|
一、选题背景及依据（简述国内外研究状况和相关领域中已有的研究成果（文献综述），选题目的、意义，列出主要参考文献）
（一）选题背景与依据
选题背景与依据：随着城市化进程的加速，城市生活服务业作为城市经济的重要组成部分，其空间分布特征直接影响到居民的生活质量和城市的运行效率。巴中市作为四川省的一个重要城市，近年来经济发展迅速，城市规模不断扩大，生活服务业的种类和数量也随之增加。然而，如何科学合理地规划生活服务业的空间布局，以满足居民日益增长的生活需求，成为当前城市规划和管理面临的重要问题。
POI（Point of Interest）数据，即兴趣点数据，包含了城市中各类设施的地理位置信息，是分析城市空间结构和功能布局的重要数据源。利用POI数据，可以精确刻画生活服务业的空间分布特征，揭示其空间集聚与扩散规律，为城市规划和管理提供科学依据。因此，选择“基于POI数据的巴中市生活服务业空间分布分析”作为研究课题，旨在通过数据分析方法，揭示巴中市生活服务业的空间分布现状及其影响因素，为城市规划和管理提供决策支持。
选题意义：本研究不仅有助于深入理解巴中市生活服务业的空间分布特征，还能为城市规划者提供科学的布局建议，优化生活服务业的空间配置，提高居民的生活便利性。同时，本研究还能丰富城市地理学、城市规划学等相关学科的理论体系，推动相关领域的学术研究进展。此外，随着大数据技术的不断发展，POI数据在城市研究中的应用前景广阔，本研究具有一定的先进性和实用性。
（二）国内外研究现状
1、国内研究现状
近年来，国内学者利用POI数据对城市生活服务业空间分布进行了广泛研究。研究内容主要涉及生活服务业的空间集聚特征、影响因素分析、空间布局优化等方面。例如，马保文等（2021）利用POI数据分析了北京市商业设施的空间分布特征，揭示了其空间集聚与扩散规律；查小磊等（2020）则基于POI数据，探讨了上海市生活服务业空间分布的影响因素，提出了优化布局的建议。
在研究方法上，国内学者多采用核密度估计、空间自相关分析、热点分析等方法来刻画生活服务业的空间分布特征。同时，随着机器学习和深度学习技术的发展，部分学者开始尝试将这些方法应用于生活服务业空间分布的研究中，取得了初步成果。
然而，国内研究仍存在一些不足。一是研究区域多集中于一线城市和省会城市，对中小城市的研究相对较少；二是研究内容多侧重于空间分布特征的描述，对影响因素和作用机制的研究不够深入；三是研究方法上，虽然引入了机器学习和深度学习等新技术，但应用尚不广泛，且缺乏对模型解释性的深入探讨。
2、国外研究现状
国外学者在利用POI数据进行城市生活服务业空间分布研究方面起步较早，研究成果较为丰富。研究内容不仅涉及生活服务业的空间集聚特征、影响因素分析，还深入探讨了其与社会经济、人口分布、交通网络等方面的关系。例如，Zhang Y等（2023）利用POI数据分析了美国某城市零售业的空间分布特征，揭示了其与人口分布、交通可达性之间的关系；Liu S 等（2023）则基于POI数据，探讨了欧洲某城市生活服务业空间分布的影响因素，提出了基于多源数据的空间布局优化模型。
在研究方法上，国外学者不仅采用了传统的空间统计分析方法，还广泛引入了地理加权回归、空间计量经济学等先进方法，提高了研究的科学性和准确性。同时，随着大数据和人工智能技术的发展，国外学者开始尝试将这些技术应用于生活服务业空间分布的研究中，取得了显著成果。
然而，国外研究也存在一些局限性。一是研究区域多集中于发达国家的大城市，对发展中国家和中小城市的研究相对较少；二是研究内容多侧重于理论探讨和模型构建，对实际应用和政策建议的研究不够深入；三是研究方法上，虽然引入了先进的大数据和人工智能技术，但数据获取和处理成本较高，限制了其在实际研究中的应用。
（三）研究目的及其意义
1、研究目的
本研究旨在利用POI数据，分析巴中市生活服务业的空间分布特征，揭示其空间集聚与扩散规律，探讨影响因素和作用机制，为城市规划和管理提供科学依据。
2、研究意义
提高城市规划的科学性：通过揭示巴中市生活服务业的空间分布特征，为城市规划者提供科学的布局建议，优化生活服务业的空间配置，提高城市规划的科学性和合理性。
提升居民生活便利性：通过分析生活服务业的空间分布与居民需求之间的关系，为政府和企业提供决策支持，促进生活服务业的均衡发展，提升居民的生活便利性和满意度。
（四）、主要参考文献
[1] 葛凯丽,马庆国.基于POI数据的杭州市生活服务业空间分布特征研究[J].建筑与文化, 2023(3):96-98.
[2] 单天爱,王立新.基于POI数据的兰州市主城区生活服务业空间分布特征研究[J].绿色科技, 2024, 26(13):171-176.
[3] 陈睿,邹志翀,苏万庆,等.基于POI数据生活性服务业空间分布特征研究——以哈尔滨市主城区为例[C]//人民城市，规划赋能——2022中国城市规划年会论文集（05城市规划新技术应用）.2023.
[4] 马保文.基于POI数据的长沙市生活性服务业空间分布及形成机制[D].湖南师范大学,2019.
[5] 查小磊,张明山,高晴,等.基于POI数据的长沙市生活服务业空间配套研究[J].科技和产业, 2018, 018(009):36-39.
[6] 关惠元,杨民安,陈志杰.兰州市生活性服务业的分布特征及影响因素初探[J].兰州交通大学学报, 2020.DOI:10.3969/j.issn.1001-4373.2020.03.005.
[7] 翟青,郭素萍,魏宗财,等.基于POI数据的城市服务业空间分布与集聚特征研究——以南京主城区为例[J].资源开发与市场, 2020, 36(3):9.DOI:10.3969/j.issn.1005-8141.2020.03.006.
[8] 李湾湾,董燕,王迪.基于POI数据商业空间分布与集聚特征分析——以武汉市为例[J].中国水运:下半月, 2020.
[9] 王 娜,吴健生,彭子凤.基于多源大数据的深圳市生活性服务业 空间格局及影响因素研究[J].Tropical Geography, 2021, 41(5).DOI:10.13284/j.cnki.rddl.003381.
[10] 张美芳.基于POI数据的长沙主城区零售业空间布局分析[J].经济论坛, 2018(7):6.DOI:CNKI:SUN:JJLT.0.2018-07-027.
[11] 陈易林,唐小勇,赵必成.基于多元数据的重庆主城区商圈比较研究[C]//2019中国城市规划年会.0[2025-09-16].
[12] 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].Arid Land Geography, 2021, 000(4):12.
[13] 朱洪平,朱文涛,郑荣宝.地铁对服务业集聚的影响——以广州市为例[J].热带地理, 2021, 41(1):114-123.DOI:10.13284/j.cnki.rddl.003307.
[14] 冉钊,周国华,吴佳敏,等.基于POI数据的长沙市生活性服务业空间格局研究[J].世界地理研究, 2019(3):10.DOI:CNKI:SUN:SJDJ.0.2019-03-017.
[15] 王钊,孙婕,魏紫薇,等.基于POI数据的长株潭生活性服务业集聚形态与功能多样性分析[J].湘南学院学报, 2023, 44(2):42-49.DOI:10.3969/j.issn.1672-8173.2023.02.007.
[16] 张露,李成绕.基于POI数据的成都市主城区生活性服务业空间分布特征研究[J].互动软件, 2022(1).
[17] 杨博.基于POI的北京市通州区商业空间分布特征分析[J].居舍, 2023(3):177-180.
[18] Zhang Y , Zhang M , Qin Y ,et al.Epidemiological analysis and risk prediction of scrub typhus from 2006 to 2021 in Sichuan, China[J].Frontiers in Public Health, 2023, 11.DOI:10.3389/fpubh.2023.1177578.
[19] Liu S , Fan X , Jiang L ,et al.A cross-sectional study on the moderating effect of self-efficacy on the relationship between sociodemographic variables and nutrition literacy among older adults in rural areas of North Sichuan[J].Frontiers in Nutrition, 2023, 10(1):9.DOI:10.3389/fnut.2023.1335008.
[20] Zhong Z , Wang J , Fan C .Research on Renewable Energy Utilization in the New Countryside in Qinba Mountain: A Case Study in Bazhong, Sichuan Province[J].Springer, Singapore, 2021.DOI:10.1007/978-981-15-3977-0_92.
|
