乌鲁木齐市主城区生活性服务业空间格局及影响因素研究

Study on the Spatial Pattern and Influencing Factors of Living Service Industry in the Main Urban Area of Urumqi City

摘要

以乌鲁木齐市主城区生活性服务业POI数据为基础，采用GIS空间分析、地理探测器等方法，分析乌鲁木齐市主城区生活性服务业空间分布格局及其影响因素。结果表明：（1）主城区生活性服务业呈现“内密外疏”的分布特征，空间分布不均衡；（2）各类生活性服务业在不同空间尺度上集聚差异明显，集聚峰值时批发零售业、餐饮住宿区位选择空间范围最大，金融机构区位选择空间范围最小；（3）各类生活性服务业在空间分布上均有较强的关联性，餐饮住宿和各类生活性服务业联系较强，批发零售业与各类生活性服务业联系较弱；（4）在空间演化方向上，各类生活性服务业空间走向基本一致，呈西北⁃东南发展态势，且分布重心大致相同；（5）人口密度和交通条件是影响主城区生活性服务业的主导因素，因子的交互作用对生活性服务业分布的空间影响力更为显著。

Abstract

The spatial distribution pattern of living service industry in Urumqi City and its influencing factors are analyzed by using GIS spatial analysis and geographic detector based on the POI data of living service industry in the main urban area of Urumqi City. The results show that （1） the living service industry of Urumqi presents a distribution characteristics of "dense inside and sparse outside"， and the spatial distribution is imbalanced； that （2） there are significant differences in agglomeration for various types of living service industries at different spatial scales， and at the peak of agglomeration， the wholesale and retail， catering and accommodation hold the largest spatial range in location selection and the financial institution holds the smallest spatial range in location selection； that （3） there are strong correlation in spatial distribution for various types of living service industries， among which， catering and accommodation are more strongly correlated and wholesale and retail are more weakly correlated with the living service industries； that （4） in term of the trend of spatial evolution， different types of living service industries are basically consistent， showing a northwest-southeast development trend， and the centre of gravity of distribution is roughly the same； that （5） population density and traffic conditions are the dominant factors affecting the living service industry in Urumqi， and the interaction of the factors has a more significant influence on the spatial distribution of the living service industry.

Graphical abstract

关键词

POI数据 / 生活性服务业 / 空间分布 / 影响因素 / 乌鲁木齐

Key words

POI data / living services / spatial distribution / influencing factors / Urumqi

生活性服务业作为现代服务业的重要组成部分，是国民经济基础性支柱产业之一，它直接向居民提供物质和精神生活消费产品及服务，服务业合理布局在城市规划中起着重要引导作用^［1］。发达国家对生活性服务业关注较早，并建立相应的理论框架。研究主要聚焦于探究城市内部生活性服务业的空间结构、集聚特征和区位选择^［2⁃5］，并从多个角度进行分析且形成了理论模型。中国城市郊区化出现时间较晚，发育程度相对较低，主要对生活性服务业的政策发展、配置现状、发展模式等方面的研究较多^［6⁃8］。纪明辉等^［6］研究指出，服务业在推动整个省份的经济增长和促进发展模式的转变中起到了关键作用，要提升服务业国内外的开放水平，并鼓励服务业的综合发展。

随着互联网的不断发展，兴趣点（POI）已成为研究城市空间结构的重要数据基础，同时也为城市规划提供了全新的研究视角，被广泛应用于城市功能区划定、城市中心识别、各行业的空间格局及行业分布的研究中^［9⁃11］。唐锦玥等^［12］以POI数据为基础，运用核密度分析上海市餐饮业空间分布格局，并构建OLS模型、 空间滞后模型等探究餐饮业空间分布的影响因素。陈洪星等^［13］基于商业POI数据，探究乌鲁木齐市商业 中心和商业热点区的影响因素，以促进商业资源的优化配置。也有通过收集不同种类的POI数据，如公共休闲、科教文化、养老服务等^{［14⁃16］}细分领域，研究城市生活性服务业的空间分布模式。目前对于生活性服务业的研究，主要聚焦于单一服务设施的布局分析，缺乏对设施之间相关性的全面探讨。然而，对于某些特定服务行业的研究，往往无法为整个服务行业的规划提供全面指导，必须从整个服务业的角度出发，深入探讨其空间分布格局。

在“一带一路”倡议的持续推进下，乌鲁木齐市作为丝绸之路经济带核心区的首府城市，第二座亚欧大陆桥中国西部桥头堡和向西开放的重要门户，必将在丝绸之路经济带中发挥龙头作用。以乌鲁木齐市为例，探究其生活性服务业空间布局及影响因素，不仅对乌鲁木齐市规划的制定和修订十分重要，而且对乌鲁木齐市城市服务经济的形成以及全疆城市的发展都具有重要作用。因此，基于POI数据， 运用核密度分析、Ripley's K函数等方法，从生活性服务业整体到各类子业，探究乌鲁木齐市生活性服务业的空间分布格局及影响因子，旨在为今后乌鲁木齐市生活性服务业空间布局提供应用案例。

1 研究区概况和数据来源

1.1 研究区概况

乌鲁木齐市位于中国西北地区，是新疆维吾尔自治区首府，全疆政治、经济、文化和交通中心。总面积1.38万km²，下辖7区1县。截至2022年，全市常住人口408.24万人，常住人口城镇化率96.5%。全年 生产总值（GDP）3 893.22亿元，比上年增长0.3%，其中，第三产业增加值2 728.81亿元，比上年增长0.7%，第三产业占GDP比重达70%。此外，由于主城区人口密集、经济发达、各类生活设施相对完善，因此本文主要以乌鲁木齐市主城区为研究对象，包括天山区、沙依巴克区、头屯河区、水磨沟区和新市区。

1.2 数据来源

POI是一种代表真实地理实体的点状数据，具有数据量大、处理速度快、准确性高等特点。基于高德地图平台爬取乌鲁木齐市主城区2022年生活性服务业POI数据，经过去重、坐标修正、筛选、得到58 600条数据，数据字段包括名称、类别、地址、经纬度等。同时参考《国民经济行业分类与代码（GB/4754—2017）》，将获得生活性服务业数据分成六大类，见表1。

2 研究方法

2.1 核密度法

核密度估计主要是借助移动单元对空间范围点分布的密集程度进行估算，核密度值越大，表示越密集。本研究运用该方法探究生活性服务业空间集聚或离散程度^{［17⁃18］}。

f\left(x\right)=\frac{\mathrm{1}}{nh}{\displaystyle \sum _{n=\mathrm{1}}^n}k(\frac{x-x_i}{h})，（1）

式中：f\left(x\right)为核密度估计值，n为生活性服务业的个数，k\left(·\right)\mathrm{为核}\mathrm{函数};h>0为核函数带宽，(x-x_i)为估计值点到测量点x_i的距离值。

2.2 Ripley's K函数

Ripley's K函数是研究不同尺度下点状地物空间格局的方法，按照一定半径的搜索范围，统计地物空间集聚性，分析不同空间尺度下各类生活性服务业集聚情况^［19］。计算公式为

k\left(d\right)=A{\displaystyle \sum _i^n}{\displaystyle \sum _j^n}\frac{W_{ij(d)}}{n^{\mathrm{2}}}，（2）

L\left(d\right)=\sqrt[]{\frac{K\left(d\right)}{\mathrm{\pi }}}-d，（3）

式中：k\left(d\right)表示生活性服务业的集聚程度，n为各生活性服务业数量，d为2个生活性服务业之间的距离值；L\left(d\right)与d能够检验在距离d范围内，各类生活性服务业的空间分布特征。L\left(d\right)>0则表示生活性服务业呈集聚分布，L\left(d\right)<0表示分散分布，L\left(d\right)=0表示随机分布。

2.3 空间相关性分析

空间相关性分析是通过分析两个或者两个以上具有相关性的变量元素来测量空间之间的相关性。它将测量的结果映射到［0，1］的数字范围中，如果范围内的值越高，代表空间之间的相关性越强，反之越低，代表之间的关系越弱。本文主要利用空间相关性探究乌鲁木齐市主城区各类生活服务业之间的联系强度^［20］。

2.4 标准差椭圆

标准差椭圆作为一种重要的空间统计手段，它是一种以椭圆中心、长轴、短轴、旋转角等要素作为参数来定量刻画点要素空间分布方向及趋势特征，本研究主要利用标准差椭圆分析乌鲁木齐市主城区生活性服务业分布方向和趋势^［21］。

2.5 地理探测器

地理探测器是一组统计学方法，用于探测空间的异质性，并揭示其背后的驱动力。该方法包含四个 模块，分别为分异和因子探测、交互作用探测、风险区探测以及生态探测。本文运用因子探测和交互作用探测，探究影响乌鲁木齐市主城区生活性服务业空间分布格局的影响因素^［22］。

3 结果分析

3.1 生活性服务业核密度分析

利用核密度法分析各类生活性服务业的空间分布特征如图1所示。批发零售业空间上呈“双核心”的分布格局，高密度聚集区主要集中在沙依巴克区和水磨沟区（即南湖南路，友好北路，西红东路和仓房沟北路），分布范围相对较广，密度值由中心向外围递减。同时在天山区也形成了一个次集聚中心，沿人民路， 新华北路，光明路一带集聚。批发零售业与其他生活性服务业相比较，其最大的特点是消费者指向，即批发零售业区位与人口的分布密度呈比例。人口密度大的区域零售业区位一般比较多，而且等级也相对较高。

餐饮住宿业高密度聚集区主要集中在天山区、沙依巴克区和水磨沟区交界处，沿着吐乌高速公路向北线性发展。此外，新市区分布范围相对较广，但没有形成高密度聚集区。头屯河区零星分布，密度值较低。说明餐饮住宿业作为各类服务业发展的根基，在各个区都有相应的布局。

教育培训密度值随着距城市中心距离的增加而降低。峰值主要集中在天山区，天山区作为最早进行开发建设的区域，人口众多、生活设施相对齐全，区位优势明显。同时，乌鲁木齐市“十四五”发展规划提出，要优化教育资源空间布局，重点配合新城区发展，所以在新市区南部也形成一片分布范围较广的低密度 聚集区。

金融机构空间分布形态由单中心向外围呈圈层式递减，高密度聚集区集中在天山区，以天山区国际 金融中心为引领，沿青年路、解放路、人民路、建设路一带分布。天山区商圈众多、经济发达、交通便利促使了大量金融机构集聚。陈俊华等^［23］研究也证实了金融机构倾向于沿着人口流量大、交通通达性好和经济发展水平高的区域布局。

医疗健康主要分布在天山区、沙依巴克区、水磨沟区和新市区交界处，呈单核心分布模式，密度高值区集中在外环路以内，沿新华南路、南湖北路、河南东路、二道桥形成较大集聚中心。同时整体聚集方向主要沿河滩快速路向北发展的态势。

休闲娱乐分布范围广，呈中心⁃边缘分布格局。以天山区和沙依巴克区形成连续的高密度聚集区。此外，在沙依巴克区西部和新市区南部存在多个次级集聚中心，沿吐乌大高速向北圈层式扩散。而离中心城区较远的郊区自然资源条件优越，有一定数量的度假村、采摘园、桃园等，如头屯河区东部形成小规模集聚区，分布大量的桃园，采摘园等，以及水磨沟区西部，有众多休闲旅游度假村。

通过对比乌鲁木齐市主城区生活性服务业空间分布情况可知，六类生活性服务业均呈现中心⁃边缘分布模式，沿天山区、沙依巴克区、水磨沟区和新市区交界处呈圈层式递减。这是由于城市边缘地区的经济增长受到距离衰减原理的制约，导致其发展缓慢，人均可支配收入低，消费能力弱，难以吸引各类生活性服务业集聚布局。其次，各类生活性服务业集聚区域存在一定重合特征，与生活性服务业整体分布基本吻合。

3.2 不同空间尺度下生活服务业分布特征

Ripley's K函数能够分析不同空间尺度上各类服务业分布状况，通过运用Crimestat 软件，在99%置信区间，对乌鲁木齐市主城区各类生活性服务业的空间分布进行多尺度判别，如图2所示。乌鲁木齐市主城区生活性服务业整体和各类设施点在不同空间尺度上均呈集聚分布，且L（t）值均先升高后下降，形成类似倒“U”型结构特征。L（t）值越高，生活性服务业空间集聚程度越高。在0~10.36 km范围内生活性服务业集聚程度逐渐增大，当距离为10.36 km时，生活性服务业集聚程度到达峰值为11.94，之后集聚程度逐渐下降。

对各类服务业进行峰值分析发现，六类生活性服务业空间尺度差异显著，集聚峰值分别为：餐饮住宿（10.643）>批发零售（10.119）>教育培训（9.375）>休闲娱乐（8.983）>医疗健康（8.133）>金融机构（7.054）。从L（t）出现最高值距离来看，餐饮住宿，批发零售区位选择空间范围最大，服务覆盖面整体较广，分别为10.37 km、10.07 km。这两者属于基础性服务业，城市居民对其需求较高，所以在乌鲁木齐市各区都分布广而密集。教育培训、休闲娱乐、医疗健康出现集聚峰值的距离分别为9.37 km、9.35 km、8.06 km。李小璨等^［24］研究表明，这些服务业空间分布受人流量、居民数量的影响较大，因此这几类生活性服务业布局的集聚范围相对较小。在今后布局中不仅要追求设施布局的利用效率，也要考虑居民享受公共服务的权利。

3.3 各类生活性服务业空间相关性分析

为进一步探究乌鲁木齐市主城区各类生活性服务业间的相关性，运用ArcGIS分析六种生活性服务业两两间密度分布的相关关系。结果显示，各类型生活服务业间空间分布相关性在0.01水平上均很高，如 图3所示。餐饮住宿和各类服务业都表现出紧密的相关性，既说明餐饮设施分布范围之广，也显示餐饮住宿是生活服务业发展的基石，各项生活性服务设施的开展都离不开餐饮住宿。虽然不同类别生活服务业间呈一定程度的关联性，但其影响强度存在较大差异。在空间分布上，餐饮住宿和医疗健康的相关性最强，二者在空间分布上均偏向人流密集的区域，且医疗机构对于周边餐饮住宿需求较高。以批发零售为代表的综合市场，便利店，文化用品店等与生活服务业中各类服务业关联度不高，特别是教育培训关联度最低，这是因为批发零售主要是为满足人们的物质需求和享受生活的舒适与便利。教育培训则主要是为获取知识和技能，与物质消费并没有直接的联系，所以两大生活服务业缺少较强的依赖关系。

3.4 生活性服务业分布方向与中心

标准差椭圆法分析了乌鲁木齐市主城区生活性服务业发展走向和分布形态（见图4）。由图4和表2可知，各类生活性服务业沿东南方向夹角最小，即各类设施呈西北⁃东南发展态势。此外，各类生活服务业椭圆中心分布位置基本一致，说明各类设施最佳服务位置趋同。椭圆中心主要集中在新市区和沙依巴克区，这是由于受到自然地理环境等因素影响，乌鲁木齐市提出了“南控北扩”原则，城市发展开始逐渐向北延伸。由表2可知，医疗健康和金融机构椭圆面积最小，说明其向心力较强，分布范围小且集中，在今后发展中应注重向外围扩展。休闲娱乐椭圆面积最大，且长轴和短轴也是最长的，表明休闲娱乐分布范围广，离散程度大，进一步印证了上述分析休闲娱乐在空间分布最为分散结论。金融机构扁率最大，表示其空间集聚的方向性最为明显，集聚指向表现较强的向心性。

4 生活性服务业影响因素探究

4.1 指标选取

根据乌鲁木齐市实际情况和数据可获取性，选取人口密度、经济水平和交通条件三个方面，探究主城区生活性服务业空间异质性影响因素。（1）人口密度（X₁）：生活性服务业作为满足居民最终消费需求的服务业，消费者指向的特征极为明显，其区位布局与人口密度紧密相关。选取每个网格中住宅区密度作为测算方式。（2）经济水平（X₂）：经济发达地区往往会促进大型城市综合体集聚，而这些大型城市综合体主要是由 星级酒店、写字楼、购物中心构成，是城市经济发展的重要驱动力。以网格中五星级酒店、写字楼、购物中心密度去衡量经济发展水平。（3）交通条件：①路网密度（X₃），路网越发达和稠密的地区，其交通可通达性越好，生活性服务业的设施网点越多。选取每个网格中路网密度进行因子测算；②公交站点（X₄），通常情况下，一个地区路网密度越大，公交站点的分布越密，便利的交通能够吸引更多消费者集聚。选取网格中公交站点密度作为测算方式。

以乌鲁木齐市主城区生活性服务业POI密度为因变量，探测因子X₁—X₄为自变量，采用自然间断点对各项因子进行分级，利用渔网工具对主城区进行2 km×2 km划分，在此基础上运用地理探测器对生活性 服务业整体及各子类空间分布影响因素进行分异探测、交互作用探测。

4.2 因子及分异探测结果

影响各生活性服务业空间分布因子的探测结果见表3，由表3可知如下结果。（1）生活性服务业各影响因子程度分别为人口密度（0.613）、路网密度（0.510）、经济水平（0.452）、公交站点密度（0.427）。人口密度影响最为显著，说明人口密度是影响乌鲁木齐市主城区生活性服务业的关键因素。路网密度对生活性服务业解释力较强，交通是否便捷很大程度上影响消费者的选择，优良的交通条件会使消费者在开展消费活动时节约一定的时间和交通成本。经济发展水平解释力最弱，表明经济发展水平并不是决定乌鲁木齐市主城区生活性服务业的主要因素。（2）批发零售在空间上分布受人口密度影响最强。说明批发零售与城市住宅区关联性较强，空间分布格局与人口密度疏密情况高度契合，符合中心地理论所提出的一个区域内商品的分布遵循中心地等级制度的规律。（3）餐饮住宿和休闲娱乐业在空间上分布更注重公交站点密度和人口密度。公交站点密度对两者解释力最强，便利的公共交通会吸引大量消费者集聚。肖凤玲等^［25］研究表明，在15分钟生活圈内，主城区公交站点覆盖率达99%。所以公交车是乌鲁木齐市人们出行的主要交通工具。同时这两个消费群体面向人群较多，较大人口密度能够提供更多的消费群体。（4）公交站点对教育培训空间分布影响力最强，说明公交站点能够方便居民出行和学生上下学，是教育培训空间集聚布局的优势条件。其次，人口密度对其解释力较强，这是由于教育培训多面向是学生群体，人口一定程度上保证生源基础，所以学校多倾向于人口密集地区分布。（5）经济发展水平是影响主城区金融机构空间分布的核心因素，金融机构主要包括银行、证券业、保险业等，受区域经济发展影响较大，与之形成强烈的正相关关系。（6）在影响医疗健康各项因子中，区域交通条件对其解释力最强，路网可达性及公共交通设施完善对医疗健康空间布局起到了支撑作用，优越的交通条件方便了居民就医的便捷性。

4.3 交互作用探测结果

进一步探究各驱动因子交互作用对乌鲁木齐市主城区生活性服务业影响，见表4。研究发现，生活性 服务业空间分布受多种因素共同作用。人口密度、经济发展水平、路网密度、公交站点密度均不是独立作用于生活性服务业，任何两种因子组合解释力均高于单因子解释力，交互作用类别均属于双因子增强。所以在今后城市各设施点布局中要从人口、经济、交通等多方面要素衡量，避免生活性服务业的过度集中，进而促进区域的协调发展。

5 结论和讨论

5.1 结论

基于乌鲁木齐市主城区生活性服务业POI数据，将获取的数据分成六大类，运用核密度分析、标准差 椭圆、地理探测器等方法，分析乌鲁木齐市主城区生活性服务业的空间分布格局，并结合地理探测器探究其影响因素。以下为主要结论。

（1）在空间上，乌鲁木齐市主城区生活性服务业呈“核心⁃边缘”的分布特征，空间分布不均衡，各类生活性服务业具有明显向心聚性。峰值集中在五大区的交会地带，六类生活性服务业密度高值区呈高度的相似性，且与生活性服务业整体分布基本吻合。

（2）乌鲁木齐市主城区生活性服务业在不同空间尺度上集聚差异显著。集聚峰值时批发零售、餐饮

住宿区位选择空间范围最大，服务覆盖面广，金融机构区位选择空间范围最小，覆盖面较窄。

（3）各类生活性服务业在空间分布上相关性均较强。其中，餐饮住宿与其他生活性服务业联系较为紧密，批发零售业与各类生活性服务业联系较弱，且不同类别生活服务之间呈一定程度的关联性，但其影响强度存在较大差异。

（4）在演化方向上，各类生活性服务业呈西北⁃东南发展态势，椭圆中心位置分布基本一致，主要集中在新市区和沙依巴克区。其中，医疗健康和金融机构椭圆面积最小，其向心力较强，分布集中，休闲娱乐在空间上分布范围最广。

（5）在影响因素上，人口密度和交通条件是影响主城区生活性服务业的关键因素，经济发展水平影响程度最低。不同影响因子对各类生活性服务业影响程度差异显著。通过交互作用探测，单因子均不是独立作用于生活性服务业，任何两种因子组合解释力均高于单因子解释力。

5.2 讨论

通过研究发现，乌鲁木齐市生活性服务业密度高值区均在城市中心地带，随着距离增加生活性服务业设施点逐渐减少，造成生活服务供给的不平衡，且不同区域发展水平差距较大，导致不同地区居民对生活性服务业的消费偏好差异大，进而影响到生活性服务业布局结构与功能的发挥。因此，在未来乌鲁木齐城市规划中应考虑以下几方面。第一，从生活性服务业布局的整体来看，城市规划影响生活性服务业的空间布局。《乌鲁木齐市国土空间规划2021—2035年》中将城市空间结构规划为实施“南北双控、东西双融、中部双优”战略，形成“一区三片多组团”的空间布局模式，今后其布局应该引导与城市空间布局形态保持一致。第二，要调整“内密外疏”分布特征，促使生活性服务业更多地向外部区域延伸。这样既推动服务业向边缘地区的发展，又缓解中心城区的压力。第三，充分发挥城市交通对服务业的带动作用，增强南北向道路供给，优化中心城区内外交通衔接，形成“两横两纵五环多射”骨架路网，加强各区之间生活性服务业的联系。第四，采取政策手段对生活性服务业的空间分布进行合理的规划和指导，根据每个区的人口分布和需求，科学合理地安排各项服务设施的空间分布，持续推进城乡基本服务均等化，构建优质均衡的服务体系。促进头屯河区，达坂城区各服务设施提标扩面，完善教育、医疗、养老、文化体育、社会福利设施。

参考文献

[1] 姜长云.生活性服务业现状、问题与“十四五”时期发展对策［J］.经济纵横，2020（5）：87-99.

[2] COFFEY W J， DROLET R， POLESE M. The intra-metropolitan location of high order services：Patterns， factors and mobility in Montreal［J］.Papers in Regional Science，1996，75（3）：293-323.

[3] LESLIE T F. Identification and differentiation of Urban centers in phoenix through a multi criteria kernel-density approach［J］. International Regional Science Review， 2010， 33（2）：205-235.

[4] DRENNAN M P， KELLY H F. Measuring urban agglomeration economies with office rents［J］. Journal of Economic Geography， 2011， 11（3）： 481-507.

[5] PRAYAG G， LANDRÉ M， RYAN C. Restaurant location in Hamilton， New Zealand： Clustering patterns from 1996 to 2008［J］. International Journal of Contemporary Hospitality Management， 2012， 24（3）： 430-450.

[6] 纪明辉.新常态下吉林省服务业的运行、展望及对策［J］.商业经济研究，2017（19）：156-158.

[7] 薛东前，石宁，公晓晓.西安市生产者服务业空间布局特征与集聚模式研究［J］.地理科学，2011，31（10）：1195-1201.

[8] 甄峰，刘慧，郑俊.城市生产性服务业空间分布研究：以南京为例［J］.世界地理研究，2008，17（1）：24-31．

[9] 阮一晨，刘声，李王鸣.基于多源数据的城市公共中心体系识别：以杭州市萧山区为例［J］.经济地理，2019，39（2）：103-109.

[10] 胡晓鸣，黎小龙，蔚芳. 基于POI的城市功能区及其混合度识别研究：以重庆市核心城区为例［J］. 西南大学学报（自然科学版），2021，43（1）：164-173.

[11] 吴康敏，王洋，叶玉瑶，等.广州市零售业态空间分异影响因素识别与驱动力研究［J］.地球信息科学学报，2020，22（6）：1228-1239.

[12] 唐锦玥，何益珺，塔娜.基于POI数据的上海市餐饮业空间分布特征及影响因素［J］.热带地理，2020，40（6）：1015-1025.

[13] 陈洪星，杨德刚，李江月，等.大数据视角下的商业中心和热点区分布特征及其影响因素分析：以乌鲁木齐主城区为例［J］.地理科学进展，2020，39（5）：738-750.

[14] 贾晓婷，雷军，武荣伟，等.基于POI的城市休闲空间格局分析：以乌鲁木齐市为例［J］.干旱区地理，2019，42（4）：943-952.

[15] 叶珊珊，骆培聪，吴嘉丽，等. 基于POI数据的福州市教育培训机构空间格局及其影响因素 ［J］. 地域研究与开发， 2022， 41 （4）： 44-51.

[16] 柴泽阳，申伟宁. 基于POI数据的重庆市医疗资源空间格局及影响因素研究 ［J］. 卫生经济研究， 2023， 40 （7）： 35-40.

[17] 苟爱萍，张振，王江波.基于POI视角的上海城市功能区演化特征及驱动因素［J］. 资源开发与市场，2022，38（9）：1052-1062.

[18] 薛明月，王成新，窦旺胜，等.黄河流域传统村落空间分布特征及其影响因素研究［J］.干旱区资源与环境，2020，34（4）：94-99.

[19] 王少剑，莫惠敏，吕慧妮，等. 区位因素影响下高铁站区产业结构特征：基于POI数据的实证分析［J］. 地理学报，2021，76（8）：2016-2031.

[20] 张家旗，刘晏男，宋斌玢.基于POI数据的郑州市主城区生活服务业空间分布特征研究［J］.世界地理研究，2022，31（2）：399-409.

[21] 任媛，陈园园. 北京市职住空间演化格局及其内在机理［J］. 城市发展研究，2019，26（3）：9-15.

[22] 王劲峰，徐成东. 地理探测器：原理与展望［J］. 地理学报，2017，72（1）：116-134.

[23] 陈俊华，李宗绍，姚丽，等.基于POI数据的重庆主城区金融集聚时空格局演变及影响因素研究［J］.地域研究与开发，2022，41（6）：62-67.

[24] 李小璨，阿荣，佟宝全.呼和浩特市生活性服务业空间布局特征及评价［J］.干旱区地理，2021，44（4）： 1186-1197.

[25] 肖凤玲，杜宏茹，张小雷. “15分钟生活圈”视角下住宅小区与公共服务设施空间配置评价：以乌鲁木齐市为例［J］. 干旱区地理，2021，44（2）：574-583.

基金资助

国家民委“一带一路”国别与区域研究中心“中巴经济走廊研究中心”高质量发展资助项目“基于可达性的中巴经济走廊城市空间结构研究”(ZBJJZL2023B01)

新疆维吾尔自治区社会科学基金资助项目“高质量发展背景下伊犁河谷旅游产业集聚新动能培育研究”(2023BYJ033)