湯玉簫，吳祖泉，陳宏勝

（1. 蘇州科技大學建筑與城市規(guī)劃學院，江蘇 蘇州 215011；2. 同濟大學建筑與城市規(guī)劃學院，上海 200092；3. 深圳大學建筑與城市規(guī)劃學院，廣東 深圳 518060）

互聯網信息技術的發(fā)展不僅改變了人們的生活和工作方式，還深刻影響著區(qū)域、城市、社區(qū)的空間形態(tài)和經濟社會活動的組織方式。其中，面向居民日常生活需要的城市商業(yè)空間受互聯網信息技術的影響最為顯著。國內外學者關于網上購物的實證研究表明，網上購物對城市實體商業(yè)空間可能存在替代（Bhat et al., 2003；冒亞龍 等，2009）、促進（Farag et al., 2007）、補充（Weltevreden, 2007；汪明峰等，2010）等多種作用，城市商業(yè)空間格局也相應地產生多種變化。不過，也有部分學者認為互聯網對城市商業(yè)空間的影響效果尚不明顯（Sim et al.,2002），如黃瑩等（2012）研究發(fā)現，連鎖酒店空間布局更多地反映地價、交通等因子的影響而非互聯網的影響。近年來，大量針對網絡團購的研究認為，網絡團購的興起加劇商業(yè)中心的集聚現象（路紫等，2013；史坤博等，2016）。此外，還有學者認為互聯網影響下的城市生活服務業(yè)對傳統(tǒng)區(qū)位的依賴程度下降，從而在空間上擴散（王宇凡等，2019）。當前，互聯網仍在加速向傳統(tǒng)行業(yè)滲透，互聯網對城市商業(yè)空間的影響還將進一步擴大。作為城市商業(yè)的重要組成部分，餐飲業(yè)受互聯網信息技術的影響極深，其中以采取O2O模式的互聯網餐飲業(yè)發(fā)展最為迅速。本地生活O2O指同一城市（或地區(qū)），為滿足居民日常生活需求提供商品或服務的商業(yè)模式，同時涉及線上和線下的運營流程。在餐飲業(yè)上，根據運營模式不同，O2O餐飲業(yè)可以分為到店O2O餐飲業(yè)和到家O2O餐飲業(yè)2種類型（艾瑞網，2017）。到店O2O 餐飲業(yè)主要指以“大眾點評”等為代表的互聯網餐飲業(yè)，運營模式為通過購物券、點評等信息吸引顧客進行線下店鋪消費；到家O2O 餐飲業(yè)主要指以“餓了么”“美團外賣”等為代表的互聯網外賣餐飲，運營模式為“線上下單、線下配送”。

傳統(tǒng)餐飲業(yè)在城市空間布局上符合“中心地理論”（梁璐，2007；張旭 等，2009；舒舍玉 等，2012），呈現在城市中心集聚以及等級分布的特征，而在互聯網影響下的城市餐飲業(yè)空間格局則產生新的變化。已有關于互聯網餐飲業(yè)的研究主要集中在到家O2O 餐飲業(yè)上，既有研究認為在互聯網時代，餐飲業(yè)在一定程度上擺脫對區(qū)位的依賴，在空間上呈現“擴散化”和“均質化”的發(fā)展格局（晏龍旭，2017）。王宇凡等（2019）的研究發(fā)現，在信息技術的擴散力量和傳統(tǒng)區(qū)位決策因素等集聚力量的共同作用下，網絡外賣餐館最終呈“分散的集中”特征。翟青等（2020）的研究發(fā)現，線上餐飲空間集聚特征不顯著，呈“水平、多中心”的網絡結構，空間分布較為分散。施響等（2019）則認為外賣O2O 餐飲業(yè)的空間發(fā)展更契合“創(chuàng)新擴散假說”，外賣餐飲業(yè)由創(chuàng)新中心向外圍逐漸滲透和擴散。在到店O2O餐飲業(yè)研究上，王建竹（2014）認為在網絡團購的作用下，城市核心商圈餐飲業(yè)的集聚程度得到加強，同時又使得城市外圍地區(qū)的餐飲業(yè)形成更為“均勻化”的空間布局態(tài)勢?？傮w而言，已有關于互聯網餐飲業(yè)的研究主要針對單一類型互聯網餐飲業(yè)，缺乏對同一區(qū)域兩類互聯網餐飲業(yè)空間格局及影響因素的比較研究，因此不能全面地理解互聯網影響下城市餐飲業(yè)空間產生的變化。

互聯網餐飲業(yè)空間是由互聯網影響效應作用于實體餐飲業(yè)空間形成的，因此城市互聯網餐飲業(yè)的空間分布是由互聯網產生的空間影響效應和餐飲業(yè)所處的城市空間共同決定的。到店O2O餐飲業(yè)和到家O2O餐飲業(yè)兩類互聯網餐飲業(yè)由于其運營模式的差異，分別迎合了不同功能類型的城市商業(yè)空間，從而導致兩類互聯網餐飲業(yè)不同的空間分布偏好?？梢?，要全面深入地理解互聯網信息技術對城市餐飲業(yè)空間格局的影響，不僅需要以兩類O2O餐飲業(yè)為研究對象，還需考察它們在不同功能類型地區(qū)的空間分異。因此，本研究選取了城市空間異質性較強的蘇州為案例城市，采用核密度估計、多距離空間聚類和多尺度地理加權回歸等分析方法，比較其到店O2O 餐飲業(yè)和到家O2O 餐飲業(yè)的空間特征差異，對互聯網場景下的城市餐飲業(yè)空間分布特征及其影響因素進行研究，以期對互聯網時代下的城市商業(yè)空間優(yōu)化布局提供理論參考。

1 研究區(qū)概況、數據與方法

1.1 研究區(qū)概況

蘇州市是長三角重要的中心城市之一，其經濟發(fā)展水平和信息化發(fā)展水平均較高。據《2019年度江蘇省互聯網發(fā)展狀況報告》（江蘇省通信管理局，2019），蘇州市2019 年度網民規(guī)模達到716 萬人，互聯網普及率達到66.6%，遠超全國和江蘇省平均水平。因此，選擇蘇州市作為案例城市，研究互聯網影響下餐飲業(yè)空間格局具有一定的典型性。

另外，蘇州既是國家歷史文化名城，也是國家高新技術產業(yè)基地，是將歷史遺產保護和現代化城市建設有機融合的典范城市。在城市空間構成上，蘇州既有保護完整的古城，也有蓬勃發(fā)展的新區(qū)，其功能和空間異質性十分明顯，其中蘇州中心城區(qū)集中體現這種功能和空間的異質性。蘇州中心城區(qū)包括古城、高新區(qū)和工業(yè)園區(qū)三大中心板塊，古城和新城（后者）在空間上相對分離，承擔的城市功能和本身的空間形態(tài)差異較大。古城以文化旅游服務為主，由于歷史遺產保護的需要，城市肌理和建筑等受到嚴格管控；新城則更多地承擔著現代城市功能，是城市CBD所在。因此，本文選擇蘇州中心城區(qū)作為案例區(qū)域，可更好地比較不同類型城市空間中到店O2O 餐飲業(yè)和到家O2O 餐飲業(yè)的空間特征差異。

1.2 數據來源與處理

采用互聯網開放大數據作為數據源，分別以大眾點評的餐飲店鋪作為到店O2O 餐飲業(yè)數據來源，美團外賣店鋪作為到家O2O餐飲業(yè)的數據來源。其中，大眾點評餐飲業(yè)店鋪數據采集于大眾點評網①https://www.dianping.com/，數據截至2019 年10 月。大眾點評網是中國最大的第三方消費點評網站，有專業(yè)的線下銷售人員對店鋪信息進行實地確認和更新。為提高點評信息的有效性，以總評價數＞10條的大眾點評餐飲業(yè)店鋪數據作為到店O2O餐飲業(yè)的數據。蘇州中心城區(qū)大眾點評店鋪共計50 986家，其中總評價數＞10條的共15 791家。美團外賣餐飲店鋪數據采集于美團外賣2019 年10 月單月數據，根據《2019 年上半年中國外賣產業(yè)調查研究報告》，2019 年上半年美團外賣第一季度、第二季度交易額占比分別為63.4%和65.1%（美團研究院，2019），因此美團外賣數據對于整個外賣行業(yè)具有代表性。對數據進行糾偏和去重處理，再剔除月銷售＜20單的店鋪后，獲得蘇州中心城區(qū)美團外賣店鋪共計9 173 家，作為到家O2O餐飲業(yè)的數據源。此外，由于餐飲業(yè)O2O對傳統(tǒng)餐飲店鋪的依賴很高，為了更好地揭示兩類店鋪的空間特征，引入高德餐飲POI作為線下餐飲店鋪的數據源進行對比分析，數據采集于2019年10月。經過數據處理，共獲得蘇州中心城區(qū)線下餐飲店鋪50 597 家。該類線下店鋪既包括僅線下營業(yè)的店鋪，也包括加入O2O平臺的線下店鋪。雖然大量的餐飲店鋪加入O2O 平臺，但還是以線下營業(yè)為主，且在本研究中以線下營業(yè)為主的店鋪數量遠高于兩類O2O餐飲業(yè)數量，因此高德餐飲POI能較好地反映傳統(tǒng)線下餐飲業(yè)的空間分布特征。蘇州各類餐飲店空間分布如圖1所示。

圖1 蘇州中心城區(qū)各類餐飲店空間分布Fig.1 Spatial distribution of various restaurants in the central city

1.3 研究方法

1.3.1 O2O 滲透率 加入O2O 平臺的餐飲商家在城市（地區(qū)）所有實體商家中占有的比例可以深刻反映一個城市（地區(qū)）餐飲行業(yè)受互聯網發(fā)展的影響程度，參考相關研究（艾瑞網，2017；史坤博等，2018；張逸姬 等，2019），稱之為O2O 滲透率。本研究含有兩類O2O餐飲業(yè)店鋪，其滲透率分別為：

式中：Pa為到店O2O 滲透率，Pb為到家O2O 滲透率；Sa、Sb、Sc分別代表到店O2O 餐飲店鋪數量、到家O2O餐飲店鋪數量和實體餐飲店鋪數量。需要說明的是，這兩類互聯網餐飲業(yè)的滲透率并不能直接進行比較，但可以考察各自的分布情況，進而分析出各自受互聯網影響的程度。

1.3.2 空間分析方法

1）核密度估計

采用核密度估計法分析蘇州市互聯網餐飲業(yè)和實體餐飲業(yè)的空間分布及集聚情況。核密度分析能較為直觀地展現空間點數據集的集聚或離散的分布特征，較好地反映地理要素空間分布的距離衰減效應（禹文豪等，2016）。根據本研究區(qū)域和餐飲業(yè)空間的地理特征，在中心城區(qū)層面和微觀層面分別采用800和300 m為搜索半徑。

2）多距離空間聚類

多距離空間聚類即Ripley'sK函數，是一種點數據模式的分析方法，對空間點數據集進行不同距離的聚類程度分析，最終可以得到空間點數據集在不同觀測尺度下的集聚或離散的分布特征。計算公式為（王遠等，2007）：

式中：A為研究區(qū)面積；dij為研究區(qū)范圍內空間對象i到空間對象j的距離；d為空間尺度大小；δ（dij）為指示函數；n為研究區(qū)內空間對象的數量；π 為圓周率；L（d）為K（d）的開平方的線性變換。

1.3.3 多尺度地理加權回歸模型 采用全局OLS模型分析影響互聯網餐飲業(yè)分布的因素，并使用多尺度地理加權回歸（MGWR）模型進行局部擬合，從而更精確地揭示影響因素對不同地理位置互聯網餐飲業(yè)產生的效應。相較于傳統(tǒng)地理加權回歸模型（GWR），MGWR 增加了一個空間平穩(wěn)變量，能更精確地識別因不同區(qū)域位置差異帶來的局部影響效應變化。全局線性回歸計算公式為：

式中：β0為常數項，β1和β2等為系數；y為自變量；x1和x2等為因變量；ε為殘差。

MGWR計算公式為（沈體雁等，2020）：

式中：（ui,vi）為第一個樣本點的空間坐標；j為自變量個數；xij表示第j個自變量在第i個點的觀測值；bwj表示第j個變量回歸系數使用的帶寬，βbwj為局部回歸得到的回歸系數；εi為殘差。

2 蘇州市互聯網餐飲業(yè)的空間特征

2.1 互聯網餐飲業(yè)總體空間特征

2.1.1 互聯網餐飲業(yè)對傳統(tǒng)餐飲業(yè)空間的依賴性較強 采用核密度估計法對中心城區(qū)互聯網餐飲業(yè)的空間分布特征進行分析，搜索半徑設置為800 m，計算并繪制實體餐飲業(yè)的核密度（圖2）。到店O2O餐飲業(yè)呈現明顯的中心集聚特征，形成“一主四副多點”的多中心空間結構（圖2-a）。其中，觀前地區(qū)形成集聚密度最大、分布范圍最廣的到店O2O餐飲業(yè)主中心；在石路、湖西、湖東和獅山地區(qū)形成集聚密度和分布范圍較高的次中心；平江新城、越溪、滄浪新城等地區(qū)也形成一定集聚密度的到店O2O餐飲業(yè)集聚區(qū)；而在婁葑、吳中、元和、木瀆等地區(qū)到店O2O餐飲業(yè)分布面積較廣，但集聚密度較低?？傮w而言，到店O2O餐飲業(yè)與實體餐飲業(yè)的空間分布基本一致，與所處商圈等級有密切聯系。

圖2 中心城區(qū)各類餐飲業(yè)核密度Fig.2 Kernel density of various catering industries in the central city

相比之下，到家O2O餐飲業(yè)形成更為均質的空間格局，城市餐飲業(yè)中心之間的差異變小（圖2-b）。觀前地區(qū)餐飲業(yè)集聚密度與石路、湖西等次中心相當，優(yōu)勢不再明顯。主要餐飲業(yè)中心周邊形成的次級集聚中心也均得到一定程度的增強，平江新城、滄浪新城、吳中和婁葑等地區(qū)到家O2O餐飲業(yè)發(fā)展水平均較高，婁葑地區(qū)的到家O2O餐飲業(yè)集聚密度甚至已不低于周邊兩大高等級餐飲業(yè)中心觀前和石路?？梢?，互聯網影響下到家O2O餐飲業(yè)正由高等級商圈向低等級商圈擴散。雖然到家O2O空間擴散趨勢較為明顯，但歸根結底到家O2O餐飲業(yè)的集聚中心仍是在實體餐飲業(yè)的基礎上形成的（圖2-c）；因此，無論是到店O2O餐飲業(yè)還是到家O2O餐飲業(yè)，對已有實體餐飲業(yè)依賴度均較高，即傳統(tǒng)餐飲業(yè)空間是兩類互聯網餐飲業(yè)空間形成的基礎。

2.1.2 到店O2O 餐飲業(yè)集聚度增強，到家O2O 餐飲業(yè)分布更為均衡 采用多距離空間聚類分析不同尺度下互聯網餐飲業(yè)的空間分布模式，同樣將實體餐飲業(yè)空間分布一同納入觀測，在此基礎上采用多項式方法擬合餐飲業(yè)集聚強度曲線（圖3）。結果顯示，各類餐飲業(yè)的L（d）值均＞0，表明中心城區(qū)各類餐飲業(yè)均呈現集聚分布狀態(tài)?；ヂ摼W餐飲業(yè)均在7.7 km處達到最大集聚強度，而實體餐飲業(yè)則在8.64 km 處才達到最大集聚強度。顯然，互聯網餐飲業(yè)更偏向于在城市中心區(qū)范圍內集聚。到店O2O餐飲業(yè)在7.35 km 范圍內集聚強度均高于實體餐飲業(yè)，可見相較于實體餐飲業(yè)，到店O2O餐飲業(yè)在城市空間集聚程度得到增強。到家O2O餐飲業(yè)在0.52 km 范圍內集聚強度也高于實體餐飲業(yè)，可見微觀尺度的到家O2O餐飲業(yè)集聚度也較高。而隨著觀測尺度逐漸變大，到家O2O餐飲業(yè)集聚強度逐漸低于實體餐飲業(yè)，且差距越來越大，可見到家O2O餐飲業(yè)的空間分布更為均衡?？傮w而言，互聯網到家餐飲業(yè)擴散作用明顯，互聯網到店餐飲業(yè)則趨于中心集聚。

圖3 中心城區(qū)各類餐飲業(yè)多距離空間聚類分析結果Fig.3 Multi-distance spatial cluster analysis of various catering industries in the central city

2.2 三大城市中心互聯網餐飲業(yè)空間特征

互聯網餐飲業(yè)的滲透率能反映一個城市（地區(qū)）的餐飲行業(yè)受互聯網發(fā)展的影響程度，本文統(tǒng)計三大城市中心所屬的行政區(qū)中各類餐飲業(yè)的分布密度和兩類互聯網餐飲業(yè)的滲透率（表1）。其中，姑蘇區(qū)到店O2O餐飲業(yè)滲透率與高新區(qū)和工業(yè)園區(qū)相當，但到家O2O餐飲業(yè)的滲透率僅為另外2個行政區(qū)的一半。由此可見，到店O2O餐飲業(yè)在三大城市中心的發(fā)展水平相對均衡，而到家O2O餐飲業(yè)的發(fā)展水平表現出明顯的空間偏好。為了全面理解互聯網對城市餐飲業(yè)空間產生的影響，以三大城市中心為例，從微觀尺度對互聯網餐飲業(yè)空間進行更為深入的分析。

表1 蘇州中心城區(qū)互聯網餐飲業(yè)滲透率Table 1 Statistics on the penetration rate of Internet catering industry in the central city

2.2.1 古城城市中心：到店O2O餐飲業(yè)中心集聚，到家O2O 餐飲業(yè)中心外移 古城中心地區(qū)的實體餐飲業(yè)以觀前和石路為核心向周邊地區(qū)擴散（圖4-a），在平江路、臨頓路、鳳凰街、學士街、王天井巷和山塘街等地區(qū)形成多個線性集聚區(qū)，而在永捷廣場、桐涇北路、勞動路等地區(qū)則形成密度相對較低的集聚區(qū)。比較到店O2O餐飲業(yè)與實體餐飲業(yè)的空間分布，顯而易見，到店O2O餐飲業(yè)具有明顯的中心集聚現象（圖4-a），主要表現在2 個方面。其一，觀前和石路地區(qū)餐飲業(yè)高密度集聚區(qū)面積大幅減少，出現向核心地區(qū)收縮的現象，如石路地區(qū)的到店O2O 餐飲業(yè)更加集中于靠南的石路國際商城。其二，位于次級中心的到店O2O餐飲業(yè)受到明顯的削弱，如平江路、臨頓路、王天井巷等均受到不同程度的影響?？梢?，由于高等級中心的強吸聚力，低等級中心到店O2O服務功能受到較大制約。

到家O2O餐飲業(yè)方面（圖4-b），古城區(qū)外的石路取代觀前地區(qū)的餐飲業(yè)主中心地位，成為古城城市中心到家O2O 餐飲的核心，即到家O2O 餐飲業(yè)發(fā)生中心外移。產生此現象的主要原因并非互聯網的擴散作用，而是由于觀前地區(qū)主導功能與到家O2O的運營模式不相適應。觀前地區(qū)以旅游功能為主，而外來游客旅游的目的是為了獲得更加直接、真實的旅游體驗，具體到餐飲業(yè)，到家O2O餐飲業(yè)的線下配送模式顯然與此不匹配。石路地區(qū)的到家O2O餐飲業(yè)則依托周邊地區(qū)商業(yè)辦公功能獲得更好的發(fā)展?？傮w而言，古城中心互聯網的擴散作用并不明顯，由于旅游功能影響下到家O2O餐飲業(yè)需求不足，平江路、山塘街等地區(qū)產生和觀前地區(qū)相同的現象，即到家O2O餐飲業(yè)分布密度較低。

圖4 蘇州古城城市中心各類餐飲業(yè)核密度Fig.4 Kernel density of various catering industries in the city center of the ancient city

更進一步分析可知，到店O2O 餐飲業(yè)的點評、推薦功能迎合了地區(qū)旅游功能的需求，加強了旅游核心區(qū)到店O2O 餐飲業(yè)的集聚度。這解釋了到店O2O餐飲業(yè)高等級中心如觀前地區(qū)的集聚度顯著提高的現象，也解釋了位于旅游功能區(qū)的次級餐飲業(yè)中心如平江路、山塘街等在餐飲服務功能在受到更高等級商圈“爭奪”的情形下，依然維持較高水平的到店O2O餐飲業(yè)集聚度。由此可見，旅游核心區(qū)餐飲業(yè)到店消費特征較強而到家消費特征較弱。

2.2.2 新城城市中心：互聯網餐飲業(yè)呈點狀分布，商場成為互聯網餐飲業(yè)的主要空間載體 與古城區(qū)相比，蘇州新城區(qū)的城市空間更加空曠，面向城市生活的沿街店面相對較少，大量餐飲業(yè)設施幾乎都集中分布在規(guī)模不一的各級各類商場中。以高新區(qū)的獅山片區(qū)為例（圖5），互聯網餐飲業(yè)呈現點狀分布特征，多數集中分布于商場或商業(yè)街，如綠寶廣場、龍湖天街、金鷹國際、淮海街等地區(qū)。相較實體餐飲業(yè)，無論是到店O2O 餐飲業(yè)還是到家O2O餐飲業(yè)均呈現更強的集聚特征。作為高新區(qū)最重要的商業(yè)服務中心，龍湖天街和綠寶廣場地區(qū)的到店O2O 餐飲業(yè)分布密度遠高于其他地區(qū)，可見到店O2O餐飲業(yè)趨向分布在更高等級的商業(yè)區(qū)。較為意外的是，到家O2O餐飲業(yè)在次級中心集聚度（如北部的港龍商業(yè)街、景山路等）相較于實體餐飲業(yè)并沒有得到加強，餐飲業(yè)仍然在向綠寶廣場和龍湖天街等高等級商業(yè)區(qū)集聚。由于政策等原因，兩類互聯網餐飲業(yè)并不能脫離實體店面經營，而新城區(qū)商業(yè)功能普遍采用集中化方式布局，使得弱區(qū)位缺乏承載餐飲業(yè)的空間載體，難以形成餐飲業(yè)集聚效應，這在很大程度上抑制互聯網的擴散作用。此外，到家O2O餐飲業(yè)的運營模式更加契合具有商務辦公和學校等功能的城市空間，而龍湖天街和綠寶廣場距離該地區(qū)主要的商務區(qū)和高校距離更近，這也解釋了到家O2O餐飲業(yè)的中心集聚現象。

圖5 蘇州高新區(qū)城市中心各類餐飲業(yè)核密度Fig.5 Kernel density of various catering industries in the city center of the high-tech zone

工業(yè)園區(qū)餐飲業(yè)圍繞金雞湖形成以湖西、湖東為核心的餐飲集聚區(qū)，與高新區(qū)相同，園區(qū)餐飲業(yè)同樣依托各級各類商場呈現點狀分布的特征（圖6）。到店O2O餐飲業(yè)在湖西和湖東地區(qū)的集聚度遠高于其他地區(qū)，可見到店O2O餐飲業(yè)存在明顯的中心偏好性，且片區(qū)等級越高，中心吸聚力越強。這是因為到店O2O餐飲業(yè)的點評、推薦功能增強高等級中心餐飲業(yè)的品牌效應，同時拓展高等級餐飲業(yè)中心的服務范圍。而到家O2O餐飲業(yè)則在一定程度上受到互聯網擴散作用的影響，雙湖廣場、順達廣場、聯豐廣場以及翰林鄰里中心等地區(qū)的到家O2O餐飲業(yè)相較于實體餐飲業(yè)均得到增強。此外，這些地區(qū)周邊的高校同樣促進到家O2O 餐飲業(yè)的集聚?？傮w而言，互聯網餐飲業(yè)仍需依托適當的城市功能空間進行布局。

圖6 蘇州工業(yè)園區(qū)城市中心各類餐飲業(yè)核密度Fig.6 Kernel density of various catering industries in the city center of the industrial park

3 蘇州市互聯網餐飲業(yè)空間特征的影響因素分析

3.1 影響因素選取

互聯網餐飲業(yè)是在傳統(tǒng)餐飲業(yè)基礎上發(fā)展而來的，所以傳統(tǒng)餐飲業(yè)空間分布的影響因素如商業(yè)集聚度、交通區(qū)位及人口分布等同樣影響著互聯網餐飲業(yè)的空間分布，因此本研究選取了傳統(tǒng)餐飲業(yè)空間布局的影響因素（梁璐，2007；張旭等，2009；舒舍玉等，2012）。同時，為了探究不同城市功能對兩類互聯網餐飲業(yè)的影響差異，使用住宅小區(qū)密度、寫字樓密度、高校密度和旅游資源密度替代常用的人口密度表征餐飲業(yè)的市場依賴。因此，綜合考慮傳統(tǒng)餐飲空間布局影響因素、蘇州互聯網餐飲業(yè)的實地調研情況及空間數據的可獲取性，從市場依賴、交通區(qū)位、商業(yè)集聚和地價水平4 個方面（表2）對影響蘇州市互聯網餐飲業(yè)空間分布的因素進行分析。

表2 互聯網餐飲業(yè)空間分布影響因素選取及含義Table 2 Index selection and implication of influencing factors of spatial distribution of Internet catering industry

3.2 模型構建與運算結果

在參考相關研究并多次實驗的基礎上，采用1 km×1 km的網格對中心城區(qū)進行劃分，去除各類餐飲業(yè)均無分布的單元格，最終得到320個空間分析單元，分別統(tǒng)計自變量與因變量。對變量進行共線性檢驗，所構建的互聯網餐飲業(yè)模型共線性均＜10，說明各變量之間具有較好的相互獨立性。

首先，構建多元線性回歸模型（OLS），結果見表3所示。其次，在OLS模型的基礎上利用MGWR軟件（Fotheringham et al.,2017）建立考慮了地理位置差異的多尺度地理加權回歸模型（MGWR）。結果顯示，到店O2O 餐飲業(yè)R2從0.773 提高到了0.858，AICc 從452.701 下降至392.008（表3、4）；到家O2O 餐飲業(yè)R2從0.616 提高到0.713，AICc 從620.609下降至582.68（見表3、4）。互聯網餐飲業(yè)的MGWR 模型R2大幅提高的同時AICc 大幅降低，可見相較于OLS 模型，MGWR 模型具有更好的解釋力。而互聯網餐飲業(yè)MGWR 模型的回歸系數存在變化，某些區(qū)域產生的影響效應也有差異，可見影響因素在不同空間單元對互聯網餐飲業(yè)的作用不平穩(wěn)。

表3 互聯網餐飲業(yè)發(fā)展影響因素的OLS模型結果Table 3 OLS model results of factors influencing the development of Internet catering industry

表4 到店O2O和到家O2O餐飲業(yè)MGWR模型結果Table 4 MGWR model results of O2O in-store and O2O delivery catering industry

3.3 結果分析

3.3.1 影響程度分析 由全局回歸結果可知，到店O2O餐飲業(yè)除了高校密度置信度較低，其他影響因素均有著較高的置信度。其因素影響力排序為：商場密度（0.518）>寫字樓密度（0.248）>旅游資源密度（0.247） >住宅小區(qū)密度（0.108） >房價（0.092）>路網密度（0.084）>高校密度（0.044）（見表3）。商場和寫字樓多集中于高等級商圈，可見到店O2O 餐飲業(yè)存在向高等級地區(qū)集聚的趨勢。而旅游資源密度影響較高，驗證了到店O2O餐飲業(yè)傾向于分布在旅游資源周邊的空間特征。

到家O2O餐飲業(yè)方面，寫字樓密度、旅游資源密度和房價的置信度較低。因素影響力排序為：商場密度（0.639）>路網密度（0.151）>住宅小區(qū)密度（0.099） >高校密度（0.077） >寫字樓密度（0.066）（見表3）。其中，商場密度影響力遠高于其他因素，成為到家O2O 餐飲業(yè)分布的決定性因素。由于到家O2O餐飲業(yè)具有更為靈活的區(qū)位選擇，地價水平的影響大幅降低，而旅游資源的低影響力，驗證了到家O2O 餐飲業(yè)傾向于遠離旅游區(qū)分布的特征。

3.3.2 影響因素的空間置信度分布 為了進一步揭示各功能類型的城市空間與互聯網餐飲業(yè)分布的關系，根據MGWR 模型的局部置信空間分布探究市場因素對互聯網餐飲業(yè)影響的空間異質性。

到店O2O餐飲業(yè)除寫字樓因素在所有分析單元均顯著外，其他3個因素均呈現局部顯著狀態(tài)（圖7-a～d）。住宅小區(qū)的影響區(qū)集中在人口較為稠密的城市中心地區(qū)；高校的影響范圍則集中在石湖地區(qū)和獨墅湖高教區(qū)，這些區(qū)域均是蘇州高校的集聚區(qū)；旅游資源的影響區(qū)集中在古城城市中心，并向四周延伸，高新區(qū)和工業(yè)園區(qū)的到店O2O餐飲業(yè)受旅游區(qū)影響均較弱。

到家O2O餐飲業(yè)方面（圖7-e～h），住宅小區(qū)置信度在所有分析單元均顯著，相較于到店餐飲業(yè)，其影響范圍從城市中心擴展至城市外圍；由表3可知，寫字樓密度在中心城區(qū)全局并不顯著，但在MGWR 模型考慮周邊分析單元情況后，寫字樓密度在所有分析單元均顯著，可見到家O2O餐飲業(yè)可以布局在距離寫字樓更遠的地區(qū)；與到店O2O餐飲業(yè)類似，到家O2O餐飲業(yè)的高校影響區(qū)也集中在獨墅湖等高校集聚區(qū)。

圖7 到店O2O（a～d）和到家O2O（e～h）餐飲業(yè)影響因素的空間置信分布Fig.7 Spatial confidence distribution of influencing factors of O2O in-store(a-d)and O2O delivery(e-h)catering industry

4 結論與討論

本文以蘇州市為例，比較到店O2O餐飲業(yè)和到家O2O餐飲業(yè)不同的空間特征，并探討影響互聯網餐飲業(yè)空間特征的因素，研究發(fā)現，從蘇州互聯網餐飲業(yè)的空間分布看，城市物質空間格局是互聯網商業(yè)空間布局的基礎，互聯網對城市空間的影響體現在對已有城市空間功能的優(yōu)化和放大上?；ヂ摼W對不同類型的商業(yè)服務存在不同的影響，其中到店O2O餐飲業(yè)存在顯著的中心集聚特征，在互聯網信息技術的影響下，傳統(tǒng)優(yōu)質餐飲業(yè)的競爭優(yōu)勢被放大；而到店O2O餐飲業(yè)則向次級中心擴散，互聯網技術的發(fā)展使得次級商圈獲得較好的發(fā)展。由于兩類互聯網餐飲業(yè)運營模式與不同功能類型的城市空間契合度不同，旅游核心區(qū)餐飲業(yè)呈現較強的到店消費特征，而到家O2O餐飲業(yè)更趨向分布在商務辦公和高校周邊。此外，城市新區(qū)商業(yè)分級點狀分布的空間組織模式推動商業(yè)集聚發(fā)展，導致城市新區(qū)到家O2O餐飲業(yè)集聚度顯著增強，從而抑制互聯網對餐飲業(yè)的擴散作用。兩類互聯網餐飲業(yè)受商場密度、寫字樓密度和住宅小區(qū)密度的影響均較為明顯，到店O2O餐飲業(yè)的空間分布受到旅游資源的影響較大。

互聯網信息技術對同一城市內部不同功能區(qū)的商業(yè)空間及居民消費行為的影響并不完全相同。如對市區(qū)和郊區(qū)之間的差異比較（汪明峰等，2013），形成解釋互聯網技術在空間上擴散規(guī)律的兩大假說——技術擴散假說和效率假說。相較于市區(qū)，郊區(qū)的技術較為落后、居民網絡技能較差且實體商業(yè)欠發(fā)達，這些均導致互聯網技術在市區(qū)和郊區(qū)之間的擴散方式不盡相同。然而，城市內部區(qū)位差異不僅僅發(fā)生在市區(qū)和郊區(qū)之間，城市空間的組織模式和所承載的功能同樣在很大程度上影響互聯網餐飲業(yè)的空間分布。本文從城市空間和功能異質性視角論證了互聯網對城市餐飲業(yè)空間的不均衡影響。隨著互聯網與傳統(tǒng)商業(yè)的加速融合，可以預見的是，未來不同互聯網運營模式與實體商業(yè)的結合對城市空間的影響會更加多元且復合，相關研究將具有較好的理論和應用價值。

本文通過對蘇州中心城區(qū)的實證研究，在一定程度上揭示了互聯網影響下的餐飲業(yè)空間分布特征和影響因素，但仍存在一些局限性。一是缺乏動態(tài)的研究視角?；ヂ摼W仍在向傳統(tǒng)行業(yè)加速滲透，互聯網餐飲業(yè)的空間分布和影響因素仍在變化之中，后續(xù)可考慮采用多時間截面進行持續(xù)性調查。二是互聯網餐飲業(yè)空間分布的影響因素有待深化。本文從分析兩類O2O餐飲業(yè)影響因素差異的角度選取指標，缺乏對店鋪聲譽、餐飲特色等因素的考慮，未來可選取更加全面的影響因素以開展更為深入的研究。