基于百度地图时空大数据的便利店选址适宜性分析
——以北京市便利蜂门店为例
研究基础
将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法(郭金玉, 张忠彬, 孙庆云,2008)。它的主要逻辑是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构,然后用求解判断矩阵特征向量的办法,求得每一层次的各元素对上一层次某元素的优先权重,最后再加权和的方法递阶归并各备择方案对总目标的最终权重,此最终权重最大者即为最优方案。
图1 评价指标体系的层次结构模型
人口是消费行为的关键要素,便利店的选址要选择在人口较稠密的区域,在24小时便利店这一业态中,年轻化的人口结构和更高的收入水平也会对其经营产生很大的影响。此外,城市中的24小时便利店很多都分布在地铁站点的附近,它的分布与实时的人口密度有很大关系,因此我们将地铁站点的分布以及车流量也作为一个重要的影响因素。场地条件中,停车场数量和日均客流量是对便利店的经营具有显著影响的因素,我们将其计入场地条件维度内。
本研究的数据主要来源:大数据平台数据,包括常住人口数量及画像、客流数量及画像、交通拥堵指数等(注:相关数据处理各环节均匿名化,各环节及输出均不涉及个体隐私);其他公开网络数据。
数据处理与分析
将研究中受影响的因变量——便利蜂门店位置,以及部分自变量——竞争者(包括711、罗森便利店)、停车场、地铁站位置,用栅格建立联系并用数值表现出来。
根据《城市居住区规划设计标准(GB50180-2018)》十五分钟生活圈居住区配套设施规划建设控制要求,菜市场或生鲜超市等商业服务设施的服务半径不宜大于500米,所以我们利用ArcGIS软件中渔网功能将研究的北京市域划分成500m×500m的网格。在ArcMap创建500m×500m的渔网,并导入上述数据,可见便利蜂门店、竞争者(711便利店、罗森便利店)、停车场、地铁站等位置。
将四类空间数据与渔网按位置连接,并进行栅格计算。参考已有文献与小组成员对各因素影响程度的认知,对栅格数值进行重分类,与评分体系中的1-5分对应。竞争者数量、停车场数量与地铁站数量三类自变量点数据的重分类标准如表2。
与渔网图连接后的重分类结果如图4-图6。
图6 地铁站的重分类结果(红色代表有地铁站分布,蓝色代表没有)
将研究中部分解释变量(人口密度、日均客流密度、年龄结构、收入分布、日均车流量)进行栅格化,将其赋值到每个网格中。
利用的常住人口数与日均客流人数,除以地块面积,得到各个地块的常住人口密度和日均客流密度,如图7。
图7 客流密度分级(左图)常住人口密度分级(右图)
根据客流画像数据,对不同年龄段的消费能力进行赋分。将18-24岁、18岁以下、25-34岁、35-54岁和55岁及以上的消费能力分别赋值为5分、4分、3分、2分和1分;将月收入分为2500元以下、2500-3999元、4000-7999元、8000元及以上的人口消费能力分别赋值为1分、2分、3分、4分。将分值与其百分比相乘,得到每个地块上人口结构、收入分布变量的最终得分。
(颜色由红到绿,消费能力递减)
使用的拥堵指数来衡量车流量,将拥堵指数分为周末与工作日两部分,周末部分由上午和下午平均得到,工作日部分由早高峰和晚高峰平均得到,如图9。
最终,按相应属性将图层栅格化,对栅格数值进行重分类,与评分体系中的1-5分对应,得到各变量衡量分级图。
图10 北京常住人口密度与日均客流密度分级图
图11 北京周末、工作日交通拥堵指数分级图
图12 北京基于年龄结构、收入水平的消费能力分级图
结论与思考
往期推荐