EN中文

Economic geography >

2021 , Vol. 41 >Issue 5: 145 - 154

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.05.016

Spatial Distribution and Influencing Factors of Modern Service Industry in Fast-growing City of Underdeveloped Areas：A Case Study of Zhengzhou Based on POI and Questionnaire Data

  • LI Jiangsu , 1 ,
  • LIANG Yan 2 ,
  • LI Xiaojian , 1, 3, ※
Expand
  • 1. Key Research Institute of Yellow River Civilization and Sustainable Development & Collaborative Innovation Center of Yellow River Civilization Provincial Co-construction，Henan University，Kaifeng 475001，Henan，China
  • 2. School of Resource and Environmental Sciences，Wuhan University，Wuhan 430079，Hubei，China
  • 3. Academician Laboratory for Urban and Rural Spatial Data Mining/Collaborative Innovation Center of Urban-Rural Coordinated Development，Henan University of Economics and Law，Zhengzhou 450046，Henan，China

Received date: 2020-09-07

  Revised date: 2021-04-19

  Online published: 2025-04-17

Fold

Abstract

The development level of modern service industry is an important indicator to reflect the comprehensive competitiveness and modernization degree of a city. Taking Zhengzhou,a fast-growing city in underdeveloped areas,as an example and based on POI data,this paper analyzed the spatial aggregation characteristics of modern service industry in Zhengzhou by the methods of DBSCAN and kernel density analysis,and discussed the influencing factors of the spatial distribution of modern service industry combining the survey data. The overall and sub-industry of modern service industry showed the typical "center-periphery" nested layout characteristics. Zhengzhou has initially formed a number of modern service industry cluster areas,which is similar to the first-tier cities of developed areas to a certain extent,while the aggregation areas are concentrated in the mother city. The spatial agglomeration level of modern service industry and each sub industry has obvious regional disparity,which mainly reflected the differences of municipal districts and "mother city-new city". The influencing factors are market demand,traffic conditions and land rent,which obviously guide the overall and sub-industry layout of modern service industry. The mother city has comparative advantages in these three traditional factors. Comparing with the developed first-tier cities,the spatial distribution of modern service industry in fast-growing cities of underdeveloped areas shows that the orientation of traditional elements and the importance of new elements haven't been exhibited.

Key words： underdeveloped areas; fast-growing city; modern service industry; DBSCAN clustering algorithm; POI data

Cite this article

LI Jiangsu , LIANG Yan , LI Xiaojian . Spatial Distribution and Influencing Factors of Modern Service Industry in Fast-growing City of Underdeveloped Areas：A Case Study of Zhengzhou Based on POI and Questionnaire Data[J]. Economic geography, 2021 , 41(5) : 145 -154 . DOI: 10.15957/j.cnki.jjdl.2021.05.016

随着全球化和信息技术的快速发展，产业结构逐渐由“工业主导型经济”向“服务主导型经济”转型，服务业占GDP的比重不断提高，成为地区经济增长的引擎[1]。现代服务业发展水平是体现城市综合竞争力和现代化程度的重要指标，纽约、伦敦、东京等国际发达城市的实践表明，加快发展现代服务业，大大提高了这些城市在全球城市体系中的地位[2]。一些研究表明：发展现代服务业有助于促进城市产业转型升级[3]、转变城市结构，完善城市功能，提升城市品质[2]、改变城市就业结构、缓解城市就业压力[4]。自2000年以来，我国开始重视现代服务业的培育和发展。2002年“十六大”报告提出：“加快发展现代服务业，提高第三产业在国民经济中的比重”。2007年，国务院发布了《关于加快发展服务业的若干意见》，对加快发展现代服务业起到了促进作用。过去20年里，北京、上海、广州、深圳等国内发达城市的现代服务业得到长足发展，对城市经济增长作出重要贡献。
郑州作为国家中心城市、中原城市群核心增长极，近年来经济增长速度较快，成为欠发达地区快速增长的典型城市。2016年郑州GDP为8 113.94亿元；2017年GDP增速为8.2%，在9个国家中心城市中排第2；2018年GDP突破万亿元，成功晋级“万亿俱乐部”，常住人口突破千万人，人均GDP突破10万元，实现了历史性跨越，成为欠发达地区快速增长的典型城市。然而，与北京、上海、广州、深圳等发达地区一线城市相比，郑州的现代服务业发展水平较滞后。科学认知郑州现代服务业空间布局状况及其影响要素，对现代服务业的空间布局优化和综合水平提高，具有重要意义。本研究基于POI大数据，采用DBSCAN聚类算法及核密度两种空间分析方法，研究郑州现代服务业总体及各分行业空间布局特征；以此为基础，结合问卷数据，探讨郑州现代服务业空间布局影响因素。本研究为政府部门制定现代服务业空间布局政策、促进郑州现代服务业的合理聚集提供依据，同时对认知我国欠发达地区快速增长城市的现代服务业空间布局规律及影响机制具有重要理论和现实意义。

1 文献述评与分析框架

1.1 文献述评

国外与现代服务业相关的概念有“第四产业”[5]、“知识密集型服务业（Knowledge-Intensive Business Services）”[6]、“高级生产性服务业（Advanced Producer Service）”[7]。国内对现代服务业的定义为：现代服务业是指以现代科学技术特别是信息网络技术为主要支撑，建立在新的商业模式、服务方式和管理方法基础上的服务产业[8]。在现代服务业不断发展的实践中，现代服务业逐渐成为学界关注的焦点，学界主要围绕现代服务业空间布局特征和机制开展研究。
在空间布局特征方面，相关研究显示：①与传统制造业相比，现代服务业呈明显的空间聚集特征[9]；②发达国家一些全球城市的实践表明，当城市经济发展到一定阶段，在经济总量发展、经济结构变化和人口发展等因素的驱动下，现代服务业将由分布在单一的大型CBD（中央商务区）向多个微型商务区转变，这成为大都市现代服务业空间布局演变的一般规律[10]。1960年代以来，以伦敦、纽约、东京为代表的全球城市，现代服务业经历了单一聚集在中央商务区向多个微型商务区的转变[11]。国内现代服务业发展较好的一线城市，在某种程度上遵循着这一规律。如上海已初步形成了除陆家嘴金融贸易区（中央商务区）之外的人民广场、南京路、淮海路、徐家汇等多个商务区[12]；北京在建设除中央商务区之外的丽泽金融商务区，广州在建设除天河中央商务区之外的广州国际金融城—黄埔临港经济区中央商务区，南京现代服务业由新街口（南京中央商务区）向河西CBD、南部新城、仙林、东山、江北等副中心聚集。这些新现代服务业聚集区的形成与发展，对城市现代服务业空间布局调整、拉动城市经济增长、促进服务业结构升级产生重要影响。
在现代服务业空间布局影响要素方面，国外相关研究发现，现代服务业空间布局受人才、地价租金、科学技术、交通条件等要素影响[13-14]。国内侧重于理论及宏观分析的文献显示，市场条件和政府行为是影响现代服务业布局的重要因素[15]；部分关于上海、北京、南京、深圳等城市的案例分析表明，市场机制与政府调控双驱动[2,16⇓⇓-19]、组织创新网络[2,20]、交通条件与人才水平等[21]，影响着现代服务业的空间布局。上述关于现代服务业的研究，对揭示现代服务业空间布局规律及影响要素有重要意义，也为国内其他省份或城市现代服务业的发展提供经验借鉴。然而，上述大部分研究来自于经济与管理学科，由于受学科特征以及空间数据获取的制约，大部分研究尚不能在城市空间内部精准刻画现代服务业空间布局特征及规律。近年来，由于大数据的出现，人文—经济地理学可借助具有空间属性的数据和空间综合分析方法，精细化地分析现代服务业在城市内部的空间布局特征。
相对于“自上而下”的统计数据，很多“自下而上”的大数据携带了地理空间属性。具有地理空间属性的大数据，为人文—经济地理学开展经济社会现象的空间分析提供了契机[22-23]。POI数据作为大数据的一种类型，因其携带经纬度信息被广泛运用。POI数据出现之初，相关研究集中在数据的更新与挖掘方面[24]。随着数据更新及挖掘技术的日趋成熟，学者将研究视野聚焦在POI数据的应用方面，如个性化POI推荐[25]、旅游热点区域识别[26]、城市基础设施规划[27]、城市群边界及城市建成区边界识别[28-29]、城市商业零售业和物流业的热点空间识别[29-30]、城市服务业空间聚类分析等方面[31]。尽管近年来POI数据已广泛用于上述人文—经济地理学领域社会经济现象的空间量化分析，但是POI数据用于城市现代服务业空间布局的精细化研究并不多见，有待进一步开展。

1.2 分析框架

基于上述文献梳理，现代服务业空间布局及影响因素分析，可从以下方面开展：①在空间布局分析方面，POI数据可为开展现代服务业空间布局精细化研究提供较好支撑，且当前诸多学者可从高德和百度地图开放API接口获取此类数据。在此前提下，可按照国民经济行业分类标准对POI数据清洗和行业归类，形成现代服务业总体及分行业数据。在此基础上，借助空间分析模型工具（如核密度估计、BDSCAN聚类算法等），识别一定空间范围内的现代服务业总体及分行业的不同密度等级分布区以及不同规模集聚区，从而揭示现代服务业空间布局特征。②影响因素分析方面，较多学者论及了诸多要素，包括市场水平、地价租金、交通条件、人才或劳动力、信息获取便利程度、创新水平、政策等要素对现代服务业空间布局的影响[2,15,32]，这些要素可纳入分析框架。此外，本研究咨询相关专家，认为在现代服务业行业体系中，部分科技含量高的行业在空间布局时追求优美的城市生态环境，为此生态环境因素应纳入要素分析框架。要素数据采用问卷获取。结合上述分析，本研究绘制了现代服务业空间分布及影响因素的分析框架（图1）。
图1 现代服务业空间分布及影响因素分析框架

Fig.1 Analysis framework of spatial distribution and influencing factors of modern service industry

2 研究区域、数据与方法

2.1 研究区域

郑州是国家中心城市、中原城市群重要增长极，地处河南省中部偏北，黄河中下游，位于我国地理位置核心，交通条件优越，是中国铁路、公路、航空、信息通信兼具的综合性交通枢纽。郑州市城区包括中原区、二七区、金水区、惠济区、管城回族区、上街区，由于上街区与其他几个城区相距较远（属飞地城区），本研究选取了金水区、中原区、惠济区、二七区、管城回族区作为研究区域。2000年郑州提出规划建设郑东新区，2002年确定规划方案，2003年破土动工建设，至今已开发建设18年，因此本研究除了观测上述5个行政区外（郑州母城），也将郑东新区纳入观测区域（图略）。

2.2 数据来源

本研究涉及的数据包括：①POI数据，即郑州市范围内与现代服务业务相关的兴趣点数据，共计99 858个，来源于高德地图开放的API接口。高德地图将POI分为汽车服务、汽车销售、汽车维修、餐饮服务、购物服务、生活服务、体育休闲服务、医疗保健服务、住宿服务、风景名胜、商务住宅、政府机构及社会团体、科教文化服务、交通设施服务、金融保险服务、公司企业等19大类，每个类别下包含诸多小类。本研究按照《国民经济行业分类》（GBT4754-2011）标准，将属于现代服务业的POI归纳为8类（表1）。②研究区域的界限图，来源于国家基础地理信息系统数据库。③问卷数据，用于现代服务业空间布局影响因素分析，来源于项目组成员在郑州市开展的331份有效调查问卷。
表1 POI数据的现代服务业行业属性

Tab.1 Modern service industry attributes of POI data

行业代码及分类 POI数据内容 POI数量（个）
a.交通运输和仓储邮政 汽车站、火车站、地铁站、机场、交通票销售网点、邮局、邮局速递、物流速递、物流仓储场地等 23 048
b.信息传输、软件和信息技术服务 中国移动、中国电信、中国联通、卫通、有线、宽带、电子商务平台等 1 156
c.金融保险 银行、证券公司、保险公司、财务公司、期货公司等 5 099
d.房地产 商务写字楼、住宅小区、售楼中心、房地产中介、物业公司等 12 241
e.租赁和商务服务 汽车租赁公司、机械租赁公司、日用品租赁公司、旅行社、广告公司、律师事务所、会计事务所、评估事务所、认证事务所、专利事务所、人才市场等 22 649
f.科学研究和技术服务 研究院、研究所、实验中心、实验室等 6 170
g.教育 幼儿园、小学、中学、大学院校、培训机构、成人教育、职业技术教育等 20 680
h.文化体育和娱乐 博物馆、档案馆、期刊杂志社、运动场馆、娱乐休闲场所、度假疗养场所、广播电视台、影剧院等 8 815

2.3 研究方法

2.3.1 DBSCAN聚类算法

DBSCAN算法是密度聚类的典型代表，由Ester等人提出的一种根据数据分布的密度进行聚类的方法[33]。DBSCAN算法主要涉及两个关键参数： E p s和Min-points。 E p s表示研究领域半径， E p s主要根据对象之间的欧氏距离和降序K的距离确定；而Min-points是用户给定的领域内对象的最小值。欧氏距离即空间上两点 A ( X 1 , X 2 )， B ( Y 1 , Y 2 )的距离，其计算公式为[31]：
D ( A , B ) = X 2 - X 1 2 + Y 2 - Y 1 2
式中： X 1、 X 2、 Y 1、 Y 2分别代表A、B两点各自的横坐标和纵坐标。DBSCAN算法将簇定义为：密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，最终形成任意形状的聚类（图2）。
图2 DBSCAN算法流程图

Fig.2 Flowchart of DBSCAN algorithm

2.3.2 核密度分析

核密度分析是测度局部密度变化、探索空间热点的有效技术，可计算出每个输出栅格周围的点要素密度，以呈现POI空间布局的集中与离散程度。公式为[34-35]：
D ( x i , y i ) = 1 u r ∑ i = 1 u k d r
式中： D ( x i , y i )为POI在空间位置 ( x i , y i )处的核密度值； r为搜索半径，也被称为带宽； u为与位置 ( x i , y i )的距离小于等于半径 r的点要素数； k函数表示空间权重函数； d为当前点要素与 ( x i , y i )之间的点距离。

2.3.3 问卷调查

本研究将问卷调查用于探析现代服务业空间布局的影响因素。问卷调查经历了四个步骤：①文献分析，用于归纳现代服务业区位选择的影响因素，初步设计调查问卷；②征求专家意见，用于修订并确定调查问卷；③样本容量确定，按照Gorsuch的观点，应保证测量问项与样本量的比例达到1∶5以上，若达到1∶10为最优[36]。本研究中调查问卷的问项为19个，调查的样本数量应不少于190份；④问卷发放与回收，采用随机走访形式。

3 郑州现代服务业空间布局

3.1 总体空间格局

采用DBSCAN聚类算法将Min-points参数进行多次迭代实验，当Min-points为280，EPS=1.5 km时，聚类结果分布较稳定，聚类类别相互差别较大，郑州市现代服务业总体被分为7类，呈现“1+6”的结构特征，即1个较大的聚类周边环绕6个规模较小的聚类（图3a）。在7类聚类中，第7类的规模和服务半径最大，跨越了郑州市5个区，该聚类不仅能为聚类所在的内部区域提供服务功能，而且其服务功能可辐射至外部地区。以第7类为核心，环绕其周围形成了其他6个规模较小的聚类，向南形成了第2类现代服务业集聚区，向北扩散形成了第5类现代服务业集聚区，向西形成了第1类、第3类和第4类现代服务业集聚区，向东形成了第6类现代服务业集聚区。DBSCAN聚类算法共识别出3 484个噪声点（噪声比仅为3%），这些噪声点是在Min-points=280，EPS=1.5km时，未能纳入上述7类的POI。在这些噪声点中，局部区域出现了有一定规模且分布集中的噪声点，这些分布集中的噪声点可能发展为未来新的聚类。
选择搜索半径为1.5 km、输出像元值为0.0003、采用Geodesic方法，对郑州市现代服务业整体的POI进行核密度分析；将分析结果采用自然间断点分级法分为6个等级（核密度值最高的为“一级”，下同），各行业POI核密度空间可视化结果如图3b。
图3 现代服务业DBSCAN聚类及核密度分析结果

Fig.3 DBSCAN clustering and kernel density analysis of modern service industry

核密度分析结果显示，郑州市现代服务业形成了“4+5+3”的核密度等级体系：4个一级密度核心区，5个二级密度核心区，3个三级密度核心区。核密度等级体系呈明显的“中心—外围”特征，即高一级别的密度核心区被低一级别的密度核心环绕。12个密度核心集中分布在三环以内，从行政区划来看，金水区现代服务业的核密度等级体系最完善，形成3个一级、2个二级、2个三级密度核心区；在金水区内，有1个一级密度核心区呈类似“X”状的格局并延伸至管城回族区和二七区，此密度核心区为郑州市级别最高、涉及空间范围最大的密度核心区。管城区和二七区现代服务业的核密度等级体系较完善，管城区形成1个一级密度核心区（与金水区最大的一级密度核心区在空间上连接），二七区形成2个一级密度核心区（其中1个与金水区最大的一级密度核心区在空间上连接），管城区和二七区的二级、三级密度核心区均为2个、1个；惠济区和中原区现代服务业的核密度等级体系尚不完善，缺乏一级密度核心区。可见，郑州市现代服务业空间布局密度存在很大的区域差异。

3.2 分行业空间格局

采用DBSCAN算法，对郑州市POI数据所属的8个现代服务行业进行聚类分析。由于8个服务行业的POI数量相差较大，不同行业采用不同的参数进行聚类，在EPS=1 km时，经过多次迭代实验，最终确定了Min-points值（表3），在此参数下的分行业聚类结果见表4、图4。
表3 现代服务业分行业DBSCAN聚类参数

Tab.3 DBSCAN clustering parameters of sub-industry of modern service industry

行业代码 a b c d e f g h
Min-point（个） 100 20 60 60 80 60 60 60
EPS（km） 1 1 1 1 1 1 1 1
表4 现代服务业分行业聚类结果中的POI数量分布情况

Tab.4 Quantitative distribution of POI in clustering results of sub-industry of modern service industry

行业代码 a b c d e f g h
POI总数（个） 23 048 1 156 5 099 12 241 22 649 6 170 20 680 8 815
噪声点（个） 2 332 389 811 1 075 1 742 979 1 205 1 245
第1类（个） 1 187 101 3 942 10 695 106 99 18 229 63
第2类（个） 18 662 42 114 159 20 042 138 781 7 151
第3类（个） 171 32 108 208 97 4 555 344 108
第4类（个） 179 82 124 104 441 180 61 108
第5类（个） 139 490 - - 105 219 60 64
第6类（个） 141 20 - - 116 - - 76
第7类（个） 237 - - - - - - -
所有聚类（个） 20 716 767 4 288 11 166 20 907 5 191 19 475 7 570
所有聚类占总数比重（%） 90 66 84 91 92 84 94 86
最大聚类占所有聚类比重（%） 90 64 92 96 96 88 94 94
噪声比（%） 10 34 16 9 8 16 6 14
图4 现代服务业分行业DBSCAN聚类结果

Fig.4 DBSCAN clustering results of sub-industry of modern service industry

表4显示，各行业形成了1~7个聚类，由于对各行业选择了同一搜索半径（EPS），在半径一致的情况下，对于Min-points参数较大、噪声比较低（所有聚类占总数比重较大）的行业，其空间发育水平较高。在8个现代服务行业中，交通运输和仓储邮政、房地产、租赁和商务服务、教育4个行业Min-points参数均在60~100范围，且噪声比较低，均在6%~10%之间，这些行业的POI聚集程度高且分布范围广，空间发育水平较高；信息传输/软件和信息技术服务业、金融保险业、科学研究和技术服务业和文化体育和娱乐4个行业Min-points参数均在20~60范围，且噪声比均在14%~34%之间，这些行业的POI聚集程度低且分布范围相对小，尤其是信息传输/软件和信息技术服务业最为突出，不仅Min-points参数低，而且噪声比也高达34%，空间发育水平较低。
图4显示，各行业均以金水区、管城回族区、二七区和中原区四区交界地带为中心（与现代服务业总体一致），形成覆盖范围最大的聚类，该地带为郑州市火车站、二七广场及其周边区域，该区域是郑州市最繁华的商业区，具有较好的现代服务业基础。从区域差异来看，金水区是各行业形成聚类的核心区域，该区域各行业现代服务业聚类的覆盖范围大，是郑州市现代服务业发展的“领头地区”；管城回族区、二七区、中原区3区域是各行业形成聚类的次核心区域；各行业现代服务业均在3区域形成聚类，但聚类覆盖范围相比金水区小；惠济区是郑州市现代服务业聚类发育水平较低的区域，交通运输和仓储邮政业、教育以及文化体育和娱乐3个行业在此区域形成覆盖范围较小的聚类，其他5个行业均未在此区域形成聚类。
选择搜索半径为1km、输出像元值为0.0001、采用GEODESIC方法，对郑州市现代服务业8个行业的POI进行核密度分析；将分析结果采用自然间断点分级法分为6类，各行业POI核密度空间可视化结果如图5。核密度分析结果显示，郑州市现代服务业的各行业均形成了不同等级的密度核心区，各行业高级别密度核心区数量见表5。图5显示：①各分行业高级别密度核心区呈现空间重叠特征，主要表现为各行业的一级、二级、三级密度核心区集中分布在金水区、管城回族区、二七区和中原区四区交界地带（与现代服务业总体一致）。②从行业核密度水平差距来看，租赁和商务服务、交通运输和仓储邮政、教育3个行业的密度水平具有比较优势，信息传输/软件和信息技术服务业密度水平最低，其他4个行业处于中间水平。③从区域差异来看，在8个行业中，金水区各行业的核密度等级体系最完善，且不同行业的高密度核心区（一级、二级、三级）均分布于此区域；管城回族区有7个行业在此区域形成等级完善的核密度等级体系（行业e除外）；二七区有5个行业在此区域形成等级完善的核密度等级体系（行业c、e、f除外）；中原区仅有房地产业1个行业在此区域形成等级完善的核密度等级体系；惠济区尚无任何行业在此区域形成等级完善的核密度等级体系。
图5 现代服务业分行业核密度结果

Fig.5 Kernel density results of sub-industry of modern service industry

表5 现代服务业分行业高级别密度核心区数量

Tab.5 Number of high-level density core areas in sub-industry of modern service industry

行业代码 a b c d e f g h
一级 4 12 3 10 3 2 10 7
二级 9 15 5 4 13 5 7 8
三级 7 16 8 6 15 12 11 10

4 郑州现代服务业空间布局影响因素

采用问卷调查法对郑州现代服务业空间布局影响因素进行分析，共发放问卷 333份，有效问卷331份。样本包含了现代服务业的各个行业，保证了样本既能满足现代服务业整体，又能满足分行业空间布局影响因素的分析（表6）。在开展问卷调查时，课题组成员用手持GPS定位仪采集了每个样本的经纬度信息，对样本进行空间可视化，样本呈均匀分布格局，样本与POI集中分布的区域一致（图6）。在问卷调研的基础上，对数据进行整理，统计了8项要素对现代服务业总体及分行业空间布局的影响程度（图7）。
表6 现代服务业问卷调查样点数量行业分布

Tab.6 Sample of questionnaire survey on modern service industry

行业代码 a b c d e f g h 总体
样本数量（个） 26 31 33 44 57 26 52 62 331
图6 郑州现代服务业POI及调研样点分布

Fig.6 Distribution of POI and survey sample of modern service industry

图7 不同要素对现代服务业总体及分行业空间布局的影响程度

Fig.7 Influence degree of different elements on the overall and sub-industry spatial layout of modern service industry

图7显示，市场需求水平、交通条件两项因素对现代服务业总体及各分行业空间布局影响程度最大，地价租金水平因素尽管对金融保险业和文化体育娱乐业两个行业影响程度不明显，但对现代服务业总体及其余5个行业均产生较大影响，其影响程度仅次于市场需求水平、交通条件两项因素。其余5项要素与前3项要素相比，这些要素对现代服务业总体及各分行业空间布局的影响程度相对较小。在这5项要素中，不同要素对现代服务业总体及各分行业的影响程度存在较大差异：生态环境状况对现代服务业总体、信息传输/软件和信息技术服务业产生较大影响；政府政策扶持状况对信息传输/软件和信息技术服务业、科学研究和技术服务业产生较大影响；信息获取便利程度对文化体育和娱乐、房地产、信息传输/软件和信息技术服务业三个行业影响较大；劳动力和人才供应状况对文化体育和娱乐、房地产、信息传输/软件和信息技术服务业三个行业影响较大，前两个行业主要体现在劳动力供应状况层面，第三个行业主要体现在人才供应层面；在8项要素中，创新水平是对现代服务业总体及各分行与影响程度最小的要素，该要素对科学研究和技术服务、信息传输/软件和信息技术服务、教育三个行业的影响程度相对较大。

5 结论与讨论

5.1 结论

本研究将大数据与问卷数据结合，采用DBSCAN聚类算法和核密度分析方法，分析了郑州市现代服务业总体及分行业空间布局特征；采用问卷调查法探讨了空间布局的影响因素。研究结论如下：
空间布局分析发现：①郑州市现代服务业总体及分行业存在两类“中心—外围”格局，且存在嵌套特征。第一类：以最大规模的聚集区为中心，分布着多个较小规模的聚集区；第二类：在最大规模的聚集区内，高级别的密度核心区被低级别的密度核心区环绕。嵌套特征：第二类“中心—外围”格局嵌套在第一类“中心—外围”格局内部。郑州现代服务业存在两类“中心—外围”格局，且存在嵌套特征，表明郑州已初步形成多个现代服务业聚集区。②郑州现代服务业呈现显著的区际发展不均衡特征。从行政区视角，金水区现代服务业发育最完善、惠济区发育程度较低；从母城—新城视角，母城发育较完善、郑东新区较滞后。③郑州初步形成多个现代服务业聚集区，在一定程度上与国内发达一线城市类似，遵循着现代服务业空间布局演变的一般规律。然而，发达地区新型现代服务业聚集区成长速度相对较快、聚集区在空间上相对均（如上海[16]、南京[2]），欠发达地区新型现代服务业聚集区成长速度较慢，空间布局上相对失衡。
影响因素分析发现：①三项传统要素（市场需求水平、交通条件、地价租金水平）对现代服务业总体及分行业的空间布局产生较大程度的影响；其他五项要素对现代服务业总体及分行业的空间布局影响程度较小，尤其是创新水平影响程度最低。②其他五项要素（生态环境状况、政府相关政策扶持状况、信息获取便利程度、劳动力及人才供应水平、创新水平），对现代服务业总体及各分行业空间布局的影响程度存在较大差异。③郑州作为欠发达地区快速增长的典型城市，现代服务业区位选择时有较强的传统要素导向，一些对现代服务业空间布局产生重要影响的新因素的影响力相对较弱，不利于现代服务业更合理地进行区位选择。这种传统要素导向与发达地区有所差异。

5.2 讨论

第一，从产业结构视角来看，发展现代服务业有助于促进城市产业结构转型升级，进而改变居民就业结构。从空间布局视角来看，现代服务业空间布局存在的影响效应为：①对城市格局产生影响。如教育业，在一段时期内，为了将高等教育聚居在特定区域，实现资源共享和改善高等教育发展环境，许多城市建设大学城。大学城通常选择城市边缘区，这很大程度上改变了城市格局。②现代服务业是城市活力的重要标志，扮演城市引导者角色。现代服务业聚集区通常营商环境较好。新的现代服务业聚集区的崛起，将拉动邻近区域的现代服务业乃至传统服务业发展，为城市发展注入活力。③影响城市营商环境。对于欠发达地区快速增长城市郑州而言，尽管已初步形成多个现代服务业聚集区，然而，现代服务业过度聚集在老城区CBD及其邻近区域，导致此区域地价租金上升、产业发展成本增加，也给此区域公共服务、交通和环境带来巨大压力，导致聚集超越最优发展边界。这种“过度集聚”格局，不利于其他初具雏形的集聚区扩大规模并提高聚集密度。在上述现代服务业空间布局的影响效应中，包含了正向、负向的效应，在优化现代服务业空间布局中，应遵循趋利避害原则。事实上，现代服务业空间布局的影响效应远不止这些，上述仅是本研究粗浅的认知，这一问题有待深入探讨。
第二，当前，市场需求水平、交通条件、地价租金水平等3项传统要素对郑州现代服务业区位选择的影响程度较大。事实上，生态环境状况、政府相关政策扶持状况、信息获取便利程度、劳动力及人才供应水平、创新水平对现代服务业的发展也至关重要，目前这5项要素对郑州现代服务业空间布局的影响较小，未来应加强这5项要素的培育，以更好地发挥这5项要素对现代服务业的支撑及空间布局引导作用。
第三，基于大数据，将DBSCAN算法和核密度分析方法两种方法结合，可精细化分析城市内部现代服务业空间布局特征。DBSCAN算法对现代服务业较为密集的区域以聚类簇的形式在城市内部空间进行识别，核密度分析则以密度等级体系的形式判别现代服务业在城市内部空间的发育状况。将两种方法结合，有利于透析城市内部产业空间布局特征，这两种分析方法也可以应用于区域内其他点状要素的空间布局特征研究。本研究中将POI数据应用于现代服务业空间布局研究，突破了对传统统计数据的依赖，为人文—经济地理学领域开展经济社会现象的空间分析提供了新的机遇。将大数据与传统问卷调查数据相结合，体现了大数据与传统数据的交叉应用，为人文—经济地理学领域内社会经济现象及规律的探析提供了新的解决思路。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
江小涓, 李辉. 服务业与中国经济:相关性和加快增长的潜力[J]. 经济研究, 2004(1):4-15.

[2]
官卫华, 陈雯. 大都市现代服务业空间组织机理研究——以南京为例[J]. 地理科学进展, 2013, 32(3):341-353.

DOI

[3]
任英华, 邱碧槐. 现代服务业空间集聚特征分析——以湖南省为例[J]. 经济地理, 2010, 30(3):454-459.

[4]
向书坚, 温婷. 中国现代服务业就业优势效应的区域差异性分析——基于空间偏离—份额模型的实证检验[J]. 科技管理研究, 2015, 35(9):223-229.

[5]
Selstad T. The rise of the quaternary sector: The regional dimension of wisdom or knowledge-based services in Norway,1970-1985[J]. Norwegian Journal of Geography, 1990, 44(1):21-37.

[6]
Toivonen M. Future prospects of knowledge-intensive business services (KIBS) and implications to regional economies[J]. ICFAI Journal of Knowledge Management, 2006, 4(3):2720-2732.

[7]
Hanssens H, Derudder B, Witlox F. Are advanced producer services connectors for regional economies?An exploration of the geographies of advanced producer service procurement in Belgium[J]. Geoforum, 2013, 47:12-21.

[8]
科学技术部. 现代服务业科技发展“十二五”专项规划[EB/OL]. http://www.gov.cn/zwgk/2012-02/22/content_2073617.htm, 2012-02-22/2020-05-01.

[9]
Krugman P. 发展、地理学与经济理论[M]. 蔡荣,译. 北京: 北京大学出版社, 2000.

[10]
陈陈, 何骏. 全球现代服务业集聚区崛起及中国的对策[J]. 经济地理, 2009, 29(6):936-939,1035.

[11]
何骏. 现代服务业集聚区是加快我国现代服务业发展的突破口——以上海为例[J]. 经济纵横, 2008(3):77-78,23.

[12]
李志平, 白庆华. 大都市现代服务业集聚区的形成机理研究[J]. 现代管理科学, 2008(2):13-15.

[13]
Illeris S. The service economy:a geographical approach[M]. John Wiley & Sons, Inc.,1996.

[14]
Moulaert F. Information technology consultancy firms:economies of agglomeration from a wide-area perspective[J]. Urban Studies, 2014, 32(1):105-122.

[15]
王先庆, 武亮. 现代服务业集聚边界的形成机制及影响因素研究[J]. 福建论坛:人文社会科学版, 2013(1):68-73.

[16]
朱桦. 上海现代服务业集聚区发展模式探讨[J]. 上海经济研究, 2012, 24(8):90-99.

[17]
赵波, 纪淑娴. 深圳市现代服务业集聚动力机制研究[J]. 经济体制改革, 2013(6):170-173.

[18]
毕秀晶, 李仙德. 上海现代服务业外资企业空间格局及其机理研究[J]. 城市规划学刊, 2010(1):64-70.

[19]
贾宏海, 袁丽娜, 田春芳. 北京现代服务业空间布局影响因素分析[J]. 新材料产业, 2008(11):73-75.

[20]
程肖芬. 基于自组织理论的现代服务业集聚区演化与动力研究——兼论上海现代服务业集聚发展[J]. 商业经济与管理, 2011(3):75-80.

[21]
李秀珍. 上海现代服务业集聚区:一种现代服务业发展模式的实践与启示[J]. 改革与开放, 2009(8):87-88.

[22]
甄峰, 秦萧, 王波. 大数据时代的人文地理研究与应用实践[J]. 人文地理, 2014, 29(3):1-6.

[23]
杨振山, 龙瀛, Nicolas DOUAY. 大数据对人文—经济地理学研究的促进与局限[J]. 地理科学进展, 2015, 34(4):410-417.

DOI

[24]
崔健, 魏金鹏, 仲伟政, 等. 基于栅格基本图的POI数据更新方法研究[J]. 测绘通报, 2011(3):66-68,94.

[25]
Chen J, Li X, Cheung W K, et al. Effective successive POI recommendation inferred with individual behavior and group preference[J]. Neurocomputing, 2016, 210:174-184.

[26]
丁娟, 李俊峰. 基于Web地理图片的中国入境游客POI空间格局[J]. 经济地理, 2015, 35(6):24-31.

[27]
索超, 张浩. 高铁站点周边商务空间的影响因素与发展建议——基于沪宁沿线POI数据的实证[J]. 城市规划, 2015, 39(7):43-49.

[28]
梁泽, 黄姣, 韦飞黎, 等. 基于夜光遥感影像与百度POI数据的中国城市群空间范围识别方法[J]. 地理研究, 2020, 39(1):92-102.

DOI

[29]
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.

DOI

[30]
薛冰, 肖骁, 李京忠, 等. 基于POI大数据的沈阳市住宅与零售业空间关联分析[J]. 地理科学, 2019, 39(3):442-449.

DOI

[31]
李江苏, 梁燕, 王晓蕊. 基于POI数据的郑东新区服务业空间聚类研究[J]. 地理研究, 2018, 37(1):145-157.

DOI

[32]
陈景华, 王素素. 现代服务业发展的地区差异与影响因素——以山东为例[J]. 山东社会科学, 2018(8):153-158.

[33]
Ester M, Kriegel H P, Sander J, et al. A density-based algorithm for discovering clusters in large spatial databases with noise[C]. Kdd, 1996, 96(34):226-231.

[34]
柳林, 姜超, 周素红, 等. 城市入室盗窃犯罪的多尺度时空格局分析——基于中国H市DP半岛的案例研究[J]. 地理研究, 2017, 36(12):2451-2464.

DOI

[35]
李江苏, 王晓蕊, 李小建. 中国传统村落空间分布特征与影响因素分析[J]. 经济地理, 2020, 40(2):143-153.

DOI

[36]
Gorsuch R L. Factor Analysis (2nd ed.)[M]. Hillsdale,NJ: Lawrence Erlbaum Associates,1983.

Options
Outlines

/

〈 〉