曾 媛，吳國清

上海中心城區(qū)餐飲網(wǎng)點空間格局及影響因素

曾 媛，吳國清

（上海師范大學 旅游學院，上海 200234）

通過網(wǎng)絡(luò)爬蟲技術(shù)獲取上海中心城區(qū)餐飲網(wǎng)點數(shù)據(jù)，采取自適應(yīng)半徑核密度估計與SPSS等方法，探究上海中心城區(qū)餐飲網(wǎng)點的空間格局及其影響機理。研究發(fā)現(xiàn)：空間格局上看，中心城區(qū)餐飲網(wǎng)點總體呈“多中心”式分布格局；從餐飲網(wǎng)點類型來看，小吃快餐和面包甜點總量最多；從人均餐飲消費來看，餐飲高消費區(qū)主要分布在古北區(qū)域、衡山路—復興路歷史風貌區(qū)、陸家嘴等區(qū)域。中心城區(qū)總體及高中低檔餐飲網(wǎng)點空間分布均與大型商場、商務(wù)樓宇呈顯著正相關(guān)；高檔餐飲網(wǎng)點與旅游資源，低檔餐飲網(wǎng)點與路網(wǎng)密度及居民住宅分布相關(guān)性顯著。

餐飲網(wǎng)點；空間格局；上海中心城區(qū)；客源潛力

隨著城市化進程和現(xiàn)代旅游業(yè)發(fā)展，餐飲不僅是滿足都市居民日常生活的基本需求，且成為當今城市旅游目的地發(fā)展的主要內(nèi)容與吸引物。上海作為我國餐飲業(yè)發(fā)展最具規(guī)模、最為成熟的城市之一，其餐飲業(yè)薈萃八大菜系、十六大幫別，交融中外特色，服務(wù)國內(nèi)外游客，銷售總額在全國各城市中居首位。上海餐飲業(yè)的發(fā)展越來越引起政府、學界及研究機構(gòu)的高度重視，已成為城市旅游、規(guī)劃等管理部門的關(guān)注對象。為此，探究上海中心城區(qū)餐飲網(wǎng)點的空間格局及其影響因素，多視角把握上海餐飲行業(yè)區(qū)位選擇規(guī)律，對城市餐飲業(yè)發(fā)展及其空間布局與規(guī)劃等具有指導意義與理論價值，也可為城市規(guī)劃者、餐飲業(yè)經(jīng)營者和餐飲消費者等提供有益參考與借鑒。

在研究方法上，隨著大眾點評、餓了么等互聯(lián)網(wǎng)站不斷涌現(xiàn)，餐飲網(wǎng)點數(shù)據(jù)的獲取逐漸得以實現(xiàn)，[1-3]學者們開始利用大數(shù)據(jù)并結(jié)合ArcGIS空間分析方法對餐飲業(yè)的空間格局進行探究。ArcGIS空間分析是研究城市功能區(qū)位的主要方法之一，最早引入餐飲業(yè)研究是從國外開始。[4-6]國內(nèi)學者用此方法對廈門、[7]南京、[2]廣州[8]等城市餐飲業(yè)特征進行探究。此外該方法在研究城市大型飯店、星級酒店空間格局等領(lǐng)域[9-13]也被廣泛運用。在餐飲業(yè)布局的影響機理方面，國內(nèi)外學者采用不同方法和尺度進行相關(guān)探索，[14-16]多采用以街道為單位的指標數(shù)據(jù)對其影響機理進行實證研究，[15-16]且多為定性分析。

在綜合前人研究的基礎(chǔ)上，本研究以上海中心城區(qū)為研究對象，獲取互聯(lián)網(wǎng)餐飲網(wǎng)點數(shù)據(jù)，通過Python編程語言對ArcGIS自帶的核密度估計工具進行改良，獲得更加精確的空間核密度估計方法——自適應(yīng)半徑核密度估計，并采用ArcGIS格網(wǎng)化數(shù)據(jù)量化方法，對上海中心城區(qū)餐飲網(wǎng)點空間格局及其影響機理進行研究。

一、數(shù)據(jù)來源與研究方法

（一）研究區(qū)域

依據(jù)《上海市城市總體規(guī)劃（2017-2035年）》，上海中心城區(qū)指外環(huán)線以內(nèi)的區(qū)域，面積約664平方公里，占全市面積的10.5%；常住人口約為1 140萬，占全市總?cè)丝诘?8.2%。中心城區(qū)是上海人口和各項經(jīng)濟社會活動最集中的區(qū)域，分布有南京東路、四川北路等14個市級商業(yè)中心以及打浦橋、南外灘、世博園區(qū)等22個地區(qū)級商業(yè)中心，各項服務(wù)設(shè)施高度集聚，以全國乃至世界的消費群體為服務(wù)對象。數(shù)據(jù)表明，中心城區(qū)餐飲網(wǎng)點數(shù)量占上海餐飲網(wǎng)點總數(shù)的一半以上，是上海餐飲網(wǎng)點密度大、類型多、功能全的代表性區(qū)域。鑒于嘉定區(qū)和閔行區(qū)屬于中心城區(qū)范圍內(nèi)的面積及餐飲網(wǎng)點數(shù)量極少，因此在進行分區(qū)統(tǒng)計時未將該部分網(wǎng)點數(shù)據(jù)納入研究分析。

（二）數(shù)據(jù)來源

上海中心城區(qū)餐飲網(wǎng)點及相關(guān)屬性數(shù)據(jù)來自于大眾點評網(wǎng)（http://www.dianping.com/）。截止到2017年底，共采集到36 445個餐飲網(wǎng)點數(shù)據(jù)，屬性信息包括餐飲網(wǎng)點的名稱、地址、經(jīng)緯度、人均餐飲消費、餐飲經(jīng)營類別等。人口數(shù)據(jù)來自《第六次全國人口普查》，旅游資源數(shù)據(jù)來自《上海市旅游資源圖志》，[17]大型商場、居民住宅、商務(wù)樓宇數(shù)據(jù)則是利用百度地圖（http://map.baidu.com/）采集，路網(wǎng)數(shù)據(jù)是在ArcGIS 10.1平臺將基礎(chǔ)地理底圖數(shù)字化，建立街道和主干道路數(shù)據(jù)庫。[18]

（三）研究方法

利用ArcGIS 10.1工具，從餐飲網(wǎng)點的數(shù)量、類型、人均消費三個維度，探討上海中心城區(qū)餐飲網(wǎng)點的空間格局。為進一步探索不同等級的餐飲網(wǎng)點分布的影響因素，本文將餐飲網(wǎng)點依據(jù)人均餐飲消費劃分成三個等級，依次為低檔餐飲網(wǎng)點（100元以下）、中檔餐飲網(wǎng)點（100-500元）及高檔餐飲網(wǎng)點（500元以上）。[19]

1. 自適應(yīng)半徑核密度估計

本研究采取的自適應(yīng)半徑核密度估計是利用Python對ArcGIS自帶的核密度工具的改良工具。核密度估計是利用核函數(shù)（kernal function）根據(jù)點要素計算每單位面積的量值以將各個點擬合為光滑錐狀表面。計算方法：對于數(shù)據(jù)1，2，…，x，核密度估計的形式為：

式中核函數(shù)是一個權(quán)函數(shù)，核函數(shù)的形狀和值域控制著用來估計()在點的值時所用數(shù)據(jù)點的個數(shù)和利用的程度。[20]該工具與自適應(yīng)半徑核密度工具原理類似，但前者僅支持一個輸入半徑，而本文所研究的餐飲網(wǎng)點是空間分布較為不均衡的點要素，若采用固定半徑的核密度估計可能存在較大誤差，而自適應(yīng)半徑核密度估計可支持輸入一個半徑區(qū)間，為不同疏密程度的點要素設(shè)置不同的半徑，使核密度估計的結(jié)果更加精確。

2. 反距離權(quán)重插值法（Inverse distance weighting）

反距離權(quán)重插值法（IDW）是基于Tobler定理提出的一種簡單的插值方法。其原理是通過計算未測量點附近各個點的測量值的加權(quán)平均來進行插值，根據(jù)空間自相關(guān)性原理，在空間上越靠近的事物或現(xiàn)象就越相似，則其在最近點處取得的權(quán)值為最大。一般表達式為：

式中，0為0點的估計值；Z為控制點的值；d為控制點與點0間的距離；為在估算中用到的控制點數(shù)目；為指定的冪數(shù)。[21]

3. ArcGIS格網(wǎng)化方法

本研究使用ArcGIS格網(wǎng)化方法來量化數(shù)據(jù)，相對于從街道或區(qū)縣尺度做相關(guān)性分析，此方法能夠?qū)崿F(xiàn)更小尺度的數(shù)據(jù)量化，從而提高了數(shù)據(jù)分析的準確度。ArcGIS格網(wǎng)化方法是將每個網(wǎng)格中各要素的數(shù)量賦值于一點，具體的格網(wǎng)量化方法見圖1。

4. Pearson相關(guān)系數(shù)法

本文根據(jù)數(shù)據(jù)類型，采用Pearson相關(guān)系數(shù)法檢驗餐飲網(wǎng)點空間分布格局與各影響因素之間的相關(guān)性。其計算公式如下：

其中，表示各格網(wǎng)中餐飲網(wǎng)點的數(shù)量，代表相關(guān)影響因素；的絕對值越接近1，表明兩個樣本數(shù)據(jù)的相關(guān)程度越高，他們的關(guān)系越密切。[22]

二、餐飲網(wǎng)點空間分布格局

（一）網(wǎng)點數(shù)量密度分布特征

上海中心城區(qū)各行政區(qū)餐飲網(wǎng)點數(shù)量分布不均衡（見圖2），靜安區(qū)餐飲網(wǎng)點數(shù)量最多，共有5 795個，占總數(shù)的16%；寶山區(qū)最少，共2 594個，占總數(shù)的7%，其余從高至低依次為黃浦區(qū)、浦東新區(qū)、徐匯區(qū)、長寧區(qū)、楊浦區(qū)、普陀區(qū)、虹口區(qū)。在密度分布方面，行政區(qū)餐飲網(wǎng)點密度同樣分布不均：中心城區(qū)餐飲網(wǎng)點平均密度為55個/km2，黃埔區(qū)餐飲網(wǎng)點密度明顯遠高于平均密度，且高于其他各行政區(qū)；寶山區(qū)和浦東新區(qū)的餐飲網(wǎng)點密度低于平均密度，其中浦東新區(qū)的餐飲網(wǎng)點密度最低。

對餐飲網(wǎng)點數(shù)據(jù)進行自適應(yīng)半徑核密度估計，得到自適應(yīng)半徑核密度圖（見圖3），研究發(fā)現(xiàn)：

1）餐飲網(wǎng)點呈“多中心”空間分布格局；

2）各行政區(qū)都有一個或一個以上餐飲網(wǎng)點集聚中心（密度都在2 000個/km2以上）；

3）從核密度圖中識別出九個餐飲網(wǎng)點集聚中心，分別分布在人民廣場區(qū)域、靜安寺區(qū)域、陸家嘴區(qū)域、徐家匯區(qū)域、中山公園區(qū)域、打浦橋區(qū)域、五角場區(qū)域、寶山萬達區(qū)域、萬象城區(qū)域；

4）各個集聚中心的范圍及規(guī)模存在差異，可能受某些特定因素的影響。

圖2 上海中心城區(qū)各行政區(qū)餐飲網(wǎng)點數(shù)量與密度

圖3 上海中心城區(qū)餐飲網(wǎng)點自適應(yīng)半徑核密度

（二）網(wǎng)點經(jīng)營類型分布特征

上海中心城區(qū)餐飲網(wǎng)點類型主要有本幫菜、川菜、火鍋、粵菜、湘菜、東北菜、西餐、日韓料理、東南亞菜、小吃快餐（面、米線、燒烤、熟食、簡餐等）、面包甜點等種類[23]（見表1）。據(jù)數(shù)量統(tǒng)計，小吃快餐數(shù)量最多，約占網(wǎng)點總數(shù)的20.2%，其次是面包甜點，這兩類屬于大眾化餐飲網(wǎng)點。除了這兩類以外，西餐和本幫菜的數(shù)量也相對較大。從行政區(qū)角度上看，本幫菜在黃浦區(qū)分布的網(wǎng)點數(shù)最多，川菜、粵菜、湘菜、東北菜、火鍋、東南亞菜在浦東新區(qū)分布的網(wǎng)點數(shù)最多，日韓料理網(wǎng)點數(shù)則在長寧區(qū)分布最多，這與古北區(qū)域居住著較多的日本、韓國人有較大關(guān)系，西餐、面包甜點和小吃快餐網(wǎng)點則在靜安區(qū)分布最多。

表1 上海中心城區(qū)餐飲網(wǎng)點類型數(shù)量分布

（三）網(wǎng)點人均消費分布特征

根據(jù)采集到的餐飲網(wǎng)點人均消費數(shù)據(jù)，使用ArcGIS反距離權(quán)重法對人均消費進行插值，得到上海中心城區(qū)基于人均消費的餐飲網(wǎng)點分布圖（見圖4）。從結(jié)果來看，人均消費較高的餐飲網(wǎng)點主要集中分布在陸家嘴至后灘沿黃浦江東岸、古北區(qū)域及衡山—復興路歷史風貌區(qū)，另外兩個呈點狀分布的區(qū)域分別位于上海新國際展覽中心附近和錦繡路地鐵站附近。這一研究結(jié)果可能與人民廣場區(qū)域或徐家匯區(qū)域等預(yù)期結(jié)果不一致，經(jīng)進一步分析發(fā)現(xiàn)其中的內(nèi)在機理：

圖4 基于人均消費的上海中心城區(qū)餐飲網(wǎng)點分布

陸家嘴是上海金融、商業(yè)、貿(mào)易最集中的區(qū)域之一，分布在此處的餐飲網(wǎng)點地處繁華鬧市，與浦西外灘隔江相望，環(huán)境優(yōu)雅，同時租金、管理等費用較高，這一區(qū)域人均餐飲消費水平高合乎情理。古北區(qū)域作為上海第一個涉外商務(wù)區(qū)，建造了第一批針對國際人士需要的高檔住宅，分布著大量的領(lǐng)事館，有“小小聯(lián)合國”之稱。此外，這里也是上海最早的富人區(qū)之一及各大外企高層的聚集地，因此，古北區(qū)域的人均餐飲消費水平高也不足為奇。值得注意的是相對于徐家匯區(qū)域，衡復歷史街區(qū)的人均餐飲消費更高，是因為這里集聚了大量高消費的酒吧、西式餐廳等。另外兩個呈點狀分布的區(qū)域（上海新國際展覽中心和錦繡路地鐵站附近區(qū)域）人均餐飲消費較高分別是受到新國際展覽中心和浦東星河灣的影響，其中浦東星河灣是上海豪宅的標桿。由此看出上海中心城區(qū)餐飲網(wǎng)點人均高消費區(qū)域與經(jīng)濟繁榮區(qū)及富人集聚區(qū)高度吻合。

三、餐飲網(wǎng)點空間分布影響因素

隨著時代的發(fā)展，市場條件成為餐飲網(wǎng)點空間演化的重要推手（見圖5），其中區(qū)域內(nèi)客源潛力是餐飲網(wǎng)點重要的區(qū)位基礎(chǔ)，便捷的交通拉近了客源與餐飲網(wǎng)點的距離。因而本文基于市場條件，從客源潛力和有效的交通集散對餐飲網(wǎng)點空間分布的影響因素進行分析。其中，選取商務(wù)樓宇（1）、居民住宅（2）、大型商場（3）和旅游資源（4）的分布對客源潛力進行表征，采用中心城區(qū)路網(wǎng)密度（5）對交通集散進行表征。另外，上述影響因素對不同等級的餐飲網(wǎng)點空間分布的影響程度可能也有所差異，因此對不同等級的餐飲網(wǎng)點依次進行相關(guān)性驗證。

圖5 上海中心城區(qū)餐飲網(wǎng)點空間分布影響機理

運用SPSS對餐飲網(wǎng)點與上述影響因素進行相關(guān)性分析（見表2），探究各因素對上海中心城區(qū)餐飲網(wǎng)點分布的影響程度，并采用逐步回歸分析方法測算各個因素的解釋力度，進而對餐飲網(wǎng)點空間分布的影響因素進行深入討論。結(jié)果表明，上海中心城區(qū)總體及各等級餐飲網(wǎng)點空間分布均與大型商場、商務(wù)樓宇呈顯著正相關(guān)，同時高檔餐飲網(wǎng)點與旅游資源、低檔餐飲網(wǎng)點與路網(wǎng)密度及居民住宅分布相關(guān)性顯著。

表2 上海中心城區(qū)餐飲網(wǎng)點分布相關(guān)性分析

注：*在0.05水平（雙側(cè)）上顯著相關(guān)；**在0.01水平（雙側(cè)）上顯著相關(guān)。

（一）路網(wǎng)密度

上海城市交通發(fā)達，內(nèi)外通達性高，公共汽車線路數(shù)量、營運車輛、日均客運量居世界前列。路網(wǎng)密度一方面可衡量城市交通的便捷度，另一方面它是連接餐飲網(wǎng)點與消費人群的紐帶，也可反映城市餐飲網(wǎng)點的可達性。理論上，路網(wǎng)密度越大，區(qū)域交通越發(fā)達，公眾出行成本越低，對于餐飲網(wǎng)點來說就越有優(yōu)勢。研究結(jié)果顯示路網(wǎng)密度對上海中心城區(qū)餐飲網(wǎng)點總體空間分布影響雖為正向但不顯著，對低檔餐飲網(wǎng)點具有顯著正向影響。分析其中原因，發(fā)現(xiàn)正是由于上海中心城區(qū)便利、快捷的城市交通系統(tǒng)，促使路網(wǎng)密度因素對于餐飲網(wǎng)點的總體空間分布影響程度降低。另外，上海中心城區(qū)路網(wǎng)密度總體較為均勻，但在典型的新老城區(qū)分布存在較大差異。黃浦區(qū)是上海中心城區(qū)路網(wǎng)分布密度最大的區(qū)域，相比較而言，浦東新區(qū)路網(wǎng)密度較小。圖4顯示位于浦東新區(qū)的陸家嘴至后灘沿黃浦江東岸區(qū)域分布著大量人均消費較高的中高檔餐飲網(wǎng)點，而黃浦區(qū)分布的餐飲網(wǎng)點大多為低檔餐飲網(wǎng)點，表明與中高檔餐飲網(wǎng)點相比，低檔餐飲網(wǎng)點與路網(wǎng)密度正向相關(guān)性更為顯著。

（二）商務(wù)樓宇

商務(wù)樓宇大多集中分布在城市的各大CBD區(qū)域，這些區(qū)域都是人流、物流和資金流等空間流密集的地方，商業(yè)活動多，同時餐飲網(wǎng)點類型齊全，而且全市主要的高檔餐飲網(wǎng)點也大多聚集于此。[7]上海中心城區(qū)商務(wù)樓宇集聚地也分布在陸家嘴、南京東路、人民廣場等CBD商圈，這些區(qū)域也是餐飲網(wǎng)點集聚中心所在地。研究結(jié)果顯示商務(wù)樓宇與餐飲網(wǎng)點空間分布的相關(guān)性較大，相關(guān)性系數(shù)為0.687。不同等級的餐飲網(wǎng)點空間分布與商務(wù)樓宇的相關(guān)性存在差異，總體上看，商務(wù)樓宇對于高中低檔餐飲網(wǎng)點的影響程度依次遞減。對于高檔和中檔餐飲網(wǎng)點來說，商務(wù)樓宇對其影響較大，相關(guān)均為顯著，尤其與高檔餐飲網(wǎng)點的相關(guān)系數(shù)更大，但商務(wù)樓宇與低檔餐飲網(wǎng)點的相關(guān)性卻相對較小。主要原因是高中檔餐飲網(wǎng)點大多分布在商務(wù)樓宇周邊，而低檔餐飲網(wǎng)點并非在商務(wù)樓宇周邊集中分布，而是零散分布于城市的各個角落，尤其是居民住宅密集的區(qū)域。

（三）居民住宅

居民住宅作為城市土地利用類型的一部分，其分布特征在一定程度上反映城市人口居住的集散程度。研究結(jié)果顯示居民住宅分布對上海中心城區(qū)餐飲網(wǎng)點總體分布有正向影響但不顯著，對高中低檔餐飲網(wǎng)點分布的影響程度依次增加，且只與低檔餐飲網(wǎng)點顯著相關(guān)。分析采集到的網(wǎng)點數(shù)據(jù)，發(fā)現(xiàn)高中檔餐飲網(wǎng)點多數(shù)在商業(yè)區(qū)呈集聚分布，因此與居民住宅分布的相關(guān)性相對較低，而低檔餐飲網(wǎng)點多分布于居民住宅集聚區(qū)，所以與居民住宅分布的相關(guān)性顯著。

（四）大型商場

作為“上海購物”的重要載體，大型商場是多種零售店鋪、服務(wù)設(shè)施集中在一個建筑物或一個區(qū)域內(nèi)，向消費者提供綜合性服務(wù)的商業(yè)集合體，是消費者購物、休閑、娛樂的主要場所。[24]為了滿足當今消費者多樣化的需求，商場的功能日漸呈現(xiàn)出綜合化的特點，因此也集聚了大量的餐飲經(jīng)營者。目前，上海大型商場大多集聚分布在CBD區(qū)域，與餐飲網(wǎng)點空間分布呈顯著的正向相關(guān)性。據(jù)數(shù)據(jù)顯示絕大多數(shù)餐飲網(wǎng)點集聚分布在大型商場內(nèi)或周邊，尤其是中高檔餐飲網(wǎng)點，與大型商場的相關(guān)性最高。由于低檔餐飲網(wǎng)點分布較為零散，其相關(guān)性相對略低于中高檔餐飲網(wǎng)點。由此可見，上海中心城區(qū)餐飲網(wǎng)點空間分布特征與大型商場分布存在很強的相關(guān)性。

（五）旅游資源

上海不僅是中國重要的金融貿(mào)易中心，也是一個新興的旅游目的地，擁有深厚的文化底蘊和眾多的旅游資源。在傳統(tǒng)的旅游六要素“食、住、行、游、購、娛”中，“食”排在了首位，而且中國自古就講究“民以食為天”，游客在目的地的駐留，必然會對當?shù)氐牟惋嫯a(chǎn)生需求，[27]因而旅游資源分布狀況會對餐飲網(wǎng)點的空間分布帶來影響。上海中心城區(qū)旅游資源分布與餐飲網(wǎng)點總體分布呈正相關(guān)，但只與高檔餐飲網(wǎng)點相關(guān)性顯著。目前，隨著旅游消費市場從觀光到休閑度假的轉(zhuǎn)變，城市旅游資源也逐步從單一旅游景點轉(zhuǎn)變?yōu)槿蚵糜尉C合體。上海如今也正大力發(fā)展都市旅游開放式景區(qū)，旅游資源不再局限于傳統(tǒng)意義上的封閉式景點，而是集休閑、購物、餐飲、娛樂、旅游等功能于一體，與城市功能區(qū)逐步融合，使得上海中心城區(qū)餐飲網(wǎng)點總體空間分布與旅游資源非顯著正向相關(guān)。同時，也存在著較多的高知名度景點，由于其吸引力強，往往伴隨著較大的人流量和較高的門票價格，周邊也大多分布著高檔餐飲網(wǎng)點，因此旅游資源對于高檔餐飲網(wǎng)點分布的影響顯著。

四、結(jié)論與討論

上海中心城區(qū)餐飲網(wǎng)點空間格局呈現(xiàn)出不均衡分布特征，主要體現(xiàn)在總體數(shù)量分布、餐飲網(wǎng)點類型、人均餐飲消費等方面：1）靜安區(qū)和黃浦區(qū)是上海中心城區(qū)餐飲網(wǎng)點數(shù)量分布最多的兩個行政區(qū)，黃浦區(qū)分布密度最高，且明顯高于其他區(qū)域。總體分布呈“多中心”式空間結(jié)構(gòu)，有九個規(guī)模不等的集聚中心，人民廣場區(qū)域和靜安寺區(qū)域集聚規(guī)模最大，綜合優(yōu)勢最強，其他相對獨立的集聚中心分別為陸家嘴區(qū)域、徐家匯區(qū)域、中山公園區(qū)域、打浦橋區(qū)域、寶山萬達區(qū)域和萬象城區(qū)域。2）在餐飲網(wǎng)點的類型上，不均衡體現(xiàn)在餐飲網(wǎng)點的數(shù)量分布和空間分布，小吃快餐和面包甜點數(shù)量最多，這符合大眾消費需求，其次為西餐和本幫菜。本幫江浙菜主要分布在黃浦區(qū)，日本菜主要分布在長寧區(qū)古北區(qū)域，而西餐主要集中分布在靜安區(qū)。3）在人均餐飲消費上，高餐飲消費區(qū)主要分布在陸家嘴至后灘沿黃浦江東岸、古北區(qū)域、衡山路—復興路歷史風貌區(qū)、上海新國際展覽中心和錦繡路地鐵站附近，人均消費水平較高的餐飲網(wǎng)點多分布于富人集聚區(qū)。

影響上海中心城區(qū)餐飲網(wǎng)點空間格局的因素有：第一，中心城區(qū)高中低檔餐飲網(wǎng)點空間分布均與大型商場、商務(wù)樓宇呈顯著正相關(guān)。第二，旅游資源與上海中心城區(qū)餐飲網(wǎng)點總體分布呈正相關(guān)但不顯著，只與高檔餐飲網(wǎng)點相關(guān)性顯著。這一研究結(jié)果側(cè)面反映出上海城市旅游資源的性質(zhì)已發(fā)生由封閉式旅游景點到開放式旅游綜合體的轉(zhuǎn)變。第三，路網(wǎng)密度對低檔餐飲網(wǎng)點影響顯著。上海城市交通發(fā)達以及新老城區(qū)路網(wǎng)與餐飲網(wǎng)點的分布特點是出現(xiàn)此結(jié)果的主要原因。

本文首次采用自適應(yīng)半徑核密度估計方法對餐飲網(wǎng)點空間格局進行探究，運用Acrgis格網(wǎng)化方法量化數(shù)據(jù)，從市場條件出發(fā)以更小的尺度研究空間格局的影響因素，可為研究餐飲業(yè)空間特征或其他領(lǐng)域的學者在研究方法上提供有益借鑒。隨著當今互聯(lián)網(wǎng)時代的飛速發(fā)展，大眾點評、餓了么等網(wǎng)站不斷促進居民對于餐飲的多元化選擇和交互式反饋，今后的研究可以借助網(wǎng)絡(luò)口碑數(shù)據(jù)，將餐飲網(wǎng)點與消費者情感聯(lián)系起來，圍繞上海市推動高質(zhì)量發(fā)展、創(chuàng)造高品質(zhì)生活，進一步探究上海餐飲服務(wù)質(zhì)量，為城市居民日常生活、城市規(guī)劃與旅游發(fā)展提供有效引導。

[1] 雷妍, 徐培瑋. 北京餐飲中華老字號的分類、空間格局以及消費者網(wǎng)絡(luò)評價[J]. 現(xiàn)代城市研究, 2017(2): 68-75.

[2] 秦蕭, 甄峰, 朱壽佳, 等. 基于網(wǎng)絡(luò)口碑度的南京城區(qū)餐飲業(yè)空間分布格局研究——以大眾點評網(wǎng)為例[J]. 地理科學, 2014, 34(7): 810-817.

[3] 吳麗云, 陳方英. 基于網(wǎng)絡(luò)評論內(nèi)容分析的餐飲消費者行為研究[J]. 人文地理, 2015, 30(5): 147-152.

[4] 方嘉雯. 北京五道口地區(qū)韓國餐飲業(yè)空間布局特征與集聚機理分析[J]. 經(jīng)濟地理, 2014, 34(12): 106-113.

[5] MULLER C C, INMAN C. The geodemographics of restaurant development[J]. Cornell Hotel & Restaurant Administration Quarterly, 1994, 35(3): 88-95.

[6] GIRISH PRAYAG, MARTIN LANDRE, CHRIS RYAN. Restaurant location in Hamilton, New Zealand: clustering patterns from 1996 to2008[J]. International Journal of Contemporary Hospitality Management, 2012, 24(3): 430-450.

[7] 舒舍玉, 王潤, 孫艷偉, 等. 城市餐飲業(yè)的空間格局及影響因素分析——以廈門市為例[J]. 熱帶地理, 2012, 32(2): 134-140.

[8] 楊帆, 徐建剛, 周亮. 基于DBSCAN空間聚類的廣州市區(qū)餐飲集群識別及空間特征分析[J]. 經(jīng)濟地理, 2016, 36(10): 110-116.

[9] 袁小紅, 毛端謙, 劉婕. 城市星級飯店空間分布模式分析——以南昌市為例[J]. 江西師范大學學報: 自然科學版, 2010, 34(3): 325-330.

[10] 黃瑩, 甄峰, 汪俠, 等. 南京經(jīng)濟型連鎖酒店空間集聚特征與過程研究[J]. 規(guī)劃師, 2012, 28(12): 97-100.

[11] 梁玉立, 王為, 黃日輝, 等. 應(yīng)用空間分析方法探討外來快餐業(yè)的競爭關(guān)系——以廣州地區(qū)麥當勞與肯德基為例[J]. 地理信息世界, 2011, 9(6): 45-52.

[12] VEDIA D, NAZMIYE B. The evolution and distribution of hotels in Istanbul [J]. European Planning Studies, 1999, 7(1): 99-109.

[13] URTASUN A, GUTIéRREZ I. Hotel location in tourism cities Madrid 1936-1998[J]. Annals of Tourism Research, 2006, 33(2): 382-402.

[14] PERRY L CARTER. Spatial Consumption Decision-making: Six Studies of Restaurant Choice[D]. Columbus: Ohio State University, 1999.

[15] 梁璐. 城市餐飲業(yè)的空間格局及其影響因素分析——以西安市為例[J]. 西北大學學報(自然科學版), 2007, 37(6): 925-930.

[16] 譚欣, 黃大全, 趙星爍. 北京市主城區(qū)餐館空間分布格局研究[J]. 旅游學刊, 2016, 31(2): 75-85.

[17] 高峻. 上海旅游資源圖志[M]. 上海: 上?？茖W普及出版社, 2012: 12.

[18] 周愛華, 張遠索, 付曉, 等. 北京城區(qū)餐飲老字號空間格局及其影響因素研究[J]. 世界地理研究, 2015, 24(1): 150-158.

[19] 李新陽. 上海市中心城區(qū)餐飲業(yè)區(qū)位研究[D]. 上海: 同濟大學, 2006.

[20] 朱杰, 陳黎飛. 核密度估計的聚類算法[J]. 模式識別與人工能, 2017, 30(5): 439-447.

[21] 朱選, 劉素霞. 地理信息系統(tǒng)原理與技術(shù)[M]. 上海: 華東師范大學出版社, 2006: 171-173.

[22] 都劉寧, 楊利, 李東杰, 等. 湖南省旅游產(chǎn)業(yè)空間差異分析[J]. 產(chǎn)業(yè)與科技論壇, 2017, 16(24): 22-24.

[23] 張旭, 徐逸倫. 南京市餐飲設(shè)施空間分布及其影響因素研究[J]. 熱帶地理, 2009, 29(4): 362-367.

[24] 上海市質(zhì)協(xié)用戶評價中心. 上海100家購物中心消費體驗調(diào)查報告(摘要)[J]. 上海質(zhì)量, 2018(5): 52-54.

Spatial Pattern of Catering Outlets in the Central City of Shanghai and its Influencing Factors

,

( College of Tourism, Shanghai Normal University, Shanghai 200234, China )

In the process of promoting high-quality development and creating high-quality life in Shanghai, catering, as an important part of the life of the urban residents, plays an important role. This paper obtains the data of catering outlets in central city of Shanghai through web crawler technology, and it explores the spatial pattern and impact mechanism of the catering outlets by adaptive radius kernel density estimation and SPSS methods. In terms of spatial pattern, the overall catering outlets in the central city have a “multi-center” distribution pattern; from the perspective of the types of catering outlets, the snack snacks and bread desserts are the largest; from the perspective of per capita food consumption, the high-consumption areas are mainly distributed in the Gubei area, the Hengshan Road-Fuxing Road Historic District and Lujiazui. In terms of influence mechanism, the spatial distribution of catering outlets in central urban area is positively correlated with large shopping malls and commercial buildings, while that of high-grade catering outlets is positively correlated with tourism resources, and that of low-grade catering outlets is significantly correlated with road network density and residential housing distribution.

catering outlets; spatial pattern; influencing factor; central city of Shanghai

2018-11-22

國家社會科學基金項目（16BGL116）；上海高校高峰高原學科建設(shè)計劃（A-9103-18-365011）

曾媛（1996-），女，四川達州人，碩士研究生，主要從事都市旅游產(chǎn)業(yè)、旅游發(fā)展戰(zhàn)略與規(guī)劃研究；

吳國清（1964-），男，安徽黃山人，教授，博士，主要從事都市區(qū)域旅游開發(fā)、旅游目的地管理、旅游標準化等研究

F 290

A

10.3969/j. issn. 2096-059X.2019.05.010

2096-059X(2019)05–0056–07

（責任編校：賀常穎）