地铁站点周边的商业集聚及其影响因素

陈忠暖, 冯 越, 江 锦

(华南师范大学地理科学学院，广东广州 516031)

地铁站点周边的商业集聚及其影响因素

陈忠暖*, 冯 越, 江 锦

(华南师范大学地理科学学院，广东广州 516031)

选取广州地铁3个代表性站点，基于实地调研与空间分析方法对比其商业集聚的共性与差异，并通过对商家的问卷调查分析其影响因素．研究发现：地铁站周边商业网点以快速消费型为集聚主体，网点的空间分布不均，呈明显的圈层状结构，不同站点商业网点的集聚强度和功能结构有所差别，可分为散布型、孤点型和聚合型等3种形态．商业属性、商家集聚效益和地铁的诱导是地铁站商业集聚呈现共性的影响因素，依附商圈的发展差异、道路体系差异与地铁效应的差异是地铁商业集聚呈现差异的主要因素．

轨道交通； 地铁站点； 商业集聚； 广州

国外关于轨道交通对零售商业影响的研究中，多数文献不直接从商业实体空间变化的角度讨论轨道交通的影响效果，而从沿线土地经济属性变化的角度反映轨道交通发展下功能区的区位价值重塑[1-7]．而国内多从沿线商圈的规模等级变化或业态空间演替等角度加以讨论，且关于地铁站周边商业集聚研究通常围绕地铁站域内商业的区位、空间形态和服务特征展开，并对商业区位进行评价和提出改善途径[8-12]，而较少论及影响作用的形成机理，对站点尺度上地铁因素与商业空间作用关系的理解比较含糊．因此，笔者认为，有必要从微观尺度上探讨城市轨道交通与商业集聚的关系．例如，认识站点周边地区的商业集聚格局特征、影响要素和形成过程等问题．

目前广州地铁线路正进行网络化式快速扩张，开通了8条地铁线，总里程达236 km，是国内仅次于北京和上海的第三大地铁城市，到2020年规划线网总里程将达到677 km．同时，广州是历史悠久的商都，地铁与商业发展更是形成了紧密的联系．截至2010年，广州90%以上的中高档大型购物广场都在地铁沿线[13]；地铁对GDP直接贡献约2 000亿元，综合带动超过5 000亿元[14]．因此，探讨地铁站点对周边的商业集聚对于城市发展与布局规划具有现实的意义．

1 数据来源与研究方法

1.1 选择代表性站点

第一，考虑选择市区商业比较繁华的区域；第二，商业集聚受地铁影响比较显著的地点；第三，反映地铁开通时间对商业集聚过程的影响．基于以上三点，选取了发展成熟的体育西路站、发展次成熟的客村站，以及处于起步阶段的飞翔公园站．

1.2 划分地铁周边范围

根据TOD(以公共交通为导向的发展模式)的相关理论，城市轨道交通站点的影响范围略为10 min左右的步行距离，约400～800 m的半径范围[15-19]．本文调查范围为以各地铁站为中心、半径600 m的缓冲区．

1.3 确定刻画商业集聚的指标

以商业网点数目反映集聚的规模，以商业业种与业态来反映集聚的内容．依据国民经济行业分类标准(GB/T 4754—2011)，结合实地考察，将地铁周边商业归并为10个业种(表1)；参照国家零售业态分类标准(GB/T18106-2004)，为反映本文调查对象的规模和形态，根据商家实际提供的服务种类，将地铁周边商业业态归并为便利店、食杂店、百货店、超市、购物中心、专卖店、专业店和批发市场八大类型．

表1 商业内部行业细分Table 1 The industry segment within business

1.4 主要方法

本文利用Arcgis9.3矢量化地图和商业网点，采用空间分析模块提取商业网点的圈层数据以及对商业网点分布进行核密度估计，另外借助crimestat3.3软件对商业网点进行Ripley’k函数分析．

(1)Ripley’K函数法. Ripley’K函数是分析任意尺度下点状地物分布格局最常用的方法．Ripley’K函数为点密度距离的函数，即按照一定半径距离的搜索圆范围来统计点数量[20]．假设某区域内点状地物空间分布均匀，空间密度为 λ，距离d内的期望样点平均数为 λπd2，点状地物平均数和区域内样本点密度比值为πd2．同时用变量Ripley’K(d)表示现实情况下在距离d内的样本平均数和区域内样本点密度的比值，计算公式如下：

其中，n为点状地物个数，δij(d)为在距离d范围内的点状地物i与点状地物j之间的距离，A为研究区域面积．通过比较这些样本点平均数和区域内样本点密度比值的实测值和理论值，函数就可判断实际观测点格局的分布状态．K(d)=πd2表明在空间尺度d上，点状要素呈随机分布；K(d)<πd2表明在空间尺度d上，点状要素呈均匀分布；K(d)>πd2表明在空间尺度d上，点要素呈聚集分布．

为使期望值线性化并保持方差稳定，BESAG[21]提出用L(d)取代K(d)，并对K(d)作开方变换以保持方差稳定．其计算公式为：

在完全空间随机分布的假设下，L(d)的期望为0．通过L(d)与d的关系图可分析多尺度点状地物的空间格局．L(d)>0表示点要素有空间聚集分布的趋势；L(d)<0表示点要素有空间均匀分布的趋势；L(d)=0表示点要素呈完全随机的空间分布[22]．实际中常用Ripley’sL(d)指数代替 Ripley’sK(d)函数分析．

用Monte-Carlo模拟检验L函数的显著性，得到置信区间．若L(d)值在置信区间以内，则符合随机分布；若L(d)值在包迹线以外，呈集聚分布．当点状地物表现为聚集分布时，把偏离随机置信区间最大值作为最大聚集强度指标，聚集规模为以聚集强度为半径的圆[23-24]．本案例中需要分析地铁站600 m缓冲圈内的商业网点的空间格局，属于小尺度下的点状要素格局分析，适宜用Ripley’sL(d)指数方法．

(2)核密度估计法. 核密度估计用于观测规则区域内点要素或线状要素的空间密度变化．它认为地理事件可以发生在任何区域，但不同区域内发生的概率不一样，因此可利用事件的空间密度分析表示空间点模式．一般定义为：设x1、x2是从分布密度函数为f的总体中抽取的独立同分布(iid)样本，估计f在某点x处的值f(x)，通常有Rosenblatt-Parzen核估计：

其中，k()为核函数，h(h>0)为带宽，x-xi表示估值点到事件xi的距离．可见函数中h的确定对核密度估计的结果有较大影响，h的取值通常需要根据不同的数值进行试验．在带宽确定后，不同数学形式的核函数对估计的影响很小，实际中常用的核函数主要是四次多项式函数和正态函数[25]．

1.5 数据资料来源

主要由实地考察记录和商铺问卷访谈两部分构成，调研时间为2012年12月—2013年1月．以调查区内街道为路径，对各类商业网点进行逐一辨识和记录，包括确定商业网点的空间点位和记录商业网点的名称、行业种类、业态．同时，向商家发放调查问卷，围绕地铁在商铺区位选择和实际经营中的影响、商家集聚对商家经营的影响、商家的区位满意度和搬迁意愿等收集他们的意见和看法．每个站点抽取40户代表性商户发放问卷，3个站点共发放120份问卷，回收有效问卷105份．

其次，广州地铁商业底图截取自广州网络地图，经济数据来源于地铁经济发展白皮书、媒体报道等．

2 三站点商业集聚的特征

(1)快速型消费成地铁周边商业集聚的主体.从图1可见，食品小吃类网点在客村站和飞翔公园站各居第1位，在体育西路站居第2位，均占据了较大份额的数量比重；专业店和食杂店的数量比例均分别占第1位和第2位．由于地铁客流为地铁周边商铺的主要顾客来源，因此案例影响区内的商业网点以具有快速消费特点的业种和业态最为普遍．

图1 三站点周边商业网点的业种与业态比重

(2)站点周边商业网点圈层结构明显，具有较强一致性. 体育西路站和客村站的商业网点集中区都在300～400 m圈层，飞翔公园站的集中区为500～600 m圈层．飞翔公园站因其受到周边闲置地块的阻隔，因此实际上可认为三者的商业网点密集带的位置大致相同(图2)．

图2 三站点商业网点总量圈层比例

(3)反映了散布、孤点、聚合三种商业空间分布模式.借助核密度分析得到各类业种和业态的空间密度变化情况，可具体观察各地铁站点区域内部商业网点的布局特征．从三大站点商业网点整体集聚形态来看，可大致分为散布型、孤点型和聚合型三种空间分布模式．从站点商业网点内部行业和业态来看，某些业种和业态的分布模式表现出一致性(表2)．例如，3个地铁站的综合零售店分布均呈散布型，家电家具店分布呈孤点型，居民服务、食品小吃和日用杂品店分布呈聚合型；再如，便利店呈散布型布局，食杂店和专业店呈片状聚合型布局．

(4)不同站点商业网点的集聚强度有别.依据Ripley’K函数对3大站点影响区内商业网点进行分析结果显示(图3)：体育西路站商业网点的集聚强度随着与地铁站距离的增大而递增，而客村站和飞翔公园站商业网点的集聚强度随地铁站距离的增加而递减．由此可见，尽管3个地铁站周边的商业网点均表现出集聚的特点，但位于不同站点的商业网点的集聚强度有所差别．

表2 站点周边商业行业和业态的集聚形态Table 2 The agglomeration of the commercial industry types and distribution formats nearby three subway stations

图3 三站点周边商业网点Ripley’K曲线图

(5)不同站点周边商业功能结构不同.通过对不同站点周边商业功能结构进行分析，可以看出：体育西路站和飞翔公园站的商业功能格局相似，即地铁站影响区内形成了功能特色比较鲜明的商业板块，几大板块在地域上呈“品”字分布；客村站的商业功能格局分异则与前两者不同，商业网点在空间上表现为功能分异鲜明的双圈层结构(图4).

图4 地铁商业空间分异结构示意图

3 地铁站点商业集聚原因分析

3.1 集聚共性的影响因素

(1)商业属性.商业商务性质属于商品流通的经济活动，也称为“选址的行业”，可见区位选择对商业发展具有基础性作用．一般而言，商业区位布局具有邻近消费市场的特点．地铁商业恰恰体现了商业的经营属性和区位特点．地铁站带来的大量集散人口为商业发展提供了潜在顾客．站点周边人口流动性大，使得各类快速消费型商业服务业成为了地铁站周边的主要行业．其中，尤以食品小吃店和服饰鞋具店为代表．这些类型的商铺经营灵活性较大，区位更趋向于人口密集的消费市场．总体来看，各类商业的经营服务市场与地铁客流的需求存在交叉部分，这使得商业有可能在地铁站周边“集聚”．

(2)商家集聚效益.从3个地铁站周边商家的调查结果显示，68.2%的被调查商家认为同行的集聚对于他们商铺的经营是“比较重要”和“非常重要”的，63.1%的商家认为其他行业商家的集聚对于他们商店的经营达到“比较重要”和“非常重要”级别．同时，地铁商家认为接近商圈可获得稳定客源、拓宽信息渠道和共享基础设施等多种集聚效益(图5)．表明了地铁周边商家对于集聚效益的重视，获得集聚效益是驱使其商铺邻近地铁的重要因素．其中了解购物中心是否影响商家个体经营的看法时，40.9%的商家认为它带来正面影响，仅18.3%的商家认为其带来负面影响．可见对多数商家来说，邻近大型商业设施是利大于弊．除了竞争关系以外，由大型商业设施带来的顾客也给周边的商铺带来不少顾客生意．

图5 邻近商圈或商业街带来的集聚效益

(3)地铁的诱导. 地铁作为大型的公共基础设施，它的投资建设能够改善沿线地区的交通通达性，从而提升沿线地区区位条件，由此吸引各类经济要素和人口的集聚、带来土地的增值以推动城市经济的循环发展．地铁的建设和运营表现出明显的“乘数效应”和“放大效应”[26]．

地铁宏观效应的产生同时表明了在商铺的选址和经营中，地铁因素应当有着不可忽视的作用，这个猜想在3个地铁站的调查中得到反映与验证，没有被调查商户认为地铁对其经营是不利或非常不利的(图6)．

图6 新地铁站或原有地铁站扩容对沿线商铺的利弊影响

3.2 集聚差异的影响因素

(1)依附商圈的差异.对于商家来说，外部性效益的大小获得有赖于它所处的城市土地位置的优劣．据店铺选址因素的问卷调查结果显示(图7)：体育西路站商家考虑的首要因素是租金，其次是周边商家的集聚情况和交通便利度；客村站商家选择的重要性因素依次为客流、交通便利度和租金，飞翔公园站商家选择的重要因素依次是客流和交通便利度．由此可见，商圈区位愈好，商家可获的外部集聚效益通常较大．

(2)道路体系的差异.城市街区的道路体系直接影响着商业区位选择，例如交通通达性高的地段的商业区位相对优越，其商业地价也比较高．一般而言，城市主干道、连接性较好的支路线以及交通节点处均是各类业态集中的地方．回顾体育西路站、客村站和飞翔公园站周边地区道路体系，它们的差异约束了商业集聚格局的形成与变化(图8)．

图7 商铺选址原因及其重要性排序

图8 地铁站周边道路体系示意图

体育西路站影响区的南北两端有主干道天河路和黄埔大道西横向经过，中部有主干道体育西路纵向穿过，其中广利路、天河南一路、体育西横街是体育西路的主要支路，天河路、体育西路是区域性大道，交通流量大、区域通达性好．

客村站影响区内的主干道有新港中路，它横穿站区且是海珠区的主要大道；此外有广州大道南路纵穿影响区区西侧．主要支路有艺苑路、艺苑南路和新市头路，三者都是区内的生活性道路．客村站影响区作为新港中路的一个主要区段，交通流量较大，经济区位条件相对优越．

飞翔公园站影响区内的主要交通干道有云城南一路、云城南二路、云城东路、云城西路以及机场快速路．但由于它们之间夹杂的地块没有建筑物和居民点，因此区域内没有网点，尽管目前云城南二路的交通流量不大，但其与云城东路和云城西路为白云新城南端的主要道路，具有发展前景优势．

由此可见，道路的交通流量大小、街道组织结构和交通流向的差异使得各路段具有不同的商业区位，在经济收益的驱使下不同业种和业态趋向合理区位布局，3个影响区形成了相异的商业特色和分异结构．

(3)地铁站带动效应的差异.尽管地铁建设能诱导商业空间发展，但建设程度不同的地铁站对商业发展有不同的效应，进而影响地铁商业格局．在反映地铁站发展水平的多种指标中，客流量最能代表地铁发展现状差异．如图9，在体育西路和客村站，较多商家选择“外来客流和社区居民差不多”，而在飞翔公园站，较多商家选择“附近社区居民”．一定程度上反映出目前飞翔公园站对商业的拉动作用小于体育西路和客村站．作为1号线和3号线换乘点的体育西路站、地铁3号线和8号线换乘点的客村站，巨大的交通客流量为周边商业发展带来大量潜在顾客．它们周边商业的服务域广．而2010年才开通的飞翔公园站为2号线北延段的中途站之一，地铁站客流量小且以周边居民为主，它对地铁商业发展的促进作用小．该站商业腹地范围明显较小，服务对象主要覆盖周边社区居民．

图9 地铁站点周边商业网点的顾客来源

4 结论与讨论

轨道交通与城市商业发展相互关联，地铁商业区则是两者相互作用的印证．本文以广州的3个地铁站作为案例地，借助地理空间分析技术探讨了3个地铁商业空间的集聚特征，进而分析影响集聚特征的因素．在微观尺度下认识地铁商业集聚特征及其影响机制，可为深入解释城市轨道交通对商业空间的关系提供实证基础，同时有助于地铁引导城市建设．得出以下结论：

(1)地铁商业网点分布普遍集聚，分为散布型、孤点型和聚合型等3种集聚空间形态.

(2)商业网点空间分布不均，案例地铁站的600 m缓冲范围内都存在商业网点密集带，并且该带的范围大都位于距地铁站300～400 m圈层.

(3)地铁站商业功能结构不同：体育西路站和飞翔公园站周边均形成了功能和特色分明的“品”字状商业板块，客村站周边商业空间分异则表现双圈层结构.

(4)商业属性、商家集聚效益和地铁的诱导是3个地铁站商业集聚特征的共性影响因素，依附商圈的发展差异、道路体系差异以及地铁效应差异是3个地铁商业格局具有差异的主要原因．

由于扫描式的地铁商业调查工作量比较浩繁，本文仅对3个站点的分析，尽管具有一定的代表性，但未能完全地反映出地铁站点的商业集聚的客观实际．后续研究将继续丰富与补充站区案例，以更好地寻找和研究地铁站点商业集聚的规律．

[1] DEBREZION G, PELS E, RIETVELD P. The impact of railway stations on residential and commercial property value: A meta-analysis[J].The Journal of Real Estate Finance and Economics,2007, 35(2): 161-180.

[2] KARANIKOLAS N, LOUKA E. The effect of metro station on commercial values of residential properties. The case study of Thessaloniki, Greece before the completion of the metro project construction[J]. International Journal of Acadamic Research,2012, 4(2):136-143.

[3] DEBREZION G, PELS E, RIETVELD P. The impact of railway stations on residential and commercial property value: A meta-analysis[J]. The Journal of Real Estate Finance and Economics, 2007, 35(2): 161-180.

[4] CERVERO R, DUNCAN M. Transit’s value-added effects:Light and commuter rail services and commercial land values[J].Transport Res Rec,2002(1805):8-15.

[5] MOHAMMAD S I, GRAHAM D J, MELO P C, et al. A meta-analysis of the impact of rail projects on land and property values[J].Transport Res A-Pol,2013(50): 158-170.

[6] KIM J, ZHANG M. Determining transit’s impact on seoul commercial land values: An application of spatial econometrics[J]. International Real Estate Review，2005, 1(8): 1-26.

[7] CLOWER T L, WEINSTEIN B L. The impact of Dallas(Texas) area rapid transit light rail station on taxable property valuations[J]. Australasian Journal of Regional Studies，2002,8(3):389-400.

[8] 方向阳.广州地铁沿线零售商业形态与空间分布探讨[J].人文地理，2004, 19(6):11-16.

[9] 方向阳,蔡国田.广州地铁站口零售商业集聚类型分析[J].热带地理，2005, 25(1):49-53.

[10] 方向阳.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):525-537.

[11] 陈曦.上海地铁交通综合体中的零售商业服务特征探析——以徐家汇地区为例[C]∥生态文明视角下的城乡规划——2008中国城市规划年会论文集.北京，2008:1-10.

[12] 关华.台北地铁地下街商业空间形态及区位之研究[C]∥生态文明视角下的城乡规划——2008中国城市规划年会论文.北京，2008:1-9.

[13] 赵燕华,谭抒茗.地铁五号线黄金线路升值沿线楼盘[EB/OL]. (2010-09-10)[2013-08-25].http:∥news.dichan.sina.com.cn/2010/09/10/211165.html.

[14] 幸琦昕.广州地铁带动经济超5000亿[EB/OL]. (2009-09-16)[2013-08-25].http://informationtimes.dayoo.com/html/2009-09/16/content_704682.htm.

[15] 郭涛,刘波,田磊,等.轨道交通站点TOD 合理区范围探讨——以广州地铁二号线江南西站为例[J].规划师,2008,24(3):75-78.

[16] 王洪章.哈医大轨道交通站点影响区范围的分析[J].低温建筑技术,2009(6):113-114.

[17] 陈欢.上海轨道交通 1号线南段TOD实证研究[J].交通与运输,2010(12):94-97.

[18] 马强.近年来北美关于“TOD”的研究进展[J].国外城市规划,2003,18(5):45-50.

[19] 杨建华.郑州轨道交通对沿线房地产的影响[J].地域研究与开发,2009,28(4):62-65.

[20] 王劲峰,廖一兰,刘鑫.空间数据分析教程[M].北京:科学出版社,2010:79-81.

[21] BESAG J. Spatial interaction and the statistical analysis of lattice systems[J]. Journal of the Royal Statistical Society:Ser B,1974,36(2):192-236.

[22] 高凯,周志翔,杨玉萍,等.基于Ripley K 函数的武汉市景观格局特征及其变化[J]. 应用生态学报,2010,21(10):2621-2626.

[23] 王丽,曹有挥,刘可文,等.高铁站区产业空间分布及集聚特征——以沪宁城际高铁南京站为例[J].地理科学,2012,32(3):301-307.

[24] 高杰,王志强,邵琦,等. Ripley’s L指数与最近邻空间热点分析在流行病学标点地图分析中的应用[J]. 山东大学学报:医学版,2009,47(3):90-93.

[25] 王远飞,何洪林.空间数据分析方法[M].北京:科学出版社,2007:66-71.

[26] 王德起,于素涌.城市轨道交通对沿线周边住宅价格的影响分析——以北京地铁四号线为例[J]. 城市发展研究, 2012,19(4):82-87.

Keywords： rail transit; subway stations; commercial agglomeration; Guangzhou

TheCommercialAgglomerationandInfluencingFactorsofNearbySubwayStation

CHEN Zhongnuan*， FENG Yue， JIANG Jin

(School of Geographical Sciences, South China Normal University， Guangzhou 516031， China)

Three typical subway stations of Guangzhou Metro are chosen as research objects in this study. Based on the field research and spatial analysis methods, three cases to find the similar and the opposite points of them are compared and the influencing factors are analyzed with questionaires. It is found that the commercial agglomeration nearby subway stations is mainly of rapid consumption, and the spatial distribution of outlets is uneven, presenting clear circle structure. The aggregation intensity and function structure of the outlets nearby stations are different, divided into three types: scattered, isolated point and aggregation. Commercial property, commercial agglomeration benefits and the induction of subway station are the influencing factors of common features. The attaching business district of different time, the difference of the road systems and the difference of subway effects are the main reasons for the subway commercial pattern differences.

2013-08-27

国家自然科学基金项目(41171141)

*通讯作者:陈忠暖，教授，Email: chenzhn@scnu.edu.cn.

1000-5463(2013)06-0189-08

F29

A

10.6054/j.jscnun.2013.09.025

【中文责编：庄晓琼 英文责编：肖菁】