数读“美食”空间分布,成都餐饮业集聚有何特征?
十四五期间,围绕高水平建设“三城三都"的目标,成都将突出“品牌化、特色化、国际化"发展方向,培育美食国际品牌、打造美食消费场景、发展绿色美食产业、弘扬成都美食文化,打造全球美食产业高地,扩大成都联合国“世界美食之都"的全球影响力。成都“幸福美好生活十大工程"的生活成本竞争力提升工程也提出“生活服务就近便捷丰富多元、温暖贴心”的目标。因此成都市餐饮业的发展对丰富人们日常生活、提升城市服务水平和综合竞争力具有重要作用。
本文基于地图POI数据、出租车轨迹数据及手机信令数据等多源空间大数据,采用空间分析方法重点探究成都餐饮业的空间特征、餐饮集聚地的活力以及餐饮设施与人口分布的匹配情况等,为成都优化餐饮业空间布局,提升餐饮业发展的品质,推进“国际美食之都"建设提供参考。
(一)五环路内:餐饮店云集,二环路内连片发展,呈现向南迅速发展趋势
基于对2016年、2018年和2020年成都五环路内餐饮POI数据进行的核密度分析(图1至图3),可以看出:
2016年,餐饮业在盐市口-春熙路、骡马市、文殊坊、宽窄巷子、九眼桥、双楠、玉林、科华北路、建设路等二环路以内的商圈集聚度最高,二环路以外的犀浦-红光片区的集聚度也较高。
2018年,二环路以内的九眼桥、双楠、玉林、科华北路和建设路商圈的餐饮业集聚度继续向外扩散,二环路以外变化最明显的是光华新城、晋阳路、大源片区、中和片区出现了集聚度较高的餐饮业集聚区,特别是城南大源片区的集聚度提升最为显著。
2020年,二环路以内餐饮业高集聚度区域不断扩大、连片发展,且不断向三环路外扩展和向城南延伸,特别是“女鞋之都”、航空港、双流老城区、大源片区、华阳片区等呈现出极高的集聚度。此外,成都东站、新都老城区、犀浦-红光片区餐饮业集聚度也明显增强。
图1 2016年五环路内餐饮业集聚度
(数据来源:2016年地图POI数据)
图2 2018年五环路内餐饮业集聚度
(数据来源:2018年地图POI数据)
图3 2020年五环路内餐饮业集聚度
(数据来源:2020年地图POI数据)
(二)五环路外:餐饮业呈现向外蔓延的趋势,城北区域变化最小
成都五环路外的餐饮业主要集聚在各区(市)县的老城区,近5年来整体呈现出不断向外蔓延的特征。仅有青白江区域内没有形成餐饮业高集聚区,集聚度变化相对不明显。
图4 2016年五环路外餐饮业集聚度
(数据来源:2016年地图POI数据)
图5 2018年五环路外餐饮业集聚度
(数据来源:2018年地图POI数据)
图6 2020年五环路外餐饮业集聚度
(数据来源:2020年地图POI数据)
(三)特色餐饮:火锅和川菜沿2号、4号地铁线向西一线最为集聚,茶楼呈现”多核心“分布
成都火锅店、川菜馆的空间集聚特征表现为由春熙路-盐市口商圈沿成都地铁2号线和4号线向西一线集聚度最高,呈东西向轴线发展。茶楼的集聚呈现出“多核心”的空间格局,在三环路内连片发展,在每个区(市)县都存在茶楼高集聚度的片区,且城西的集聚程度高于城东的集聚程度。
图7 2020年火锅店、川菜馆集聚度
(数据来源:2020年地图POI数据)
图8 2020年茶楼集聚度
(数据来源:2020年地图POI数据)
(四)集聚效应:中心城区餐饮业总体发展趋势是内减外增,城东区域变化最为显著
基于对成都餐饮业2016年和2020年核密度值进行热点分析,并得出两个年份的Z值差(图9),可以看出:中心城区餐饮业总体发展趋势是内减外增,二环路以内除春熙路商圈向东北方向聚集效应仍然呈现高增长外,其余区域的聚集度显著下降;二环路以外出现了6个集聚度极高区域,依次是晋阳路、光华新城、电子科大清水河校区、金融城片区、大源片区和四川师范大学成龙校区周围,二环路以外总体上增长最明显的区域是城市东南方向。
中心城区以外,简阳市是餐饮业聚集效应增长最显著、迅速的区域,呈现出一个强极核。城西和城北的区(市)县主城区范围呈现出聚集效应明显下降的趋势。
图9 成都市餐饮业2020年与2016年集聚效应变化分级图
(数据来源:2016年和2020年地图POI数据)
注:正数表示5年来聚集效应增加,绝对值越大表示聚集效应上升越快速;负数表示聚集效应下降,绝对值越大表示聚集效应下降越迅速。
综合运用成都出租车GPS轨迹数据得出的中、晚餐时段热门出行目的区域,曹操出行发布的《2020上半年成都夜经济“出行+消费”分析报告》,天虎科技发布的《成都夜间经济数据报告》(图10至图15)进行比对印证发现:
中餐时段各美食街区与商圈的活力远不及晚餐时段及夜间;望平街香香巷、祥和里、耍都-锦里、海椒市、红瓦寺、文殊坊、玉林街等美食街区和春熙路-盐市口、九眼桥、建设路、锦华万达、科华路、大源、光华优品道、双楠、一品天下、宽窄巷子、万象城、桐梓林、骡马市、犀浦-红光、光华新城等商圈的活跃程度较高;对比前文餐饮业聚集地分析可以发现,部分餐饮集聚度很高的商圈活力相对不足,最为显著的是红牌楼、晋阳路、老沙湾会展商圈。
图10 2020年9、10月中餐时段(11:30-13:30)热门出行目的区域
(数据来源:出租车GPS轨迹数据)
图11 2020年9、10月晚餐时段(17:30-20:00)热门出行目的区域
(数据来源:出租车GPS轨迹数据)
图12 2020上半年成都夜间抵达热度较高的美食街区
(数据来源:曹操出行)
图13 2020上半年成都夜间抵达热度较高的商圈
(数据来源:曹操出行)
图14 2020年1-6月夜间成都网约车目的地TOP10
(图片来源:天虎科技《成都夜间经济数据报告》)
图15 2020年1-6月夜间成都代驾出发地TOP10
(图片来源:天虎科技《成都夜间经济数据报告》)
餐饮业属于生活服务业,与居民生活息息相关,那么目前成都市餐饮业的分布能否匹配居住人口分布的特征呢?
从2020年中国联通手机信令数据来看,成都市居住人口呈现内密外疏的空间分布格局。五城区三环路以内的区域和高新区人口最为集聚,其次是温江区、郫都区和新都区的主城区。
图16 2020年成都市居住人口分布图
(数据来源:2020年中国联通手机信令数据)
通过前文分析中得到的居住人口集聚度分级数据与餐饮集聚度分级数据,采用空间匹配格局分析方法,得到以下人口分布与餐饮聚集的空间匹配程度与结果(表1)和匹配空间分区图(图17)。
表1 2020年成都人口分布与餐饮聚集的空间匹配情况
图17 2020年成都市居住人口与餐饮业聚集匹配空间分区图
(数据来源:2020年中国联通手机信令数据和地图POI数据)
成都餐饮业呈现显著的集聚发展特征,并由中心城区向外围不断蔓延,城南的武侯、高新、双流是扩散最为迅速的区域。集聚效应总体是以二环路为界内减外增,简阳是聚集效应增长最显著、迅速的区域。这些特征说明近5年成都市的发展方向呈现明显向南和向东延伸的趋势。
成都各大美食街与大部分商圈都呈现出较好的活力,这表明成都市支持餐饮业复苏和发展的举措取得了良好成效,但也有部分餐饮业基础较好的商圈(如红牌楼、晋阳路、老沙湾会展等)活跃度不足,有待加大扶持,提升商圈吸引力,刺激餐饮消费。
成都餐饮业与人口分布匹配情况总体较好,匹配度相对较差的区域主要分布在五城区和高新区,且高新区及二环路-绕城高速之间存在较多的餐饮供给潜力级别低于居住人口集聚级别的区域,存在“供不应求”的可能性。这说明城市的部分区域快速发展,但餐饮设施等相关服务配套不够完善,应加强服务配套,提升相关区域居民的生活质量。
图片来源:成都日报、高德地图、天虎科技《成都夜间经济数据报告》、图虫创意
数据来源:地图POI数据、出租车GPS轨迹数据、曹操出行、中国联通手机信令数据
文中数据说明:
1. 地图POI数据:POI是“Point of Interest”的缩写,中文可以翻译为“兴趣点”。在地理信息系统中,一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。每个POI包含四方面信息:名称、类别、坐标、分类,全面的POI讯息是丰富导航地图的必备资讯。
2. 手机信令数据:是由手机用户在发生通话、发短信或移动位置等事件时,被运营商的通信基站捕获并记录同一用户信令轨迹所产生,最后经过脱密、脱敏、扩样等处理后可用于居民密集程度分析、移动轨迹分析、城镇空间布局等研究。
3. 空间分析方法:空间分析是对于地理空间现象的定量研究,其常规能力是操纵空间数据使之成为不同的形式,并且提取其潜在的信息。空间分析是GIS(地理信息系统)的核心。常用的空间分析方法包括:缓冲区分析、叠加分析、网络分析等。
4. 核密度分析:是一种应用非常广泛的表面密度计算方法,广泛应用于聚集类的实证分析研究,通过样本数据来计算和估计数据聚集情况,并通过既定的距离衰减函数来度量研究要素密度的变化情况。
5. 热点分析:对数据集中的每一个要素计算 Getis-Ord Gi* 统计(称为 G-i-星号)。通过得到的Z得分和P值,可以知道高值或低值要素在空间上发生聚类的位置。p值代表的是概率。它是反映某一事件发生的可能性大小。Z得分也叫标准分数,是一个分数与平均数的差再除以标准差的过程。标准差能反映一个数据集的离散程度。