乌鲁木齐城区分布图
一、基本指标
参考乌鲁木齐商业网点规划、结合实际调查数据、确定各大型商业综合体分别为：经开万达广场、徕远广场、国际置地广场、汇嘉时代、欧乐星城、世纪金花时代广场、亚欣生活广场、天山百货、天华商业广场、万宴城、美美友好购物中心、太百 YOUNG PARK、宝能城、野马国际大厦、丝路主题公园(在建)、红山市场综合楼(在建)、高铁总站综合体(在建)、盛达广场(在建)。由于街区并非行政单元，考虑到数据的可获得性，因此将街道作为影响因素分析的基本单元。分别将全业态和各类型的商业网点街道密度值作为分析商业总体空间格局及各类型空间格局的因变量，共选取7 个指标作为自变量来测度其对商业设施空间格局的影响，对数值型自变量运用自然断裂点分类法进行离散化处理，将数值量分为5类(表1)。
二、影响因素分析
利用地理探测器对7 个影响因子的解释力进行分析，从表2 中看出：① 乌鲁木齐市整体商业布局主要受社会经济因素影响最大，而高程因素对商业布局影响不明显。分析认为商业主体分布于海拔高度在650~1000m之间，位于中间地带，南部山地一带分布极少，北部虽海拔较低，但郊区地带尚待开发，因此商业网点不多；地形起伏度对商业总体布局存在一定解释力(0.23)，主要原因为商业布局倾向于地势平坦地带，在商业密集地带地形起伏度偏小。② 地价、集聚效应分别在90%和99%的置信度下对商业网点布局具备强的解释性，表明当存在市场势力的情况下，商业网点在空间分布上具有明显的空间指向性，融入商圈的各客体共享客流、资本、基建等，理想状态下可以在整体上达到帕累托最优状态，距离中心区位越近，商业网点可承受地价的能力越高，且在此区位布局的商业网点数量也显著增高，表明空间集聚所带来的收益远高于地租成本，即收益仍然是正向的。③ 人口密度和交通条件在95%的置信度下对商业布局具有较强的解释性，从中心到外围，人口密度与距离市中心的远近呈现显著负相关，而商业网点也存在距离衰减特征，因此商业网点倾向于分布在人口集中、交通发达的区位。
就不同类型商业服务而言，分析如下：① 人口密度对于购物服务的解释力(0.66)明显强于其他项，因为购物类服务对于人口密度条件极为敏感， 尤其是大型购物中心在区位选择方面往往经过缜密的调研，客流量是决定其收益的关键要素。② 中心可达性对于商务服务类的分布具有较高解释力(0.67)，实际调研发现，商务写字楼、商住两用楼宇等绝大多数分布在中心区位，极少数在外围区域， 这也与计算结果大体一致，因为大型公司布局于此可以获取到更多商业信息流、人流、物流，商务氛围浓厚，快速掌握更多的信息资源，利用“马太效应” 以获取到更多优质资源。③ 地价因素对于金融服务类呈现较强的解释力(0.55)，金融、商务服务类网点的解释力相近，高于其他类别，且趋向于地价较高的城市中心地带分布，二者对于土地价格的承受能力较强，原因在于地租这一影响因素对二者的成本影响，被中心区位带来的其他方面的收益抵消。④ 路网密度对于餐饮服务类(0.29)和生活服务类(0.44)的影响较为显著；购物服务类(0.44)受商圈集聚效应影响比较明显，而住宿服务类受集聚效应(0.09)和路网密度(0.31)的影响比较不明显。
以上分析表明，商业空间布局的背后反映的是消费者的行为以及不同商业业态之间的功能相近程度，如消费者的行为决定了餐饮与购物类协同效应较强，职能的相似性决定了商务与金融类协同效应较强，而功能上差异较大的商业类型往往共同出现的概率较小，联系也不密切，正是这种商业类型之间的联系与差异共同影响城市商业空间布局。
不同商业业态类型的组合、协调方式往往对商业空间的形成产生重要影响，因此进一步探究不同业态商业类型间的差异性和关联性如何作用于城市商业空间具有重要意义。以4138 个街区各类型商业POI 密度作为样本，测算Pearson 相关系数(表3)。可以发现生活服务类与其他各类的相关系数均在0.5 以上，产生这种结果的原因是生活服务类POI 广泛分布，其对特定区位的选择性不如其他几类商业网点明显，故可以判断生活服务类POI 几乎不受其他各类影响。
餐饮服务与购物服务在0.01 显著性水平上相关系数为0.822，表明餐饮与购物服务网点往往互相伴随出现，二者数量最多且联系最为密切，伴随着商业综合体以及大型购物中心的涌现，这种联系仍会持续，成为商业结构的主体要素。餐饮服务与住宿服务的相关系数为0.608，表明餐饮类与住宿类网点共同布局的概率比较大，二者间的联系程度也较高，其主要原因在于多数餐饮店往往倾向于布局在住宿设施的周围，然而在餐饮设施密集的地方不一定总伴随住宿设施的出现，因而其相关系数不如餐饮与购物大。商务服务与金融服务联系最密切，二者的相关系数达到0.695，远高于商务类与其他，从上文也可以明显看出，这2 类网点以中心城区布局为主，职能的相关性决定了二者区位选择上具有较强的相似性，在某一区位同时出现的概率比较大。
以上分析表明，商业空间布局的背后反映的是消费者的行为以及不同商业业态之间的功能相近程度，如消费者的行为决定了餐饮与购物类协同效应较强，职能的相似性决定了商务与金融类协同效应较强，而功能上差异较大的商业类型往往共同出现的概率较小，联系也不密切，正是这种商业类型之间的联系与差异共同影响城市商业空间布局。
三、结论与建议
利用开源大数据结合社会经济调查数据， 利用定性和定量方法，识别出西部大城市乌鲁木齐的商业中心以及商业热点区的区位特征，并分析了各类型商业业态空间分布的影响因素，具体结论如下：
（1）乌鲁木齐市商业高值区分布在吐乌大高速—和平渠沿线地带，在空间上总体呈现“中心—外围”分布，与商业中心可以较好地吻合，大型商业中心主要有南湖商圈、中山路商圈、友好商圈、会展商圈、米东商圈、铁路局商圈，城市商业集群北扩效应明显，呈现出核心集聚与外围“孤岛”分布并存的态势。
（2）商业热点区呈现“T 型”双轴分布，北部新城商业地带与南部传统商业地带共同构成乌鲁木齐市最具活力的商业地带。6 类商业热点区的分布可归纳为3 种类型：商务、金融服务类为单一点状型， 住宿、餐饮服务类为带状延伸型，生活、购物服务类为带状双核型。
（3）社会经济因素如地价、集聚效应、路网密度等是造成商业分布格局的主要影响因素，其次为人口密度和中心可达性，自然因素如高程、地形起伏度对商业布局影响有限。对商务和金融服务类而言，地价以及中心可达性是影响分布的主要原因； 对住宿和餐饮服务类来说，路网密度、人口密度是影响其分布的主要因素，购物服务和生活服务受人口密度因素影响比较显著。通过研究6类商业类型的相关系数矩阵，发现生活服务类网点几乎不受其他类影响，商务和金融类协同作用强，餐饮与购物类协同效应较强，共同影响城市商业空间。
在尊重市场规律的基础上，主要从以下2 个方面提出政策建议：一方面应加强北部米东新区、高铁片区等商圈的基础设施建设，根据当地服务人口数量建立相应规模的商业综合体，并在土地、税收等方面上给予支持，创造良好的营商环境； 另一方面应注重南部老城区的商业疏导，解决因商户盲目入驻导致的恶性竞争、交通堵塞等问题，并将其引至合理区位入驻，对于餐饮、生活服务类等遍在型网点，应根据相应社区人口数量进行合理布局，对于购物类网点应尽量布局在交通便利的地带，以方便人流、车流集散。
（原文发表于“地理科学进展”2020年第39卷第5期《大数据视角下的商业中心和热点区分布特征及其影响因素分析——以乌鲁木齐主城区为例》（作者陈洪星等））
