劉艷芳等

摘要以武漢市武昌區(qū)為例，運(yùn)用加權(quán)Voronoi圖，定性、定量地分析了武昌區(qū)ATM整體空間和各街區(qū)的空間布局結(jié)構(gòu)及集聚分布。對(duì)ATM與人口密度、道路可達(dá)性、商業(yè)設(shè)施、金融設(shè)施以及公共服務(wù)設(shè)施密度等多個(gè)要素之間進(jìn)行局域空間自相關(guān)分析，研究各因子對(duì)ATM空間布局的影響程度，為進(jìn)一步解決ATM布局的問(wèn)題提供有效的思路和手段。結(jié)果表明：人口密度、道路密度、金融密度等因子在全局及局部上影響著 ATM的空間布局，而人口密度的影響最明顯；ATM的集聚核區(qū)域及均勻分布區(qū)域落在空間正相關(guān)的熱點(diǎn)區(qū)域，表現(xiàn)為高密度城市化發(fā)展水平越高，各影響因子對(duì) ATM的密度與集聚程度影響越顯著。

關(guān)鍵詞加權(quán) Voronoi 圖；局域空間自相關(guān)；ATM；空間布局

中圖分類號(hào)S181.4文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)0517-6611（2014）14-04320-06

Analysis of Spatial Distribution of ATM Machine in Urban Area Based on the Local Spatial Autocorrelation—A Case Study of Wuchang District in Wuhan City

LIU Yanfang et al （School of Resource and Environmental Sciences， Wuhan University， Wuhan， Hubei 430079）

Abstract Taking Wuchang District in Wuhan City as a case， using weighted Voronoi diagram， the spatial distribution of ATM was qualitatively and quantitatively analyzed. Then local spatial autocorrelation analysis was conducted on ATM and population density， road accessibility， commercial facilities， financial facilities and public service facilities density. The impact of each factor on the spatial distribution of ATM was studied， which can provide an effective means for the further ideas of solving ATM layout problems. The results showed that population density， commercial facilities density and road density affect the spatial distribution of ATM obviously with two variable regional spatial autocorrelation analysis， which population density perform more significantly. Higher the development level of the high density city， more obvious the effect of various factors on density and the degree of agglomeration of ATM

Key words Weighted Voronoi diagram； Local spatial autocorrelation； ATM；Spatial distribution

隨著交通的便利、經(jīng)濟(jì)的迅速發(fā)展，銀行ATM不局限于依托原銀行網(wǎng)點(diǎn)，而是遍布城市周圍。交通、人潮匯集的地點(diǎn)，公共交通路線的交匯點(diǎn)，購(gòu)物中心等都成為ATM布放地址。ATM要在服務(wù)公眾的同時(shí)獲得最大收益，科學(xué)地選定其布放位置是重要的環(huán)節(jié)。目前我國(guó)部分城市的ATM分布并不十分合理，有些區(qū)域的ATM網(wǎng)點(diǎn)分布密度過(guò)大，存在資源浪費(fèi)現(xiàn)象；而有些區(qū)域分布不足，甚至空白，這樣就不能很好地為客戶服務(wù)。如何科學(xué)、合理地設(shè)置銀行ATM網(wǎng)點(diǎn)成為銀行亟待解決的問(wèn)題。

目前，對(duì)ATM網(wǎng)點(diǎn)選址的方法相對(duì)較少，其中主要有：徐峰、史臻提出的基于GIS與本量利模型對(duì)商業(yè)銀行網(wǎng)點(diǎn)（ATM）選址的研究[1]；柳宗偉、毛蘊(yùn)詩(shī)基于GIS與神經(jīng)網(wǎng)絡(luò)的方法對(duì)商業(yè)銀行網(wǎng)點(diǎn)（ATM）選址的研究[2]；李睿、朱琦等基于進(jìn)化博弈模型的縣域銀行網(wǎng)點(diǎn)（ATM）布局分層現(xiàn)象的研究[3]；李翠敏基于中心地理論、地租理論與區(qū)位論，對(duì)上海市的商業(yè)銀行網(wǎng)點(diǎn)（ATM）的空間分布進(jìn)行了研究[4]；甄茂成、張景秋等基于空間分析法對(duì)北京市城六區(qū)的銀行網(wǎng)點(diǎn)（ATM）從整體空間分布與街道層面的空間分布這兩個(gè)方面進(jìn)行集中程度的研究[5]；賀燦飛、劉浩基于多元線性回歸模型，從全國(guó)的尺度上對(duì)中國(guó)工商銀行與中國(guó)銀行的空間分布進(jìn)行了研究[6]。這些研究主要采用實(shí)地觀察、經(jīng)驗(yàn)?zāi)Ｐ偷姆治鍪侄?，?duì)銀行網(wǎng)點(diǎn)選址考慮因素有限，并且單純用傳統(tǒng)選址分析方法，如回歸分析法、層次分析法、線性規(guī)劃法等，暴露出明顯的缺陷：抽象的數(shù)學(xué)模型往往容易脫離實(shí)際，難以全面考慮復(fù)雜、抽象的選址要素，不便有效組織多源的相關(guān)數(shù)據(jù)進(jìn)行綜合分析，不能為決策人員提供直觀、交互的分析工具，因此需要探索一種新型科學(xué)的ATM選址方法[7]。ATM作為空間點(diǎn)狀地物，具有自身的分布特點(diǎn)，在空間布局上有一定的規(guī)律性，并受人口、道路、金融設(shè)施、公共服務(wù)設(shè)施等其他空間地物的制約影響[8]。

筆者以武漢市武昌區(qū)為例，利用加權(quán)Voronoi圖與局域空間自相關(guān)分析ATM在各街區(qū)的空間布局結(jié)構(gòu)及集聚情況，對(duì)ATM與人口密度、道路可達(dá)性、商業(yè)設(shè)施、金融設(shè)施以及公共服務(wù)設(shè)施密度等多個(gè)要素之間進(jìn)行局域空間自相關(guān)分析，研究各因子對(duì)ATM空間布局的影響程度，為進(jìn)一步解決ATM布局的問(wèn)題提供有效的思路和手段。

1研究區(qū)概況及數(shù)據(jù)來(lái)源

1.1研究區(qū)概況武昌區(qū)地處武漢市城區(qū)東南部，與漢口、漢陽(yáng)隔江相望，北至余家頭羅家港與青山區(qū)毗鄰；東、南與洪山區(qū)、青菱鄉(xiāng)交錯(cuò)接壤，西臨長(zhǎng)江。在全市7個(gè)中心城區(qū)中地域最大、人口最多，轄區(qū)面積87.42 km2，到2009年戶籍人口113萬(wàn)，轄15個(gè)街道，191個(gè)社區(qū)居委會(huì)。武昌區(qū)轄15個(gè)街道：積玉橋街道、楊園街道、徐家棚街道、糧道街街道、中華路街道、黃鶴樓街道、紫陽(yáng)街道、白沙洲街道、首義路街道、中南路街道、水果湖街道、珞珈山街道、梨園街道、南湖街道、東湖風(fēng)景區(qū)街道（圖1）。武昌為湖北省委、省政府所在地，是全省的政治、文化、信息中心，200多家外地駐漢機(jī)構(gòu)和眾多金融機(jī)構(gòu)、商貿(mào)企業(yè)、大公司總部匯集在此，形成武漢市的江南核心區(qū)。

圖1研究區(qū)域概況1.2數(shù)據(jù)來(lái)源研究數(shù)據(jù)來(lái)自武漢市武昌區(qū)行政區(qū)劃圖和Google地圖，提取道路網(wǎng)及15個(gè)街道行政邊界。ATM數(shù)據(jù)主要來(lái)自百度地圖。研究分析的對(duì)ATM選址的影響因素主要包括：人口密度、商業(yè)設(shè)施密度、金融設(shè)施密度、公共設(shè)施密度以及道路可達(dá)性（表1）。人口、面積、基礎(chǔ)設(shè)施等數(shù)據(jù)均來(lái)自于武漢市2012年統(tǒng)計(jì)年鑒，超市、購(gòu)物中心、商場(chǎng)、銀行等因子通過(guò)百度地圖、谷歌地圖獲取，并通過(guò)Arcgis軟件，對(duì)ATM做緩沖區(qū)，以構(gòu)建5 min步行圈，相關(guān)數(shù)據(jù)見表2。

研究表明，研究區(qū)人口密度、道路密度、金融設(shè)施密度、商業(yè)設(shè)施密度、公共服務(wù)設(shè)施密度與ATM機(jī)分布密度的雙變量LISA Morans I值分別為0.311 4、0.389 6、0.268 2、0.235 8、0.239 4。LISA Morans I值全部通過(guò)95%以上的置信度檢驗(yàn)，呈顯著的空間正相關(guān)性。在所選取的5個(gè)指標(biāo)中，人口密度與道路密度的指數(shù)最大，與研究區(qū)的實(shí)際情況相符。因?yàn)殂y行在考慮布局ATM的站點(diǎn)時(shí)首要考慮的最重要因素便是人流量與物流量。在人流量大以及人流聚集的區(qū)域布局ATM的使用效率與收益明顯比在人口稀少的區(qū)域布局要高，而且更高的人口密度也意味著更高的貨幣使用量與貨幣交易量，隨之也可以產(chǎn)生貨幣使用量的集聚效應(yīng)。道路密度主要對(duì)物流具有極大的影響。一片區(qū)域的道路越密集，其各項(xiàng)經(jīng)濟(jì)活動(dòng)的效率便越高，由此產(chǎn)生的貨幣交易量便越大。道路密度還標(biāo)志著一片區(qū)域的交通通達(dá)度。交通通達(dá)度越高的區(qū)域，其周邊的ATM使用者到此區(qū)域使用ATM的便利度便越高，從而間接地提高ATM的使用效率。因此人口密度與道路密度這兩個(gè)變量與ATM的分布密度呈現(xiàn)顯著的空間相關(guān)性。金融設(shè)施密度、商業(yè)設(shè)施密度與公共服務(wù)設(shè)施密度三者逐一衰減，并且與ATM的分布密度的相關(guān)程度沒有人口密度與道路密度那么高。主要原因是銀行、投資公司、債券公司等金融設(shè)施現(xiàn)在主要進(jìn)行的是網(wǎng)上的大宗貨幣交易或者是商品交易，ATM對(duì)于它們只是一種工作中的補(bǔ)充設(shè)施，比如突發(fā)情況網(wǎng)絡(luò)交易不了便可以到較近的 ATM方便地存取款。ATM在日常生活中也只是扮演小額取款的角色，因此對(duì)于這些大型的銀行、投資公司、債券公司來(lái)說(shuō)，其依賴ATM的程度不如周邊住宅小區(qū)的市民那么高。大型超市、大型購(gòu)物中心、商務(wù)區(qū)、大型數(shù)碼、電器賣場(chǎng)與企事業(yè)單位、大學(xué)、職業(yè)技術(shù)學(xué)校的LISA Morans I值較低的原因也在于此。大型的商業(yè)設(shè)施主要通過(guò)更為便利的網(wǎng)上銀行交易來(lái)應(yīng)對(duì)各種貨幣交易，ATM對(duì)于它們來(lái)說(shuō)也只是一種工作上的補(bǔ)充。而在公共服務(wù)設(shè)施周邊布局主要考慮到大型公共服務(wù)設(shè)施內(nèi)會(huì)聚集較大的人流，比如高校的宿舍區(qū)等，因此為了方便在這些大型公共服務(wù)設(shè)施內(nèi)工作與生活的人群，也會(huì)考慮在此布置ATM。但是由于公共服務(wù)設(shè)施都具有一定的內(nèi)部封閉性，比如政府機(jī)關(guān)單位或是企業(yè)總部等，因此其ATM的使用便具有特定的服務(wù)對(duì)象，由此也導(dǎo)致了ATM的使用頻率較低，因此商業(yè)設(shè)施密度、公共服務(wù)設(shè)施密度都比較低。

11個(gè)街道的人口密度都與ATM的分布密度呈現(xiàn)正空間性，更為具體的空間相關(guān)關(guān)系可以見圖5的LISA散點(diǎn)圖與集聚圖。有顏色區(qū)域是空間自相關(guān)顯著性通過(guò)0.05的區(qū)域，4個(gè)顏色分別代表了正相關(guān)與負(fù)相關(guān)集聚的4種狀態(tài)，白色區(qū)域無(wú)顯著意義。紅色是“高高”區(qū)域，即本地人口密度數(shù)值高，所處區(qū)域ATM密度高的街道，呈空間正相關(guān)；深藍(lán)色是“低低”區(qū)域，即本地人口數(shù)值低，所處區(qū)域ATM密度低的街道，呈空間正相關(guān)；淺藍(lán)色是“低高”區(qū)域，即本地人口數(shù)值低，所處區(qū)域ATM密度高的街道，呈空間負(fù)相關(guān)；粉紅色是“高低”區(qū)域，即本地人口數(shù)值高，所處區(qū)域ATM密度低的街道，呈空間負(fù)相關(guān)。從圖5可知，研究區(qū)各影響因子與ATM分布密度的雙變量空間自相關(guān)熱點(diǎn)地區(qū)基本一致，且熱點(diǎn)區(qū)在空間上呈團(tuán)塊狀分布。其中西部的中華路街道、黃鶴樓街道、首義路街道、中南路街道呈現(xiàn)高高聚集，北部的楊園街道與南部的南湖街道呈現(xiàn)低低聚集。分布在紅色團(tuán)塊與深藍(lán)色團(tuán)塊中間的是淺紅色組團(tuán)與淺藍(lán)色組團(tuán)。其中北部的徐家棚街道、梨園街道以及西南部的白沙洲街道為低高聚集，東部的東湖風(fēng)景區(qū)街道、珞珈山街道、水果湖街道與中西部的糧道街道、紫陽(yáng)街道為高低聚集。

圖6中，道路密度與ATM的分布密度呈現(xiàn)正相關(guān)關(guān)系。其中，西部四街道仍然呈現(xiàn)出高高聚集的組團(tuán)分布，東北部的梨園街道、東湖風(fēng)景區(qū)街道與西南部的白沙洲街道呈現(xiàn)出低低聚集的組團(tuán)分布。圖7中，金融設(shè)施與ATM的分布密度呈現(xiàn)較弱的正相關(guān)關(guān)系。中西部的四街道呈現(xiàn)出高高聚集的組團(tuán)分布，東北部的梨園街道呈現(xiàn)出低低聚集的組團(tuán)分布。圖8與圖9中，商業(yè)設(shè)施、公共服務(wù)設(shè)施都與ATM的分布密度呈現(xiàn)較弱的正相關(guān)關(guān)系。主要仍是中部的街道呈現(xiàn)高高分布，北部的街道呈現(xiàn)出低低分布。

從全區(qū)范圍來(lái)看，黃鶴樓街道、糧道街道、中華路街道、中南路街道、首義路街道這5個(gè)街道的人口密度、道路密度、金融設(shè)施密度、商業(yè)設(shè)施密度、公共服務(wù)設(shè)施密度都與ATM的分布密度呈現(xiàn)出高高聚集的態(tài)勢(shì)，表明這5個(gè)街道的ATM空間布局比較合理，與其周圍的住宅小區(qū)的人口數(shù)量、街道內(nèi)的道路長(zhǎng)度、金融設(shè)施、商業(yè)設(shè)施和公共服務(wù)設(shè)施的分布都比較和諧地進(jìn)行空間匹配，從而使貨幣流量與人流量、道路交通流量、交易活動(dòng)流量在空間內(nèi)實(shí)現(xiàn)了各自的優(yōu)勢(shì)互補(bǔ)，空間布局達(dá)到了科學(xué)合理的水平[17]。而梨園街與白沙洲街在與ATM的分布密度的LISA散點(diǎn)圖與集聚圖中都呈現(xiàn)了低低分布或者是低高分布，表明這兩個(gè)街道目前的經(jīng)濟(jì)水平在武昌區(qū)內(nèi)還比較落后，在加權(quán)Voronoi圖中也看出這兩個(gè)街道的ATM分布極少，而周邊也沒有大型金融設(shè)施或是商業(yè)公共服務(wù)業(yè)設(shè)施進(jìn)行集聚，因此這兩個(gè)街道的ATM主要用途還是為了方便周邊住宅小區(qū)的居民，其使用效率與中西部的5個(gè)街道相比較低。介于熱點(diǎn)區(qū)與冷點(diǎn)區(qū)之間的楊園街道、東湖風(fēng)景區(qū)街道、積玉橋街道、南湖街道、徐家棚街道、水果湖街道與紫陽(yáng)街道內(nèi)的道路密度、金融設(shè)施密度、商業(yè)設(shè)施密度、公共服務(wù)設(shè)施與ATM的分布還沒有達(dá)到一個(gè)合理的水平，因此在城市化的進(jìn)程中可以針對(duì)每個(gè)街道的具體特點(diǎn)來(lái)研究其人流、交通流的具體流動(dòng)與空間分布，從而提高上述7個(gè)街道的城市化發(fā)展水平。

4結(jié)論與討論

運(yùn)用加權(quán)Voronoi圖，定性、定量地分析了武昌區(qū)ATM整體空間和各街區(qū)的空間布局結(jié)構(gòu)及集聚分布。全區(qū)范圍內(nèi)及各街道區(qū)域內(nèi)都受特定因素影響，黃鶴樓街道、糧道街道、中華路街道、中南路街道、首義路街道這5個(gè)街道的人口密度、道路密度、金融設(shè)施密度、商業(yè)設(shè)施密度、公共服務(wù)設(shè)施密度都與ATM的分布密度呈現(xiàn)出高高聚集的態(tài)勢(shì)，表明這5個(gè)街道的ATM空間布局比較合理。梨園街與白沙洲街ATM分布較少，因此在城市化的進(jìn)程中，可以針對(duì)每個(gè)街道的具體特點(diǎn)來(lái)研究其人流、交通流的具體流動(dòng)與空間分布，以優(yōu)化ATM空間布局，提高其使用效率。圖5人口密度與ATM密度的雙變量空間自相關(guān)LISA散點(diǎn)圖與集聚圖6道路密度與ATM密度的雙變量空間自相關(guān)LISA散點(diǎn)圖與集聚圖圖7金融設(shè)施密度與ATM密度的雙變量空間自相關(guān)LISA散點(diǎn)圖與集聚圖圖8商業(yè)設(shè)施密度與ATM密度的雙變量空間自相關(guān)LISA散點(diǎn)圖與集聚圖圖9公共服務(wù)設(shè)施密度與ATM密度的雙變量空間自相關(guān)LISA散點(diǎn)圖與集聚圖影響因子的空間自相關(guān)分析表明，人口密度、道路密度、金融、商業(yè)以及公共設(shè)施密度等影響因子在全局及局部上影響著ATM的空間布局，人口密度的影響更明顯。ATM的集聚核區(qū)域及均勻分布區(qū)域落在空間正相關(guān)的熱點(diǎn)區(qū)域，表現(xiàn)為高密度城市化發(fā)展水平越高，各影響因子對(duì) ATM 的密度與集聚程度影響更顯著。

高密度城區(qū)ATM數(shù)量的增長(zhǎng)是必然趨勢(shì)，筆者試圖尋找高密度城區(qū)的ATM布局規(guī)律，在未來(lái)持續(xù)的城市擴(kuò)展與銀行選址中，為銀行選址與ATM的優(yōu)化布局提供有效的理論和思路。同時(shí)，在影響因子選取上，尋找更具體、細(xì)化的影響因子，以求對(duì)ATM布局進(jìn)行更合理的評(píng)價(jià)。

參考文獻(xiàn)

[1] 徐峰，史臻. 基于GIS與本量利模型的商業(yè)銀行網(wǎng)點(diǎn)選址研究[J].經(jīng)濟(jì)論壇， 2008（16）： 43.

[2] 柳宗偉，毛蘊(yùn)詩(shī).基于GIS與神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行網(wǎng)點(diǎn)選址方法研究[J].商業(yè)經(jīng)濟(jì)與管理，2004（9）：55-59.

[3] 李睿，朱琦.基于進(jìn)化博弈模型的縣域銀行網(wǎng)點(diǎn)布局的分層現(xiàn)象研究[J].金融經(jīng)濟(jì)：理論版，2009（12）：127-128.

[4] 李翠敏.城市銀行網(wǎng)點(diǎn)的空間分析——以上海市中心城區(qū)為例[D].上海：上海師范大學(xué)，2005.

[5] 甄茂成，張景秋，楊廣林，等.北京城市銀行網(wǎng)點(diǎn)空間格局及其優(yōu)化策略研究[J].北京聯(lián)合大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，27（3）：10-16.

[6] 賀燦飛，劉浩.銀行業(yè)改革與國(guó)有商業(yè)銀行網(wǎng)點(diǎn)空間布局——以中國(guó)工商銀行和中國(guó)銀行為例[J].地理研究，2013，32（1）：111-122.

[7] 張偉，劉純波，周廷剛，等.基于GIS與遙感影像的銀行ATM機(jī)網(wǎng)點(diǎn)選址方法研究[J].測(cè)繪科學(xué)，2007，32（1）：142-144.

[8] 黎雯，周廷剛，張偉，等.GIS空間分析與模糊綜合評(píng)判在銀行ATM網(wǎng)點(diǎn)選址中的應(yīng)用[J].測(cè)繪科學(xué)，2008，33（1）：229-231，237.

[9] 苗李莉，蔣衛(wèi)國(guó)，侯鵬，等.基于遙感和GIS的城市濕地資源綜合分析-以北京市為例[J].西安建筑科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，45（1）：130-135.

[10] 張杏娟，文雅，吳志峰，等. 基于Voronoi圖的高密度城區(qū)停車場(chǎng)空間布局分析——以廣州市海珠區(qū)為例[J]. 地球信息科學(xué)學(xué)報(bào)，2013（3）：415-421.

[11] 魏曉峰，吳健平.基于ArcGIS的空間自相關(guān)分析模塊的開發(fā)與應(yīng)用[J].測(cè)繪與空間地理信息，2005，28（6）：77-80.

[12] 張松林，張昆.全局空間自相關(guān)Moran指數(shù)和G系數(shù)對(duì)比研究[J].中山大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，46（4）：93-97.

[13] 杜國(guó)明，張樹文，張有全.城市人口分布的空間自相關(guān)分析——以沈陽(yáng)市為例[J].地理研究，2007，26（2）：383-390.

[14] 陳彥光.基于Moran統(tǒng)計(jì)量的空間自相關(guān)理論發(fā)展和方法改進(jìn)[J].地理研究，2009，28（6）：1449-1463.

[15] 劉愛華，謝正觀.加權(quán)Voronoi圖在城鎮(zhèn)經(jīng)濟(jì)區(qū)劃分中的應(yīng)用——以十堰市為例[J].地理與地理信息科學(xué)，2011，27（4）：79-82.

[16] 宋鴻，陳曉玲.中國(guó)土地市場(chǎng)化進(jìn)程的空間自相關(guān)分析[J].華中師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，42（1）：132-135，140.

[17] 楊香花.GIS輔助下的金融網(wǎng)點(diǎn)選址研究——以廣州市農(nóng)業(yè)銀行網(wǎng)點(diǎn)布局調(diào)整為例[D].長(zhǎng)春：東北師范大學(xué)，2003.