。另一方面，网络平台的餐饮商户信息和消费者点评信息，可能引发消费者就餐或外卖送餐的交通流，信息技术强化了流动性，信息流与交通流的互动更加频繁[4]。总之，餐饮空间的研究范畴从实体空间拓展至网络空间，研究内容不再局限于实体空间层面的餐厅选址、空间分布、影响因素等[5⇓-7]，研究范式由“位移范式”（displacement paradigm）转变为“新流动范式”（new mobilities paradigm）[8]。
中心地理论是零售地理学（retail geography）的重要理论基础，仍适用于移动信息时代的餐饮空间研究，但是，不能完全解释空间新特征[9]。该理论指出：由于受到市场原则、交通原则和行政原则的限制，居民倾向于就近购买商品和服务[10]；餐饮商户为吸引消费者、提升竞争力，区位选择偏好城市商业区，并与同行聚集[11]。区位的中心性是中心地理论的基础模块，场所生成了流动，符合中心地理论特征的空间具有显著的集聚和垂直等级特征。在基于位置信息的餐饮空间实证研究中，学者们发现：餐饮店的空间集聚与人口密度[12]、商业区等级[13]、交通干线[14]等积极相关，空间分布遵循圈层式递减规律[15-16]。这都符合中心地理论的空间特征。
中心流理论是网络消费时代餐饮空间研究的重要理论补充[9]。信息技术加剧了城市中各要素的流动，强化了时间的瞬时性，弱化了距离的空间限制。新技术范式显现，Castells提出一种认识社会空间的全新模式——流空间（the space of flows），流空间包含三个层次：信息基础设施和交通基础设施、流空间中的节点和中心（nodes and hubs）、占支配地位的管理精英所形成的空间组织[17]。流空间逻辑分化成两种不同的形式：流动空间（space of flows）与地方空间（space of places）[18]，并将流动空间从纯粹虚拟的网络空间扩展到实体空间和社交尺度[19]。在中心流理论中，流动创造了场所，流是构建网络的核心要素。因此，符合中心流理论特征的空间具有“水平、非层级、多中心”网络结构特征。
网络口碑（Electronic Word of Mouth，E-WoM）成为信息技术影响下的餐饮空间研究的重要指标。网络口碑由消费者生成，进而影响消费者行为和商户空间布局[20⇓⇓-23]。以大众点评网为例，Qin等搜集了南京市主城区2012年14 117条商户信息和消费者点评信息，构建人气评价指标体系，研究证实基于位置信息的餐饮空间分布符合中心地理论，基于人气的餐饮空间分布符合中心流理论[24]。Xu等搜集了南京市主城区2016年10 520条商户信息和消费者点评信息，构建网络口碑评价指标体系，研究证实基于位置信息的餐饮空间分布符合中心地理论，基于网络口碑的餐饮空间分布符合中心流理论[25]。以长春市中心城区为例，施响对比分析饿了么商户和大众点评商户的网络口碑分布特征，研究发现：二者均表现出圈层式递减特征，且部分集聚中心沿交通干线轴向扩展[26]。以长沙城区为例，徐宽获取1 012条美团商户信息和消费评价信息，研究发现：基于网络评价的长沙城区餐饮空间符合中心地理论特征[27]。已有研究表明，不同城市的研究结论不一致，需要更多的实证研究找寻餐饮空间分布格局的普适性规律。更重要的是，已有研究较多地关注于餐饮类别的对比分析，比如大众小吃快餐、传统国内菜系、休闲时尚餐饮、外来国际餐饮[28]，关于线上、线下餐饮模式的对比研究相对较少。
以南京市大众点评（只提供堂食、不提供外卖服务的商户）和饿了么为例，本文采用餐饮商户信息和消费者评价信息，构建网络口碑评价指标体系，从位置信息和网络口碑两个层面对比分析线上—线下餐饮空间分布格局。拟解决以下问题：①对比分析线上和线下餐饮空间分布特征的异同；②比较位置信息和网络口碑在评估餐饮空间结构中的差异；③明确中心地理论与中心流理论在网络消费时代餐饮空间研究中的作用，探讨中心地理论和中心流理论的普适性。

1 数据来源与研究方法

1.1 研究区域

南京市是江苏省省会，长三角地区唯一的特大城市，中国最重要的经济中心城市之一。本文选择南京市域为研究范围，面积约为6 587.02 km²（图略）。根据《南京市商业网点规划（2015—2030）》[29]，南京市规划形成“市级—市级副中心—地区（新城）级—居住社区（新市镇）级—基础社区（村）级”五级商业中心等级体系。其中，4个市级商业中心分别是新街口、河西、城南、江北，7个市级商业副中心分别为湖南路—山西路、夫子庙、仙林、东山、雄州、永阳、淳溪。按照《南京市城市总体规划（2011—2020年）》的空间划定[30]，主城区包括鼓楼区、玄武区、建邺区、秦淮区以及栖霞区、雨花台区、江宁区的一小部分，近郊区包括浦口区（含江北新区）、雨花台区、江宁区、栖霞区，远郊区为六合区、溧水区、高淳区。

1.2 数据收集与处理

大数据（网络数据）与小数据（统计数据、问卷和访谈数据、行业黄页）相比，提供了更加准确的、实时的商户信息和位置信息，更加丰富的用户评论信息，成本低、数据挖掘周期短，数据质量更高。因此，本文数据来源于大众点评网和饿了么APP的网络数据挖掘。本文选择大众点评餐饮商户（已剔除同时提供堂食和外卖服务的商户）代表线下餐饮商户，选择“饿了么”注册商户代表线上餐饮商户。采用Python编程，分别爬取大众点评和饿了么的餐饮商户信息和消费者评价信息。剔除人均消费为0的不活跃商户数据，再清理不完整和重复数据，最终获得大众点评网络平台成立至2019年2月的10 247条数据和饿了么网络平台成立至2019年1月的12 513条数据，并导入SPSS20.0和ArcGIS10.2建立数据库。

1.3 构建网络口碑评价指标体系

首先，参照已有的文献研究[24-25,31]，根据获取的网络数据分别构建大众点评和饿了么的网络口碑评价指标体系。大众点评网络口碑评价指标体系由餐厅点评人气、餐厅质量、餐厅档次3个一级指标，13个二级指标构成（表1）。饿了么网络口碑评价指标体系由餐厅点评人气、餐厅质量、餐厅档次、外卖点评人气和营业时长等5个一级指标，19个二级指标构成（表2）。然后，采用主成分分析法和K-means聚类分析法，分别计算大众点评和饿了么商户的网络口碑值，并对两类餐饮商户的网络口碑值分级。最后，采用核密度估计法、空间自相关分析法，对比分析线上和线下餐饮空间分布特征。
表1 南京市大众点评网络口碑评价指标体系

Tab.1 Evaluation index system of E-WoM based on the Dianping in Nanjing

一级指标 二级指标
餐厅点评人气 X1：总评论数；X2：好评数；X3：中评数；X4：差评数；X5：带图评论数；X6：口味评论数；X7：服务评论数；X8：环境评论数
餐厅质量 X9：口味评分（1~5分）；X10：服务评分（1~5分）；X11：环境评分（1~5分）；X12：星级（1~5星）
餐厅档次 X13：人均消费额
表2 南京市饿了么网络口碑评价指标体系

Tab.2 Evaluation index system of E-WoM based on the Eleme in Nanjing

一级指标 二级指标
餐厅点评人气 X1：总评论数；X2：好评数；X3：差评数；X4：带图评论数；X5：口味评论数；X6：月销售量；X7：菜品数量
餐厅质量 X8：口味评分（1~5分）；X9：配送评分（1~5分）；X10：包装评分（1~5分）；X11：店铺评分（1~5分）
餐厅档次 X12：起送价格；X13：配送费
外卖点评人气 X14：服务评论数；X15：食材评论数；X16：配送评论数；X17：包装评论数；X18：店铺评论数
营业时长 X19：在线时长

1.4 研究框架

研究框架如图1所示。在场所空间层面，线下餐厅依附于城市商业中心分布，线上餐厅由配送半径决定服务范围，基于位置信息的核密度分析，判定空间集聚特征和等级特征。在流动空间层面，基于手机和网络平台的信息流激发交通流的增加，线下餐厅的信息查询引导就餐出行，线上餐厅的信息产线引导配送出行。在流空间层面，消费者点评信息构建流空间的网络景观，基于口碑信息的核密度分析，判定空间弹性特征和柔性特征。场所空间与流空间的双向影响分为两种类型：一是分布密度与口碑密度正相关，则地理根植性较强；二是分布密度与口碑密度呈非线性关系，比如在集聚中心里发现某一个或某几个集聚中心分布密度较低、口碑密度较高，则地理根植性较弱。
图1 研究框架

Fig.1 Research framework

2 线上—线下餐饮商户网络口碑综合评价

2.1 线下餐饮商户网络口碑综合评价

2.1.1 网络口碑评分

根据大众点评网络口碑评价指标体系，对数据进行KMO和球形Bartlett检验，结果显示KMO值为0.816，Bartlett球度检验的概率P值为0.000，即依据KMO量度标准，该评价数据适合做主成分分析（KMO>0.7）[14]。采用最大化方差对初始因子载荷矩阵进行旋转，得到3个主成分特征值分别为5.034、3.257、1.330，均大于1，累计方差贡献率为74.005%。根据累计方差贡献率高于70%，主成分的特征值大于1的原则[32]，旋转后的3个主成分能够较好地解释南京市线下餐饮商户的网络口碑情况。其中， F 1反映餐厅点评人气， F 2反映餐厅质量， F 3反映餐厅档次。最终获得一个餐饮商户网络口碑的综合评价模型：
F = A 1 F 1 + A 2 F 2 + A 3 F 3
式中：F为网络口碑综合得分；Ai为每个主成分的权重系数（方差贡献率）。
通过综合得分的计算，大众点评餐饮商户网络口碑的最高值为27.18分，最低值为-3.94分。一些餐厅在网络口碑综合得分与大众点评星级评定之间表现出较大的差异，再次证明了星级评定未必能够反映全部餐厅的真实水平，采用网络口碑予以综合评价是可行的、合理的[24-25]。

2.1.2 网络口碑等级结构

对大众点评餐饮商户的网络口碑值进行K-means聚类分析，根据图2中的网络口碑综合得分分布曲线，确定将商户划分为5个等级。第一等级包含24个餐饮商户，网络口碑值在27.18~12.99之间，分布曲线的斜率为90°，表明高口碑商户之间的评分差异很大。第二等级包含145个餐饮商户，综合得分在12.56~5.24之间，该等级数量大于第一等级，分值曲线斜率接近90°。第三等级包含824个餐饮商户，综合得分在5.09~1.55之间，数量更多，分布曲线的斜率相对平缓，但下降幅度较大。第四等级包含2 989个餐饮商户，综合得分在1.54~0.17之间，数量明显大于前三组，得分曲线的斜率比较平缓，下降幅度较小。第五等级包含6 265个餐饮商户，综合得分在-0.17~3.94之间，该等级数量最多，商户之间的网络口碑值差别不大，但在最后有一小段大幅下降，原因为该段商户为新进入大众点评网的商户，虽有消费者消费，但反馈较少。
图2 大众点评餐饮商户网络口碑得分分布曲线

Fig.2 Distribution curve of E-WoM scores based on catering stores of the Dianping

2.2 线上餐饮商户网络口碑综合评价

2.2.1 网络口碑评分

根据饿了么网络口碑评价指标体系，对数据进行KMO和球形Bartlett检验，结果显示KMO值为0.827，Bartlett球度检验的概率P值为0.000，该评价数据适合做主成分分析。采用最大化方差对初始因子载荷矩阵进行旋转，得到5个主成分特征值分别为5.072、3.190、3.499、1.355、1.003，均大于1，累计方差贡献率为78.099%。5个主成分分别为：餐厅点评人气、餐厅质量、外卖点评人气、餐厅档次、营业时长。最终获得一个网络口碑的综合评价模型：
F = A 1 F 1 + A 2 F 2 + A 3 F 3 + A 4 F 4 + A 5 F 5
式中：F为网络口碑综合得分；Ai为每个主成分的权重系数（方差贡献率）。
通过综合得分的计算，得到饿了么餐饮商户网络口碑的最高值为43.37分，最低值为-3.10分。与大众点评商户的计算结果一样，网络口碑可以更全面、真实地反映餐厅的综合水平。

2.2.2 网络口碑等级结构

对饿了么餐饮商户的网络口碑值进行K-means聚类分析，将商户划分为5个等级（图3）。第一等级包含1个餐饮商户，网络口碑值为43.37。第二等级包含21个餐饮商户，综合得分在25.32~10.81之间，分值曲线斜率为90°，表明高口碑商户之间也具有较大得分差异。第三等级包含249个餐饮商户，综合得分在10.27~3.38之间，分值曲线斜率接近90°。第四等级包含1 796个餐饮商户，综合得分在3.35~0.47之间，得分曲线的斜率比较平缓，但下降幅度较大。第五等级包含10 446个餐饮商户，综合得分在0.47~3.10之间，该等级商户的网络口碑得分差别不大。
图3 饿了么餐饮商户网络口碑得分分布曲线

Fig.3 Distribution curve of E-WoM scores of Eleme's catering providers

3 南京餐饮空间分布格局

3.1 基于位置信息的餐饮空间分布特征

3.1.1 线下餐饮空间分布特征

3.1.1.1 核密度分析

采用核密度估计法对大众点评餐饮商户的位置分布进行计算，将带宽设为500 m。如图4所示，餐饮集聚中心主要分布在主城区，核密度值从中心向外围递减，表现出显著的空间集聚特征。新街口地区的分布密度最高、集聚范围最大，它是南京市最高等级的线下餐饮空间集聚中心。其次是湖南路—山西路、夫子庙、河西地区，这些集聚中心的服务范围受到新街口地区的辐射域影响[33]，并在空间上与新街口地区一起连片发展。江北、东山和仙林的集聚中心呈现散点式布局，由于分布密度和集聚范围较小，这些集聚中心属于第三等级。与以上地区相比，远郊地区的雄州、永阳、淳溪仍处于较低等级的空间集聚过程中，集聚中心呈单中心结构和圈层式布局。南京市线下餐饮空间呈“核心—边缘”等级结构，高等级集聚中心的数量偏少，集聚范围较广，低等级集聚中心的数量偏多，集聚范围较小。
图4 南京大众点评餐饮商户分布核密度

Fig.4 Kernel density of the Dianpings catering providers in Nanjing

在《南京市商业网点规划（2015—2030）》中，新街口商圈规划发展成为具有国际影响力的现代综合性商业中心，河西商圈规划为重要的市级商业中心，湖南路—山西路商圈和夫子庙商圈发展历史悠久，是影响全国的商旅文一体化商业中心[29]。因此，餐饮集聚中心的分布及等级基本上与规划的商业中心等级吻合，线下餐饮空间分布倾向于城市重要商圈。综上所述，南京市线下餐厅的位置空间分布基本符合中心地理论。

3.1.1.2 冷热点分析

为进一步验证核密度分析结果，采用空间自相关分析。以街道为单元，Global Moran's I指数为0.14，用于检验的Z得分为6.03（远大于临界值2.58），在0.01的显著性水平下通过检验，表明线下餐饮空间分布存在显著的空间正相关，总体呈现高度集聚特征。
采用局域Getis-Ord G i *指数探索南京线下餐饮分布的热点区域，线下餐饮分布符合热点分析聚类模式统计特征（图5）。根据线下餐饮空间分析结果可知，Z得分大于1.96，且概率似然值P<0.05的实体餐饮热点街道有48个。其中，主城区内的所有街道均为线下餐饮的热点街道。
图5 南京大众点评餐饮热点区域分布

Fig.5 Hotspot area distribution of the Dianping's catering providers in Nanjing

3.1.2 线上餐饮空间分布特征

3.1.2.1 核密度分析

采用核密度估计法对饿了么餐饮商户的位置分布进行计算，将带宽设为500 m。如图6所示，餐饮集聚中心主要分布在主城区和近郊区，分布均衡且相对独立。与线下餐饮相比，线上餐饮的集聚中心数量更多，集聚范围偏小，中心等级差异变小。新街口地区分布密度不是最高的，但集聚范围仍是最大的。这说明线上餐厅选址仍在一定程度上受到商圈等级的影响，但已不完全遵循城市商圈的分布。
图6 南京饿了么餐饮商户分布核密度

Fig.6 Kernel density of Eleme's catering providers in Nanjing

一方面，线上餐饮空间呈“水平、多中心”的网络结构。集聚中心之间形成了独特的、独立的水平关系，这符合中心流理论特征。另一方面，线上餐饮选址受到配送半径的制约。既要保障服务范围内有足够的消费者需求以满足餐厅可持续运营的要求，又要强化餐饮同行的空间集聚性以增强其对消费者的吸引力，这符合中心地理论特征。因此，本文认为南京市线上餐厅的位置空间分布同时符合中心地理论和中心流理论。

3.1.2.2 冷热点分析

以街道为单元，采用空间自相关分析，线上餐饮空间的Global Moran's I指数为0.024，未通过显著性检验，这印证了核密度分析结果：线上餐饮空间分布不呈现集聚特征。
采用局域Getis-Ord G i *指数探索南京线上餐饮分布的热点区域，线上餐饮分布符合热点分析聚类模式统计特征。根据线上餐饮空间分析结果可知，Z得分大于1.96，且符合概率似然值P<0.05的外卖餐饮热点街道有9个（图7）。除了新街口地区以外，线上—线下餐饮热点街道不重叠，在空间分布上存在互补关系。
图7 南京饿了么餐饮热点区域分布

Fig.7 Hotspot area distribution of Eleme's catering providers in Nanjing

3.2 基于口碑信息的餐饮空间分布特征

3.2.1 线下餐饮空间分布特征

将带宽设置为500 m，计算10 247个大众点评餐饮商户的网络口碑分布核密度。核密度结果如图8所示，集聚中心主要分布在主城区，呈现显著的集聚特征。新街口地区又是最高等级的集聚中心，且集聚范围最大。根据核密度值和集聚范围，夫子庙地区是次中心，鼓楼、湖南路—山西路、河西、龙江等地区市第三等级的集聚中心。以新街口为核心，各聚集中心相互连片发展。在主城区以外，一些较高等级的集聚中心分布在东山、仙林。新街口商圈是全国最著名的商圈之一，是南京市的商业中心和经济中心。夫子庙商圈是服务于游客和居民的著名旅游文化商圈。鼓楼、湖南路—山西路、河西、龙江等商圈都是服务于本地居民的重要的商业中心。网络口碑集聚中心的空间分布仍与城市商圈分布相契合[13]。
图8 南京大众点评网络口碑核密度

Fig.8 Kernel density of the Dianping's E-WoM in Nanjing

尽管大众点评网络口碑是由网络用户生成信息构建，体现的是餐饮消费者在网络空间层面的活跃度，进而反映餐饮商户的网络活力，但是，网络口碑的核密度分析结果与位置分布的相似：集聚中心基本重合，体现了网络空间的地理根植性；集聚中心的集聚范围随等级的提升而扩大，垂直等级结构特征明显。因此，南京市线下餐厅的网络口碑空间分布基本符合中心地理论特征。这与Xu、Qin等的研究结论不一致，这很有可能是样本选择差异导致的，我们选择的是只提供堂食、不提供外卖的餐饮商户样本，而Xu、Qin等选择了大众点评餐饮商户的全样本[24-25]。

3.2.2 线上餐饮空间分布特征

将带宽设置为500 m，计算12 513个饿了么餐饮商户的网络口碑分布核密度。集聚中心分布分散且独立（图9）。核密度值最高的是新街口周边的西安门地区，其次是新街口、大行宫、珠江路、龙江、仙林、光华路、东山等地区。集聚范围最大的仍是新街口地区，且与西安门、大行宫、珠江路等地区（4个地区都有地铁站点）一起连片发展，集聚中心沿地铁线分布扩展[14]。与位置分析结果不同的是：在基于网络口碑的分析中，主城区集聚中心密度值高于近郊区；核密度值沿集聚中心向外圈层式递减[15]；集聚中心之间的等级差异更大。
图9 南京饿了么网络口碑核密度

Fig.9 Kernel density of Eleme's E-WoM in Nanjing

一方面，网络口碑的集聚中心呈现等级结构。另一方面，位置分析中的低等级集聚中心在网络口碑分析中成为高等级集聚中心，比如西安门和光华路地区。这是因为这些地区虽然不靠近城市商圈，但毗邻大型的居住区和公共服务设施（高校、医院、地铁站等）。这些地区具备较高的人流量和交通可达性。因此，本文认为：与南京市线上餐厅的位置空间分布一样，网络口碑的空间分布也同时符合中心地理论和中心流理论特征。

4 结论与讨论

以南京市大众点评（只提供堂食、不提供外卖服务的商户）和饿了么为例，本文采用餐饮商户信息和消费者评价信息，构建网络口碑评价指标体系，从位置信息和网络口碑两个层面对比分析线上—线下餐饮空间分布格局。研究发现：
①线上、线下餐饮空间分布格局差异明显。线下餐饮空间呈“核心—边缘”等级结构，空间集聚特征显著，集聚程度随中心向外围呈圈层式递减。线上餐饮空间呈“水平、多中心”的网络结构，空间分布较分散，集聚中心之间相互独立。线下餐饮的区位选址更倾向于城市重要商圈，线上餐厅的区位选址更倾向于人流量大、交通可达性好的居住区和公共服务设施。线上、线下餐饮集聚中心的分布有差异，在空间上形成互补关系。
②餐饮位置与网络口碑在反映餐饮空间结构上既有相似之处，也有差别。由于网络空间的地理根植性，线下餐饮的网络口碑的分析结果与餐饮位置的基本一致，网络空间规模与实体空间规模呈正相关。而线上餐厅的网络空间规模与实体空间规模呈非线性关系，基于餐饮位置的低等级集聚中心可能在网络口碑分析中成为高等级集聚中心。而且，线上、线下餐厅的网络口碑核密度值取值范围更广，这说明网络口碑能够更有效地反映餐饮空间结构。
③基于位置信息和基于口碑信息的线下餐饮空间分布符合中心地理论特征，基于位置信息和基于口碑信息的线上餐饮空间分布同时符合中心地理论和中心流理论特征。这说明移动信息时代餐饮空间的研究范式发生转变。中心地理论对餐饮空间研究仍起着重要作用，但是，需要中心流理论予以补充，才能更好地解释新现象、新问题。
基于位置信息的集聚中心代表餐饮同行的规模，基于口碑信息的集聚中心代表消费活力和消费者规模，对于餐厅商户的区位选址、骑手布局和消费者行为决策要兼顾二者的平衡。餐厅的组织模式和就餐模式仍会随着信息技术的迭代而不断发生变化。需要解释的是，本文的大众点评研究结果与Xu、Qin等的研究结果不一致[24-25]，主要是因为数据获取时间和样本选择对象的不同造成的。本文选择的是只提供堂食、不提供外卖服务的线下餐厅，而Xu、Qin等选择的是大众点评全样本。2019年和2012、2016年相比，网民的增加导致餐厅商户信息和消费者点评信息增加了很多。这也说明了实时大数据的分析研究对餐饮业规划的重要性。
随着数据源的多样化和研究方法的创新，餐饮空间的进一步研究将有助于丰富、深化空间理论。未来餐饮空间研究应立足于“场所空间—流动空间—流空间”的空间架构中，通过对餐饮商户与消费者、交通流（就餐或配送）与信息流（信息查询、消费点评、下单等）的综合分析，深入探讨线上—线下餐饮空间的关系和联系。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Beldad A, Jong M D, Steehouder M. How shall I trust the faceless and the intangible?A literature review on the antecedents of online trust[J]. Computers in Human Behavior, 2010, 26(5):857-869.

[2]
Hart C, Blackshaw P. Internet inferno[J]. Marketing Management, 2006, 15(1):18-25.

[3]
Bei L, Chen E Y I, Rha J Y, et al. Consumers' online information search for a new restaurant for dining-out[J]. Journal of Foodservice Business Research, 2003, 6(3):15-36.

[4]
Eckardt F. Media and urban space:understanding,investigating and approaching mediacity[M]. Berlin: Frank & Timmer GmbH, 2008.

[5]
曾璇, 崔海山, 刘志根. 广州市餐饮店分布演变特征与影响因素[J]. 经济地理, 2019, 39(3):143-151.

[6]
杨帆, 徐建刚, 周亮. 基于DBSCAN空间聚类的广州市区餐饮集群识别及空间特征分析[J]. 经济地理, 2016, 36(10):110-116.

[7]
方嘉雯. 北京五道口地区韩国餐饮业空间布局特征与集聚机理分析[J]. 经济地理, 2014, 34(12):106-113.

[8]
Sheller M, Urry J. The new mobilities paradigm[J]. Environment and Planning A, 2006, 38(2):207-226.

[9]
Taylor P J, Hoyler M, Verbruggen R. External urban relational process:introducing central flow theory to complement central place theory[J]. Urban Studies, 2010, 47(13):2803-2818.

[10]
Christaller W. Die zentralen Orte in Stiddeutschland[M]. Jena: Fischer, 1933.

[11]
Muller C C, Inman C. The geodemographics of restaurant development[J]. Cornell Hospitality Quarterly, 1994, 35(3):88-95.

[12]
Reigadinha T, Godinho P, Dias J. Portuguese food retailers-Exploring three classic theories of retail location[J]. Journal of Retailing and Consumer Services, 2017, 34:102-116.

[13]
张旭, 徐逸伦. 南京市餐饮设施空间分布及其影响因素研究[J]. 热带地理, 2009, 29(4):362-367.

[14]
胡志毅, 张兆干. 城市饭店的空间布局分析——以南京市为例[J]. 经济地理, 2002, 22(1):107-110.

[15]
梁璐. 城市餐饮业的空间格局及其影响因素分析——以西安市为例[J]. 西北大学学报:自然科学版, 2007, 37(6):925-930.

[16]
舒舍玉, 王润, 孙艳伟, 等. 城市餐饮业的空间格局及影响因素分析——以厦门市为例[J]. 热带地理, 2012, 32(2):134-140.

[17]
Castells M. The informational city: Information technology, economic restructuring,and the urban-regional process[M]. Oxford: Blackwell, 1989.

[18]
翟青. 基于居民活动的城市虚—实空间关联研究与评价[D]. 南京: 南京大学, 2015.

[19]
Castells M. Rise of the network society:the information age:economy,society and culture[M]. Blackwell Publishers, Inc., 1996.

[20]
King R A, Racherla P, Bush V D. What we know and don’t know about online word-of-mouth:a review and synthesis of the literature[J]. Journal of Interactive Marketing, 2014, 28(3):167-183.

[21]
Berger J. Word of mouth and interpersonal communication:a review and directions for future research[J]. Journal of Consumer Psychology, 2014, 24(4):586-607.

[22]
Anderson E. Customer satisfaction and word of mouth[J]. Journal of Service Research, 1998, 1(1):5-17.

[23]
Brown J, Broderick A J, Lee N. Word of mouth communication within online communities:Conceptualizing the online social network[J]. Journal of Interactive Marketing, 2007, 21(3):2-20.

[24]
Qin X, Zhen F, Gong Y. Combination of big and small data:empirical study on the distribution and factors of catering space popularity in Nanjing,China[J]. Journal of Urban Planning and Development, 2019, 145(1):05018022.1-05018022.12.

[25]
Xu F F, Zhen F, Qin X, et al. From central place to central flow theory:an exploration of urban catering[J]. Tourism Geographies, 2019, 21(1):1-22.

[26]
施响. 长春市外卖O2O餐饮业空间格局及其与实体店相互作用研究[D]. 长春: 东北师范大学, 2018.

[27]
许宽. 基于网络评价的长沙城区餐饮业空间分布研究[D]. 长沙: 湖南师范大学, 2016.

[28]
夏令军, 刘艳芳, 刘国炜. 中国地级城市餐饮业分布格局及影响因素——基于“大众点评网”数据的实证研究[J]. 经济地理, 2018, 38(5):133-141.

DOI

[29]
南京市规划和自然资源局. 南京市商业网点规划(2015-2030)[EB/OL]. http://ghj.nanjing.gov.cn/pqgs/ghbzpqgs/201607/t20160725_874736.html, 2016-07-25.

[30]
南京市规划和自然资源局. 南京市城市总体规划(2011-2020)[EB/OL]. http://ghj.nanjing.gov.cn/ghbz/ztgh/201705/t20170509_874089.html, 2017-05-09.

[31]
秦萧, 甄峰, 朱寿佳, 等. 基于网络口碑度的南京城区餐饮业空间分布格局研究——以大众点评网为例[J]. 地理科学, 2014, 34(7):810-817.

DOI

[32]
Härdle W, Simar L. Applied multivariate statistical analysis (3rd ed)[M]. Engelwood Cliffs, NJ: Prentice Hall, 2012.

[33]
谢顺平, 冯学智, 王结臣, 等. 基于网络加权Voronoi图分析的南京市商业中心辐射域研究[J]. 地理学报, 2009, 64(12):1467-1476.

DOI

Options
Outlines

/

〈 〉