基于多元大数据的武汉市商业中心活力指标体系构建及评价
摘要
城市商业中心是一个城市的核心活力地区。本文利用手机信令、商业网点信息、刷卡消费和人群热力等多元大数据，对城市商业中心的活力展开两个方面的研究。
第一，整合前人相关的经验，结合武汉市的实际情况，尝试构建基于多元大数据的武汉市商业中心活力特征评价体系，包括影响能力、设施活力、人口活力和消费活力四大类因子以及相应的二级因子；
第二，以武汉市内 15 个商业中心为实际研究对象，按照上述评价体系，对各商业中心开展实际商业活力的评价并打分，分析各自的特征，期望能为相关规划和研究提供参考与借鉴。
目前，城乡规划界的许多学者倾向于用“活力”来形容和评价城市和地区。城市商业中心汇聚了大量的人流和设施，通常是一个城市的核心活力地区，因此，有必要对城市商业中心的活力特点进行深入研究，从而帮助其更有效地配置功能和积聚人气。
由于城市商业中心存在海量和不断变化的信息，仅使用传统数据和技术去研究必然存在较大的局限。随着对手机信令、商业网点信息、刷卡消费和人群热力等大数据开发运用的不断深入，规划师可以通过对各类相关大数据的搜集和分析，有效掌握、对比和分析城市多个商业中心活力的特征，从而为促进城市商业中心的进一步发展提供技术支撑。
01
相关研究综述
在城乡规划学界，“活力”一词既可表示（商业中心）商业活动的兴盛，也可用来形容商业中心的人流众多，大数据可用于更加精准地描述上述场景。进入大数据时代，许多学者尝试运用大数据进行类似的研究。
早期学者主要是利用 POI 数据进行商业中心的空间分布识别，而在识别商业中心空间结构的基础上，近年来有学者开始利用大数据采集各类标签，通过语义分析和机器学习等手段，进一步解析商业中心地区的内在商业活动和人流特征，并形成若干评价指标体系。具体来说可以分为两类视角：
一是场地功能视角，聚焦商业中心的外在综合实力评价。该类研究倾向于把各个商业地区当作一个整体，利用各类 POI 数据，进行宏观和中观层面的横向多指标对比。在常见的研究中，许多学者如张伊娜、杨卓等人主要是利用大众点评 POI、百度POI 等数据进行类似的研究。
二是人本视角，关注商业中心内使用者行为的时空变化。该类研究是通过对手机信令、百度热力等具有丰富的时间和空间信息的行人轨迹数据进行深度挖掘，研究其在不同时间和空间尺度内的人流积聚、消散的变化情况，分析其与商业地区的内在联系，王德、王鲁帅以及吴志强等学者均有类似的研究实践经历。
对于此类研究，从实践的角度而言，因其直面潜在的消费者，可为商业中心带来实际的收益，因此除了作为学术理论研究，也具有很强的现实意义。
02
研究思路、对象和数据介绍
2.1 研究思路
本研究包括两个部分的内容：第一，结合商业中心活力相关理论和现实情况，明确商业中心活力现象的主要表征，根据商业中心的活力表征与大数据之间的关系，尝试构建基于多元大数据的武汉市商业中心活力特征评价体系；第二，按照此评价体系，以武汉市内若干商业中心为实际研究对象，利用采集的多元大数据，对各商业中心的商业活力进行实际评价并打分，从而为相关规划和研究提供参考与借鉴。
2.2 研究对象
武汉市一直是国内重要的商业城市，市内传统的江汉路、汉正街、光谷、钟家村等商业中心久负盛名，经久不衰。而武广、徐东、永清街（武汉天地）等新晋商业中心也逐渐崛起。本文在参考武汉市目前已经编制的两版商业设施体系规划的基础上，考虑各规划商业中心的建设情况以及相应获取的大数据富集情况，选取其中 15个发展相对成熟、数据样本充足的商业中心作为研究对象（表 1、图 1）。
表1 武汉市15 个商业中心信息表
图1 武汉市15 个商业中心空间分布图
2.3 研究数据
本文研究涉及的数据包括 POI 数据、人流数据和银联刷卡数据等多种类型（表 2）。
表2 本文研究所涉数据及其相关信息一览表
03
武汉市商业中心活力综合指标体系
根据黎中彦的系统总结和梳理，认为城市活力包括社会经济、国际影响、城市发展、生态环境的承载能力和提升潜力，其中，商业中心活力与前两者高度相关，由此构建出商业中心活力的“内生动力”和“外部影响”两个评价视角，而前者是研究的重点。在“内生动力”中，前文综述表明，许多学者习惯以“人”（活动特征）和“场”（设施分布）两类数据来构建指标评价体系。
在此基础上，本文尝试新增“货”（消费品类）这一类数据，用于耦合和校准“人”与“场”两类数据的评价情况，构建“场—人—货”完整的商业中心活力内生动力评价逻辑闭环，从而为各个商业中心的活力总结提供参考。同时，在数据充足的情况下，该评价指标也可作为市内与市外类似商业中心活力横向比较的依据之一。
3.1 商业中心活力指标体系的总体框架
结合上文，构建“研究视角—一级指数—二级指标—三级因子”的四级指标体系（表 3）。
表3 商业中心综合活力指数一览表
需要指出的是，商业中心边界具有一定的模糊性和不确定性（会随着规划要求或主观意愿进行调整），因此，本文在指标体系选择中尽量去掉类似“总数、总量”这种与边界调整直接相关或关联性相对较大的“绝对总量型”因子，而尽量选择“密度、比例”这类与边界调整关联较小甚至不一定相关的因子。
3.2 商业中心活力指标体系指数构建
3.2.1 商业中心设施活力指数选取
商业设施是商业中心产生活力的基础，前文提到相关学者也一直将其作为商业中心活力核心的评价要素。而在设置商业设施活力的二级指数方面，除了参考前人的经验，将商业设施数量和密度作为分析因子外，本研究还参考了杨卓等人的研究经历，并结合当下许多“网红”“明星”等热点商铺是商业中心吸引人气、保持活力的重要手段的趋势和现实，在分析中加入对热点设施的分析。由此构建“设施积聚—设施多样性—热点设施综合评价”三项商业中心设施活力指标的二级指数。
在二级指数的具体技术和因子选取上，在评价“设施积聚”方面，研究将六类商业类 POI 大数据和用地、建筑等传统数据进行关联，组成商业POI 空间密度、商业 POI 建筑空间密度和商业建筑容积率三项数值，作为表征因子；在评价“设施多样性”方面，研究参考王良等人的研究结论，利用香农多样性指数，分析各个商业中心六类商业 POI 设施的比例及相应关系，作为表征因子；在“热点设施综合评价”方面，经过研究发现，餐饮设施在商业设施总数中的占比高，且与其他商业服务业设施联系紧密，因此，研究将大众点评、美团等餐饮平台数据中的热点餐饮设施比例（以超过 100条评论作为热点餐饮设施标准），及其平均评价分数（大众点评数据取口味、环境和服务三项分数总和，美团数据取星级数），作为表征因子。
3.2.2 商业中心人群活力指数选取
对于商业中心活力的感知与评价，除了考虑设施分布，还需要看其真正对人群的吸引情况，前文也提到，越来越多的学者正在开展该领域的探索。
结合王鲁帅、吴志强等人的研究经验，研究提出按商业中心人群活动的时间特点，从“月均每日（以单日为时间精度）—单日（以日内 24小时为时间精度）”两个时间维度展开分析，由此构建商业中心人群活力指数的“月均每日人流集聚”和“单日人流集聚变化”两项二级指数。
其中，在二级指数的具体技术和因子选取上，在评价“日常人流集聚” 方面，考虑到手机信令大数据往往具有较大的时间跨度（一般以月甚至年为单位），因此，提出“月均每日各商业中心单位用地面积平均人流密度” 作为表征因子。需要指出的是，由于商业中心的空间规模相对于手机信令的栅格精度而言偏“小”，因此，在计算平均人流密度之前，需要采用类似腾讯“宜出行”数据（30 m×30 m 栅格）这类更高精度的数据，来细化手机信令中的人流数据（250 m×250 m 栅格），才能提升分析的准确性。
在评价“单日人流集聚变化”方面，考虑到受工作和休闲时段的影响，商业中心内人流活动会发生相应的变化，该变化可以用商业中心内人流（总数）曲线的波动来表征（研究认为，人口曲线变化越大，代表该地区越能吸引外部人群前往，活力越充沛），因此，用方差来进行表征。其计算步骤为：首先以一小时为单位，逐步收集每个商业中心的热力变化数据，然后构建每个商业中心热力变化曲线，最后计算各商业中心热力曲线中的方差。
3.2.3 商业中心消费活力指数选取
商业中心有了设施和人群的积聚以后，消费行为便会应运而生，因此，评价商业中心的活力，除了研究其设施和人群情况外，更加直观的是分析人群消费和商铺运营的情况。可以相应地利用银联刷卡数据和商铺租金等相关数据进行消费活力分析。
结合刷卡消费数据的信息特点，可从消费集聚和消费多样性两个方面进行研究，同时，考虑到一个地区的商业消费越高，其相应的租金也会“水涨船高”，因此，各个商业中心的平均租金也可以从某种程度上反映出该区域的商业消费活力水平。由此构建“消费集聚—消费多样性—商业中心平均租金”的商业中心消费活力指数三项二级指数。
在二级指数的具体技术和因子选取上，在评价“消费集聚”方面，参考设施积聚的类似思路，并结合银联刷卡消费数据，选取“消费金额商业空间密度”“消费人数商业空间密度”“消费次数商业空间密度”“人均消费”“笔均消费”和“人均消费次数”等数值，作为表征因子；而“消费多样性”同样参考设施多样性的思路，选取“香农多样性指数”（即各类消费金额比例）作为表征因子；“商业中心平均租金”则是统计各个商业中心内商铺平均租金的价格。
3.2.4 商业中心影响力指数选取
除了设施、人流和消费以外，所谓“影响力”，也是商业中心活力的一种笼统却直观的表现。从影响力的客群对象的角度而言，商业中心影响力又可以分为市内和市外两个方面。针对市外的影响力，从目前能获取的大数据来看，其用于分析市外消费者的消费情况是一个十分有效的方式，依据我们日常的生活经验——当外来人口来到某个城市时，往往习惯去当地影响力大、知名度广的地区进行游览和消费；而分析市内影响力，则可结合钮心毅、王德 等人对上海市若干商业中心等级研究的经验，用“商业中心市内人流吸引力”作为分析的切入点，由此构建商业中心影响力指标的“市外影响”和“市内影响”两项二级指数。
在二级指数的具体技术和因子选取上，在评价“市外影响力”时，可以利用银联刷卡大数据，计算各个商业中心“外来消费金额占总消费金额比例”的情况，作为分析因子；在分析“市内影响力”时，在技术路径上可以先参考钮心毅提出的“商业中心辐射影响范围”的概念，再分析各个商业中心辐射影响范围内的手机信令人流数，从而求出其与各商业中心内的商业建筑面积之比（即单位商业建筑面积人流吸引比例），作为分析因子。
3.3 商业中心活力指标体系指数汇总
由于上述二级指数、指标和因子表征的内容迥异，尽管其结果经过了归一化处理，但仍然无法直接相加汇总，需要对其赋予一定的权重。本研究结合统计学的相关理论知识，认为在通常情况下可以选择用“主成分分析法”来作为权重计算的方法。
04
武汉市商业中心活力综合指标体系实证评估
以选定的武汉市 15 个商业中心为研究对象，按照上述指标体系和计算方法，进行数据提取和计算，其中涉及的部分数据空间化示意（用核密度表征）情况见图 2。
图2 武汉市商业中心活力综合指标体系评估涉及
的部分数据空间化示意
计算完成后，对 15 个商业中心具体所含的 4 项一级指数、10 项二级指数的计算结果进行初步汇总（表 4）。
表4 武汉市15 个商业中心活力指数（未加权重）评价一览表
以此为基础，需要使用主成分分析法，对各项评价打分结果作进一步优化。根据主成分分析法的分析流程，首先求出其累计总方差，为 80.39%，表明其较为适合做主成分分析；其次求出其成分矩阵（包含 4 个主成分），以及各个主成分的特征根及方差；再次，进一步求出前文提及的各个因子的荷载数及线性组合系数；最后，求出各个因子的综合模型系数，并作标准化处理（使其总和为 1），即为各因子的权重系数（表 5）。
表5 主成分分析法确定的各因子权重系数一览表
计算权重系数后的打分结果（图 3）显示，“中江汉路—中山大道”及“光谷—鲁巷”两个商业中心的商业活力综合评价打分最高，而汉西、汉正街和王家湾等商业中心的综合打分相对较低，其余商业中心得分处于中间水平。
图3 武汉市15 个商业中心综合活力指数归一化后排列示意图（重新计算加权后）
05
研究结论、创新特色及展望
5.1 研究结论
商业活力类大数据是各类大数据中公开程度最高、信息量最大、信息标签最为丰富的大数据数种之一，本文按照对商业活力定义的理解，基于多源大数据，创新性地从“设施、人群、消费、影响力”（后两者为本文新增）四个视角出发，构建武汉市商业中心综合活力评价体系，并以武汉市 15 个商业中心为代表，展开了实证分析，分析结论如下：
“江汉路—中山大道”“光谷—鲁巷”是全市活力最高的两个综合商业中心。两者综合评价得分最高（在影响力、设施活力、消费活力和人口活力等领域均表现较好），这表明两者吸引了大量的市内人流、相关设施和相应的消费，是市内最强的商业活力集聚地。
从规划角度而言，建议一方面可以利用规划手段来进一步借力和发挥两个商业中心的集聚和辐射优势，带动周边地区甚至城市的发展；而另一方面也要考虑大量消费人流积聚带来的交通需求、公共空间及设施的供给和优化方面的需求。
汉西和汉正街商业中心的活力不足。汉西商业中心主要是因为在消费活力和设施活力等项目的得分较少；汉正街商业中心则是在消费活力和人口活力等方面的得分较少，这表明两者更偏向于专业型商业中心。
商业设施多样性或许比商业设施集聚更能吸引、激发活力。评价结果表明，一些功能较为单一的商业中心（如汉西、王家湾、汉正街等）的设施积聚密度更大，但评价也表明，这些商业中心的设施多样性会相对不足，热点设施也相对偏少。而在解放路、“光谷—鲁巷”等更为多元的商业中心，相应地，其“热点商业设施” 也会更多地涌现。
与此同时，在商业中心消费活力指标和人口活力指标中，消费多样性、平均租金、人口集聚以及人口集聚变化等因子评价的结论，与商业设施活力指标的分析结论接近。这表明设施活力、消费活力和人口活力三者之间高度相关，即多样性的设施可以带来更多消费人口的集聚以及消费行为的产生，而更多的消费人口以及消费行为反过来能够促进 “热点商业设施”的频繁出现。
很显然，这表明各个商业中心在规划及布局中，在条件允许的情况下，应尽可能地引入多样化的业态，提升设施多样性，只有这样，才能吸引更多消费人群并产生更多的消费金额。
5.2 研究意义与创新
美国城市规划专家凯文·林奇在《城市形态》一书中定义了城市设计的五个功能维度的标准，其中活力标准位于五大标准的首位，他认为“活力应该成为城市设计的重要目标”，而“活力”该如何去表征和评价，则一直是学界探索的重点。本文通过对城市商业中心活力特征的总结和研究方法的创新，提出“内生动力”和“外部影响”两个评价视角，并重点将“内生动力”按照“场—人—货”的关联逻辑，进一步扩充，形成相对完整的评价指标体系，尝试为评估商业中心活力的表征以及探索商业活力的内在动因等研究工作，提供一个量化的框架性研究基础和案例示范。
另外，在具体的研究过程中，本文通过引入多元大数据和相关模型公式，实现了局部的技术创新和突破：
（1）数据更加丰富和细致。在本文提出的商业活力评价体系中，一方面创新地加入刷卡和租金等其他研究很少使用的大数据类型（以及相应的计算统计标准），增加了研究的广度；另一方面在人流数据中，增加腾讯“宜出行”人流热力数据（空间精度为 30 m×30 m，时间精度为小时级别）与常用的手机信令数据（空间精度为 250 m×250 m，时间精度为日级别），将两者进行拟合，从而有效提升研究的精度。
（2）模型技术更加创新、多元。在具体的模型技术中创新地引用“香农多样性指数”、人口曲线方差和主成分分析法等公式模型，提升了评价体系分析的科学性。
（3）研究对象针对武汉。目前，在以武汉市商业地区为对象的相关研究中，研究方向仍然集中在城市商业结构和分布等层面（即类似前文提到的早期探索），对具体的设施功能和人群行为等均未展开深入的研究。本文将进一步加深对武汉市 15 个主要商业中心特征的量化认知，有助于相关规划设计的编制和策划。
5.3 研究展望
本文认为，要想进一步实现对商业中心活力的持续观测和准确分析，还需要从几个方面进行强化，一是需要基于对商业活力认知的不断加深，去搜集更多的数据和计算方法，构建更加全面和准确的评价体系；二是要构建长期的数据动态监测和更新机制，由“大数据”向“厚数据”转变，实时掌握商业中心活力变化的最新动向，由此才能更好地实现规划量化工作，践行“科学规划”事业。
作者
胡冬冬 武汉市规划研究院副总规划师
周星宇 武汉市规划研究院规划师（通讯作者）
推荐阅读
中国城市规划协会
我国城乡规划工作的非营利性行业组织。致力于制定城市规划执业规则、推广规划相关行业标准、搭建行业研究交流平台。