目前，国内外研究集中于餐饮业区位选择与竞争力[4,5]、餐饮业集聚的影响因素[6]及餐饮业与居民健康之间的关系等[7]。学者主要基于兴趣点（POI）数据[8]、大众点评网及饿了么等网络开源数据[9]，广泛运用核密度估计、空间自相关、空间聚类等分析方法[10~12]，探讨不同业态、不同等级、不同经营方式的餐饮业分布格局[13,14]。对于餐饮业空间分布的影响因素，已有研究主要从区域经济水平、产业结构、人口密度、城市发展格局、城镇化水平、旅游活力及文化传统等方面展开讨论[1,15,16]，但关于城市内部道路网络特征的影响机制涉及较少，且主要采用空间句法分析道路网络通达能力[17]。由于空间句法采用拓扑关系进行测算，其计算结果的可靠性较弱[18]。因此，学者提出道路网络中心性评价模型，以米制距离替代拓扑关系，探究城市交通结构特征[19]以及道路网络的通达度[20,21]。另外，随着计算工具的更新与完善，道路网络中心性被广泛应用于与其他地理要素的相关性研究中，包括服务业经济活动空间分布[22,23]、人口与就业空间分布[24]以及城市土地利用类型等[25,26]。总体来看，目前的研究虽已取得丰硕成果，但多数研究主要关注道路网络与餐饮业布局的相关性，对其影响机制的探讨仍然较少。另外，现有研究选取的中心性指标主要用于分析道路的中转能力及可达性等特征，缺乏对道路交通重要性的关注。
城市交通是连接餐饮业与社会公众的纽带，道路网络通过改变城市的空间结构，导致餐饮布局分异的复杂化。探究道路网络中心性对不同类型餐饮业的影响机制，能够为餐饮业集聚效应研究提供新视角。因此，本文以青岛市主城区为例，采用道路网络中心性评价模型测算道路中介中心性、邻近中心性及特征向量中心性，结合POI（兴趣点）数据分析青岛市餐饮业空间分布格局，并运用多元线性回归模型和地理加权回归模型，从全局和局部2个角度探讨道路网络中心性对餐饮业布局的影响机制，以期为优化青岛市餐饮业态布局、提高餐饮经济效益以及推动城市规划建设提供理论依据。
1 研究方法与数据来源
1.1 研究区概况
青岛市位于山东半岛东南部，总面积11 293 km2，现辖7个区，代管3个县级市（http://www.qingdao.gov.cn/yfqd/qdgk/rkjk/202009/t20200903_66.shtml）。本文选取青岛市主城区中的市南区、市北区、崂山区、李沧区和城阳区共51个街道（镇）作为研究区（图1）。自“十三五”以来，青岛市主城区积极推进基础设施建设，已形成较为完善的现代化交通体系。不断加强的路网通达能力带动了商业经济的快速崛起，构建出以东部商圈为代表的七大商圈（图1）。青岛市主城区的餐饮业发达，服务方式和经营业态多样化，具有典型性和代表性。其中，中餐厅市场规模大，消费群体范围广，是促进餐饮经济增长的主要因素，国际化浪潮和旅游业的发展推动了日韩菜等西餐以及休闲餐饮行业的兴起。因此，青岛市主城区形成了以中餐厅为主、西餐厅和休闲餐饮为辅的餐饮经济格局。
图1
1.2 研究方法
2） 核密度估计。核密度估计广泛应用于城市商业设施的空间集聚分析中[29]，本文采用该方法探究青岛市道路网络中心性及餐饮业空间分布格局。由于带宽的选择直接影响核密度结果，为突出青岛市餐饮业空间集聚特点，深入分析道路网络中心性对餐饮业的影响机制，经过多次试验，选择2 km作为道路网络中心性及餐饮业核密度估计的统一带宽。
3） 双变量空间自相关。双变量空间自相关能够揭示2个地理要素之间的空间关联与依赖特征[30]。本文利用局部双变量空间自相关方法，测度道路网络中心性指标与不同类型餐饮业之间的空间关联模式。
4） 地理加权回归。地理加权回归（geographically weighted regression，GWR）属于局部模型，能够清楚地反映参数的空间非平稳性特征[31]。本文通过ArcGIS软件建立渔网（500 m×500 m），提取每个格网中餐饮业总体及不同类型餐饮的核密度值，分别作为因变量，将3个中心性指标作为自变量，采用地理加权回归模型探究道路网络中心性对餐饮业分布格局的影响机制。
1.3 数据来源
研究数据主要包括道路网络数据和POI数据。利用国家地理信息公共服务平台（
2 结果分析
2.1 道路网络中心性空间分布特征
采用ArcGIS创建道路网络数据集，提取边及交叉点，导入Gephi计算青岛市道路网络的中介中心性、邻近中心性和特征向量中心性，将网络节点中心性归一化处理后，以道路两端节点中心性的平均值作为每条道路的中心性值。以2 km为搜索半径，测算道路网络中心性的核密度值（图2）。
图2
图2
青岛市主城区道路网络中心性与核密度估计结果
Fig. 2
Spatial distribution of road network centrality and kernel density in Qingdao main urban area
中介中心性高值区域主要集中于李沧区环湾路、重庆中路以及城阳区胶州湾高速。这3条交通干道承受的客流量较大，成为加强城市南北及东西联系的重要枢纽。中介中心性核密度形成“一主多副”的空间分布形态，以环湾路为高值中心大致向南北两侧延伸。邻近中心性呈现出由中心向四周递减的环状分布特征，表明中心区域距网络其他节点的路径最短，道路联系紧密。邻近中心性核密度以研究区中部金水路为分界线，大致表现出北高南低的集聚特征，金水路以南将市南区西北部、市北区南部及李村商圈作为高值中心，向研究区东部方向延伸，金水路以北则呈现自东向西逐渐降低的趋势。特征向量中心性的空间分布表现为多核心结构，高值区主要分布于北曲商圈、中山路商圈、台东商圈及新都心商圈周围。特征向量中心性核密度呈现以市南区西部和市北区南部双中心并存的集聚特征，次高值区主要位于城阳区中部、李沧区东南部及崂山区西北部。
2.2 青岛市餐饮业空间分布特征
图3
图3
青岛市主城区餐饮业空间分布
Fig. 3
Spatial distribution of catering industry in Qingdao main urban area
从总体上看，青岛市餐饮业呈现出块状聚集、区域差异明显的空间格局。李村商圈、台东商圈及东部商圈成为餐饮业核密度高值区域，这是由于商业圈地理位置优越，交通运输条件便利，经济辐射能力强，能够吸引众多餐饮业商家。青岛市中餐厅分布总体表现为多中心结构，其中，台东商圈的集聚规模较大，主要向西北及西南方向延伸，李村商圈次之。受到历史因素的影响，台东商圈周边的人流密度高，商业氛围浓厚，随着商圈范围的不断扩展，核心商业体的带动作用明显，在提升街区活力的同时能够促进中餐厅的集聚。西餐厅核密度高值区主要集中于东部商圈、李村商圈和城阳北曲商圈，形成明显的规模优势。核密度次高值区位于市北区台东商圈并向东北方向延伸，但市北区西部环湾路周围以新建居民区和工业企业为主，西餐厅核密度值较低。休闲餐饮以李村商圈、台东商圈和东部商圈为核密度高值中心，在研究区南部形成片状分布。从区级层面看，市南区东部核密度值较高，原因在于东部地区旅游资源丰富，景点附近人流量较多，从而带动休闲餐饮发展。
2.3 道路网络中心性与餐饮业布局的空间关联模式
利用GeoDa软件，对道路网络中心性和餐饮业布局进行双变量局部空间自相关分析，探讨二者的空间关联模式（图4）。整体来看，道路网络中心性指标与餐饮业的核密度值具有较高的空间关联性，高-高与低-低聚集区构成了主要的空间关联模式，高-低和低-高类型的分布比重较低。其中，高-高类型区主要分布青岛市7个大商圈周围，由于商圈位于主城区的中心地带，人口密度大，交通设施完善，道路网络中心性与餐饮业布局之间表现出显著的正相关性。然而，在高-高类型区域中，不同中心性指标与餐饮业的耦合关系存在微弱的空间异质性。对于餐饮业总体来说，邻近中心性和特征向量中心性的高-高聚集区域范围较大，而中介中心性相对较小。对于不同种类的餐饮业态来说，中餐厅与邻近中心性的耦合区域范围较大；西餐厅及休闲餐饮与特征向量中心性的耦合区域范围较大。低-低类型区主要分布在主城区的边缘地带及城阳区西部，这些地区道路通行条件相对滞后，人口分散，经济活动强度不及中心地带，不具备良好的区位条件。因此，该区域表现出道路网络中心性核密度值较低且餐饮业分布较分散的空间正相关性。
图4
图4
道路网络中心性与餐饮业的双变量LISA聚类
Fig. 4
Bivariate LISA cluster map of road network centrality and catering industry
3 道路网络中心性对餐饮业空间分布的影响机制分析
利用多元回归与地理加权回归方法，从全局和局部2个角度探究道路网络中心性对餐饮业空间布局的影响机制。其中，基于OLS（ordinary least square，普通最小二乘法）的多元线性回归用于分析全局的影响机制，表征区域的平均状态。GWR能够将地理位置引入回归参数，对局部进行回归估计，探讨道路网络中心性对餐饮业布局影响的空间异质性。
3.1 基于OLS模型的影响机制分析
利用OLS回归探讨青岛市道路网络中心性对餐饮业空间分布的影响（图5）。中介中心性、邻近中心性和特征向量中心性的方差膨胀因子VIF分别为1.54、3.83、2.95，均小于5，即各中心性指标之间不存在多重共线性，可以作为解释变量。在4组模型中，中介中心性、邻近中心性和特征向量中心性3个自变量均通过了0.05的显著性检验，对餐饮业、中餐厅、西餐厅、休闲餐饮空间分布的解释程度分别为66.7%，69.9%，36.5%，57.3%。
图5
总体来看，邻近中心性和特征向量中心性的回归系数均为正值，对餐饮业集聚产生积极影响；中介中心性的回归系数均为负值，表明中介中心性对餐饮业分布具有负向效应。从影响程度来看，邻近中心性对餐饮业空间分布的影响程度最高，特征向量中心性次之，中介中心性最低。道路可达性及重要程度越高的地区，交通客流量越大，区位优势更加明显，促使餐饮商家能够更大限度获取经营利润，形成餐饮集聚效应。与之相比，餐饮选址对于道路中转能力提高的需求较低，依赖性相对较弱。从不同类型的餐饮业来看，邻近中心性对于中餐厅和休闲餐饮集聚的正向作用明显，原因在于中餐厅和休闲餐饮的消费人群广泛，顾客更加倾向于选择交通条件便利、可达性较高的区域就餐。特征向量中心性对西餐厅的正向影响明显，道路影响力较高的区域经济活动频繁，相应的配套设施完善，客源相对丰富，更加适于西餐厅的发展。中介中心性对不同类型餐饮业的回归系数之间差异较小，随着道路网络中转能力的提升，交通通行更加频繁，可能会降低顾客的停留时间，反而不利于餐饮业发展，因此表现出负向影响。
3.2 基于GWR模型的影响机制分析
1） 空间异质性分析。利用GWR4.0软件，探究中介中心性、邻近中心性及特征向量中心性对餐饮业、中餐厅、西餐厅及休闲餐饮分布的空间异质性（表1）。
表1 GWR模型回归结果的描述性统计
Table 1
| 最小值 | 下四分位数 | 中值 | 上四分位数 | 最大值 | 平均值 | 标准差 | ||
| 餐饮业总体 | 中介中心性 | -1.364 | -0.145 | -0.025 | 0.146 | 2.735 | 0.034 | 0.445 |
| 邻近中心性 | -1.205 | 0.005 | 0.164 | 0.489 | 2.802 | 0.247 | 0.441 | |
| 特征向量中心性 | -1.552 | -0.032 | 0.056 | 0.476 | 3.422 | 0.244 | 0.594 | |
| 中餐厅 | 中介中心性 | -1.116 | -0.146 | -0.021 | 0.177 | 2.304 | 0.047 | 0.428 |
| 邻近中心性 | -1.073 | 0.022 | 0.220 | 0.571 | 2.622 | 0.306 | 0.430 | |
| 特征向量中心性 | -1.934 | -0.042 | 0.044 | 0.388 | 3.239 | 0.198 | 0.568 | |
| 西餐厅 | 中介中心性 | -4.823 | -0.109 | -0.012 | 0.059 | 3.774 | -0.065 | 0.723 |
| 邻近中心性 | -2.473 | -0.068 | 0.027 | 0.179 | 3.737 | 0.013 | 0.566 | |
| 特征向量中心性 | -1.106 | -0.015 | 0.037 | 0.673 | 4.424 | 0.428 | 0.861 | |
| 休闲餐饮 | 中介中心性 | -1.580 | -0.119 | -0.028 | 0.078 | 2.063 | 0.003 | 0.399 |
| 邻近中心性 | -1.763 | -0.062 | 0.075 | 0.292 | 3.234 | 0.095 | 0.494 | |
| 特征向量中心性 | -1.125 | -0.016 | 0.042 | 0.594 | 3.876 | 0.340 | 0.660 |
从总体角度分析，道路网络中心性对餐饮业分布的空间异质性较为明显。中介中心性回归系数有正有负，其中，崂山区南部和城阳区东北部回归系数为正，这些地区的路网相对稀疏，使其每个路段交通需求率增加，对道路中转能力的依赖性较强。邻近中心性对餐饮业分布的正向影响明显，以李村商圈为高值中心向四周递减。负相关性区域主要集中于市南区西部及李沧区中南部，可能原因在于路网密集程度已近饱和，邻近中心性对餐饮业分布的贡献力较小。另外，东部商圈、李村商圈受特征向量中心性的正向影响程度较高，原因在于商圈周围具有较高的交通优势，有利于形成餐馆的集聚效应。
从中餐厅角度分析，当起主要作用的中心性指标上升时，餐饮趋于集中分布，但其他非主要作用的中心性指标可能呈现下降的特征，表现负影响。如李村商圈为邻近中心性和特征向量中心性高度正影响区，但中介中心性则为高度负影响，表明李村商圈中餐厅的集聚主要依赖交通的可达性和影响力。另外，东部商圈及市北区西部周围道路的影响力和重要程度较高，客流量能够得到提升，因此特征向量中心性呈现正向影响。负值区域主要集中于城阳区，作为青岛轨道交通装备功能区，区域内工业企业大量集聚，服务业发展相对迟缓，中餐厅数量较少。
从西餐厅角度分析，中介中心性正向高值区集中于崂山商圈内，崂山区近年来吸引大量外商投资，密集的交通网络为国外职员提供便利，促进西餐厅的发展。邻近中心性对西餐厅分布的回归系数有正有负，正向高值区主要集中于北曲商圈、李村商圈及东部商圈，表明随着道路节点距其他节点的路径缩短，交通便利程度增加，有利于西式餐厅的聚集。特征向量中心性的正向作用表现在城阳北曲商圈以南、李村商圈以及东部商圈周围地区。李沧区中部及西北部，城阳区南部这些地区路网的影响力较弱，餐饮业销售潜力不足，影响商家的盈利，因此，特征向量中心性与西餐厅分布呈负相关。
从休闲餐饮的角度分析，道路网络中心性对其产生的影响具有明显空间差异。中介中心性回归系数的绝对值表现出外围高中心低的空间态势，虽然中心城区道路具有较强的中转能力，但休闲餐饮分布对道路中介的依赖性较小，而外围城区休闲餐饮分布稀疏，为获取更高利润，餐饮商家优先选择道路中介中心性相对较高的区域就近布局。邻近中心性回归系数以李村商圈为正向高值区，这是由于商圈周围人口密度大，更加需要依靠道路交通的高可达性来提升路网的运行效率。城阳区南部特征向量中心性的负向影响明显，这些地区位于城市边缘，交通的重要程度与中心城区相比存在劣势，餐饮经济长期处于低迷状态。
2） 不同类型餐饮业的比较研究。为进一步分析中心性对不同类型餐饮业的影响机制，选取GWR模型的回归结果中95%置信区间内的系数进行概率密度估计（图6）。
图6
图6
GWR模型回归系数的概率密度估计
Fig. 6
Probability density estimation of regression coefficients in GWR model
由图6a可知，西餐厅及休闲餐饮回归系数呈现“单极化”发展态势，中餐厅表现为高低峰并存特征，3类餐饮业态受中介中心性的负向影响较大。从主峰形态来看，中介中心性对西餐厅集聚的负向作用最为明显，原因可能在于影响西餐厅分布的因素除道路网络中心性以外，还包括居民生活习惯及殖民地时期的遗留文化等，共同作用于西餐厅的选址布局。由图6b可知，邻近中心性对餐饮分布总体具有正向影响。从主峰形态来看，邻近中心性对中餐厅的正向作用最为明显。这是由于城市中心具有较高的道路可达性，有利于中餐厅的集聚发展。3类餐饮概率密度曲线的侧峰峰值为负，原因在于市南区东南部、李沧区中部及城阳部分地区餐饮商家对道路可达性的需求较低，邻近中心性呈现负向影响。由图6c可知，特征向量中心性总体促进餐饮业的集聚分布。从主峰形态来看，西餐厅的空间布局对道路影响力的依赖性较强，集聚现象主要发生在特征向量中心性值较高的区域，如城阳商圈、李村商圈等。由于中餐厅的空间布局对道路可达性更加敏感，对道路重要程度的需求较低，因此特征向量中心性对中餐厅布局的作用效果并不明显。
4 结论与讨论
4.1 结论
本文以青岛市主城区为例，测算道路网络的中介中心性、邻近中心性和特征向量中心性，采用POI数据表征青岛市餐饮业分布情况并分析其空间集聚特征，从全局和局部两个角度探讨道路网络中心性对餐饮业分布格局的影响机制。主要得出如下结论：
1） 中介中心性高值区域主要集中于李沧区环湾路、重庆中路以及城阳区胶州湾高速3条主要交通干道，邻近中心性呈现由中心向四周递减的环状分布特征，特征向量中心性表现为多核心结构。青岛市餐饮业总体呈现块状聚集、区域差异明显的空间格局。中餐厅、西餐厅和休闲餐饮具备多中心结构特征。
2） 道路网络中心性指标与餐饮业的核密度值具有较高的空间相似性，高-高与低-低两种聚集区构成了主要的空间关联模式，高-低和低-高类型分布比重较低。在同一类型区域中，不同中心性指标与餐饮业的耦合关系存在微弱的空间异质性。邻近中心性和特征向量中心性与餐饮业分布的耦合区域范围较大。
3） 青岛市餐饮业分布受到道路网络中心性的显著影响，其中，中介中心性以负向作用为主，即餐饮选址对提高道路中转能力的需求较低，邻近中心性和特征向量中心性的正向作用明显，说明餐饮选址对道路可达性及重要程度的依赖性较高。道路网络中心性对餐饮业分布的影响具有空间异质性，路网条件的不均衡导致经济活动产生地域差异，从而改变餐饮空间结构。从中心性对不同类型餐饮业的影响来看，受道路中转能力影响最为显著的是西餐厅，对道路可达性提升的敏感度最高的为中餐厅，对道路重要程度依赖性最强的是西餐厅。
4.2 讨论
餐饮业是区域产业结构调整的重要着力点，对于助推城市经济发展具有积极作用。通过研究发现，青岛市餐饮业以中餐厅居多，且大多分布在城市商圈周围，这是由于商圈的区位优势与消费环境所决定的。因此，在城市发展过程中，应做好多元化的餐饮业空间规划，打造餐饮娱乐特色商圈，推动餐饮经济发展，提高城市活力。另外，道路网络中心性对餐饮业空间布局在全局和局部均具有显著作用，因此，应当从路网结构方面对青岛市城区道路进行优化调整，加大城市商圈中心与周围之间的联系，缓解交通拥堵，提高交通通达度，促进城市路网更好服务于餐饮业发展，构建城市餐饮经济新格局。
本文重点探究了青岛市道路网络中心性对餐饮业分布的影响机制，所得结论是否具有普遍意义还需更多案例研究的进一步证实。另外，影响餐饮业布局的因素还体现在区域经济发展、社会建成环境及城市交通的其他条件等各方面，在今后的研究中可作为控制变量进行分析，从而能够更加全面地把握餐饮业格局的形成原因，为优化城市餐饮规划布局、推进餐饮经济健康发展提供有益借鉴。
参考文献
中国地级城市餐饮业分布格局及影响因素——基于“大众点评网”数据的实证研究
[J].
com Data
“物象·意象, 经济·情感”新数据环境的餐饮业空间特征: 以兰州市为例
[J].
"Object·image, economic·feelings" research on catering spatial pattern by newdata: Take Lanzhou as an example
[J].
Emerging Chinese new towns: Local government-directed capital switching in inland China
[J].
Evaluation of dine-in restaurant location and competitiveness: Applications of gravity modeling in Jefferson County, Kentucky
[J].DOI:10.1016/j.apgeog.2014.11.008 [本文引用: 1]
Fast food restaurant locations according to socioeconomic disadvantage, urban-regional locality, and schools within Victoria, Australia
[J].DOI:10.1016/j.ssmph.2015.12.001 [本文引用: 1]
To cluster or not to cluster?: Understanding geographic clustering by restaurant segment
[J].DOI:10.1016/j.ijhm.2018.08.008 [本文引用: 1]
A spatial analysis of the association between restaurant density and body mass index in Canadian adults
[J].DOI:10.1016/j.ypmed.2013.07.002 [本文引用: 1]
Temporal and spatial variation characteristics of catering facilities based on POI data: A case study within 5th ring road in Beijing
[J].DOI:10.1016/j.procs.2018.04.343 [本文引用: 1]
南京市线上-线下餐饮空间分布格局——以大众点评网和饿了么为例
[J].
Spatial pattern of online and offline catering service in Nanjing: A case study of dianping and eleme
基于POI数据的广州零售商业中心热点识别与业态集聚特征分析
[J].
Retail center recognition and spatial aggregating feature analysis of retail formats in Guangzhou based on POI data
山地城市格局对餐饮业区位选择影响的空间异质性
[J].
Spatial heterogeneity of the effects of mountainous city pattern on catering industry location
基于DBSCAN空间聚类的广州市区餐饮集群识别及空间特征分析
[J].
Cluster identification and spatial characteristics of catering in Guangzhou based on DBSCAN spatial clustering
北京五道口地区韩国餐饮业空间布局特征与集聚机理分析
[J].
The distribution characteristics and clustering mechanism of Korean catering service in Wudaokou District, Beijing
基于网络口碑度的南京城区餐饮业空间分布格局研究——以大众点评网为例
[J].
Spatial pattern of catering industry in Nanjing urban area based on the degree of public praise from Internet: A case study of dianping. com
城市民族餐馆空间分布的区位选择及文化邻近性
[J].
Location selection and cultural proximity of spatial distribution of urban ethnic restaurants
广州市餐饮店分布演变特征与影响因素
[J].DOI:10.15957/j.cnki.jjdl.2019.03.017 [本文引用: 1]
Spatial and temporal evolution characteristics and influencing factors of restaurants in Guangzhou
DOI:10.15957/j.cnki.jjdl.2019.03.017 [本文引用: 1]
成都市老城中心区特色餐饮空间结构特征研究
[J].DOI:10.3969/j.issn.1006-0022.2018.10.014 [本文引用: 1]
Spatial structure characters of special catering industry in the central area of Chengdu
DOI:10.3969/j.issn.1006-0022.2018.10.014 [本文引用: 1]
The network analysis of urban streets: A primal approach
[J].
Studying street centrality and human density in different urban forms in Baghdad, Iraq
[J].DOI:10.1016/j.asej.2020.06.008 [本文引用: 1]
Assessing the implications of the recent community opening policy on the street centrality in China: A GIS-based method and case study
[J].DOI:10.1016/j.apgeog.2017.10.008 [本文引用: 1]
Modelling cyclists’ route choice using Strava and OSMnx: A case study of the city of Glasgow
[J].DOI:10.1016/j.trip.2021.100301 [本文引用: 1]
The location of retail stores and street centrality in Guangzhou, China
[J].DOI:10.1016/j.apgeog.2018.08.007 [本文引用: 1]
Location analysis of retail stores in Changchun, China: A street centrality perspective
[J].
Street centrality and land use intensity in Baton Rouge, Louisiana
[J].DOI:10.1016/j.jtrangeo.2010.01.004 [本文引用: 1]
Exploring the relationship between street centrality and land use in Stockholm
[J].DOI:10.1080/13658816.2014.893347 [本文引用: 1]
道路网络中心性与城市功能用地空间分布相关性研究——以北京城市中心区为例
[J].
基于教育网络的上海城市网络空间结构研究
[J].
The spatial structure of Shanghai City network based on education network
基于空间互动模型的兰州市乡村旅游网络中心性分析
[J].
Rural tourism network centrality of Lanzhou City based on spatial interaction model
大城市内部连锁超市空间分布格局及其区位选择——以南京市苏果超市为例
[J].
Spatial pattern and location decision of chain supermarkets within large cities: A case study of Suguo supermarkets in Nanjing
武汉市公共交通网络中心性及其与银行网点的空间耦合性研究
[J].DOI:10.18306/dlkxjz.2016.09.010 [本文引用: 1]
Centrality of public transportation network and its coupling with bank branches distribution in Wuhan City
DOI:10.18306/dlkxjz.2016.09.010 [本文引用: 1]
Travel behaviours of sharing bicycles in the central urban area based on geographically weighted regression: The case of Guangzhou
[J].DOI:10.1007/s11769-020-1159-3 [本文引用: 1]
