解码白塔寺社区生活服务商业分布的空间DNA

盛强，周晨/SHENG Qiang, ZHOU Chen

1 研究背景：商业功能分布的自组织空间逻辑

近年来北京等大城市的发展转向减量提质阶段，拆违疏解工作在取得成效的同时，也造成了部分地区社区生活服务商业的缺失，影响了居民日常生活的便利性。如菜市场、早餐点、各类维修等功能多由个体经营，其空间分布体现着自组织的逻辑。无视该逻辑，由政府自上而下设置的社区便民服务功能往往难以持续盈利。日常生活的“刚需”也使得部分摊贩转而以游击的方式经营，提升了管控的成本。更重要的是，现有的千人指标往往采用“一刀切”的标准，缺乏对城市中具体的区位特征、交通状况、居住密度等因素的考虑。简单采用15分钟生活圈等以距离为基础的可达性指标进行服务水平评价和服务点的设置，难以兼顾居民便利性与商家盈利性的需求。

对社区生活服务功能的研究属于城市经济地理范畴，早期的中心地理论便多以菜市场等服务周边居民的功能作为研究对象[1]。贝里和加里森等学者结合人口密度和业态多样性等数据验证了中心的空间等级分布规律[2]。近年来我国网络开放数据的普及也推动了街区微观尺度的量化模型研究：以重力模型为基础，赵彦云[3]、崔真真[4]等以拟算步行可达范围测度社区生活圈；萧敬豪[5]等以设施可达距离最大值测度社区生活圈，突出了设施与社区临近性和对活动范围的制约。张希煜、茅明睿等基于机器算法进行最短路径选择，考虑路口、红绿灯等阻抗，分析了15分钟生活圈内22种业态数量与房价的相关性[6]。而分析结果显示早餐、菜市场、洗染等9种基础保障性社区业态与居住密度的皮尔逊相关系数仅0.18～0.3，说明以距离为基础的算法对分析社区生活服务功能存在瓶颈。

这些经典模型及分析方法构成了当代规划实践领域千人指标工作方法的理论和实证基础，对我国乃至亚洲其他国家地区的规划政策制定均有明显的影响[7]。类似地，各地政府指定的规划指标同样相当比例面临经营问题[8]。究其原因，如两步移动搜索法等以距离为基础的空间可达性评价方法在分析非盈利性的医疗和公园绿地覆盖公平性时比较适用[9-10]，但难以在街道精度上对多有盈利性要求的社区生活服务功能进行评价。

空间句法作为一种基于空间拓扑结构研究使用者行为的理论源起于1980年代[11]，它为在街道精度上量化分析商业功能的沿街分布的空间规律提供了有效的理论和方法。空间句法 “自然运动理论”认为，街道网络中的拓扑结构决定了城市中不以具体功能为目标的运动（即自然运动）分布状态，构成了商业等活跃功能产生和分布的理论基础[12]。国内外众多的实证研究表明空间句法参数与各类交通流量有明显的相关，为量化分析支撑各业态商业功能提供了度量可达性的条件[13-14]。

具体在对商业的研究中，笔者对北京中心城区2005-2015年11年跨度的研究成果发现商业数量不减反增，且68%以上的增量来自街区内部的胡同，而对雍和宫、东四和西四3个街区的统计显示领涨的业态为社区生活服务商业[15]。在此基础上，近期的研究采用了综合距离衰减与角度衰减的数据均匀化方法，对各条街道上商业数量分布的高精度分析发现步行和机动车尺度空间句法参数的综合影响（R2值 0.5 ～ 0.6）[16]。

上述研究虽验证了不同尺度空间句法参数在街道精度上对商业分布的分析效果，但并未针对具体的社区生活服务类业态进行分析。事实上，由于各业态之间的空间竞争，且社区生活服务业态类型的界定本身缺乏统一的标准，现有的研究尚未在该类功能在街道精度的分析上有突破性的进展。此外，本地居民在胡同中的社会聚集交往行为也是构成本地社区活力的要素。笔者团队近期对北京胡同和多层住宅区内居民社会聚集的量化研究发现，后者体现出的拓扑规律要优于前者，而胡同中的小商业也往往成为居民聚集的催化剂[17]。

因此，城市级商业-社区级商业-社会聚集这三类现象呈现出一个梯度关系，体现了对街道空间不同强度的使用。这个梯度关系在总体上是否与空间句法捕捉的拓扑空间结构相对应，具体到特定的社区生活服务业态，距离规律和拓扑规律如何综合作用影响该类商业的分布，是本文的核心研究问题。

2 数据与研究方法

2.1 研究数据类型与来源

白塔寺街区位于西四商圈以东，其复杂的胡同肌理具有一定的典型性，而近10年来该区域稳定的空间结构也为发现商业分布的自组织逻辑提供了条件。本文采用的主要数据包括商业分布和社会聚集数据，辅助数据包括北京中心城区精确到各街区块的人口数据。

2005年商业分布来源于笔者的实地调研。2015年的商业分布则综合了街景地图和实地调研的各类商业功能分布数据（图1）。需要说明的是，2005年的数据仅记录了各条街道段上的分布数量，而并未区分具体的业态。2015年的数据则细分了30多种业态，与2005年数据的对比可以发现近年来新增业态的主要类型，其中餐饮数量最多且增幅最大，服务于社区的小卖部、五金店等也有较大的增幅。

本文的第三部分将分析2005～2015年各街道未细分业态的商铺总数变化体现出的量化空间规律。第四部分将针对细分的社区生活服务业态分析影响其空间分布的距离与拓扑规律。

社会聚集数据来源于笔者团队2016年8月对白塔寺地区的实地调研，选择平日和周末各一天，每天4个时间段，以拍照的方式记录了当地居民在街道空间中的聚集情况（图2）。从数据中可以直观发现，居民的社会聚集中至少有32%～37%包含街面上工作的店主或清洁工。因此，社区生活服务功能的分布与社会聚集现象之间本身即有较强的关联。本文将在第五部分展开对影响社会聚集的功能、人口和空间可达性因素进行量化分析。

2.2 空间句法模型及其他空间形态分析参数

如前所述，本研究将综合使用空间句法的拓扑形态参数和传统重力模型中距离衰减参数来分析各业态商业落位的空间规律，并使用统计软件SPSS对各类数据进行相关和回归分析。

空间句法模型包括线段模型与视域模型的分析参数。线段模型基于2005年和2015年的道路中心线建立，用于商业和社会聚集分布规律分析，建模范围包括北京六环内的全部街道及周边通州、顺义、昌平等城镇（图3左侧）。视域模型基于建筑轮廓线建立，用于分析影响社会聚集的界面空间形态特征，其建模范围包括白塔寺周边的胡同街区（图3右侧）。

在空间拓扑形态指标的选择上，线段地图分析主要选取了不同尺度半径的整合度和选择度两类参数，详细介绍可参见希列尔和杨滔的相关论文[18]，篇幅所限不再赘述。视域模型分析选取了视域整合度、视域面积、紧凑度和探索度4类参数。其他以距离为基础的几何形态参数包括各街道段到临近地铁站点的距离，以及各街道段的宽度。

2.3 商业分布及社会聚集分析的采样点选择

与交通流量不同，商业分布和社会聚集均属于静态数据，需要选取采样点，进行一定范围的均匀化处理方能与各空间分析参数进行相关和回归分析。笔者分别针对商业和社会聚集数据采用了笔者近期发表的均匀化处理方法[19]，在白塔寺地区一共设置了相对均匀的36个采样点，其中大路上有6个，北部现代住宅区中1个，这些采样点用于分析2005年和2015年的商业数量分布。为了排除周边居住类型不同和大路自身的阻隔效应影响，在对社会聚集数据的分析中本研究仅采用了白塔寺街区内的29个采样点（图4中蓝色点）。如中廊下胡同等部分空间虽有明显的社会聚集现象，但由于该胡同为近年改造出现的尽端路，道路空间实质上被作为院落空间使用，故不作为量化分析的样本街道。

1 2005-2015白塔寺周边商铺数量与类型分布

2 2016年夏季白塔寺地区社会聚集调研数据

3 2005-2015年白塔寺地区商业数量分布规律分析

2005年调研各街道的商铺数量被录入空间句法线段模型，以36个采样点为起点进行均匀化处理后，取log值进行标准化处理，与人口密度、拓扑形态参数、几何形态参数3类变量进行相关分析。其中人口密度类参数包括每条街道段周边250m～2km 7个统计半径梯度的7组变量。拓扑形态类参数包括1～10km 8个计算半径的4类空间句法参数（整合度、选择度对数、标准化整合度和标准化选择度）共计32组变量。几何形态参数包括到地铁站点的距离以及各街道宽度两个变量。

3 北京市线段模型（左）与白塔寺地区视域模型（右）

4 采样点分布及尽端路社会聚集状况

将2005年和2015年，每个年代的数据导入SPSS进行相关系数分析可发现3类41组变量对商业分布的影响强弱及变量之间的关系。

图5展示了相关分析结果，三类变量中最相关的为拓扑形态（峰值范围0.76～0.80）且其分析结果大都能通过显著性检验，其次为人口密度（峰值范围0.60～0.66），几何形态的相关系数较低。几何形态类变量中街道宽度的影响较高 （0.39～0.59），地铁站距离的影响很低（0.11～0.32）。从变化的趋势来看，拓扑形态类变量与商铺数量分布的相关性呈上升趋势，而其他各类变量则呈下降趋势。这个结果说明空间句法的拓扑形态参数能更有效地分析各街道段上的商铺数量分布。

在此基础上，笔者参考近期对北京其他案例区域的研究控制选择自变量[16]，以多元回归分析了各类变量的组合对2005年和2015年商铺数量的影响。2005年分析结果显示，仅城市尺度可达性的10km标准化整合度影响明显，地铁站距离参数影响非常弱，街道宽度和人口密度由于与各空间句法参数有明显的相关性而被排除。强行引入2km选择度参数时调整R2值为0.511，10km标准化整合度的影响权重较高（标准系数β值=0.57），2km选择度的为标准系数β值0.191。大尺度可达性的影响近3倍于小尺度可达性。

5 2005和2015的3类变量与商铺数量的皮尔逊相关系数

对2015年数据分析的结果显示其调整R2值为0.644，较2005年规律更加明显。10km半径标准化整合度的标准系数β值为0.369，而2km选择度的标准系数β值为0.489，二者关系反转了，小尺度的可达性变得更加重要。对比2005年与2015年的路网，白塔寺本地的胡同肌理基本保持不变，而周边道路系统的发展变化改变了本地大尺度可达性。图6中可以明显看出，白塔寺地区两条主要道路的大尺度可达性（城市层级网络）在过去10年的可达性降幅均在9%以上。而该地区内部主要胡同的小尺度可达性（局域层级网络）则有一定差异，与阜成门内大街相交的宫门口东岔和西岔降低，而安平巷则有所增长。

基于街景地图可以精确判定街道段上每家商业的业态类型，据此本文进一步尝试将2015年的商业划分为社区级商业和城市级商业：社区级商业的业态包括日杂、家电维修、水站等17种；城市级商业的业态包括彩票、健身、手机快递等19种。采用相同的分析技术路线，本部分研究发现以10km标准化整合度与2km选择度为自变量的多元回归分析对城市级商业的调整R2值为0.555，对社区级商业的调整R方值为0.542。分析城市商业时大尺度可达性参数权重较高（标准系数β=2.66），小尺度可达性较低且不显著（标准系数β=1.573，Sig=0.125）。分析社区级商业时则相反，大尺度可达性参数权重低且不显著（标准系数β=0.245，Sig=0.228），小尺度可达性高（标准系数β=0.52）。这个结果表明近年来白塔寺地区商业分布逻辑趋向更受宜步行的小尺度可达性影响，而反映大尺度可达性的影响渐弱。这个结果表明空间拓扑结构的尺度层级与城市和社区级商业数量之间存在量化的对应关系。

4 各细分业态社区生活服务商业分布的复合空间规律分析

4.1 距离规律

图7左侧展示了各业态类型千人需求指数。参考两步移动搜索法，前文针对社区级商业的分析发现与其最相关的人口密度数据为各街道1km半径人口总量。而从各个业态类型分布的平均间距不难发现其均小于500m（图7右侧），因此，笔者计算了每条街道周边500m内该类业态总数量与每1km范围人口数的商数，用以表示该业态的“千人需求指数”，图中棕红色的部分是该类型商铺分布较丰富的区域，蓝色区域为业态缺失或服务难及的部分。棕红色的区域越多，说明该类型的业态在分析区域内较为均匀。其中“餐饮类型”“小卖类型”等7种类型具有明显较高的覆盖率，便利性高；如家政、打印图文等业态则需求量低。在各个业态的需求指数图中，蓝色的区域覆盖率普遍较低。不难发现，白塔寺西北角的新建小区普遍缺乏社区级商业（除餐饮业）。

本部分研究仅体现了本地居民对社区商业的便利性需求，而除此之外，商业能否存续还需要考虑各街道是否有足够的步行流量支持，因此有必要分析各业态分布的拓扑规律。

6 2005-2015白塔寺地区城市和局域层级网络可达性变化

7 各细分业态类型千人需求指数与平均间距统计

8 各细分业态大小尺度空间拓扑可达性箱型统计图

9 各细分业态城市-步行尺度可达性对比（左）与千人需求指数-可达性对比（右）

4.2 拓扑规律

根据前文商业总量回归分析的成果，本部分研究沿用相同的空间句法参数评价各细分业态所在街道段对大小两个尺度的可达性。每个业态箱型图上下两个四分点之间的数值区域代表着该业态在机动车或步行尺度运动的可达性特征。

图8展示的17种社区等级业态中，除“蔬果菜市”一类在统计中较为离散，其余16种的统计数据都比较连续。这是由于位于大茶叶胡同的富国里菜市场和位于白塔寺西侧的宫门口菜市场均有一定规模，服务较大范围的居民，因此需作为异常数据剔除。直观观察剩余的16种业态在大小两种可达性街道的分布情况，休闲棋牌、修车配钥匙、收废品、水站的大尺度和小尺度可达性均比较低，属于占据背街小巷的典型功能。医疗诊所、打印图文的两种可达性均比较高，往往占据主要的胡同。

4.3 复合规律

综合城市尺度可达性、步行尺度可达性和千人需求指数等3种参数，可以更深入地发掘各细分业态主要依靠的空间属性并以此为基础描述各业态间的相互关系。图9左侧的散点图综合了城市与步行尺度可达性，其分布基本呈线性，说明这两个尺度可达性参数对这些业态的影响均等。此外，根据两组坐标轴数值的大小，可以将分析区域分为4类，右上角为城市与步行尺度可达性都很高的区域（图中标注①）。此区内均被文化体验、自行车电动车专卖、艺术纪念品等城市级商业占据，医疗诊所则位于城市与社区级业态的交界模糊区。图中标注②区域内的业态（如水站、休闲棋牌和家政）对城市和步行可达性的要求均为最低。体现为③和④区域内的业态要求相对均衡。简言之，城市-步行尺度分析可用于描述特定业态的城市-社区等级差异。

图9右侧综合了千人需求指数与步行可达性，点位分布主要集中于需求指数低且步行可达性高的分区，即该区域中业态专注于空间的盈利潜力，而非便利性。只有小卖与餐饮类型（左图③区域内的代表业态）处于右上区域，对于步行可达性体现出的拓扑规律和所受距离规律的影响都比较高。相比之下，家政、水站、休闲棋牌和废品收购（左图②区域内的代表业态）受这两方面规律的影响都比较低。③和④号区域在此分析中体现出差异，前者千人需求指数较高，分布密集，对于较高的步行流量和人口密度分布都有较强的依赖；而后者则与②区业态类似，千人需求指数较低，分布稀疏，且不依赖于高可达性带来的高流量。对比千人需求指数-步行可达性的分析结果（图9右侧），②区与④区的功能平均间距都较高，千人需求指数较低，因而该业态更呈现“目的性”的特征，并非依托于“流”的逻辑。简言之，千人需求指数-可达性分析可用于描述特定业态对便利性和盈利性的差异。

综合对各业态拓扑规律和距离规律的分析类似与对物种DNA的解码，有助于了解各业态对不同类型空间规律依赖的差异，超越以简单千人指标和服务半径为基础的工作方法，为精细化分析落位各业态，综合便利性与盈利性提供了有效途径。

5 居民社会聚集的空间影响因素分析

本部分研究以社会聚集数据为因变量，应用SPSS软件逐步筛选自变量的方法进行多元回归分析和相关系数分析（图10）。选取商业功能、人口密度、拓扑形态和几何形态共四大类共计54组自变量计算后，有效的自变量组合为200m内社区商业数量（标准系数β=0.423，Sig=0.011）和500m内人口（标准系数β=0.419，Sig=0.011），调整R2值为0.478。这个结果说明社会在该区域影响社会聚集强度最主要的因素为社区功能和人口而非空间形态等因素，与常识相符。

当然，考虑到功能本身和人口密度均与空间形态相关，强行排除这两类自变量可进一步发现空间形态因素的影响。选取拓扑形态和其他两大类39组自变量计算后，有效的自变量组合为街道的宽度（标准系数β=0.426，Sig=0.011）和视域整合度Rn（限定视线范围200m，标准系数β=0.388，Sig=0.019），调整R2值降为0.389。这个结果说明，如简单的街道宽度这个局部的空间形态要素对社会聚集有直接的影响，而人在街道中移动过程中视域范围的变化对社会聚集也有一定的影响。最后，排除非局部空间形态要素（如视域整合度）分析，只有街道宽度成为有效的影响因素（调整R2值0.270，标准系数 β=0.544，Sig=0.002）。

值得思考的是，街道宽度本身线段模型分析参数，特别是1km半径选择度指标的相关系数达0.589。换言之，上百年历史演化的胡同区其街道宽度本身即反映了小范围步行可达性的规律。只不过当分析的现象为社会聚集而非城市或街区商业时，局部空间形态要素的影响略强。

10 对社会聚集数据的相关系数与三次多元回归分析（1-10图片来源：作者自绘）

6 结论：空间结构与功能间的同构现象

本文针对白塔寺地区各街道商业数量、社区生活服务业态和社会聚集现象展开了量化的空间分析，其结果可总结为以下几点：

（1）2005-2015年商业数量及其变化显示空间句法拓扑形态参数的解释效果明显好于人口密度、地铁站距离和街道宽度等传统以距离为基础的变量。

（2）2015年城市和社区级商业分布体现前者对大尺度拓扑可达性依赖较强，后者对小尺度拓扑可达性依赖较强，验证了其空间结构中的尺度属性与功能类型的匹配关系。

（3）对白塔寺地区细分业态社区生活服务功能的平均间距和城市-步行可达性分析仅能更客观地把握商业等级、差异性的整合居民便利性与商家盈利性需求。

（4）社会聚集受社区级商业分布影响最大，其次是街道宽度等局部空间因素，而以上各项均与小尺度的拓扑形态参数相关。

综合上述发现，街道网络中的拓扑空间结构对城市中的商业功能有明显的影响。它们的变化较慢，容易在较长的时间里自组织调整保持空间结构同构：大尺度连接好的空间优先被高盈利的城市级商业占据，而当空间联系变差时（白塔寺即属此例），社区级商业则逐步置换城市级商业，体现出小尺度空间连接的作用被强化。与之相比，社会聚集则属于临时偶发的现象，它更容易受到社区商业分布和街道宽度等稳定现象的影响，而空间结构则发生潜在且间接的作用。因此，从提升街道空间活力的角度出发，基于拓扑空间结构进行商业功能优化和街道设施设计更有助于开发理性量化的设计工具，对各街道适合支持什么类型，多少家的商店，乃至容易聚集多少居民进行量化的预测，满足店主与居民便利性与盈利性的多元需求。