粤港澳大湾区商业空间结构演变特征研究——基于POI大数据的区县视角

Research on Evolution Characteristics of Commercial Spatial Structure in Guangdong-Hong Kong-Macao Greater Bay Area —From the Perspective of County-Level Regions Based on POI Big Data

摘要: 数字经济时代POI大数据为城市及城市群商业空间结构及变化研究提供了新思路。基于2015年和2021年POI大数据，采用空间核密度、Theil指数等方法从区县层面对粤港澳大湾区商业总体及购物、休闲、餐饮三类业态的空间布局演变特征、区域差异进行研究。结果表明：1) 2015~2021年间粤港澳大湾区多中心商业空间一体化发展格局进一步强化，形成显著的多中心多等级都市圈商业空间格局；2) Theil指数表明商业网点总体及三大细分业态POI数量的区域差异均呈现扩大态势，组内差距明显大于组间差距；相对于城市尺度下的区域差异，区县尺度下的组内差异有所下降但组间差距明显增大；3) 不同商业中心区的演变趋势存在差异，高密度商圈主要分布于广州、深圳、香港三大一线城市，商业网点密度最高等级从2015年的968个/km²增加到2021年1904个/km²；4) 购物服务类、餐饮服务类、休闲娱乐POI增长幅度均超过50%，空间集聚和连片化特征明显加强；5) 不同商业业态网点规模结构发生动态调整，超市、专卖店、便利店等业态网点增长较快，大型购物中心下降态势明显，不同业态的空间变化特征有明显差异。

Abstract: POI big data provides new ideas for research on spatial structure and changes of commercial space in cities and urban agglomerations in digital economy era. Based on the two periods of POI big data in 2015 and 2021, the paper used method called spatial kernel density and Theil’s Index to study evolution characteristics of spatial layout of the overall business and three types of business formats in the Guangdong-Hong Kong-Macao Greater Bay Area from perspective of county-level regions. The results showed that: 1) During the period from 2015 to 2021, the integrated development pattern of multi-center commercial space in Guangdong-Hong Kong-Macao Greater Bay Area was further strengthened, forming a significant multi-center and multi-level metropolitan commercial space pattern; 2) Theil’s index showed that the regional differences of POI quantity in all commercial network and three sub-formats were enlarged, and the intra-group differences were obviously larger than the inter-group differences. Relative to regional differences at the city scale, intra-group differences at county scale declined but inter-group gaps increased significantly. 3) There were differences in the evolution trends of different commercial central areas. The high-density business districts were mainly distributed in three first-tier cities including Guangzhou, Shenzhen, and Hong Kong. The highest level of commercial network density increased from 968 per km² in 2015 to 1904 per km² in 2021; 4) The growth rate of shopping service, catering service, and leisure entertainment POIs exceeded 50%, and the characteristics of spatial agglomeration and contiguousness were significantly strengthened; 5) The scale structure of outlets for different business formats underwent dynamic adjustments. Supermarkets, specialty stores, convenience stores, and other business formats had rapid growth. Large shopping malls showed a significant downward trend. There were significant differences in the spatial variation characteristics of different formats.

1. 引言

粤港澳大湾区在国家区域发展大局中具有重要战略地位[1]，为推进全国统一大市场建设，国务院于2022年3月份印发的《关于加快建设全国统一大市场的意见》已明确提出鼓励包括京津冀、长三角、粤港澳大湾区等在内的国家级城市群优先推进区域市场一体化建设工作[2]。在此背景下，研究粤港澳大湾区商业总体及细分业态空间格局演变特征，有助于数字经济繁荣时代深刻洞察城市群商业发展新态势和谋划新一轮城市群商业发展规划，对于加快推进粤港澳大湾区协同发展具有重要现实意义。相对于基于常规统计数据的商业空间结构研究[3]，POI (Point of Interest)大数据[4]已被越来越多科研人员用于城市及城市群商业空间结构及演变方面的研究探索。由于POI数据具有精确地理坐标，可以更准确真实反映商业空间结构现状及变化[5]、深入研究商业细分业态的空间布局规律[6]、有利于发现商业空间结构与城市群整体功能的关系[7]等。分析现有POI相关文献可知，借助POI数据量大、业态多样、更新周期短等优点可为城市及城市群的商业时空格局研究提供新视角和新思路，目前基于POI数据研究商业空间结构的相关研究大部分还是单期、单一业态的POI数据，基于多期、多业态POI数据研究商业空间结构演变的研究还较少，研究对象以单个城市为主，以城市群为空间单位的城市商业空间研究较为少见。为此，本文以粤港澳大湾区为研究区域，基于2015年和2021年两期商业网点POI大数据，采用空间核密度法方法对购物、休闲、餐饮等三大类商业业态的规模、空间分布及变化特征展开研究，有助于及时把握数字经济时代城市群商业空间布局变化新趋势，可为粤港澳大湾区的商业协同发展和商业网点的优化布局提供参考。

2. 研究区域、数据与方法

2.1. 研究区域

本文选取“存在三种统计系统”的粤港澳大湾区为研究区域，包括位于广东省的广州、佛山、肇庆、深圳、东莞、惠州、珠海、中山、江门等9个地级城市，加上香港和澳门两个特别行政区，总面积5.6万平方公里(见图1)，2021年整个粤港澳大湾区的GDP总量约12.6万亿元，以不到0.6%的国土面积创造了全国约11%的GDP。为突破基于城市空间尺度研究粤港澳大湾区的主流范式，尝试从区县空间尺度展开研究。由于大湾区各城市次级行政区划差异较大，考虑到统计口径、地域面积及城市规划等因素，参考巫细波等(2024) [8]的研究将11个城市进一步分解为65个区县(见图1)，其中香港划分为香港岛、九龙半岛、新界三个次级行政区，澳门面积太小不再划分，东莞和中山则采取合并街镇的方式并对新划分区域采用方位进行命名。具体而言，将东莞33个街镇划分为6个次级行政区，包括东莞城区(高埗、石碣、万江、莞城、东城、南城)、东莞松山湖区(石龙、石排、茶山、寮步、大岭山、大朗、松山湖)、东莞临深片区(樟木头、塘厦、清溪、凤岗)、东莞西片区(中堂、麻涌、望牛墩、洪梅、道滘)、东莞滨海区(沙田、厚街、虎门、长安)、东莞东部区(东坑、横沥、企石、常平、桥头、黄江、谢岗)；将中山23个街镇划分为6个次级行政区，包括岐江新区(石岐区、东区、南区、西区、港口、五桂山)、火炬开发区(中山港、民众)、翠亨新区(南朗)、中山南区(板芙、三乡、神湾、坦洲)、中山北区(黄圃、三角、南头、阜沙、东凤)、中山西区(小榄、古镇、横栏、沙溪、大涌)。

2.2. 研究数据

POI作为一种包含经纬度、地址等空间信息和名称、类别等信息的点状地理数据，具有数据量大、定位精准、分类粒度多样多层次等优点，可为城市及城市群商业空间结构及变化方面研究提供诸多便利。POI数据来源广泛，最常见的则来自地图导航领域，本文使用的2015年和2021年粤港澳大湾区范围内的商业网点POI数据来自高德地图，通过其地图服务应用接口获取。由于高德地图POI数据的分类主要为地图和导航服务，需要结合国家《零售业态分类》(GB/T18106-2004)的零售业态分类标准[9]，进行二次分类很统计。本文将商业POI数据分为购物服务、餐饮服务和休闲服务三大类，其中购物服务则包括购物中心、商场、超市、便利店、专卖店、专业店等类型；餐饮服务POI主要包括中餐厅、外国餐厅、快餐厅、小吃店、咖啡厅等类型；休闲娱乐则主要包括含洗浴中心、美容美发、健身中心、溜冰场、电影院、音乐厅、酒吧、网吧、游戏厅等类型[4]。由于POI数据量大，一般的WPS或者Excel软件难以处理，需要借助数据库系统才能高效率处理分析，本文采用PostgreSQL开源数据库。

该图基于广东自然资源厅标准地图服务网站下载的审图号为粤S (2018) 121号的标准地图制作。

Figure 1. The study area

图1. 研究区域

2.3. 研究方法

2.3.1. 空间核密度分析

由于粤港澳大湾区范围内的商业POI数据数量庞大而且类型多样，本文主要采用空间核密度方法[10]开展研究。空间核密度分析可离散点状POI数据进行空间平滑处理并形成连续分布密度图，能够方便得到POI数据的空间分布特征，对比两期或多期空间核密度图可进一步分析空间结构的变化趋势，其计算公式如下：

$f\left(x\right)=\frac{1}{nh}{\displaystyle \sum }_{i=1}^{n}k\left(\frac{x-c_i}{h}\right)$ (1)

公式(1)中，f(x)最终计算得到空间位置x处的核密度值；h为空间权重阈值；n为与位置x的距离小于或等于h的要素点数；k函数为空间权重函数。为了提高核密度图的对比性，一般采用自然断裂法对核密度分析方法进行分组统计并显示，为了使得两期POI核密度图有较好对比性，借鉴张小英等(2022) [4]

的做法，以核密度峰值较高年份的分组及颜色为基准进行色彩渲染。

2.3.2. 空间差异：Theil指数

通过Theil指数来测度粤港澳大湾区商业POI数量的区域差异。Theil指数具有可分解特性，可将其分解为组内差异和组间差异，对商业POI数量区域差异结构及其来源可进行有效分解。其公式如下：

$T=\frac{1}{n}{\displaystyle \sum }_{i=1}^n\frac{y_i}{\mu }\log \left(\frac{y_i}{\mu }\right)$ (2)

公式(2)中，T表示Theil指数值，y_i、μ分别代表i城市的商业POI数量和11个城市均值。利用Theil指数的可分解性质测度组内差异与组间差异对总差异的贡献率。假设n个样本被分为K组，每组分别为g_k (k = 1, 2, …, K)，第k组g_k中的个体数量为n_k，则有∑K k = 1n_k = n，y_i与y_k分别表示区域i份额与k组累计份额，记T_b与T_w分别为组间差距和组内差距，则可将Theil指数分解为T = T_b + T_w，T_b和T_w的计算公式如下：

$T_b={\displaystyle \sum }_{k=1}^K{y}_k\log \frac{y_k}{\frac{n_k}{n}},T_w={\displaystyle \sum }_{k=1}^K{y}_k\left({\displaystyle \sum }_{i\in g_k}\frac{y_i}{y_k}\log \frac{\frac{y_i}{y_k}}{\frac{1}{n_k}}\right)$ (3)

另外，值得注意的是组内差距项分别由各组的组内差距之和构成，各组的组内差距的计算公式与样本总体的计算公式类似，只是将样本容量控制在第k组的个体数目n_k。

3. 粤港澳大湾区总体商业空间格局及变化特征

3.1. 总体商业时空格局

通过空间核密度法得到2015年和2021年粤港澳大湾区商业总体POI数据的核密度图(见图2)，可以发现2015~2021年期间粤港澳大湾区商业空间布局演变特征主要表现为：

Figure 2. Spatial kernel density for commercial network of the Guangdong-Hong Kong-Macao Greater Bay Area in 2015 and 2021

图2. 2015年和2021年粤港澳大湾区商业网点核密度图

① 粤港澳大湾区商业空间形成了多中心、一体化发展格局且这两种特征呈现强化态势。其中，2015年粤港澳大湾区商业空间布局已经形成了以香港、广州、深圳、东莞、佛山、澳门等中心城区为核心的多中心商业空间一体化发展格局，这种格局突破了城市行政边界限制，整个湾区商业核心圈层呈现多中心集聚连片分布特征，惠州、江门、肇庆等外围区围绕城市或县域中心区形成多点集聚分布特征，总体上形成了多等级商业中心区。到2021年大湾区核心圈层连片集聚的空间范围进一步拓展，多中心多等级的商业空间一体化发展结构更加明显，尤其是广佛交界地区、深莞惠交界地区商业融合度更加明显，形成了都会级、城市级、区县级及社区级商业中心区等不同等级组成的多中心多等级都市圈商业空间发展格局。

② 不同商业中心区的演变趋势存在差异。大湾区商业网点核密度分析结果显示，2021年广州的天河路商圈、北京路商圈，深圳福田CBD商圈、华强北商圈、后海商圈，香港的铜锣湾商圈、尖沙咀商圈、中环广场商圈等商业中心区商业网点聚集特征进一步凸显，商业网点密度最高等级从2015年的968个/km²增加到2021年1904个/km²。广州白云新城商圈、深圳宝安商圈、佛山禅城商圈、东莞滨海商圈、惠州惠城商圈等商业中心区商业网点密度增长也较为明显，商业网点密度最高等级从2015年的844个/km²增加到2021年1359个/km²。

③ 粤港澳大湾区商业的购物、餐饮、休闲娱乐等细分业态网点规模结构发生动态调整，主要体现为规模增长态势明显。2015~2021年期间粤港澳大湾区购物服务类网点数量增速为52.77% (见表1)。专卖店网点数量增长68.88%，便利店网点数增速也超过了56%以上，专业店、大型商厦增速在40%以上，受网络购物新趋势影响明显的购物中心数量下降13.6%。

Table 1. Changes in the structure of commercial network of the Guangdong-Hong Kong-Macao Greater Bay Area from 2015 to 2021

表1. 2015~2021年粤港澳大湾区商业网点结构变化情况

网点分类		2015年	2021年	变化幅度(%)
购物服务类		603,510	921,963	52.77
其中	购物中心	1963	1696	−13.60
	大型商厦	7978	11,178	40.11
	超市	15,334	39,434	157.17
	专业店	405,530	597,228	47.27
	专卖店	17,970	30,348	68.88
	便利店	154,735	242,079	56.45
餐饮服务类		570,157	1,023,161	79.45
休闲娱乐类		160,912	273,807	70.16

不同于购物服务类，餐饮服务类、休闲娱乐类网点则增长态势更加明显，分别增长79.45%和70.16%，增速高于购物服务类业态的平均增速。从各城市的三大细分业态规模变化看，广州、深圳、东莞及香港的规模明显高于其他城市，2015到2021年间，各城市三大商业业态的POI数量基本都呈现明显增长态势。

3.2. 总体商业区域差异及变化

从城市(以都市圈为分组单元)和区县(以城市为分组单元)空间尺度分别计算2015年和2021年总体和三大细分商业业态POI数量的Theil指数，结果表明：两种空间尺度下的商业总体及三大细分业态POI数量的Theil指数均呈现差距扩大、组内差距大于组间差距的特征；相对于城市尺度下的区域差异，区县尺度下的组内差异有所下降但组间差距明显增大(见表2)。从城市空间尺度看，商业总体Theil指数从2015年的0.372下降为2021年的0.318，幅度下降14.52%；两个年份的组内和组间差异贡献率均变化幅度较小，分别大约为86%和14%，说明在粤港澳大湾区商业POI数量在三大分组之间的差异较小，而组内的差异非常突出。从三大细分业态的Theil指数看，休闲娱乐的区域差异最大，其次为餐饮服务和购物服务；三大细分业态的差异组成也相似，组内差距明显大于组间差异。总体上看，粤港澳大湾区城市之间的商业网点数量差异明显高于区县层面的差异。

Table 2. Comparison and change of Theil’s index for POI number of overall and sub-formats of commercial network in Guangdong-Hong Kong-Macao Greater Bay Area from 2015 to 2021

表2. 2015~2021年粤港澳大湾区商业总体及细分业态POI数量Theil指数对比及变化

指标		城市层面				区县层面
		商业总体	餐饮服务	休闲娱乐	购物服务	商业总体	餐饮服务	休闲娱乐	购物服务
2015	总体	0.372	0.378	0.386	0.374	0.372	0.378	0.386	0.374
	组间	0.050	0.058	0.048	0.044	0.160	0.164	0.163	0.160
	组内	0.321	0.319	0.338	0.330	0.212	0.213	0.223	0.214
2021	总体	0.318	0.321	0.345	0.318	0.318	0.321	0.345	0.318
	组间	0.042	0.044	0.041	0.041	0.129	0.125	0.138	0.134
	组内	0.276	0.277	0.304	0.277	0.190	0.196	0.207	0.184

4. 粤港澳大湾区商业细分业态空间格局演变特征

商业网点选址具有高度市场化特征，其空间分布表现出空间集聚或扩展特征。采用密度估计法对餐饮服务、休闲娱乐和购物服务三大类POI的空间集聚和空间分布格局演变进行分析，同时对购物服务的六种细分类型展开进一步研究。

4.1. 餐饮服务网点空间布局呈现均衡化、郊区化发展趋势

本文研究的餐饮服务设施包括中餐厅、外国餐厅、快餐厅、休闲餐饮场所、咖啡厅等网点。餐饮服务POI核密度分析结果显示，2015~2021年期间，粤港澳大湾区餐饮网点规模增长明显，高于购物服务类网点增速(见图3)。核密度最高等级也从316~423个/km²增长到440~691个/km²。餐饮服务空间布局在不同城市规模均有所提升，惠州、中山、江门、肇庆等城市增长约1.2倍，香港、佛山、东莞、珠海、澳门等城市次之，广州、深圳等规模较大的城市增速不及大湾区平均水平。

总体而言，随着网上购物持续升温，通过网购满足实物消费已经成为越来越多消费者首选，通过线下实体商业满足餐饮服务等体验性消费需求，餐饮服务网点规模也显著增加并呈现均衡化发展，与购物服务类网点多呈现集聚特征有明显不同。

Figure 3. Spatial kernel density for catering service of the Guangdong-Hong Kong-Macao Greater Bay Area in 2015 and 2021

图3. 2015年和2021年粤港澳大湾区餐饮服务网点空间核密度图

4.2. 休闲娱乐服务网点空间布局呈现均衡化、郊区化发展趋势

本文研究的休闲娱乐设施主要包括美容美发、溜冰场、健身中心、KTV、酒吧、网吧、电影院、音乐厅、游戏厅等网点，这些休闲娱乐设施高密度区域主要集中在高等级商业中心和新型的商业中心区。休闲娱乐POI核密度分析结果显示，2015~2021年期间，休闲娱乐设施网点规模增速快于购物服务类，肇庆、江门、惠州等休闲娱乐网点规模较小城市增速快于广州、深圳等规模较大城市。从空间布局来看，休闲娱乐设施网点空间布局不但在广州、深圳、香港等中心城市商业中心区集聚程度提升，而且在佛山、东莞、惠州、中山等城市集聚程度提升明显并区域不断向外围拓展，休闲娱乐空间分布格局呈现均衡化的发展态势(见图4)。

Figure 4. Spatial kernel density map of leisure and entertainment outlets of the Guangdong-Hong Kong-Macao Greater Bay Area in 2015 and 2021

图4. 2015年和2021年粤港澳大湾区休闲娱乐网点空间核密度图

4.3. 购物服务网点出现三大高密度集聚区，高密度、连片化特征增强趋势明显

本文研究的购物服务网点主要包括购物中心、大型商厦、超市、专业店、专卖店、便利店等类型网点，这些购物网点高密度区域主要集中在高等级商业中心和新型的商业中心区。2015~2021年期间，购物服务网点规模增长较为明显，但增速明显低于餐饮服务和休闲娱乐，各城市购物服务POI规模增速均值超过25%。粤港澳大湾区购物服务POI核密度分析结果显示，粤港澳大湾区购物服务POI网点空间布局不但在广州、深圳、香港等中心城市商业中心区集聚程度提升，而且在佛山、东莞、惠州、中山等城市集聚程度提升明显并区域不断向外围拓展，空间分布格局呈现均衡化的发展态势(见图5)。进一步将商业POI细分为便利店、专业店、专卖店、超市、大型商厦、购物中心等六类，可以发现各业态数量及在各城市的分布均有明显差异。

同样从城市和区县空间尺度分别进一步计算2015年和2021年购物服务六个细分业态POI数量的Theil指数，结果与粤港澳大湾区总体商业POI数量的Theil系数类似，区县尺度下的组内差异有所下降而组间差距明显增大。具体而言：在城市空间尺度下，购物中心、大型商厦、专卖店等Theil指数呈现扩大特征，而专业店、超市和便利店的Theil指数呈现下降特征；六个购物服务细分业态的区域差异主要来源于组内差距且明显大于组间差距(见表3)，六个业态的组内差距贡献率均值超过86%，2015年专业店组内差异贡献率高达90.02%。

4.3.1. 专业店空间布局呈现点状集聚特征，向外拓展态势明显

从专业店核密度分析结果看，粤港澳大湾区专业店的空间布局呈多中心连绵发展模式，大湾区东西

Figure 5. Spatial Kernel density for shopping service network of the Guangdong-Hong Kong-Macao Greater Bay Area in 2015 and 2021

图5. 2015年和2021年粤港澳大湾区购物服务网点空间核密度图

Table 3. Comparison and change of Theil’s index for POI number of overall and sub-formats of shopping service in Guangdong-Hong Kong-Macao Greater Bay Area from 2015 to 2021

表3. 2015~2021年粤港澳大湾区购物服务总体及细分业态POI数量的Theil指数对比及变化

指标		城市层面						区县层面
		购物 中心	大型 商厦	专业店	专卖店	超市	便利店	购物 中心	大型 商厦	专业店	专卖店	超市	便利店
2015	总体	0.360	0.345	0.363	0.517	0.386	0.457	0.360	0.345	0.363	0.517	0.386	0.457
	组间	0.042	0.041	0.036	0.106	0.046	0.068	0.136	0.158	0.149	0.257	0.160	0.221
	组内	0.317	0.303	0.327	0.411	0.340	0.389	0.224	0.187	0.215	0.260	0.226	0.236
2021	总体	0.449	0.574	0.316	0.591	0.348	0.366	0.449	0.574	0.316	0.591	0.348	0.366
	组间	0.085	0.104	0.037	0.123	0.037	0.048	0.212	0.435	0.130	0.289	0.128	0.169
	组内	0.363	0.470	0.278	0.468	0.310	0.318	0.236	0.139	0.186	0.302	0.220	0.197

岸整体密度较为均衡，其高密度集聚区主要分布在广州–佛山–中山、香港–深圳–东莞等区域连绵布局，惠州、江门、珠海、肇庆等城市则呈现点状分布。2015~2021年期间，粤港澳大湾区专业店总体规模增长较快，增长47.47%，其中香港专业店数量增长90%以上，深圳、广州、珠海、澳门等城市增长20%左右，东莞、佛山、中山等城市增长40%以上，江门、肇庆、惠州等外围城市增长超过70%，专业店空间布局演变特征表现为一些商业中心区专业店空间集聚度进一步提升，其高密度区的密度也从211~320个/km²增长到493~748个/km² (见图6)。

4.3.2. 便利店空间布局呈现网络化向外拓展的发展趋势

随着90后消费群体崛起、城市生活节奏加快、人口老龄化提速等趋势，以快捷消费为特点的便利店网点有明显扩张态势。2015~2021年期间，粤港澳大湾区便利店业态呈现良好发展态势。广州、深圳等便利店网点规模较大的城市增速相对较低，而香港、佛山、惠州、江门、肇庆等增速超过1倍，东莞、珠海、中山等城市增速介于40%~80%之间，可见各品牌连锁商网点布局不断向大湾区外围拓展，进一步满足人们对即时消费需求。通过便利店的核密度分析显示，2015~2021年期间，粤港澳大湾区广州、香港、深圳、澳门等中心城市便利店密度进一步加密，同时便利店空间选址也进一步向佛山、东莞、中山、珠海以及惠州、江门、肇庆等外围拓展，便利店网点布局呈现网络化发展趋势(见图7)。

Figure 6. Spatial kernel density for speciality store of the Guangdong-Hong Kong-Macao Greater Bay Area in 2015 and 2021

图6. 2015~2021年粤港澳大湾区专业店空间核密度图

Figure 7. Spatial kernel density for convenience store of the Guangdong-Hong Kong-Macao Greater Bay Area in 2015 and 2021

图7. 2015年和2021年粤港澳大湾区便利店空间核密度图

4.3.3. 购物中心空间收缩趋势明显

2015~2021年期间，粤港澳大湾区购物中心网点规模呈下降趋势，网点规模下降13.60%，除了香港、澳门、深圳外，其他城市购物中心数量均呈下降趋势。从购物中心POI核密度变化趋势看，粤港澳大湾区购物中心空间布局演变呈现向商业中心集聚发展，广州天河、深圳福田、香港九龙半岛等高密度区密度进一步提升，中高密度区、中低密度区、低密度区的范围则有所缩小，购物中心空间收缩趋势更加明显。从购物中心的核密度分析看，粤港澳大湾区购物中心空间分布呈现多中心圈层结构，形成了广佛、深莞、香港三大核心圈层，高密度区主要集中在广州天河、深圳福田、香港九龙半岛，与都市级商业中心区相吻合；中高密度区主要分布在佛山禅城、珠海拱北、东莞城区；中低密度区主要分布在广州番禺区、深圳南山区、东莞滨海区、惠州惠城区、中山城区、江门江海区等地区(见图8)。

Figure 8. Spatial kernel density for shopping mall of the Guangdong-Hong Kong-Macao Greater Bay Area in 2015 and 2021

图8. 2015~2021年粤港澳大湾区购物中心空间核密度图

4.3.4. 大型商厦空间集聚特征显著

2015~2021年期间，粤港澳大湾区大型商厦POI数量增长40.11%，低于购物服务类网点规模平均增速，其中香港、澳门增速超过2倍，肇庆、江门、珠海、惠州等城市增长15%以上，其他城市大型商厦数量增长不多。从大型商厦的空间核密度来看，粤港澳大湾区大型商厦布局呈现多中心圈层结构，形成了香港、广州–佛山、深圳–东莞、澳门–珠海四个圈层连绵区，高密度区分布在香港的九龙半岛，密度明显高于其他地区；中高密度区分布在广州越秀、深圳福田及盐田–东莞临深片区、澳门–珠海香洲等区域，中低密度区分布在中高密度区外围及佛山、东莞、惠州、中山、江门、珠海、肇庆等中心城区(见图9)。

Figure 9. Spatial kernel density for large shopping center of the Guangdong-Hong Kong-Macao Greater Bay Area in 2015 and 2021

图9. 2015~2021年粤港澳大湾区大型商厦空间核密度图

4.3.5. 超市空间均衡化及郊区化布局特征明显

2015~2021年期间，粤港澳大湾区超市POI数量增长较快，从2015年的15,334个增长到2021年的39,434个，增长1.57倍，超市空间集聚区最高密度等级从6.6~7.5个/km²增长到9.2~13.7个/km²。除了香港、澳门等超市密度较高地区数量增长相对缓慢，其它几个城市超市数量增长均达到1倍以上，惠州、肇庆、江门等大湾区城市超市数量增长更是2倍以上。超市的空间核密度图显示，粤港澳大湾区超市布局呈现连绵网络结构，其热点空间布局较为分散。超市的高密度区域主要分布在广州–佛山、深圳–东莞、香港、澳门–珠海的中心城区，中高密度在中山–江门、深圳–惠州等中心城区及外围区域。从超市POI核密度分布演变趋势来看，大湾区超市由中心区域向外拓展的趋势明显，由于大湾区城市化进程的持续推进，交通方式更加多样及网络日趋完善，人口向近郊区迁移、大型住宅社区选址中心城区外围区域等因素带动下，超市加速向城市外围拓展，满足城市居民日常购物需求。总体上看，粤港澳大湾区的超市空间布局呈现均衡化、郊区化的演变趋势(见图10)。

Figure 10. Spatial kernel density for market of the Guangdong-Hong Kong-Macao Greater Bay Area in 2015 and 2021

图10. 2015~2021年粤港澳大湾区超市空间核密度图

4.3.6. 专卖店呈现点状集聚并向外拓展趋势

2015~2021年期间，粤港澳大湾区专卖店POI的数量增长68.88%，其中香港、澳门、佛山等城市专卖店数量增速在1.5倍以上，广州、深圳、珠海、东莞、惠州等地专卖店增速也在50%以上，外围的中山、江门、肇庆等地增速相对较缓慢，甚至是负增长。可见，专卖店空间集聚效应明显，其最高密度等级从16~23个/km²增长到34~45个/km²，专卖店在大湾区中心城市沿着街道、商业步行街、专业街及大型商业综合体进一步集聚发展。根据专卖店的核密度分析显示，粤港澳大湾区专卖店空间布局以点状为主，专卖店高密度区也主要集中在广州、深圳、香港等商业中心区，中高密度区主要集中在佛山南海、东莞城区、惠州惠城区等城市商业中心区范围，中低密度区也主要分布在城市各级商业中心区，这也体现了专卖店的选址特征(见图11)。

5. 结论与讨论

本文基于2015年和2021年两期POI大数据，采用空间核密度方法对粤港澳大湾区商业总体及购物、休闲、餐饮三类业态的规模变化、空间布局演变特征进行研究，同时进一步借助POI数据的细粒度特点，对便利店、专业店、专卖店、超市、商场、购物中心等六类购物服务POI展开研究。研究发现：2015~2021年间粤港澳大湾区多中心商业空间一体化发展格局进一步强化，形成显著的多中心多等级都市圈商业空间格局；Theil指数表明商业总体及三大细分业态POI数量的区域差异均呈现扩大态势，组内差距明显大于组间差距；不同商业中心区的演变趋势存在差异，高密度商圈主要分布于广州、深圳、香港三大一线

Figure 11. Spatial kernel density for specialist shop of the Guangdong-Hong Kong-Macao Greater Bay Area in 2015 and 2021

图11. 2015~2021年粤港澳大湾区专卖店空间核密度图

城市，商业网点密度最高等级从2015年的968个/km²增加到2021年1904个/km²；购物服务类、餐饮服务类、休闲娱乐POI增长幅度均超过50%，空间集聚和连片化特征明显加强；不同商业业态网点规模结构发生动态调整，超市、专卖店、便利店等业态网点增长较快，大型购物中心下降态势明显，不同业态的空间变化特征有明显差异。

由于粤港澳大湾区存在三种差异巨大的统计数据，采用常规统计数据和方法难以有效开展商业空间结构方面的研究，借助POI大数据可有效克服这方面的困难与不足。显然，POI大数据在研究城市群商业空间布局及变化趋势方面有数据量大、空间位置精准、业态可细分、更新方便、数据库支持完善等优势，但POI数据属性数据不足是其主要缺点，难以对商业营收、从业人员、占地规模等进行系统分析，还需其他统计数据的支撑。此外，本文仅侧重了商业业态的空间布局及变化特征，对影响其空间分布的因素探索还不足，这也是下一步要加强和改进的地方。

基金项目

本文得到广东省社科规划课题《多期POI大数据下的粤港澳大湾区商业空间结构演变特征及影响因素研究》(GD21CYJ06)、《COVID-19疫情影响下广东省商业业态时空变化及优化策略研究》(GD22CYJ05)、广州市国家中心城市研究基地资助项目。

NOTES

^*通讯作者。