基于Python的购物中心人流分布计算机模拟

林郁东 蒋燎原 解雪 邹翘楚 杨竹娟

摘 要：购物中心可以满足各层次消费者购物、餐饮、娱乐等多元需求，随着近年居民收入和消费水平的提升，其在大小城市的规模体量日益扩大。购物中心内消费者的活动是一较为复杂的动态过程，既受购物中心空间设计、商铺吸引力影响，又与消费者自身偏好、消费计划有关。本文使用计算机模拟方法，基于Python计算机语言模拟购物中心的布局设计与顾客的消费活动，进而得到购物中心内的人流分布。最后，应用程序得到购物中心的优化布局方案，使购物中心整体消费量显著提升。

关键词：购物中心;人流分布;业态组合;消费者行为;计算机模拟

一、 研究背景与文献综述

购物中心集购物、餐饮、娱乐一体化，业已成为零售业最受青睐的销售经营方式，发展尤为迅速。以万达广场、万象城等为代表的购物中心形成了不凡的品牌凝聚力，成为居民购物出行的首选之一。然而，网络零售的兴起也在对购物中心形成冲击。继续发挥购物中心满足多元化需求的优势，扩大影响力与竞争力亟需更深入的理论研究。

目前对购物中心的研究主要在经济商业领域与建筑领域。经济商业相关研究侧重考察消费者偏好，即何类商铺、何种业态组合、何样人文景观、何种体验服务有利于购物中心吸引消费者，本文援引余丽琼的研究为一例。然而，定量分析的研究比重较小，主要是建筑领域的研究。郭昊栩，李小滴等应用空间句法理论与线性回归分析，从建筑空间设计角度评价购物中心的聚客力、可达性等。王德等通过问卷调查法获取数据，使用聚类方法描绘消费者的空间行为模式并评估空间使用效率。

本文认为，对购物中心的研究，其最终目标是要提高消费者的消费频率。为实现这一目标，既要考察购物中心空间结构、布局等物理因素，也要考察业态组合、消费者行为等人文因素。因此，本文使用计算机模拟方法，建立Shop类整合商铺位置、业态信息，建立Customer类整合消费者特征、偏好、行为信息，从而模拟出消费者的移动、消费行为，最终得到购物中心内的人流分布。

二、 模型设计与理论研究

（一）模型流程与设计

本文使用计算机模拟方法描绘出购物中心内部的人流分布，程序基于Python编写，其核心过程如图1所示。即，图1以伪代码的形式将程序的主要思想、过程与方法予以展示。

首先，程序定义了商铺类Class Shop与消费者类Class Customer。通过对研究案例厦门湖里万达广场的实地考察，将其129个商铺的区位、业态、品牌等因素录入电子表格，随后作为参数，通过Shop类创建了129个实例，汇入列表ShopInf得到了包含购物中心内部结构、商铺信息的变量ShopInf。

在Customer类中，有两个参数与属性极为关键，即type与aim。不同性别、年龄、婚姻状态的消费者有着不同的偏好，不同类别的消费者用type属性进行区分。同时，每个消费者在购物中心的消费明确性各有差异，aim属性区分了这些差异。对于“确定型消费者”，使用Customer类的point方法，以最优路径到达目标商铺。对于“未计划型消费者”，使用Customer类的round方法，根据消费者偏好描绘其随机移动行为。

一般地，通过Customer类创建10000或1000个实例，亦即“消费者”。让每个消费者依据其type、aim属性凭借point与round方法完成在购物中心ShopInf中的消费活动。程序最终将输出所设置统计节点的人流量，每一家商铺的消费量等，如此便模拟了购物中心内的人流分布。将计算机模拟的人流分布与实际的人流分布进行统计检验，从而可以实现对程序的有效性的检验。

最后，通过Apparate方法可以实现两家商铺位置互换。进一步，对于指定店铺，比如麦当劳，通过Apparate方法将其与购物中心所有商铺均进行一次位置互换，记录每次换位后购物中心的总消费量，消费量最高的一次换位即麦当劳的最优选址。本文对于各业态的商铺各取一例作为代表，试为不同业态商铺的区位选择提供建议。

（二）理论研究

1. 主力店理论

在购物中心内，主力店通常即为知名品牌的商铺，且往往占有较大的商铺面积。主力店凭借品牌效应成为有着特定目标的消费者一定会前往的商铺，能够吸引较大的客流量。如此，主力店附近极为活跃的人流就能带动周围在商铺的消费活动。优衣库便是众多购物中心內的主力店。

2. 业态组合理论

业态组合可以分为业态集聚与业态异构两种组合。业态集聚是较为常见的组合方式，特色鲜明的功能区吸引更多消费者。譬如，“饮食一条街”或“饮食城”常见于购物中心内。业态异构则是通过变换的商铺业态给予消费者新鲜的体验。举例而言，喜茶、鹿角巷等奶茶饮料店以及西树泡芙等零食商铺穿插于服装商铺之间，往往收获良好的效果。

3. 消费计划理论

邓晓昱等通过确定型消费行为、计划型消费行为和未计划型消费行为对购物中心消费者进行划分，本文参考这一划分考察不同消费者的目的明确性。确定型消费者有明确的消费目标，会直接前往目标商铺。未计划型消费者则依据自身偏好在购物中心内随意走动。计划型消费者则介于两者之间，既有一定的消费目标，也会在购物中心内随意走动。这一划分在本文程序关于消费者类Customer核心方法的设计中发挥极为关键的作用。

4. 计算机模拟方法

齐磊磊等阐述道，计算机模拟是以计算机为运行主体再现研究对象动态过程的可运算计算机程序;其对象是那些子系统间具有非线性相互作用的复杂系统。使用线性回归方法，更多是描绘人流分布的结果和相关影响因素间的关系。因此，计算机模拟方法可以更为细致地还原个别消费者在购物中心的活动过程，甚至可以给出每一家商铺的消费量，更为准确与细致。

三、 购物中心数据与模型

（一）案例概况

本文以厦门湖里万达广场作为研究案例。厦门湖里万达广场（下简称湖里万达）位于福建省厦门市湖里区，项目总规划用地面积12.9万平方米，总建筑面积约53万平方米。该购物中心交通便利，附近有两个公交车站，为其带来大量外部客流。

从内部结构看，湖里万达高四层，其负一层为沃尔玛超市，第四层为影院，消费者主要在一楼至三楼活动。为便于理解，图2中绘制了湖里万达内部结构简图。其中，A1为入口，消费者在每层沿A-B-C-D移动。其人流动线设计为“凵”字形，即D-A段不通行。P、Q、R为三处自动扶梯，分别位于入口附近、B处中庭与CD段末端。自动扶梯对购物中心人流有重要影响，因此，我们将每层分为AB段、B处中庭、BC长廊、CD段共四个区域。

一楼与二楼以服装商铺为主。其中，ZARA、优衣库与H&M为湖里万达的三大主力店铺，分别位于B1-C1段中部，C2与R2附近。麦当劳、哈根达斯等位于入口处。一楼商铺面积客流较好，面积较大，为实力较强的商铺租赁。除此之外，NIKE、Adidas、361等均在一楼设有门店。而二楼则设有屈臣氏、NOME等生活精品店，化妆品与潮牌商铺较一楼为多。湖里万达三楼则以餐饮为主，包含中餐、西餐、日料、火锅等各色餐饮，尤以西贝莜面村最受欢迎。此外，小吃零食、数码电器、童装童乐类商铺散布在湖里万达各处。

（二）统计节点设置

上文已介绍厦门湖里万达广场的内部布局，我们于每层楼P处扶梯、中庭B、BC段长廊中部、中庭C设置统计节点。其中，中庭B、中庭C为消费者决定上下扶梯、前进、返回的重要节点，能够代表其前一区域的人流情况。因一楼人流方向几乎一致，故略去入口与B1-C1段。此外，可以观察到有较多消费者在扶梯P2处变换楼层，又增设该一统计节点。我们以15分钟为一个统计时间单位，平均对每个节点进行3次左右的统计，共计2209人次，平均每个节点近250人次。限于篇幅，统计结果与下文“模型的检验”的结果一并列示。

（三）建立Shop类

如前文所述，Shop类用以表示购物中心中的每一家商铺，下面阐述该类的属性。属性floor，side，pos分别表示该商铺所处楼层数、道路的左或右侧以及相对位置。属性type表示商铺的业态种类，如女装、餐饮、奢侈品等。属性lift表示该商铺是否与扶梯相连。属性blcok代表该商铺所处的区域，属性border则表示该商铺是否处于两区域交界处。以扶梯、中庭为分界，每层被分为4片区域。表1展示了厦门湖里万达广场中部分商铺的属性。模拟程序通过Shop类对湖里万达129个商铺分别建立一个实例，并将该129个实例置于列表ShopInf中，作为代表该购物中心的变量。

四、 消费者行为数据与模型

（一）消费者类别数据

我们在厦门湖里万达广场进行观测统计，平均每30分钟，有单人青年男性69人，单人青年女性89人，情侣47对，夫妇14对，老年男性8人，老年女性4人，男性团体（两人及以上）18个合39人，女性团体（两人及以上）41个合87人，男女混合团体（三人及以上）2个共7人，家庭60个合150人。以上总计575人。经过对上述数据的综合分析，以男性、女性、情侣或夫妇、家庭为四个最主要的消费群体，占比分别为23%，38%，26%，13%。

（二）消费者偏好数据

我们设计包括20个问题的调查问卷，针对消费者业态偏好、购物目的明确性、购物计划安排等消费者心理及行为进行提问，回收有效问卷198份。根据问卷调查的结果，较为偏好小吃饮料的消费者占比约68%，偏好文教数码占比23%，偏好生活精品占比30%。计划安排方面，先购物后用餐、先用餐后购物、只购物、只逛街消费者的比例分别为55.56%，27.27%，13.64%，3.54%。此外，随意闲逛、仅前往目标店铺以及两者结合的消费者比例分别为15.74%，24.37%与59.9%。为主力店赋予大体相当的权重。最后，依据乘法原理，得到表2，它代表22种不同计划或目标消费者群体的比例。

为便于理解，下对表2中进行详细阐述。zara，HM（H&M）、uni（优衣库）分别代表湖里万达的三家主力店。而湖里万达一楼、二楼为各类商铺，三楼集中为餐饮类，因此分别以“102”“3”代表逛街、用餐两种消费行为。“both”则代表结合前往主力店与随意相关两者的消费行为。

（三）建立Customer类

1. 主要类属性

Customer类用以表示每个进入购物中心的消费者。该类有如下属性。首先，仍然是floor，side，pos，lift，block等属性，确定消费者的地理方位。属性type根据消费者类别取值。属性aim根据消费者各购物计划取值，即根据表2取值。

模拟程序可以通过Customer创建任意数量的实例，即模拟任意数量的消費者，一般创建10000或1000个实例。程序设计goto，point，round，direct，stay等方法，模拟消费者在购物中心内有计划或无计划的移动，选择方向或变换楼层，停留或离开某一家商铺，继续或终止购物等在购物中心内的抉择、行动或消费行为。下面对其中主要的方法具体阐释。

2. 主要类方法

Customer类的有stay，round，point，direct四个主要方法。首先介绍方法设计的逻辑。应用递归的思想，当消费者到达一家商铺后，仅判断其前往相邻的哪一商铺。具体而言，有向前，向后，过往道路对侧，乘自动扶梯四类。而每当消费者到一家商铺时，均以stay方法结合消费者偏好与商铺业态判断其是否进入商铺消费。

未计划型消费者，即没有消费明确目标的消费者适用round方法，依上述思路在购物中心较为随机地活动，直至其明确消费计划或离开。有明确目标商铺的消费者适用point方法，直接以最优路径前往目标商铺，到达前仅考虑是否进入路径上的商铺消费。事实上，两个方法可以交互使用。举例而言，一名消费者先闲逛，再前往主力店优衣库，最后到达三楼寻找餐饮商铺。这对应表2中的目标“uboth+3”，依次使用round-point-round方法。

五、 有效性检验与模型应用

（一）模型的检验

我们通过Customer类创建了10000个实例，即模拟10000名消费者在购物中心内的消费活动。最后程序输出了各个统计节点人流量占所有统计节点人流量的百分比，体现在表3中“/”号左边的数字。相应地，右边的数字则为我们在2209人次的观测统计中各节点实际人流的相应百分比。对模拟程序、实际观测的两组人流分布数据进行符号检验，其符号亦体现于表中。符号检验得到5正4负，其差為1，查表可知该检验通过，即计算机模拟程序的人流分布与实际观测的人流分布是一致的。

（二）模型的应用

湖里万达的主力店有ZARA（一楼长廊中部）、H&M（二楼扶梯R附近）和优衣库（二楼中庭C）。我们通过程序的Apparate方法将上述主力店与其所在楼层所有商铺均进行换位操作，并选取出换位后购物中心总消费量最大的商铺。类似地，我们还选取了萃菓师、美联英语、ECCO分别作为小吃饮料、文件数码、生活精品三类业态的代表进行换位。具体结果如表4所示。

主力店ZARA原本处于一楼长廊中部，其最优换位商铺位于入口附近，提升总消费量近5%。位于二楼动线末端H&M应调整至扶梯P2附近，而原位于中庭C的优衣库应调整至中庭B;分别带来10.62%与8.69%的消费量增幅，十分显著。这带来三点启示。其一，主力店的位置应当更靠近入口处。三家主力店的最优换位方案中，其位置都往入口方向移动许多。其二，主力店位置设于交通枢纽更优。主力店能聚集大量的人流，将其设于交通枢纽处，一方面便于前往，更重要的是使得消费者完成主力店的消费后活动更为多元与分散，有利于总消费量的提升。其三，当同一楼层有两个或以上主力店时，其位置应当分散而，避免两者的聚集效应相互抵消。实践中，可以将他们设于不同的交通枢纽。

萃菓师原位于三楼长廊，最优换位方案位于三楼动线末端D3处，增幅为-0.06%，代表原位置已最优。其余换位方案表明，小吃饮料商铺设于三楼即正餐商铺之间要优于设于服装商铺之间。美联英语原位于一楼动线末端，最优方案位于二楼长廊中部，购物中心总消费量提升7.63%，极为显著。而代表生活精品的ECCO最优的前10个方案中，带来总消费量增幅均不明显，且散布于各个区域。

下面结合消费者偏好进行分析。仅有23%消费者偏好文教数码，且该类商铺数目较少，因此换位至二楼长廊中部可以与两家主力店形成业态互补，为总消费了带来较大提升。偏好生活精品有30%，且有一定数目，各换位方案无显著差异。而偏好小吃饮料的消费者达68%，本身具有相当吸引力，不必设于交通枢纽并距主力店一定距离。

六、 结论与展望

本文设计的购物中心人流模拟程序得到了理论与实际观测数据的支持。应用该程序，我们为购物中心布局、提升总消费量提供如下建议。

（1）各主力店的位置应当位于靠近入口的交通枢纽，且彼此相隔一定距离。如此才能最大限度地发挥主力店的引流、聚客作用。（2）较为小众业态的商铺设于前往主力店的必经路径上，既借助主力店引流，又形成业态互补，相辅相成;（3）大众业态的商铺与主力店、与交通枢纽间设置一定距离，可谓自成一级，成“掎角之势”。（4）完成上述安排后，最终进行数目较多的小众业态商铺的布局，对整体消费量不会有显著影响。（5）利用本文的人流模拟模型可以定量地对购物中心各类业态布局进行比较与分析。

本文提出的计算机模型具有广泛的适用性与良好的可塑性。不同的购物中心具有不同的空间设计和业态组合，调整Shop类实例的具体属性值即可适应不同购物中心。类似地，不同区域的消费者有着不同的结构比例与消费者偏好，同样可通过调整Customer类实例的属性或参数值来适应。影响购物中心的因素绝不限于本文所阐述的，相关研究也必然继续深入，而Python面向对象编程的特性可以方便添加更多的属性甚至新的消费者行为方法。购物中心人流分布的计算机模拟程序可以不断更新迭代，日趋完善。

参考文献：

[1]余丽琼.基于消费者偏好的区域型购物中心业态组合探索[J].商业经济研究，2018（1）.

[2]郭昊栩，李颜，邓梦仁，等.基于空间句法分析的商业体空间人流分布模拟[J].华南理工大学学报，2014（10）.

[3]李小滴.城市区域型购物中心内部商业空间构成：以成都市为例[D].成都：西南交通大学，2013.

[4]王德，王灿，朱玮，等.商业综合体的消费者空间行为特征与评价[J].建筑学报，2017（2）.

[5]邓晓昱，施维琳.消费者心理行为与购物中心餐饮空间设计：以昆明为例[J].中国市场，2011（23）.

[6]齐磊磊，贾玮晗.复杂社会系统的研究方法：从计算机模拟到复杂应答过程理论[J].系统科学学报，2018（1）.

作者简介：林郁东，蒋燎原，解雪，邹翘楚，杨竹娟，厦门大学国际学院。