基于Bisecting K-means聚類(lèi)算法的南京地區(qū)社區(qū)空間分布研究

(1.東南大學(xué)經(jīng)濟(jì)管理學(xué)院 江蘇 南京 210000；2.東南大學(xué)經(jīng)濟(jì)管理學(xué)院 江蘇 南京 210000)

一、引言

城市服務(wù)業(yè)的合理選址可以有效滿足城市社區(qū)居民的多樣化需求，提高客戶對(duì)公司的滿意度。但是，由于社區(qū)居民位置分布廣，需求層次不同等因素，難以對(duì)目標(biāo)服務(wù)群體進(jìn)行劃分，使得城市服務(wù)業(yè)合理選址難以實(shí)現(xiàn)。近年來(lái)，學(xué)者們大多利用聚類(lèi)分析來(lái)解決目標(biāo)服務(wù)群體劃分問(wèn)題。Everitt等(2011)認(rèn)為聚類(lèi)分析包括一系列將多元數(shù)據(jù)分類(lèi)為子組的方法，可以幫助揭示任何結(jié)構(gòu)或模式的特征。A.Joy Christy等(2018)為了細(xì)分客戶，提出對(duì)公司事務(wù)數(shù)據(jù)進(jìn)行RFM分析，然后利用傳統(tǒng)的K均值和模糊C均值算法對(duì)事務(wù)數(shù)據(jù)進(jìn)行聚類(lèi)。而在當(dāng)前大數(shù)據(jù)環(huán)境下，為了解決傳統(tǒng)聚類(lèi)研究中耗時(shí)費(fèi)力的數(shù)據(jù)采集問(wèn)題，學(xué)者們開(kāi)始利用數(shù)據(jù)挖掘技術(shù)從多種渠道獲取數(shù)據(jù)。徐曉宇等(2019)利用爬蟲(chóng)技術(shù)獲取大眾點(diǎn)評(píng)平臺(tái)的北京地區(qū)數(shù)據(jù)，引入聚類(lèi)算法對(duì)于餐飲業(yè)的地理聚集特征進(jìn)行了分析。

本文以南京地區(qū)為研究對(duì)象，從互聯(lián)網(wǎng)平臺(tái)獲取了居民社區(qū)位置、房?jī)r(jià)信息等大量數(shù)據(jù)，通過(guò)改進(jìn)的K-means算法對(duì)南京地區(qū)社區(qū)進(jìn)行聚類(lèi)，利用聚類(lèi)結(jié)果對(duì)南京地區(qū)社區(qū)空間分布進(jìn)行了分析。

二、數(shù)據(jù)源

本文以南京地區(qū)為研究對(duì)象,利用網(wǎng)絡(luò)爬蟲(chóng)技術(shù)獲取安居客上的社區(qū)數(shù)據(jù),包括社區(qū)名稱(chēng)、經(jīng)緯度、詳細(xì)地址、平均房?jī)r(jià)等屬性信息。數(shù)據(jù)獲取時(shí)間為2019年4月1-30日，原始數(shù)據(jù)共計(jì)2231個(gè)社區(qū)。首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，刪除了部分有問(wèn)題的數(shù)據(jù)，確保數(shù)據(jù)的有效性。然后采用空間坐標(biāo)轉(zhuǎn)換技術(shù)將其經(jīng)緯度轉(zhuǎn)換為百度坐標(biāo)，最終篩選出2165個(gè)小區(qū)用于本文研究。

三、研究方法

當(dāng)前，在處理較大數(shù)據(jù)對(duì)象時(shí)大多使用經(jīng)典K-means聚類(lèi)算法。因?yàn)槠淇缮炜s性和有效性比較好，而且結(jié)構(gòu)簡(jiǎn)單易于實(shí)現(xiàn)。但是由于南京地區(qū)的社區(qū)數(shù)量多、空間分布復(fù)雜，而K-means算法容易受到簇?cái)?shù)及初始聚類(lèi)中心位置的影響。因此，為了使聚類(lèi)結(jié)果更加合理，本文采用Bisecting K-means算法對(duì)社區(qū)數(shù)據(jù)進(jìn)行處理。

Yu Zhuang等(2016)認(rèn)為Bisecting K-means是對(duì)K-means算法在聚類(lèi)質(zhì)量和效率上的改進(jìn)。其基本思想是：將所有點(diǎn)作為一個(gè)簇，將該簇一分為二，再選擇一個(gè)合適的簇劃分為兩個(gè)簇，不斷重復(fù)，直到簇的數(shù)目等于目標(biāo)簇?cái)?shù)k。相對(duì)于原始K-means算法相比，這種方法可以確保得到全局最優(yōu)解。

四、結(jié)果與分析

(一)社區(qū)聚類(lèi)中心空間分布特征

本文使用輪廓系數(shù)來(lái)確定最佳k值，從圖1聚類(lèi)簇?cái)?shù)效果圖可以看出，聚類(lèi)簇?cái)?shù)在達(dá)到30個(gè)簇之后，輪廓系數(shù)的增量就很小，因此選擇簇?cái)?shù)K值為30比較合理。利用Bisecting K-means算法對(duì)南京地區(qū)社區(qū)進(jìn)行聚類(lèi)，由圖2可以看出，聚類(lèi)中心主要集中在鼓樓區(qū)、建鄴區(qū)、玄武區(qū)、棲霞區(qū)、雨花臺(tái)區(qū)、秦淮區(qū)及浦口區(qū)，呈圈層式分布，由主城區(qū)向外密集程度逐漸減弱。

圖1 聚類(lèi)簇?cái)?shù)效果圖

圖2 聚類(lèi)結(jié)果圖

總體來(lái)看，南京地區(qū)社區(qū)整體分布不均衡，大多數(shù)聚類(lèi)中心都處于南京的主城區(qū)附近，其他地區(qū)聚類(lèi)中心較少且分散，同時(shí)沿交通線擴(kuò)散。據(jù)官方統(tǒng)計(jì)資料，南京地區(qū)2018年鼓樓區(qū)常住人口密度為2.64萬(wàn)人/km2；秦淮區(qū)常住人口密度為1.04萬(wàn)人/km2；玄武區(qū)常住人口密度為0.63萬(wàn)人/km2；而溧水區(qū)常住人口密度最小為0.04萬(wàn)人/km2。將社區(qū)聚類(lèi)中心的空間分布與每個(gè)城區(qū)的居民人口密度分布進(jìn)行比較，發(fā)現(xiàn)兩者基本一致。主要差別在于浦口區(qū)的社區(qū)較密集而其人口密度較低，原因是其社區(qū)主要聚集在沿河地區(qū)，在空間分布上符合圍繞主城區(qū)進(jìn)行布局的格局。

(二)社區(qū)消費(fèi)等級(jí)空間分布特征

經(jīng)統(tǒng)計(jì)發(fā)現(xiàn)，安居客上社區(qū)平均房?jī)r(jià)集中在3000～100000元區(qū)間內(nèi)。社區(qū)的平均房?jī)r(jià)一定程度上能夠代表該社區(qū)的消費(fèi)等級(jí)，本文將社區(qū)平均房?jī)r(jià)劃分為3個(gè)等級(jí)，代表社區(qū)居民消費(fèi)的三個(gè)等級(jí)：社區(qū)平均房?jī)r(jià)45000元以上的為高消費(fèi)等級(jí)社區(qū)；15000～45000元的為中消費(fèi)等級(jí)社區(qū)；0～15000元的為低消費(fèi)等級(jí)社區(qū)。社區(qū)平均房?jī)r(jià)熱力圖如下圖所示，顏色越深表示社區(qū)越聚集。高消費(fèi)等級(jí)社區(qū)共計(jì)263個(gè)，如圖3-1所示。高消費(fèi)等級(jí)社區(qū)主要聚集在河西地區(qū)。中消費(fèi)等級(jí)社區(qū)共計(jì)1862家，由圖3-2可看出，中消費(fèi)等級(jí)社區(qū)數(shù)量明顯增多，而且呈現(xiàn)圍繞主城區(qū)的分布特征。低消費(fèi)等級(jí)社區(qū)共計(jì)209家，由圖3-3可看到，集聚地更多更分散，基本覆蓋南京地區(qū)所有行政區(qū)，且表現(xiàn)出了沿交通線擴(kuò)展的集聚特征。

圖3-1 高消費(fèi)等級(jí)社區(qū)

圖3-2 中消費(fèi)等級(jí)社區(qū)

圖3-3 低消費(fèi)等級(jí)社區(qū)

總體來(lái)看，不同消費(fèi)等級(jí)社區(qū)的空間分布特征存在明顯差異。南京地區(qū)中低消費(fèi)等級(jí)社區(qū)數(shù)量占總數(shù)的絕大部分，而高消費(fèi)等級(jí)社區(qū)數(shù)量則較少，且多集中在河西地區(qū)附近。隨著等級(jí)降低，社區(qū)的集聚特性呈現(xiàn)出邊緣化分散的特點(diǎn)，且更易受交通便捷性的影響。

(三)影響因素分析

根據(jù)南京地區(qū)社區(qū)聚類(lèi)中心和消費(fèi)等級(jí)的空間分布可以將社區(qū)分為以下四種情況：(1)不僅密集而且消費(fèi)等級(jí)高，以河西地區(qū)的社區(qū)為代表；(2)分布雖十分密集，但其消費(fèi)等級(jí)卻并不高，以浦口和江寧副城區(qū)等地社區(qū)為代表；(3)消費(fèi)等級(jí)高卻分布稀疏，以玄武區(qū)和秦淮區(qū)等地社區(qū)為代表；(4)消費(fèi)等級(jí)低而且較為分散，以六合和高淳等地社區(qū)為代表。通過(guò)對(duì)比社區(qū)位置和區(qū)位特征，發(fā)現(xiàn)產(chǎn)生這種差異性主要是因?yàn)槌鞘胁季趾途用駛€(gè)體屬性的影響。

河西地區(qū)是南京地區(qū)傳統(tǒng)的富人區(qū)，而且位于南京市城區(qū)的中心地區(qū)，靠近南京最繁華的商業(yè)區(qū)，導(dǎo)致大量的高收入人群聚集。所以，以河西地區(qū)社區(qū)為代表的社區(qū)表現(xiàn)出了高密度、高消費(fèi)的特征。

江寧區(qū)、浦口區(qū)等地因?yàn)楣I(yè)區(qū)而匯聚了大量的外來(lái)就業(yè)人口，而大量的外來(lái)就業(yè)人口導(dǎo)致了社區(qū)的聚集，房?jī)r(jià)處于中等水平，符合實(shí)際消費(fèi)等級(jí)。所以，以浦口和江寧副城區(qū)等地社區(qū)為代表的社區(qū)表現(xiàn)出了高密度、低消費(fèi)的特征。

主城東部以玄武區(qū)和秦淮區(qū)等地社區(qū)為代表，表現(xiàn)出低密度、高消費(fèi)的屬性。其原因在于城東地區(qū)科研院所與高科技園區(qū)的布局。南京主城東部外圍的環(huán)鐘山風(fēng)景區(qū)一帶的大片區(qū)域存在大量的高校和科研院所，而居住在周邊的居民大多是高收入高學(xué)歷人群。

以六合和高淳等地社區(qū)為代表，特征是低密度、低消費(fèi)。因?yàn)槠浯蠖辔挥诔侵写宓貐^(qū)或者偏遠(yuǎn)郊區(qū)，經(jīng)濟(jì)發(fā)展水平較低，居民收入不高。

五、結(jié)論

本文通過(guò)數(shù)據(jù)挖掘技術(shù)獲取南京地區(qū)的社區(qū)信息，并通過(guò)Bisecting K-means聚類(lèi)算法對(duì)其進(jìn)行聚類(lèi)。從其空間分布密集程度和消費(fèi)等級(jí)方面對(duì)其蘊(yùn)含的地理特征進(jìn)行了分析。研究發(fā)現(xiàn)：

(1)南京地區(qū)社區(qū)呈現(xiàn)不均衡分布情況，聚類(lèi)中心大多靠近主城區(qū)，其他地區(qū)聚類(lèi)中心較少且分散，而且沿交通線擴(kuò)展。同時(shí)，社區(qū)聚類(lèi)中心空間分布受區(qū)域人口密度和交通便捷性影響很大。

(2)南京地區(qū)社區(qū)消費(fèi)能力呈現(xiàn)出等級(jí)體系特征，其空間分布特點(diǎn)是：高消費(fèi)等級(jí)社區(qū)少，主要在河西地區(qū)，城東地區(qū)分布較為稀疏，但都表現(xiàn)出小范圍內(nèi)規(guī)模聚集。中低消費(fèi)等級(jí)社區(qū)集聚區(qū)多且分散，并受交通便利性的影響。

(3)影響南京地區(qū)社區(qū)聚類(lèi)中心和消費(fèi)等級(jí)空間分布的因素主要是城市布局和居民個(gè)體屬性?xún)蓚€(gè)方面。其中，城市布局是主要因素，而居民本身的屬性則是次要因素。