基于GIS的零售商业网点选址模型研究，本文主要内容关键词为：网点论文,模型论文,商业论文,GIS论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
零售商业网点是指那些把商品和劳务出售给最终消费者的具体经营单位[1]，零售商业网点的选址是商业网点及其活动过程在空间上的排列组合形式和地域上的表现。商业网点选址的核心是对商业网点的科学布局，通过多方案的比较分析，应用科学的、综合的研究方法，对网点布局所涉及区域的土地资源、交通资源、人力资源进行全面研究，优化配置各类资源，使之有利于商业业态的发展及商业环境的协调。零售业被称为“选址的产业”，其成功的关键是“选址、选址、选址”。商业选址直接关系企业经营的战略决策，是零售企业贯彻以消费者为中心观点的重要体现，是影响企业效益的一个决定性因素，同时也是制定企业经营目标和经营策略的重要依据。因此，国内外不同领域的学者对这一问题进行了广泛的研究，构建了许多商业网点选址模型。本文将以GIS技术为核心， 在分析传统商业网点选址模型的基础上，结合相关数学模型，运用GIS空间分析的有关知识，探讨基于GIS技术的城市零售商业网点选址模型的构建，以希望有助于商业网点选址问题的解决。
1 传统零售商业网点选址模型概述及评价
1.1 传统零售商业网点选址模型
1.1.1 零售引力理论（Retail Gravity Theory）
（1）赖利零售引力模型[2—3]。赖利以牛顿的万有引力定律为核心， 提出：一个城市从其周围某个城镇吸引到的零售顾客数量与该城市的人口规模成正比，与两地间的距离平方成反比。有如公式（1）：
（Ta／Tb）＝（Pa／Pb）×（Db／Da）[2]（1）
式中，Ta和Tb分别为从一个中间城市被吸引到a城和b城的贸易额；Pa和Pb分别为a城和b城的人口；Da和Db分别为a城和b城到中间城市的距离。该模型证实：城市人口越多，规模越大，它从周围的城镇吸引到的顾客数量就越多；就距离而言，一个城市从附近城镇吸引到的顾客数量比从较远的城镇吸引到的顾客数量多。
（2）康弗斯断裂点模型。康弗斯发展了赖利的理论，确定了城市交易区域， 即在A、B城市间顾客可能到达任何一个城市购物的分界点。公式如下：
附图
（2）
式中，D[,A]为从分界点到A城的距离；D[,AB]为A和B两个城市间的距离；P[,B]为较小城市B城的人口；P[,A]为较大城市A城的人口。断裂点公式在实际运用中有着相当大的局限性，这种计算方法只有在交通条件和购物环境相同的情况下才能成立，同时，城市人口的规模并不能完全反映城市的实际吸引力。
（3）赫夫（D.L.Huff）商业零售引力模型[4]。赫夫模型是在城市区域内对商圈规模进行预测的空间相互影响模型，该模型更接近于实际，将过去以城市为单位分析城市的客流量吸引力的市场区理论具体到以商业街、百货店、超市等构成的商业集合体，通过人口、营业面积大小等多种因素的考虑，以此为单位来分析顾客到达某设施的距离。其主要内容是：当数个商业聚集区（或商店）集中于一地时，居民（或顾客）利用哪一个商业聚集区（或商店）的概率，是由商业聚集区（或商店）的规模和居民（或顾客）到商业聚集区（或商店）的距离决定的，即一个商店对顾客的吸引力取决于两个因素：商店的规模和距离。其引力的大小可用公式（3）表示：
P[,ij]＝（S[,i]／T[,ij][λ]）／（∑S[,i]／T[,ij][λ]） （3）
式中，P[,ij]为居住在i地区消费者到j商店购物的概率，而整个地区共有n个零售店铺；S[,j]为j商店的规模（由营业面积、商店种类多少等决定）；T[,ij]为居住在i地区消费者到j商店购物所需要的时间；λ为距离衰减系数（根据经验确定或由回归分析推算出的消费者对距离敏感性的参数）。
1.1.2 中心地理论（Central Place Theory）[5]
中心地理论由德国地理学家W·克里斯泰勒（W.Christaller）所创立，主要是把城市作为零售中心和服务中心来探讨它们在职能、规模和分布上的规律性。所谓中心地，是指向周围地区居民提供货物和服务的地方。一般来说，中心地的等级越高，它所能提供的货物和服务的种类也越多，即担负的中心地职能越多。由于空间距离衰减法则的作用，周围地区对中心地所提供的货物和服务的需求量随着距离增大而减小。决定各级中心地商品和服务供给范围大小的重要因子是经济距离，由费用、时间、劳动力3个要素决定，但消费者的行为也影响到经济距离的大小。 中心地理论揭示的只是区域商业中心空间结构理论模式中基本的和起主导作用的因素的一般规律性，因此，在具体的实际区域中心地研究中，实际的服务范围只是理想范围的变形。
1.1.3 饱和指数理论
零售饱和指数理论主要揭示某市场区域某类商品或服务的潜在需求程度。饱和指标越大，则对投资者有较大的吸引力，公式如下：
IRS＝（H×RE）／RF （4）
式中，IRS为某地区某类商品的零售饱和指数；H为该地区购买某类商品的潜在顾客人数；RE为该地区每个家庭对某类产品或劳务的年支出金额；RF为经营某类商品或劳务的现有（包括计划建设）营业总面积。IRS 值反映了特定商圈内零售商店单位时间内单位营业面积的潜在需求，决定了该地区商店的盈利空间的大小。IRS值越大，意味着市场饱和程度越低，零售潜力大；IRS值越小，意味着市场饱和程度越高，零售潜力小。
1.2 传统零售商业网点选址模型评价
随着商业经济发展要求的不断提高，如何及时、准确、动态地获取商业网点现状和布局因素的信息，并对影响商业网点发展的因素做出科学的分析与评价，对于现代商业的发展具有重要的意义。各种不同商业网点选址因素的合理分析是进行商业网点选址研究的基础，相关影响因素综合分析的效果在很大程度上影响了选址布局的准确性。但是传统零售商业网点选址模型大都是基于统计的静态模型，主要从经济学和地理学的角度，将影响零售商业网点选址的相关因素定性与定量化，建立相关数学分析模型，以达到网点选址的目的。抽象的数学模型往往容易脱离实际，并且难以全面考虑复杂、抽象的选址要素，选址过程缺乏计算机和决策者的动态直观交互过程，不能有效进行多相关因素的综合分析，因此，相关影响因素综合分析的现时性、准确性、可靠性和空间性都受到了极大的限制。由此可见，传统零售商业网点选址研究方法已经难以满足不断深入的现代商业发展的需要。而近年来GIS技术及其相关技术（如遥感、全球定位系统等）的发展和广泛应用，为现代商业的发展及零售商业网点的选址提供了新的思路和方法。
2 GIS在零售商业网点规划中的应用
地理信息系统（Geographic Information System，简称GIS）是20世纪60年代产生的一种在计算机软硬件支持下，对空间相关地理数据进行采集、管理、操作、分析、模拟和显示，为地理空间规划和决策服务的计算机信息技术系统。地理信息系统是现代信息社会的产物。由于计算机技术与网络技术的迅速发展，数字地球、数字城市等概念的相继提出，空间信息技术的应用范围得到了极大地拓展，开始由资源环境领域向社会经济领域和商业领域转变。在这种情况下，传统的GIS 技术与相关前沿的IT技术相融合，在强调和拓展空间信息服务的基础上，逐步演变为基于位置的服务，并成为近两年国内外空间信息技术和应用研究的热点和前沿[6]。
GIS技术在商业网点的选址中发挥着重要的作用。目前，各种商业网点数量逐年增多，相关商业信息繁多，数据量大，网点区域分布范围广。并且在信息经济时代，原始的商业信息模式，如表格、文档、文件等已不能有效地表达商业事件的过程，如果仅以表格或文字的形式表现商业信息，不仅不够直观且可能将一些重要的信息，比如商业网点分布状况、发展趋势等隐藏在文字背后而无法及时发现。而在计算机软硬件支持下，地理信息系统可以对商业网点的空间数据按地理坐标或空间位置进行处理、对数据进行有效的管理、研究各种空间实体及相互关系，并且通过对多因素的综合分析，可以迅速地获取满足应用需要的信息，并能以地图、图形或数据的形式表示处理的结果。据统计，80％的商业数据具有某种形式的区位空间属性，如果借助GIS的空间分析功能，商业数据的挖掘将更加方便，并且以空间数据生成的报告和商业信息的地图，将给商业信息的管理和决策带来巨大的变化，它将使商业信息的管理和决策可视化和直观化。
3 基于GIS的零售商业网点选址模型
3.1 零售商业网点辐射范围和选址布局影响因素
零售商业网点的辐射范围，即商圈是指以零售商业网点所在地为中心，沿着一定的方向和距离扩展，吸引顾客的范围，也就是来店顾客所居住的地理范围[7]，一般和零售市场的空间范围（经济学观点）、中心地的腹地或势力圈（地理学观点）或涉及商业势力的商势圈概念同时使用[8]。不同的商业业态由于所在地区、经营规模、经营方式、经营品种、经营条件和经营时期的不同，使得商圈规模、商圈形态存在很大差异。对于零售商业网点的辐射范围（商圈），主要应考察三大因素：人口特点、经济基础特点和竞争状况与市场饱和度[9]。
商业网点的选址需要考虑很多因素，如自然环境因素、经营环境因素、基础设施条件等，其中起决定作用的是人口因素[10] 和交通状况因素[11]。城市商业活动以追求利润为目的，这是零售商业网点选址与布局的经济原则。顾客是商业活动过程中不可缺少的重要组成部分，经济原则使商业设施趋向于顾客的消费中心。商业网点的分布与人口分布形态密切相关，一定规模或密度的人口是商业网点布局的必要条件，而已形成的商业网点又会反过来吸引人口[12]。城市交通对城市人口分布有一定的制约作用，是顾客与商业网点之间产生联系的载体，因此与商业网点的分布密切相关。
3.2 基于GIS的零售商业网点人口数据空间分布
3.2.1 城市居住人口的三维遥感估算模型[13—14]
在城市建设与规划中，建筑容积率是城市发展和规划的控制指标之一，建筑容积率包含了居住区内不同住宅类型的三维结构特征总量，因此，由人口、用地与建筑3者数量关系衍生的数学模型，反映了人口的三维分布情况。
设某城市区域有n种居住用地类型，每一住宅类型的人口密度为D[,i]（i＝1，2，…，n）；又设该区域被分为m个行政街道，且已知每一街道的统计人口总数为P[,j]（j＝1，2，…，m）；通过遥感结合调查获得的每个街道内的各种住宅用地面积为S[,ij]（i＝1，2，…，n；j＝1，2，…，m），则可建立下列线性方程组[13]：
附图
当此方程组中m＞n时，即街道个数多于居住类型数时，可采用最小二乘法原理，将方程组转化为m×n正规方程组。解正规方程组，即可求得该区域内与统计人口数总误差为最小的各类住宅的人口密度估计值。
3.2.2 零售商业网点辐射范围及吸引人口模型
根据区位论原理，某零售商业网点的布局必须具有其最小限度的消费者范围，即只有当商业网点吸引了一定数量的消费者时才能获得正常的利润。因此，将人口密度图与零售商业网点分布图进行空间叠加；以每个网点为中心，以假设或设定半径画圆，获得辐射图；运用GIS空间分析功能，求出每一圆包含的人口数。
3.2.3 零售商业网点与人口分布耦合度模型[15]
零售商业网点的设置主要通过居住区人口来确定其基本规模。根据商业网点的分布情况，可以构造人口与商业网点分布的耦合度模型。设居住区人口为X， 服务区个数为Y，N为居住区个数，有如下公式：
R[,XY]＝[1－1／2∑│X[,i]／∑X[,i]－Y[,i]／∑Y[,i]│]×100％ （6）
商业网点与人口耦合度的大小表征了商业网点与人口在地域空间分布的一致性，R[,XY]越接近于100％，说明零售商业网点与人口分布的结合程度越好；接近于零，说明零售商业网点与人口分布的格局极不一致，可能集中分布于某些区域。因此可以根据耦合度的大小来调整零售商业网点辐射范围及吸引人口模型。
3.3 基于GIS的零售商业网点交通可达性分析
交通可达性是指城市用地在交通方面的可接近的方便程度。本文选取城市公共交通作为可达性的衡量标准，以居住区与商业网点之间的最短路径进行分析。在GIS的空间分析中，广泛使用的最短路径分析算法为Dijkstra及其改良算法。它的基本思想是：以一个顶点V[,0]作为源点，求该顶点到其他各顶点的最短路径。把图G中的所有结点分成S、T两组，第一组S包括已确定最短路径的顶点，第二组T包括尚未确定最短路径的顶点，按最短路径长度递增的顺序逐个把第二组T的顶点加到第一组S中，直到从V[,0]出发可以到达的所有顶点都已包括在第一组S中。在这过程中，总保持从V[,0]到第一组S各顶点的最短路径都不大于从V[,0]到第二组T的任何顶点的最短路径长度。另外，每个顶点对应一个距离值，第一组S 的顶点对应的距离值就是从V[,0]到此顶点的最短路径长度，第二组T的顶点对应的距离值是从V[,0]到此顶点的只包括第一组S的顶点为中间顶点的最短路径长度。
3.4 零售商业网点选址模型
新建零售商业网点的选址需要考虑所在位置的区位因子对商业网点获利产生积极的正向影响。模型选取了比较重要的几个方面进行分析，其中包括城市规划图、商业网点现状服务、人口空间分布和变化情况、公交交通现状可达性等。
（1）将城市土地利用规划图、 城市道路规划图等城市规划图输入计算机生成背景图，并输入相应的属性库。
（2）建立公交站点数据库并标注于背景图上。
（3）将现有的和已规划的零售商业网点标注于背景图上。
（4）根据区域人口数据，结合人口空间分布模型，生成人口空间分布图。
（5）根据区域公交运营情况，结合公交最短路径， 生成基于公交出行的到达主要公交中转站的可达性分布图。
（6）将城市道路规划图在GIS环境下进行缓冲区分析，通过对划定的主要干道、次要干道和主要交叉口缓冲范围的设定，建立道路便捷性分析专题图。
（7）将现有的和已规划的零售商业网点在GIS环境下进行缓冲区分析，获得相关零售商业网点辐射范围专题图。
（8）在GIS环境下，将城市土地利用规划图、道路便捷性分析专题图、现有的和已规划的零售商业网点辐射范围专题图进行空间分析，得到符合商业网点选址的微观区域专题图，即在城市商业用地范围内、主次要道路两侧一定范围内、距离现有和已规划网点一定范围以外的地域。
（9）在GIS环境下，将商业网点选址的微观区域专题图与人口空间分布图、基于公交出行的到达主要公交中转站的可达性分布图进行空间叠加，按照人口密度最大原则、交通最优原则和竞争环境最优原则对商业网点进行区位评价，以确定商业网点的最后布局。当然这样的区位会有几个，因此，还需要对备选商业网点进行最优设置分析。
3.5 商业网点最优设置分析模型[16]
商业网点最优设置分析采用的是多元统计理论中的聚类分析方法。模型主要从人口分布，交通状况和商业竞争状况3方面进行分析。设V[,1]，V[,2]，…，V[,N]表示N个备选商业网点；r[,1]，r[,2]，…，r[,N]分别为V[,1]，V[,2]，…，V[,N] 拥有的用户数；d[,ij]表示V[,i]与V[,j]之间的距离；R和T分别为网点最小覆盖的用户数和网点与用户允许的最远距离，它们由系统本身的特性所确定，不同系统对R和T的要求有所不同。
选点过程：首先，在R和T的控制下将V[,1]，V[,2]，…，V[,N]分成K（≤N ）个不同的类G[,1]，G[,2]，…，G[,K]；其次，对于每一个类G[,S]，选V[,SO]∈G[,S]使
L[,S]（S[,0]）＝minL[,s]（t），s＝1，2，…，k；V[,t]∈G[,S]；（7）
其中，L[,S]（t）＝∑d[,ij]·δ[,i]／r[i]，s＝1，2，…，k；V[,t]∈G[,S]；δ[,i]为所选网点商圈内的竞争状态，按每千人拥有的商场面积计。这样可以选出K个V[,SO]，记这些V[,SO]为V′[,1]，V′[,2]，…，V′[,K]。
选择结果：V′[,1]，V′[,2]，…，V′[,K]就是选出的最终商业网点。
在此模型中，L[,S]（t）为损失函数，反映的是V[,t]在G[,S]内对其他各备选商业网点的吸引力水平。因此，V[,SO]是在G[,S]内最有吸引力的商业网点，而V′[,1]，V′[,2]，…，V′[,K]分别在各自类内是最优的。
4 结语
零售商业网点的选址布局问题不仅仅只涉及网点的选址位置的确定，而且还涉及商业网点成本，以及合理商业网点规模等多种因素，是一个复杂的系统优化问题。商业具有的空间尺度和空间特征的性质是GIS技术与现代商业集成的基础，GIS技术应用于商业，从根本上改变了传统商业的管理方式和分析模式，具有广阔的应用前景。例如，许学强等学者利用GIS作为研究手段，对广州市大型零售店的空间布局现状、影响因素和发展走向进行了研究[17]。但是，目前基于GIS的城市规划方面的研究还处于实验阶段，GIS用于城市的规划选址还很不成熟。 在城市规划领域的具体问题解决中，仅靠GIS技术自身的空间分析功能往往是不够的，必须与系统工程及城市规划领域的专业分析模型的集成与整合使用，才能完成问题的分析解决，而GIS技术与专业模型的结合在技术上仍然是一个难点[18]，另外，模型的精确程度与数据量的关系极大，这些都在一定程度上限制了GIS技术在商业规划领域的进一步发展。因此，本文只是对GIS应用于商业选址做了初步的探索，如何利用GIS技术为商业分析服务，还有许多的问题（例如顾客购物心理研究等）需要进一步的考虑和实践。