论文部分内容阅读
[摘 要]近年来我国在城市建设中不断践行TOD发展理念，成都市已经于2018年公布49个地铁站点的TOD项目规划，为各小微企业带来新的商机，而站点空间功能和发展模式也是现阶段值得探讨的问题。针对地铁TOD站点的商业饱和度问题展开研究，基于高德地图成都市的POI数据，将数据整理后分为八大类，利用层次分析法确定权重，构建商业饱和度指标，得出结果后通过主成分综合评价法进行验证，得出目前成都市大部分地铁站商业饱和度不足和周边建设各方面发展不均衡的结论。
[关键词] TOD模式;POI数据;层次分析法;主成分综合评价
1 引言
TOD模式作为国际上具有代表性的城市社区开发方式、新城市主义最具代表性模式，以公共交通为导向，通过保证公共交通的使用最大化，实现了各个城市组团的紧凑型开发。TOD理念建立了良好的社区范围绿色交通系统，提高了城市土地资源的利用效率，实现了城市的可持续有序绿色发展。
在当前社会经济迅速发展的背景下，我国的城市规模和城市人口急剧增加。国家统计局数据显示，截至2019年年底，全国城镇常住人口已达8.48亿人，占总人口比重60.6%。预计到2030年，大概将有200多个城市超100万人，意味着将有4亿人从农村搬到城市。我国城市化进程已经进入加速发展阶段，同样面临着城市大规模扩展的问题。此外，从自然环境、地域结构、城市规模等因素上看，都为TOD模式的开发提供大量的机会。[1]
随着城市轨道交通的快速建设与发展，我国学者从轨道交通站点选址、类型、站点对周边地區的影响、站点周边地区协同发展与规划等不同角度展开研究，[2]但对于具体TOD的商业模式还未做具体说明。为弥补这一空白，文章将基于高德地图的成都市POI数据，通过对地铁站点商业饱和度的研究，为站点周边商户入驻提出相关规划建议。
文章的边际贡献在于：①研究视角上，综合考虑政府、企业、居民三方需求，以最大化轨道交通客流量、最大化土地增值、最大化居民舒适度作为目标，帮助城市轨道交通站点周边土地规划更加高效合理。②数据选取上，利用更微观、精确的POI数据构建了商业饱和度指标，并运用这些指标评价了区域站点可接纳新商家的种类和大致数量，为商户入驻决策提供细致化的建议。③研究方法上，基于python爬虫技术获取成都市286个地铁站POI数据，利用层次分析法确定各类别数据权重，进而构建商业饱和度指标，通过主成分综合评价法对结果进行检验。
2 数据处理及指标构建
2.1 数据收集
文章数据主要来源于高德开放平台。POI（Point of Interest）通常称作兴趣点，泛指互联网电子地图中的点类数据。每条POI基本包含名称、地址、坐标、类别四个属性，具有公共服务设施种类覆盖度高、数据范围覆盖面广等特点。在文章研究中，POI数据具有不可或缺的作用。
利用python爬取技术，获得了成都市286个地铁站的POI，并且通过周边查询搜索服务，得到了在以各地铁站为中心，400m为半径的范围内10类关键词的POI，分别为：餐饮、购物、医疗保健、交通设施、科教文化、生活、体育休闲、金融保险、商务住宅以及公司企业，共12万余条POI数据。
2.2 数据预处理
删除分类异常的数据，对没有正常归类的数据进行人为判断后归类。基于十大类别，以每10m作为跨度，分别对每个地铁站对应的各POI点进行加总，以便于后期的数据分析。
2.3 构建各类商业饱和度指标
2.3.1 理论基础
（1）商业饱和度是TOD站点选取的重要指标。[3]选取TOD站点时，应先测算该市场是否已饱和，分析市场是否仍有拓展空间。商业饱和度较高时，剩余空间有限，不宜选为TOD站点;饱和度较小，市场空间大，拓展机会多，可选为TOD站点。
（2）同行业饱和度是商户是否入驻的重要判断指标。同行业饱和度能衡量该区域此行业的竞争激烈程度，同行业饱和度越高，商户入驻风险越大;同行业饱和度越低，商户入驻风险越小。
（3）既有的公共服务设施数量和多元程度对商业饱和度具有正效应，地铁日均人流量对商业饱和度具有负效应。根据微观经济学的供给—需求理论，既有的公共服务设施越多，种类越丰富，商业饱和度越高，商业区的潜力越小;地铁日均人流量越大，商业饱和度越低，商业区的潜力越小。
2.3.2 指标构建
（1）选取指标。在已有的研究及相关规范标准的基础上，结合高德地图POI数据，并考虑到成都市实际情况，重点选择餐饮、购物、医疗保健、交通设施、科教文化、生活、体育休闲、金融保险服务作为评价指标。
（2）公式表示。利用python爬虫技术得到成都市内各地铁站点的POI数据与人口流量数据，所构建的八项指标水平为人均分布密度，公式如下：
dij=NijPi（j=1，2，3，4，5，6，7，8;i=1，2，3，…）
dij：第i个地铁站研究范围内第j类指标的人均分布密度大小;
Nij：第i个地铁站研究范围内第j类指标的POI总个数;
Pi：第i个地铁站人口总流量。
3 模型构建及结果
商业饱和度主要由八大服务指标的综合效应决定，而各指标的优劣程度又受到服务设施数量和该地区人口因素的影响，模型如图1所示。
（1）获得准则层C的成对比较矩阵。[4]通过层次分析与专家打分相结合的方式对8个处理后的指标进行赋值，如表1所示。
（2）计算权向量并做一致性检验。
当维数为8时，查表知R.I.=1.41。
对矩阵A进行一致性检验，判断一致性的指标为C.R.的取值。C.R.=0.0022<0.1，一般可以认为判断矩阵A有满意的一致性。 （3）归一化处理POI的加总数据。
新的归一化阵Y=ypq286×8
（4）得出商业饱和度指标。处理后的归一化数据与对应权重如表2所示。
当S=1时说明该地铁站商业饱和度极高，当S=0时说明该地铁站商业远远处于未饱和状态。
（5）结果输出。从数值结果上看，只有少数三个地铁站的商业饱和度得分大于0.6，处于高度饱和的状态。综合来看，全成都市所有地铁站的饱和度平均得分为0.0513，普遍较低，说明成都市大多数地铁站可能都处于商业未饱和的状态。
从排名结果上看，结合已经公布的成都50个TOD项目计划，可以看到商业饱和度相对较高的前30个地铁站中大丰站和郫筒站有TOD项目的规划，而商业饱和度相对较低的后30个地铁站中只有兰家沟站和升仙湖站有TOD项目的规划。以此来看成都TOD站点的选址似乎尚未考虑以地铁站为中心区域的商业饱和度。
4 结果验证
4.1 验证方法
层次分析法权重的计算基于成对比较矩阵，该矩阵是根据专家观点和本文对TOD站点各个方面的主观理解构造的。而主成分综合评价从数据本身的角度出发，能较为客观地构造商业饱和度指标，得出各个站点的综合得分。
4.2 验证结果
计算数据的相关矩阵A，设A的特征值为λ1，λ2，λ3，…，取大于0.5的特征值，设其对应的特征向量为ε1，ε2，ε3，…，对应的方差贡献率为1，2，3 ，…，其中ε1，ε2，ε3，…，即为第一主成分、第二主成分、第三主成分、…所对应的系数向量。
选取五个主成分，累计贡献率达到90.372，最终综合指标为：
4.3 对比分析
4.3.1 商业饱和度指标比较
y3，y4，y8 占较小权重，即交通、金融保险、医疗保险对TOD站点的商业饱和度的权重较小，与层次分析法得到的权重一致，权重矩阵构造合理。
4.3.2 得分排名相似度比较
由于站点较多，可认为两种方法排名差值在15名及以内即为相似，得出两种方法的相似度为67%，相似度较高说明层次分析法具有一定的有效性。
5 结论
5.1 大部分地鐵站商业饱和度不足
TOD商业模式引入成都并不早，地铁线也尚在完善当中。成都TOD模式的发展尚处于雏形，因此目前大部分地铁站都有很大的发展空间。根据层次分析法构建的综合指标得分来看，成都市所有地铁站的饱和度平均得分为0.0513。该数值普遍较低，说明成都市大多数地铁站可能都处于商业未饱和的状态，具有较大的发展潜力。
5.2 地铁站周边建设发展不均衡
根据构建的八类商业饱和度指标得分值，发现成都目前除了综合饱和度不足，各类饱和度的差异也很大，各地铁站发展不足的原因多种多样，在制定发展策略时要因地制宜，多方面协调发展。
参考文献：
[1] 路昊，罗霞.TOD 模式下轨道交通站点周边土地利用优化模型[J].综合运输，2020，42（1）：38-43.
[2]费亚普.TOD 模式下城市轨道交通与商业综合体连接空间的设计探析[J].城市建设理论研究（电子版），2019（17）：180.
[3]田玲.基于商圈饱和度的城市商业空间结构优化研究[D].成都：成都理工大学，2019.
[4]李俊.基于 POI 的长沙市 15 分钟社区生活圈评价及优化研究[D].兰州：兰州大学，2019.
[关键词] TOD模式;POI数据;层次分析法;主成分综合评价
1 引言
TOD模式作为国际上具有代表性的城市社区开发方式、新城市主义最具代表性模式，以公共交通为导向，通过保证公共交通的使用最大化，实现了各个城市组团的紧凑型开发。TOD理念建立了良好的社区范围绿色交通系统，提高了城市土地资源的利用效率，实现了城市的可持续有序绿色发展。
在当前社会经济迅速发展的背景下，我国的城市规模和城市人口急剧增加。国家统计局数据显示，截至2019年年底，全国城镇常住人口已达8.48亿人，占总人口比重60.6%。预计到2030年，大概将有200多个城市超100万人，意味着将有4亿人从农村搬到城市。我国城市化进程已经进入加速发展阶段，同样面临着城市大规模扩展的问题。此外，从自然环境、地域结构、城市规模等因素上看，都为TOD模式的开发提供大量的机会。[1]
随着城市轨道交通的快速建设与发展，我国学者从轨道交通站点选址、类型、站点对周边地區的影响、站点周边地区协同发展与规划等不同角度展开研究，[2]但对于具体TOD的商业模式还未做具体说明。为弥补这一空白，文章将基于高德地图的成都市POI数据，通过对地铁站点商业饱和度的研究，为站点周边商户入驻提出相关规划建议。
文章的边际贡献在于：①研究视角上，综合考虑政府、企业、居民三方需求，以最大化轨道交通客流量、最大化土地增值、最大化居民舒适度作为目标，帮助城市轨道交通站点周边土地规划更加高效合理。②数据选取上，利用更微观、精确的POI数据构建了商业饱和度指标，并运用这些指标评价了区域站点可接纳新商家的种类和大致数量，为商户入驻决策提供细致化的建议。③研究方法上，基于python爬虫技术获取成都市286个地铁站POI数据，利用层次分析法确定各类别数据权重，进而构建商业饱和度指标，通过主成分综合评价法对结果进行检验。
2 数据处理及指标构建
2.1 数据收集
文章数据主要来源于高德开放平台。POI（Point of Interest）通常称作兴趣点，泛指互联网电子地图中的点类数据。每条POI基本包含名称、地址、坐标、类别四个属性，具有公共服务设施种类覆盖度高、数据范围覆盖面广等特点。在文章研究中，POI数据具有不可或缺的作用。
利用python爬取技术，获得了成都市286个地铁站的POI，并且通过周边查询搜索服务，得到了在以各地铁站为中心，400m为半径的范围内10类关键词的POI，分别为：餐饮、购物、医疗保健、交通设施、科教文化、生活、体育休闲、金融保险、商务住宅以及公司企业，共12万余条POI数据。
2.2 数据预处理
删除分类异常的数据，对没有正常归类的数据进行人为判断后归类。基于十大类别，以每10m作为跨度，分别对每个地铁站对应的各POI点进行加总，以便于后期的数据分析。
2.3 构建各类商业饱和度指标
2.3.1 理论基础
（1）商业饱和度是TOD站点选取的重要指标。[3]选取TOD站点时，应先测算该市场是否已饱和，分析市场是否仍有拓展空间。商业饱和度较高时，剩余空间有限，不宜选为TOD站点;饱和度较小，市场空间大，拓展机会多，可选为TOD站点。
（2）同行业饱和度是商户是否入驻的重要判断指标。同行业饱和度能衡量该区域此行业的竞争激烈程度，同行业饱和度越高，商户入驻风险越大;同行业饱和度越低，商户入驻风险越小。
（3）既有的公共服务设施数量和多元程度对商业饱和度具有正效应，地铁日均人流量对商业饱和度具有负效应。根据微观经济学的供给—需求理论，既有的公共服务设施越多，种类越丰富，商业饱和度越高，商业区的潜力越小;地铁日均人流量越大，商业饱和度越低，商业区的潜力越小。
2.3.2 指标构建
（1）选取指标。在已有的研究及相关规范标准的基础上，结合高德地图POI数据，并考虑到成都市实际情况，重点选择餐饮、购物、医疗保健、交通设施、科教文化、生活、体育休闲、金融保险服务作为评价指标。
（2）公式表示。利用python爬虫技术得到成都市内各地铁站点的POI数据与人口流量数据，所构建的八项指标水平为人均分布密度，公式如下：
dij=NijPi（j=1，2，3，4，5，6，7，8;i=1，2，3，…）
dij：第i个地铁站研究范围内第j类指标的人均分布密度大小;
Nij：第i个地铁站研究范围内第j类指标的POI总个数;
Pi：第i个地铁站人口总流量。
3 模型构建及结果
商业饱和度主要由八大服务指标的综合效应决定，而各指标的优劣程度又受到服务设施数量和该地区人口因素的影响，模型如图1所示。
（1）获得准则层C的成对比较矩阵。[4]通过层次分析与专家打分相结合的方式对8个处理后的指标进行赋值，如表1所示。
（2）计算权向量并做一致性检验。
当维数为8时，查表知R.I.=1.41。
对矩阵A进行一致性检验，判断一致性的指标为C.R.的取值。C.R.=0.0022<0.1，一般可以认为判断矩阵A有满意的一致性。 （3）归一化处理POI的加总数据。
新的归一化阵Y=ypq286×8
（4）得出商业饱和度指标。处理后的归一化数据与对应权重如表2所示。
当S=1时说明该地铁站商业饱和度极高，当S=0时说明该地铁站商业远远处于未饱和状态。
（5）结果输出。从数值结果上看，只有少数三个地铁站的商业饱和度得分大于0.6，处于高度饱和的状态。综合来看，全成都市所有地铁站的饱和度平均得分为0.0513，普遍较低，说明成都市大多数地铁站可能都处于商业未饱和的状态。
从排名结果上看，结合已经公布的成都50个TOD项目计划，可以看到商业饱和度相对较高的前30个地铁站中大丰站和郫筒站有TOD项目的规划，而商业饱和度相对较低的后30个地铁站中只有兰家沟站和升仙湖站有TOD项目的规划。以此来看成都TOD站点的选址似乎尚未考虑以地铁站为中心区域的商业饱和度。
4 结果验证
4.1 验证方法
层次分析法权重的计算基于成对比较矩阵，该矩阵是根据专家观点和本文对TOD站点各个方面的主观理解构造的。而主成分综合评价从数据本身的角度出发，能较为客观地构造商业饱和度指标，得出各个站点的综合得分。
4.2 验证结果
计算数据的相关矩阵A，设A的特征值为λ1，λ2，λ3，…，取大于0.5的特征值，设其对应的特征向量为ε1，ε2，ε3，…，对应的方差贡献率为1，2，3 ，…，其中ε1，ε2，ε3，…，即为第一主成分、第二主成分、第三主成分、…所对应的系数向量。
选取五个主成分，累计贡献率达到90.372，最终综合指标为：
4.3 对比分析
4.3.1 商业饱和度指标比较
y3，y4，y8 占较小权重，即交通、金融保险、医疗保险对TOD站点的商业饱和度的权重较小，与层次分析法得到的权重一致，权重矩阵构造合理。
4.3.2 得分排名相似度比较
由于站点较多，可认为两种方法排名差值在15名及以内即为相似，得出两种方法的相似度为67%，相似度较高说明层次分析法具有一定的有效性。
5 结论
5.1 大部分地鐵站商业饱和度不足
TOD商业模式引入成都并不早，地铁线也尚在完善当中。成都TOD模式的发展尚处于雏形，因此目前大部分地铁站都有很大的发展空间。根据层次分析法构建的综合指标得分来看，成都市所有地铁站的饱和度平均得分为0.0513。该数值普遍较低，说明成都市大多数地铁站可能都处于商业未饱和的状态，具有较大的发展潜力。
5.2 地铁站周边建设发展不均衡
根据构建的八类商业饱和度指标得分值，发现成都目前除了综合饱和度不足，各类饱和度的差异也很大，各地铁站发展不足的原因多种多样，在制定发展策略时要因地制宜，多方面协调发展。
参考文献：
[1] 路昊，罗霞.TOD 模式下轨道交通站点周边土地利用优化模型[J].综合运输，2020，42（1）：38-43.
[2]费亚普.TOD 模式下城市轨道交通与商业综合体连接空间的设计探析[J].城市建设理论研究（电子版），2019（17）：180.
[3]田玲.基于商圈饱和度的城市商业空间结构优化研究[D].成都：成都理工大学，2019.
[4]李俊.基于 POI 的长沙市 15 分钟社区生活圈评价及优化研究[D].兰州：兰州大学，2019.