EN中文

Economic geography >

2021 , Vol. 41 >Issue 3: 86 - 96

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.03.009

Spatial Correlation Between Rail Transit Structure and Commercial Vitality in Shenzhen

  • HAN Han
Expand
  • School of Urban Planning and Design，Peking University Shenzhen Graduate School，Shenzhen 518055，Guangdong，China

Received date: 2020-04-29

  Revised date: 2020-11-21

  Online published: 2025-04-30

Fold

Abstract

This article taking Shenzhen as research area,analyzes the spatial distribution of rail transit structure and commercial vitality based on the spatial syntax theory and the number of comment from Dianping. It studies the correlation between station structure attributes and surrounding commercial vitality by the means of the bivariate correlation method to,and explores the spatial differentiation of the correlation effect applying the Anselin Local Moran's I. The results show that: 1) It shows coupled relationship in the spatial distribution between rail transit station structure and commercial vitality,higher value areas of the global integration and global choice coincide with the higher value areas of commercial vitality. 2) It shows statistically significant positive correlation characteristics between the rail transit station structure and the total commercial vitality around station area. The correlation of commercial vitality with global integration value is more significant than the global choice value. It presents the different correlation between all types of commercial vitality and the rail transit station structure,and the hotel industry has the weakest correlation with the rail transit station structure. 3) There are differences for the correlation effect between the structure of different rail transit stations and commercial vitality. According to the factors influencing their coordination,this paper puts forward to improve the correlation effect,which is conducive to the coordinated development of urban rail transit and commerce.

Key words： rail transit station structure; commercial vitality; correlation; spatial syntax; data from Dianping; Shenzhen City

Cite this article

HAN Han . Spatial Correlation Between Rail Transit Structure and Commercial Vitality in Shenzhen[J]. Economic geography, 2021 , 41(3) : 86 -96 . DOI: 10.15957/j.cnki.jjdl.2021.03.009

在“公交都市”建设的政策背景下，作为公交体系骨架的轨道交通在城市发展中的作用越来越突显。轨道交通依托其强大的辐射能力成为吸引城市要素集聚的重要磁力中心，带动并引领着城市空间要素的集聚与重构[1]。商业活力指大量关联密切的商业设施以及商业消费行为在城市特定区域内的集聚程度，作为城市空间中最活跃的因素，商业活力的营造对城市的发展具有深刻影响。从拓扑属性来看，轨道交通的结构包括站点的连接性、可达性等特征，其体现了站点在交通线网中的相对地位。TOD理念在城市发展中的渗透引导了轨道交通站点周边商业的急速扩展，然而交通站点结构表征的相对区位在城市经济活动中发挥着关键作用，其对商业发展影响的强弱差异同样不可忽视。因此，揭示轨道交通结构特征与商业活力的耦合相关性，对提升城市商业竞争力、辅助交通网络规划具有重要意义[2]。
空间句法是1980年代由Hillier教授创立的一种基于拓扑关系分析空间要素形态和结构的方法[3]，它以“图底关系理论”为基础，强调人类对建筑与城市系统内空间要素的认识决定于其形态结构，并试图解析建筑与城市空间形态对人类空间行为的影响。经过近40年的发展，越来越多的学者将空间句法运用于城市内部交通系统的中观层次研究中来[4-5]。而对于城市轨道交通系统的研究领域，国内外学者在理论和方法上都进行了系统的发展创新，特别是探索形成了较为成熟的描述空间构形的形态分析变量应用于轨道交通形态特征、空间结构关系等研究中[6-7]。大众点评数据作为一种重要的大数据来源，比一般地图兴趣点数据更能反映时效性强的商业位置信息，同时其提供的商铺评论数量信息虽不能反映顾客的完整消费次数，但仍可以很好地表征不同商铺的相对消费活力。近年来大众点评数据在城市经济活动空间结构及绩效评价的研究中应用较为广泛，具体研究包括：城市商业数量和热度以及口碑的空间特征[8]、城市商业口碑对消费者影响[9]、城市空间感知范围研究[10]、城市历史地段使用评价[11]、城市商业数量对网络热度和口碑的影响关系[12]等。
作为城市发展的两个关键要素，轨道交通与商业的关系一直以来备受国内外学者的关注。国外相关研究较为成熟，其主要为基于交通建设下的土地利用变化来探讨轨道交通开发对沿线商业集聚的影响，如Lucia Mejia-Dorantes等[13]利用空间统计技术探究了马德里地铁12号线的扩张对城市零售、金融和餐饮酒店等众多商业活动空间集聚的影响。David King则研究指出轨道交通线网的拓展更倾向于商业繁荣的区域，其并非总对商业发展起主动的引导作用，从而进一步明确了两者之间的双向互动关系[14]。轨道交通建设伴随着经济要素的重构进而影响城市功能区的变化，国外文献在此方面的探讨一般不直接涉及商业实体空间的转变，而更倾于从周边土地经济属性变化的角度揭示轨道交通发展对商业功能区的影响[15]。国内学者对相关研究的关注相对较晚，但在轨道交通建设对商业空间布局的影响分析方面进行了一些具体的探索，北京[16]、广州[17]和武汉[18]等成熟地铁系统的研究证实，轨道交通影响下局部商业活动的重新组织引导了城市商业空间的演变。除此之外，国内研究的关注点还包括了不同类型站点的商业开发控制[19]、站点地下商业空间开发[20-1]、站点周边商业的形态与业态研究[22-23]等方面。
轨道交通与商业发展的关系与其站点属性特征密不可分，而学术界对于交通站点结构与商业活力互动关联效应的研究仍然匮乏，一部分研究基于站点周边道路特征衡量其结构属性，并未建立其在轨道交通系统中的结构特征与商业集聚的关系，如盛强等[24]利用空间句法模型探讨了重庆地铁站点周边地区餐饮业规模对街道空间连接参数的依赖关系；另一部分研究考虑了交通系统中的站点结构属性，然而其仅仅关注商业设施本身的特征，尚未考虑商业的消费活力，如王宇渠等[25]通过回归模型分析了广州15个地铁站点的可达性与商圈零售业空间结构的关联性。为具体表征轨道交通站点相对区位对商业活力的关联效应并填补相关研究空白，本文以深圳市为例，首先通过空间句法理论计算轨道交通站点的结构变量，并基于大众点评商铺数据采用核密度分析商业活力的空间分布；接着利用双变量相关法探究交通站点结构与其周边商业活力的关联性，并结合聚类与异常值分析各交通站点的关联效果差异及成因，以期为探索城市商业集聚发展规律、开展商业与轨道交通建设的实践提供科学参考。

1 研究区域与数据

1.1 研究区域概况

深圳市位于广东省南部、珠江口东岸，是粤港澳大湾区中心城市之一，同时也是全国性经济中心城市。作为改革开放的前沿阵地，深圳己经成为了一座具有极高影响力和吸引力的国际化创新型城市，并在中国特色社会主义先行示范区的建设中肩负着重要的历史使命。深圳市是我国第一批“交通强国”建设试点地区[26]，同时拥有“国家公交都市建设示范城市”的荣誉称号，近几年来，政府将轨道交通建设作为应对持续交通需求增长、引导土地开发、促进经济增长的战略选择[27]，努力构建以轨道交通为骨架的公共交通体系。截至2020年1月，深圳市已开通运营8条地铁线路，总里程达303.4km，基本形成了覆盖主要城区以及城市发展轴的成熟网络。深圳市独特的经济区位和交通区位优势使得其商业迅猛发展，遍布全市的商业设施构成了多层次、多核心的商业中心等级体系。经过多年培育和营造，深圳已经成为了我国最繁荣的商业城市之一以及国内外商业交流的纽带。本文选取目前深圳市下辖的包括福田、罗湖、盐田、南山、宝安、龙岗、龙华、坪山和光明区在内的9个行政区以及大鹏新区1个功能区为案例研究区域（图略），研究区域总面积达1 997.47km2，是深圳市商业功能和交通功能的主要覆盖区。

1.2 数据来源与处理

本文数据主要包含深圳市2020年1月的轨道交通线网数据和商业点评数据。轨道交通线路和站点数据来源于深圳地铁官网（https://www.szmc.net/）最新公布的地铁线路示意图，通过ArcGIS对其矢量化处理并结合人工判读进行编辑修改，完成数据预处理工作。接着在对交通线路和站点数据进行拓扑关系检查的基础上构建交通网络数据集，用于空间句法变量值的计算。
商业点评数据来源于大众点评网下深圳市涵盖丽人、医疗、休闲娱乐、酒店和美食共五个类目的商业兴趣点数据，数据包括商户的名称、所属行政区、详细地址、星级评价、经纬度和点评数量六项内容。通过数据采集工具共抓取全市共259 703条商户数据，导入ArcGIS矢量化并对数据进行纠偏处理。最终对已暂停营业和无法获取准确坐标商户进行除噪等预处理后，剩余226 081条数据，数据有效率为87.05%。商业点评量的密度即为商业点评热度，用于表征商业活力。

2 研究方法

2.1 空间句法原理

空间句法是描述城市空间模式的新技术语言，在城市交通结构分析领域，空间句法通过把整个交通系统划分为若干独立的小空间，建立拓扑联系并对其进行量化分析，从而衡量各个交通空间的相互关系。空间句法的基本空间分割方法包括轴线法、凸多边形法和视区法三种，而对交通站点结构的度量适宜采用凸多边形的分割方法。本文借鉴周群等[28]的研究思路，将每个轨道交通站点分割为一个凸空间节点，各站点间的线路即为这些凸空间之间的连接关系。其中规定相邻两个站点的通行成本为一步，站点之间的通行步数作为凸空间节点的拓扑距离，从而基于拓扑关系分析其空间结构属性。由于换乘时需要在同站点内经历周转，故将各个换乘站拓展为两个相邻的凸空间节点，不同线路之间通过此站换乘时需增加一个单位步数。本文采用空间句法中应用范围较广的全局集成度和全局穿行度两类形态变量，分析深圳市轨道交通站点结构与商业活力的空间关联关系。两类句法形态变量具体含义如下：
全局集成度反映整个系统中某一节点与其他所有节点之间的通达程度。在交通系统中全局集成度值越高的站点，其交通通行更加便捷，与其他站点联系的紧密性和通达性也越高。全局集成度的计算与深度值密切相关，深度表示空间的转换次数，两个站点之间通行的最短路程步数为二者间的深度值，而某一站点到交通系统中其他所有站点深度总和的平均值即为该站点的平均深度值。深度能够表达节点在拓扑意义上的通达性，将其引申可以得到全局集成度的计算公式[29]：
m d i = ∑ j = 1 n d i j n - 1
I i = D n n - 2 2 m d i - 1
式中：mdi是节点i的平均深度；Ii是节点i的全局集成度；n表示节点总数目；dij表示节点i和j之间互通行的步数即深度；Dn用于进一步标准化集成度，其源于钻石模型图[30]：
D n = 2 n l o g 2 n + 2 3 - 1 + 2 n - 1 n - 2
全局穿行度表示系统中某节点被任意两节点之间最短路径通行时所穿越的频率。在轨道交通系统中，如果站点的穿行度越高，说明其被客流途经的概率越高，则在该站点区域消费的机会越大。其计算公式为：
c h i = ∑ j = 1 n ∑ k = 1 n δ j , i , k n - 1 n - 2
式中： c h i是节点i的全局穿行度；n表示节点总数目；j、k和i为任意空间节点； δ j , i , k则表示在节点j与k之间相互通行时节点i被途经的一次计数。

2.2 核密度分析和缓冲区分析

核密度分析是地理空间点格局分析的重要工具，其可以较好地反映区域中各位置的点事件集聚程度。作为一种非参数估计的方法，核密度分析利用有固定半径的核函数在研究区范围内遍历，从而计算每个点事件周围邻域内事件的发生强度。通过将核密度值进行累加求和，可以计算整个区域内所有位置的密度，最终生成空间连续且平滑的表面。基于ArcGIS的核密度分析模块，本文对深圳市商业点评量数据进行核密度计算，从而得到商业点评热度值用以表征商业活力的空间分布。
为研究轨道交通实际影响范围内的商业活力大小及分布状况，本文利用ArcGIS对各个交通站点分别建立半径为800 m的圆形缓冲区。800 m的缓冲距离符合居民在10 min内的出行行为特征，可以科学地定义每个交通站点影响下的商业消费区域，本文将此区域称为相应站点的“站区”。通过计算各交通站区内商业累计点评量的密度得到商业点评热度值，以此表征受轨道交通系统影响的商业活力并探讨其与站点结构属性的关联性。

2.3 双变量相关分析

为了进一步明晰轨道交通站点结构与各类型商业活力的定量关联模式及差异，本文根据Jenks自然断裂法将交通站点的两类空间句法变量值各分为7个等级（全局集成度：0.188~0.264、0.265~0.337、0.338~0.387、0.388~0.430、0.431~0.470、0.471~0.526和0.527~0.623；全局穿行度：0.000~0.013、0.014~0.027、0.028~0.048、0.049~0.087、0.088~0.134、0.135~0.203和0.204~0.457）。统计各等级站点的缓冲区内美食、丽人、酒店、医疗和休闲娱乐五类商业及总商业店铺点评量的密度即点评热度，并分别将其与各等级站点句法变量的平均值进行Pearson双变量相关分析。
相关分析可以较好地反映轨道交通结构与各类型商业活力的关联方向和大小，然后通过散点图和最小二乘拟合，分析句法变量对商业点评热度的解释效果。

2.4 聚类与异常值分析

空间聚类依据相似程度将空间要素进行类别的划分，是空间统计学中重要的分析工具。聚类与异常值分析（Anselin Local Moran's I）作为一种自下至上的系统聚类方法，依据要素的某种属性与周边要素进行比较，计算Moran's I指数值和Z得分，从而在空间上识别得到具有显著性的高低值以及异常值。
本文对每个站点的句法变量和点评热度变量分别从小到大排序编秩，计算两种变量秩序差值的绝对值作为它们的秩距离指标。秩距离一定程度上反映了两种变量在各站点的关联性，对其进行正向化处理（求最大值与各值之差记为正向化秩距离）后可以作为关联效果的评价指标。通过Anselin Local Moran's I工具进行可视化分析，从而对比探究各轨道交通站点结构与其站区商业活力的关联效果差异。

3 结果与分析

3.1 商业活力与轨道交通结构空间分布特征

基于ArcGIS核密度分析模块，以商业点评数量为权重分析得到商业活力的空间分布（图1）。
图1 商业活力空间分布

Fig.1 Spatial distribution of commercial vitality

图1显示，深圳市商业活力的分布呈现出“三核多心”的空间格局，各极核与中心内部均有明显的圈层递减特征。经济发展起步较早的关内地区形成了包括罗湖、南山和福田在内的三个极核，其商业点评量密度高达353 968次/km2。其中，罗湖区的人民南、东门和蔡屋围三大商圈在其西南部聚集分布，形成高商业活力的极核；南山区商业极核涉及南头—后海、大冲和华侨城三个片区，其在南部区域分布相对分散；福田区华强北、车公庙和福田CBD三大商圈的点评热度也很高，形成第三个商业活力极核。新安—西乡、龙岗中心城和龙华商圈等片区同样存在一定范围的商业活力集聚，但其热度峰值和集聚规模相对较小，最终成为深圳市商业活力的几个次中心。结合轨道交通的布局可以发现，深圳市商业活力存在沿交通轴线扩散的分布特征，且多在交通站点处出现高热度值。目前城市商业活力已经形成了“三轴一带”的空间格局，符合《深圳市城市总体规划（2010—2020）》[31]中涉及的城市轴带结构特征。连接三个活力极核的轨道交通1号线商业群构成了城市商业发展带，而以交通4号线为依托的商业带形成了发展的纵轴，二者分别较好地契合了规划中的南部发展带与中部发展轴。同时在商业活力带的两翼，又形成了由新安、西乡和沙井等商圈组成并由轨道交通11号线贯通的西部发展轴，以及依托于3号线且由布吉和龙岗中心城等商圈组成的东部发展轴。整体来看，深圳市商业活力在空间上呈现为“中心式—轴线”分布形态，即中心式下的圈层结构与交通轴线下的组团结构相结合的模式。
基于ArcGIS网络分析中的OD成本矩阵分析、路径分析等功能，计算每个轨道交通站点的全局集成度和全局穿行度两类句法变量值，并利用ArcScene三维可视化其空间分异（图2、图3）。
图2 轨道交通全局集成度空间分异

Fig.2 Spatial differentiation of global integration value of the rail transit

图3 轨道交通全局穿行度空间分异

Fig.3 Spatial differentiation of global choice value of the rail transit

由图2、图3可知，深圳市轨道交通站点两类句法变量值均呈现明显的“核心—边缘”结构特征。罗湖、福田和南山三区构成的城市“核心”区域轨道交通线网相对稠密，且换乘节点众多，一方面提高了其空间渗透性，空间连通更加便捷即全局集成度更高，另一方面有利于线路之间相互疏通，站点被途经机会多即全局穿行度更高。交通站点的两类句法变量值均沿3号、4号和11号线在三个“边缘”区域逐渐降低，这些区域仅有通往市郊的一条交通线路，其站点与其他站点联系困难，因此通达性与被途经频率均较低。与全局集成度相比，交通站点全局穿行度值的极化特征更加明显。“核心”区域几大商圈附近的站点枢纽作用极强，变量高值均集中于此，而其他地区尤其市郊线上的站点仅被同一条线路的站点间通行时经过，穿行度很小。

3.2 轨道交通结构与商业活力总体关联分析

统计深圳市轨道交通站点空间句法变量各等级的平均值并基于站点缓冲区计算相应等级站区内的商业点评热度，根据双变量相关性计算结果（表1）对城市轨道交通结构与商业活力的关联性进行分析，并通过各等级站区内句法变量值与点评热度的散点图和拟合曲线（图4、图5）分析轨道交通结构对商业活力的解释效果。
表1 空间句法变量与商业点评热度的相关性及显著性检验

Tab.1 Correlation and significance tests of spatial syntactic variables and the number of comment

热度类型 相关性 全局集成度 全局穿行度
总商业点 r 0.963** 0.766*
评热度 Sig. 0.001 0.045
丽人业点 r 0.931** 0.865*
评热度 Sig. 0.002 0.012
医疗业点 r 0.922** 0.538
评热度 Sig. 0.003 0.213
休闲娱乐业 r 0.965** 0.714
点评热度 Sig. 0.000 0.071
酒店业点 r 0.260 -0.232
评热度 Sig. 0.573 0.617
美食业点 r 0.942** 0.872*
评热度 Sig. 0.002 0.011

注：*、**分别表示在0.05、0.01水平（双侧）上显著相关。

图4 全局集成度与商业点评热度散点图

Fig.4 Scatter plots of global integration value and the number of comment

图5 全局穿行度与商业点评热度散点图

Fig.5 Scatter plots of global choice value and the number of commnet

由表1和图4、图5结果可知，深圳市轨道交通系统影响下的商业活力与交通站点结构具有明显的统计关联性，具体表现为站点的全局集成度和穿行度均与总商业点评热度呈现“高—高”分布的正相关特征。其中全局穿行度的相关系数为0.766，全局集成度的相关系数高达0.963，其与总商业点评热度的相关性非常显著。深圳市大部分区域在建设轨道交通之后形成了体系成熟的商业，一方面通达性高或者途经概率高的站区具有交通区位优势，直接增加了其内商铺的客流量和消费量；另一方面这些站区较大的客流潜力可能吸引更多商家在此设立商铺，商业密度增加的同时产生集聚的乘数效应，导致各商铺的客流也更多，因此商业总点评热度即活力更大。而对于商业体系成熟后的轨道交通新建区域，轨道交通的规划会将商业热度分布作为站点布局的考虑因素，为利于商业的运行，通达性高或者途经概率高的站点更倾向于设立在商业活力高的区域，这也促成了二者的关联关系。
表1中数据显示，虽然散点图中的总商业点评热度呈现随全局穿行度值一致升高的趋势，但与集成度相比，穿行度与点评热度的相关性较差。这是因为目的性仍然是商业消费活动的一般规律，相比于全局穿行度表征的站点途经概率，集成度所体现的站点通达性特征显然可以更有效地赋予站区的交通区位优势，其与商业布局和消费集聚之间的敏感程度也就更高。同时相比以城市道路为载体的出行方式，轨道交通出行具有直达性和目的性更强的特点，选择在中途站区消费的可行性和意愿都要小很多，因此全局穿行度相关性相对于集成度会有一定的差距。
各类型商业的活力与轨道交通结构的相关性同样存在一定的差异。酒店业点评热度与全局集成度和穿行度的相关系数绝对值均小于0.3，其在散点图中的变化趋势也显然不单调。由于酒店是服务于其周边差旅活动场所的商业设施，轨道交通区位优势并不是酒店的主要选址依据，其活力在不同的站点区域分布较为均匀并且与站点结构关联性很弱。不同类型商业活力与全局集成度和穿行度两类变量关联性强弱的差异性基本相似，除酒店业外，相关系数值最低的类型是医疗业。虽然医院、医疗机构等商业服务区域的站点结构变量值较高，有一定的交通优势，但医疗业仍包含众多诊所、药店等小型服务商户，且多面向于社区内部或附近等对轨道交通可达性要求不高区域的居民，从而导致活力与站点集成度和穿行度的关联程度较弱，散点图中其活力随穿行度升高而起伏的趋势也印证了低关联性。休闲娱乐业的活力与站点全局集成度的关联程度最高，由于休闲娱乐业的低等级商户的比例较小，商户服务范围多数较广，高通达性的交通区位优势成为了休闲娱乐业发展不可或缺的条件。全局穿行度与商业活力关联程度最高的类型是美食业，美食业一方面更易于在交通便利地段形成美食街、美食城等集群分布场所，其种类多样性高的特点可以有效地产生集聚乘数效应增强消费活力；另一方面与休闲娱乐等其他类型相比，餐饮消费作为附加目的消费的可能性更高，因此美食业活力对站点全局穿行度属性较为敏感。

3.3 轨道交通结构与商业活力关联空间分异

通过计算分别得到各轨道交通站点全局集成度和穿行度与其站区商业点评热度的正向化秩距离指标，并利用ArcGIS中的Anselin Local Moran's I方法可视化站点结构与商业活力关联性强弱的集聚和异常值分布特征，从而分析二者关联效果的空间差异（图6、图7，表2）。
图6 全局集成度与商业活力关联效果的集聚和异常值分布

Fig.6 Cluster and outlier distribution of correlation effects of global integration value and commercial vitality

图7 全局穿行度与商业活力关联效果的集聚和异常值分布

Fig.7 Cluster and outlier distribution of correlation effects of global choice value and commercial vitality

表2 关联效果优劣显著的典型站点指标统计

Tab.2 Index statistics of typical sites with significantly excellent and poor correlation effect

站点编号 高低值显著
典型站点		 集成度秩 穿行度秩 总商业热度秩 集成度&总商
业热度正秩距		 显著类型 穿行度&总商
业热度正秩距		 显著类型
1 益田 129 1 123 145 高值聚类 47 不显著
2 福田口岸 104 1 115 140 高值聚类 55 不显著
3 石厦 157 86 137 131 高值聚类 118 不显著
4 福民 137 82 139 149 高值聚类 112 不显著
5 皇岗村 130 36 152 129 高值聚类 53 不显著
6 岗厦 158 92 162 147 高值聚类 99 不显著
7 购物公园 175 132 179 147 高值聚类 122 不显著
8 水贝 68 163 73 146 高值聚类 79 不显著
9 洪湖 79 62 63 135 高值聚类 168 不显著
10 华强北 167 146 172 146 高值聚类 143 不显著
11 燕南 155 119 150 146 高值聚类 138 不显著
12 南山 171 176 149 129 高异常值 142 高异常值
13 后海 178 180 178 151 高异常值 167 不显著
14 深圳湾公园 144 13 143 150 高异常值 39 低异常值
15 景田 162 116 118 107 不显著 167 高值聚类
16 香梅 169 93 104 86 不显著 158 高值聚类
17 农林 166 129 125 110 不显著 165 高值聚类
18 荔林 24 49 51 124 不显著 167 高异常值
19 塘朗 92 140 20 79 不显著 49 低值聚类
20 长岭陂 102 141 1 50 不显著 29 低值聚类
21 下沙 160 18 168 143 不显著 19 低异常值
22 大新 88 48 155 84 不显著 62 低值聚类
23 前海湾 159 179 10 2 低值聚类 0 低值聚类
24 桂湾 118 157 17 50 低值聚类 29 低值聚类
25 桃园 67 35 159 59 低值聚类 45 低值聚类
26 鲤鱼门 121 68 23 53 低值聚类 124 不显著
27 人民南 49 49 174 26 低值聚类 44 低值聚类
28 国贸 85 23 182 54 低值聚类 10 低值聚类
29 罗湖 60 1 161 50 低值聚类 9 低值聚类
30 向西村 36 23 176 11 低值聚类 16 低值聚类
31 文锦 26 1 148 29 低值聚类 22 低值聚类
32 龙城广场 3 49 105 49 低值聚类 113 不显著
33 南联 2 23 107 46 低值聚类 85 不显著
34 吉祥 4 75 110 45 低值聚类 134 不显著
35 深云 131 108 5 25 低值聚类 66 不显著
36 桃源村 111 96 21 61 低值聚类 94 不显著
37 深湾 147 14 6 10 低值聚类 161 不显著
38 红树湾南站 180 181 29 0 低值聚类 17 低异常值
39 莲花村 177 174 46 20 低异常值 41 低异常值
由图表信息可知，轨道交通全局集成度和穿行度两类站点结构特征与商业活力关联效果的空间分异既具有相似性，又存在一定差异。全局集成度与商业活力具有显著性优劣关联效果的站点共31个，数量占总数的17.03%，其中包括11个（6.04%）指标高值聚类站点、3个（1.65%）高异常值站点、1个（0.55%）低异常值站点和16个（8.79%）低值聚类站点；穿行度与商业活力关联效果优劣显著的站点共20个，占比10.99%，其中高值聚类、高异常值、低异常值和低值聚类站点分别有3个（1.65%）、2个（1.10%）、4个（2.20%）和11个（6.04%）。从强关联性站点的分布来看，全局集成度与商业活力关联效果较优的站点主要在福田区南部的交通3、4号线末端区域集聚。该区域属于福田CBD商圈至口岸的过渡地带，包含购物公园及皇岗村等附近一定数量的商户，同时交通站点也位于多条轨道干线交汇位置，因此其全局集成度和商业点评热度在中高值水平较为契合。另外，水贝—洪湖与华强北两个片区也存在关联效果较优的站点群，但集聚范围不够广。南山、后海和深圳湾公园三个站点均被周边关联性较低的站群包围，然而其关联效果却异常好。这是因为它们处于商户繁多的区域，同时与周围低集成度站点相比自身的通达属性明显较高，使其与站区较高的商业活力更为协调。全局穿行度与商业活力关联效果较优的站点并未呈现明显的集聚特征，仅在景田、香梅和农林三站形成了小范围的集群，关联性异常高值则出现在荔林和南山两个站点。荔林站位于南头商圈南部边缘地带，周边商业相对稀少，同时站点疏通客流作用不强，穿行度和商业活力都处于相对较低的水平，关联效果较好；而南山站既具有很高的商业活力，又占据着站点间通行时需经过的重要位置，因此也具有良好的关联效果。
从弱关联性站点的分布特征来看，前海和人民南商圈站点群的两类结构属性与商业活力关联效果均较差，除此之外集成度关联性不足的站点还在龙岗中心城、深云—桃源村和深湾—红树湾南三片区域分布较集中，塘朗和长岭陂两站点则构成了穿行度弱关联的小集群。全局穿行度与商业活力关联性指标的异常低值出现在下沙、深圳湾公园、红树湾南和莲花村4个站点处，其中莲花村站的全局集成度关联效果同样较差。在交通结构与商业活力关联不足的区域，某些站点具有高结构属性、低商业活力的特征，如前海湾、深云、长岭陂、红树湾南和莲花村等。这些站点具有较高的通达性或被途经概率，但由于种种原因其站区并未发展出成熟的商业体系，因此交通结构与商业活力的关联性难以体现。另有一些站点具有高商业活力、低结构属性的弱关联特征，如桃园、人民南、下沙和龙城广场等。这些站点在轨道交通区位方面没有明显优势，但却拥有较高的商业热度，交通区位与商业的繁荣并不协调，因此二者的关联效果有待增强。

4 结论与讨论

城市轨道交通站点结构更精细化衡量交通区位，线网的规划影响站区商业区位优势的变化，进而影响商业消费活力。本文基于商业点评大数据，利用全局集成度和全局穿行度的句法变量探究深圳市轨道交通结构与商业活力的定量关联模式，进而分析各交通站点的关联性强弱差异。研究主要结论为：
①城市商业活力和轨道交通站点结构变量值在城市空间上分别呈现“中心式—轴线”与“核心—边缘”的两种分布特征；商业活力较高的区域对应交通站点全局集成度和全局穿行度的高值区，即站点结构变量值与商业活力的空间分异存在一定的耦合特征。
②城市轨道交通系统影响下的商业活力与交通站点结构具有显著的关联性，具体表现为站点全局集成度和全局穿行度均与总商业热度呈现“高—高”分布的正相关特征；相比于全局穿行度，全局集成度结构属性与商业活力的关联性更强；交通站点结构与各类型商业活力的关联性存在差异，全局集成度和穿行度关联性最强的商业分别为休闲娱乐业和美食业，酒店业活力与两类结构属性几乎无关联性。
③城市各交通站点的结构与商业活力的关联效果存在一定差异，全局集成度和穿行度关联效果较优的站点分别集中分布在福田区南部边缘与景田—香梅—农林两片区域，而关联效果较差的站点都主要在前海和人民南商圈集聚。
本文研究结果在城市轨道交通规划和商业功能区布局方面具有一定的指导价值，交通结构与商业活力不协调站点的内在逻辑不尽相同，结合二者的不平衡特征和影响因素，查漏补缺以改善其关联效果，可以更好地发挥轨道交通的功能并促进城市商业的繁荣。
一方面，在开展商业用地规划时需考虑选择站点全局集成度与穿行度较高的站区优先进行商业布局，针对高结构属性、低商业活力的站点区域，应结合实际情况合理补充不同类型的商业设施。前海片区的定位为深港现代服务业中心，前海湾和桂湾等站点为此提供了良好的交通区位，其周边多数仅为金融和IT等高端服务业场所，未来可在写字楼等商务设施基础上建立现代化的商业综合体，配合市民高品质游乐和购物等多样化需求；深云、长岭陂两站点区域分别具有较高的通达性和被途经概率，但商业发展空间均受到塘朗山天然屏障的限制，可考虑依托其自然环境特色打造休闲游憩功能区，同时配套一定规模的餐饮和休闲娱乐设施，将空间劣势转化为环境优势；红树湾南、深湾和莲花村等交通便利的站点被周边大量的住宅区所包围，其具备一定商业发展潜力，可集中增加当地的餐饮和丽人类商铺密度，激发社区及站区的商业活力。
另一方面，应当结合现有商业活力的空间差异完善轨道交通线网的规划布局。从深圳市目前在建以及最新获批的第四期规划方案[32]中的交通线路来看，12号线未来将由南山区南部的左炮台连接至宝安区北部的松岗，其间途经桃园站与1号线相交，这直接有利于提高桃园及旁边的大新两个站点的交通结构属性，改善其交通区位难以支撑站区商业发展的现状；龙岗区计划内新增14号、16号和3号线北延线三条交通线路，这也将显著增强龙岗中心城附近的区位优势，解决龙城广场、南联和吉祥三个高商业活力站区交通便捷性不足的问题。同时，轨道交通的现有规划仍有待调整与改进，11号线二期线路计划由福田站延伸至红岭南站，建议继续东延经人民南站至罗湖站，这样可以有效贯通1号线与9号线，提升两条线路末端站群的通达性和被途经概率，缓解人民南商圈活力与交通区位不协调的矛盾；9号线上的深圳湾公园和下沙两个站点穿行度很低，建议由两站点处分别向北规划两条纵向线路，串联1号、2号和7号线的部分站点，缓解车公庙站换乘压力的同时可以有效增强两个站点的交通优势，从而促进其与商业的协调发展。
本文仍然存在一定的不足之处。首先，空间句法是基于拓扑关系来计算站点结构变量的，并不能完全反映实际的交通区位，同时其区位特征也仅是影响商业活力的因素之一，而现实中商铺选址以及客流消费的集聚问题要复杂得多。其次，商业发展并不是决定城市未来的唯一因素，在进行城市规划时还要考虑其它各种要素和功能的有机整合，只有将各类经济载体与交通建设纳入到一个系统中来，才能真正实现城市的协调有序发展。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
姚巧爱, 宫同伟, 史津. 基于大众点评数据的城市轨道交通与商业设施耦合发展:以天津市为例[J]. 天津城建大学学报, 2019, 25(4):239-245.

[2]
何建华, 曹振琴, 李纯. 武汉市地铁可达性与餐饮网点的空间耦合性研究[J]. 测绘与空间地理信息, 2018, 41(2):10-13.

[3]
Hillier B, Hanson J. The social logic of space[M]. Cambridge, UK: Cambridge University Press, 1984.

[4]
傅搏峰, 吴娇蓉, 陈小鸿. 空间句法及其在城市交通研究领域的应用[J]. 国际城市规划, 2009, 23(1):79-83.

[5]
蒙小英, 李春蕾, 杨子莹. 生态语境下交通廊道对城市空间割裂程度研究模型的建构[J]. 上海城市规划, 2019(1):27-32.

[6]
谢志祥, 任世鑫, 刘静玉, 等. 基于空间句法的郑州市地铁交通网络特征研究[J]. 河南大学学报:自然科学版, 2016, 46(4):392-399.

[7]
Chiaradia A, Moreau E, Raford N. Configurational exploration of public transport movement networks:a case study,the London underground[J]. Proceedings 5th International Space Syntax Symposium, 2005:541-552.

[8]
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

[9]
张红宇. 网络口碑对消费者在线行为的影响:基于“大众点评网”的实证研究[D]. 成都: 西南交通大学, 2014.

[10]
王圣音, 刘瑜, 陈泽东, 等. 大众点评数据下的城市场所范围感知方法[J]. 测绘学报, 2018, 47(8):1105-1113.

DOI

[11]
曲鹏. 历史地段更新中公共空间的使用后评价研究[D]. 天津: 天津大学, 2017.

[12]
申薇. 线下门店竞争对线上口碑的影响[D]. 北京: 北京外国语大学, 2019.

[13]
Dorantes L M, Paez A, Vassallo J M. Transportation infrastructure impacts on firm location:the effect of a new metro line in the suburbs of Madrid[J]. Journal of Transport Geography, 2012(22):236-250.

[14]
King D. Developing densely estimating the effect of subway growth on New York City land uses[J]. Journal of Transport and Land Use, 2011, 4(2):19-32.

[15]
Enrica Papa, Francesca Pagliara, Luca Bertolini. Rail system development and urban transformations:towards a spatial decision support system[J]. Railway Development, 2008,337-357.

[16]
李文倩. 轨道交通建设对北京市商业空间布局的影响[J]. 都市快轨交通, 2008, 21(6):19-22.

[17]
蔡国田, 陈忠暖. 轨道交通对广州零售商业空间布局的影响[J]. 现代城市研究, 2004(4):65-67.

[18]
刘斯乔. 轨道交通对零售商业空间布局影响分析[J]. 商业经济研究, 2020(6):30-32.

[19]
郑文含. 不同类型轨道交通站点地区开发强度探讨[J]. 城市发展研究, 2008(S1):93-95.

[20]
Li W L, Yan X P, Wang F. Relation between the Mrt building and underground space exploitation:a case in Guangzhou city[J]. Chinese Geographical Science, 2003, 13(4):364-369.

[21]
马归民, 严建伟, 杨希. 基于轨道交通站点协同开发的地下商业空间活力研究:天津市津汇广场地下商业空间分析[J]. 现代城市研究, 2016(8):100-105.

[22]
方向阳, 陈忠暖. 城市地铁站口零售商业集聚类型划分的探讨:以广州为例[J]. 经济地理, 2005, 25(4):525-527,537.

[23]
黄晓冰, 陈忠暖. 基于信息熵的地铁站点商圈零售业种结构的研究:以广州15个地铁站点商圈为例[J]. 经济地理, 2014, 34(3):38-44.

[24]
盛强, 刘星. 虚拟网络与真实交通系统中的超链接机制:以重庆地铁站点周边餐饮功能的空间句法分析为例[J]. 西部人居环境学刊, 2017, 32(1):1-8.

[25]
王宇渠, 陈忠暖, 覃水娇. 地铁站点可达性、客流与站点商圈零售商业结构关系研究:以广州市为例[J]. 人文地理, 2015, 30(4):66-71.

[26]
姚龙华. 构筑通向未来的城市交通大格局[N/OL]. 深圳特区报,2019-12-11(A02).

[27]
林雄斌, 徐媛, 董美璇, 等. 大都市公交导向开发的规划与政策:深圳与西雅图的对比[J]. 国际城市规划, 2020, 35(2):122-128.

[28]
周群, 马林兵, 陈凯, 等. 一种改进的基于空间句法的地铁可达性演变研究:以广佛地铁为例[J]. 经济地理, 2015, 35(3):100-107.

[29]
张愚, 王建国. 再论“空间句法”[J]. 建筑师, 2004(6):33-44.

[30]
Teklenburg J, Timmermans H, Van Wagenberg A F. Space syntax:standardised integration measures and some simulations[J]. Environment and Planning B:Urban Analytics and City Science, 1993, 20(3):347-357.

[31]
深圳市人民政府. 深圳城市总体规划(2010-2020)[R]. 2008.

[32]
国家发展改革委. 关于调整深圳市城市轨道交通第四期建设规划方案的批复(发改基础[2020]484号)[R]. 2020.

Options
Outlines

/

〈 〉