商業(yè)街轉角業(yè)態(tài)對行人行為的影響

1、商業(yè)街行人轉角處活動的影響因素分析-以前門步行街為例目錄一、研究意義二、研究案例三、調研方法四、調研數據五、數據分析六、特殊數據分析傳統(tǒng)商業(yè)街面臨著商業(yè)中心和新型商業(yè)街等的巨大挑戰(zhàn)。商業(yè)街本身具有-規(guī)模較小，商圈輻射范圍小，業(yè)態(tài)結構單調等缺點，也有著觀光旅游，人文氣息濃厚，消費便利等優(yōu)勢。如何進一步優(yōu)化商業(yè)街的模式顯得尤為重要。針對目前情況，一方面應該優(yōu)化人文景觀，挖掘商業(yè)價值；另一方面，則需要從消費者行為模式上尋求發(fā)展之路。因此，對于進入商業(yè)街的消費者以及潛在消費者行為模式的研究顯得格外重要。商業(yè)街的轉角-商業(yè)街中重要的空間節(jié)點，對于行人行為模式起到了關鍵性的作用 。對于商業(yè)街轉角處的具體研

2、究能夠對以后商業(yè)街建設提供參考意見。使整體商業(yè)街得到合理的開發(fā)，使人群按照開發(fā)者的意圖進行分流，使商業(yè)利益盡可能最大化。一、研究意義-前門商業(yè)街二、研究案例-前門商業(yè)街研究區(qū)域17個觀測點調研選取了前門有代表性的前門大街、大柵欄街和糧食店街三條街道作為觀察對象。前期準備文獻研究法：參考一些關于商業(yè)街人流分析的論文，從學習中預測對轉角處行人行為可能的影響因素。實地調研觀察法： 統(tǒng)計不同時段不同轉角處人流分布；測量相關數據，如街道寬度等。定量分析法 ：通過統(tǒng)計，整理預測的影響因素和因變量的數據，利用EXCEL進行回歸分析，從而驗證之前的猜想并發(fā)現(xiàn)新的規(guī)律。經驗總結法：查詢優(yōu)秀商業(yè)街案例，從中學習經

3、驗，并提出意見。三、研究方法-前門商業(yè)街觀測時間：2015年12月22日（周二） 預調研，選測點，預測影響因素，測量街道寬度2015年12月26日（周六） 正式調研時間段：10:00 12:00 14:00 16:00 18:00具體步驟：在選取十七個測點上，分別拍攝一分鐘的人流視頻。三、研究方法-前門商業(yè)街轉角在商業(yè)街的位置前方商店數量轉角商店數量前方可視人數轉角可視人數前方道路寬度轉角道路寬度停留前進轉彎預測影響因素人的活動轉角位置x1商店數量x2可視人數x3道路寬度x4三、研究方法-前門商業(yè)街根據調研情況，發(fā)現(xiàn)豎向街道由北向南人數較多，橫向街道由東向西人數較多。所以，前門大街和糧食店街選

4、取由北向南為研究的人流方向。大柵欄街選取由東向西為研究的人流方向。人流方向示意圖三、研究方法-前門商業(yè)街10:0012:0014:0016:0018:001.1前進人數男71314611女411548總人數1124191019右轉彎人數男28151123女0771412總人數215222835停留人數（非手機因素）男12356女10166總人數224116總人數總人2前進人數男71314611女411548總人數1124191019左轉彎人數男1412913女32776總人數46191619停留人數（非手機因素）男12356女10164總人數2241110總人數總人數

5進人數男1216914女35998總人數156151822左轉彎人數男00000女00001總人數00001停留人數（非手機因素）男10121女00211總人數10332總人數總人數156151823四、調研數據-前門商業(yè)街部分實錄數據表格10:0012:0014:0016:0018:00前方商店牌匾數目轉角商店數目前方道路寬度轉角道路寬度轉角在商業(yè)街位置1.10.15 0.38 0.56 0.74 0.65 1.1181230100.341.20.27 0.20 0.50 0.62 0.50 1.21893090.3420.00 0.00 0.00 0.00 0.04

6、 21023070.433.10.00 0.00 0.00 0.04 0.05 3.11533030.53.20.00 0.10 0.57 0.11 0.10 3.21563080.540.22 0.33 0.00 0.00 0.45 41283050.565.10.17 0.09 0.00 0.00 0.17 5.11710650.565.20.29 0.09 0.00 0.00 0.17 5.2173650.5610.12 0.04 0.04 0.05 0.08 1523050.1120.15 0.16 0.09 0.09 0.11 2333050.173.10.43 0.00 0.30

7、0.40 0.00 3.136450.173.20.00 0.29 0.13 0.00 0.00 3.232450.174.10.19 0.24 0.30 0.04 0.23 4.1102960.134.20.06 0.28 0.07 0.14 0.08 4.2103940.134.30.50 0.86 0.80 0.17 0.17 4.3610690.344.40.00 0.60 0.25 0.17 0.23 4.462650.3450.00 0.00 0.18 0.06 0.21 5410950.58四、調研數據-前門商業(yè)街實測統(tǒng)計數據表格10:00前方轉角12:00前方轉角14:00前方

8、轉角16:00轉角前方18:00前方轉角0.15384615 56690.05128205 62560.10256410 84630.28947368 87850.11111111 34880.13333333 56140.06666667 62320.10526316 84290.42307692 44850.26315789 34360.06666667 2210.00000000 4500.20000000 5620.16666667 0460.08695652 2430.00000000 4640.22222222 2640.00000000 3510.00000000 4390.00

9、000000 2010.00000000 4650.20000000 26120.00000000 35130.00000000 6390.00000000 2060.00000000 2410.00000000 3130.00000000 3820.00000000 5290.09090909 2550.00000000 950.36363636 720.00000000 1690.00000000 8110.08333333 820.00000000 9100.36363636 740.00000000 1630.00000000 4110.08333333 810.00000000 30

10、30.02173913 5540.02083333 6050.04878049 2500.07692308 4520.15000000 5180.20000000 4680.17391304 5550.06976744 8500.14285714 3060.42857143 340.60000000 250.00000000 1050.10000000 2400.00000000 100.75000000 220.42857143 240.00000000 1040.16666667 4400.00000000 120.09523810 130.11764706 220.05000000 13

11、100.02173913 7200.09677419 1190.11111111 150.11111111 530.06666667 1330.01960784 11200.11538462 1130.00000000 420.64285714 5150.00000000 10130.08333333 1770.16666667 9100.00000000 410.35710000 5300.00000000 10130.08333333 2070.15384615 9110.11764706 1530.11538462 2260.00000000 3030.00000000 1260.000

12、00000 351四、調研數據-前門商業(yè)街停留人數比例實測數據表格五、數據分析-前門商業(yè)街回歸統(tǒng)計Multiple R0.574501R Square0.330051Adjusted R Square0.025529標準誤差0.152925觀測值17回歸統(tǒng)計Multiple R0.589377R Square0.347365Adjusted R Square0.050713標準誤差0.227754觀測值17回歸統(tǒng)計Multiple R0.87702R Square0.769165Adjusted R Square0.664239標準誤差0.144576觀測值17回歸統(tǒng)計Multiple R0.

13、819359R Square0.671349Adjusted R Square0.521962標準誤差0.15297觀測值17回歸統(tǒng)計Multiple R0.772574R Square0.59687Adjusted R Square0.41363標準誤差0.139923觀測值1710:0012:0014:0016:0018:00本次研究將轉角人數/總人數的比值作為此次的因變量y，將所有預測影響因素作為自變量x。（以下同）得到不同時間點，y與x的相關性衡量數據R分別為0.3、0.3、0.8、0.6、0.7，說明預測因素的確對行人活動產生了影響。發(fā)現(xiàn)隨著時間推移，y對行人的影響增強，14:00影

14、響最大。五、數據分析-前門商業(yè)街1.轉角在商業(yè)街的位置（x1）下表為統(tǒng)計的R與隨時間變化的折線圖（R為x1與y的相關性衡量值）， R值隨時間改變分別為0.01、0.02、0.02、0.03、0.05.說明轉角在商業(yè)街位置與行人是否轉彎關系不大。值得注意的是，在14:00以后，R呈上升趨勢發(fā)展。0.0144612710.0217869940.0108672010.0362493670.05996913300.010.020.030.040.050.060.0710:0012:0014:0016:0018:00相關性時間點R五、數據分析-前門商業(yè)街2.商店數目（以可視招牌數目計數）（x2）00.0

15、50.10.150.20.250.30.351012141618相關性相關性左圖為統(tǒng)計R值隨時間變化的折線圖，發(fā)現(xiàn)均在0.3以下，相關性較小。白天波動比較大，天色變暗之后，變化較平緩。討論分析后，認為前方人流以及綠化等設施擋住了部分牌匾，導致不同位置人們可視范圍內與統(tǒng)計情況不符；招牌面積大小，夜晚發(fā)光招牌等都可能造成干擾，造成誤差。R時間點五、數據分析-前門商業(yè)街3.道路寬度（x3）00.10.20.30.40.50.60.70.81012141618道路寬度方便統(tǒng)計，取道路寬度為實際道路寬度的1/10。由下圖可見，道路寬度與行人行為相關性較高，R在14:00達到了峰值0.74。R時間點五、數

16、據分析-前門商業(yè)街3.道路寬度（x3）00.020.040.060.080.10.121012141618前方道路寬度R變化圖00.10.20.30.40.50.60.70.81012141618轉角道路R變化圖前方道路寬度與轉角道路寬度兩者R值波動極值點重合。前方道路寬度對行人行為幾乎沒有影響，R值均在0.11以下。相對的，轉角道路對行人活動影響較大，14:00 R達到峰值0.68。0.00 0.20 0.40 0.60 0.80 1.00 1.20 123456789101112131415161714：00 x、y變化曲線yx五、數據分析-前門商業(yè)街3.道路寬度（x3）本次研究選取了相關

17、性最高的14：00進行分析。為方便起見，這里取x=道路寬度/10。道路寬度變化的曲線與y變化曲線的走向大致重合，在第一組，第五組，第十三組以及第十五組波峰達到重合。在忽略前方道路影響下，轉彎道路越寬，轉彎人數最多，轉彎道路寬度越窄，轉彎人數越少。五、數據分析-前門商業(yè)街4.可視人數（x4）00.10.20.30.40.50.60.70.81012141618X4的R的變化圖14:00以后，R都在0.6以上，相關性較高。數據處理調研過程中發(fā)現(xiàn)，10:00人流多為城市穿越人群，他們的行動都具有一定方向性，可能對10:00的數據統(tǒng)計造成干擾。00.10.20.30.40.50.60.70.81012

18、141618轉角可視人數R變化圖00.050.10.150.20.250.30.350.41012141618前方可視人數R變化圖五、數據分析-前門商業(yè)街4.可視人數（x4）轉角可視人數對行人行為影響明顯比前方可視人數的影響大。兩者峰值重疊。前方可視人數R值均在0.4以下，相關性較小。16點為峰值0.36。對于轉角可視人數，在14:00以后，R均在0.6以上。五、數據分析-前門商業(yè)街4.可視人數（x4）本次研究選取了相關性最高的16：00進行分析。為方便起見，這里取x=可視人數/100?？梢暼藬底兓那€與y變化曲線的走向大致重合，在第一組，第五組，第十一組波峰重合。可見，可視人數對行人在轉彎

19、處影響較大，人數越多，越吸引行人轉彎。0.00 0.50 1.00 1.50 2.00 123456789 10 11 12 13 14 15 16 17轉角可視人數轉角可視人數16:00轉角0.00 0.50 1.00 1.50 2.00 123456789 10 11 12 13 14 15 16 17前方可視人數前方可視人數16:00前方六、特殊數據分析-前門商業(yè)街1.女性行為分析之前研究發(fā)現(xiàn)對轉彎人流影響較大的是道路寬度和可視人流數量。我們選取轉彎人流中的女性轉彎者進行研究分析。（定義X=女性轉彎人數/總人數）首先是道路寬度對女性分析，R在14:00和16:00數值較大?；貧w統(tǒng)計Mul

20、tiple R0.402053R Square0.161646Adjusted R Square0.041881標準誤差0.113402觀測值17回歸統(tǒng)計Multiple R0.539614R Square0.291183Adjusted R Square0.189924標準誤差0.107291觀測值17回歸統(tǒng)計Multiple R0.680456R Square0.46302Adjusted R Square0.386309標準誤差0.113877觀測值17回歸統(tǒng)計Multiple R0.65475R Square0.428697Adjusted R Square0.347083標準誤差0.

21、088835觀測值17回歸統(tǒng)計Multiple R0.552573R Square0.305337Adjusted R Square0.206099標準誤差0.068902觀測值1710:00 12:00 14:00 16:00 17:001.女性行為分析選取相關性較高的14:00作為研究時間點。在前方道路寬度相同情況下，女性轉角人數與轉角道路寬度成正相關，在轉彎道路相同情況下，前方道路與女性轉彎人數沒有明顯相關關系。六、特殊數據分析-前門商業(yè)街00.10.20.30.40.50.61234567891011121314151617前方女性比例轉角1.女性行為分析其次，是可視人流對女性轉彎者數

22、量的關系。下面是可視人流對女性影響的回歸分析數據。在16:00之后，可視人流對女性人流行為的影響程度加大?；貧w統(tǒng)計Multiple R0.212611R Square0.045204Adjusted R Square-0.0912標準誤差0.121022觀測值17回歸統(tǒng)計Multiple R0.335486R Square0.112551Adjusted R Square-0.01423標準誤差0.120052觀測值17回歸統(tǒng)計Multiple R0.516733R Square0.267013Adjusted R Square0.1623標準誤差0.133047觀測值17回歸統(tǒng)計Multip

23、le R0.850334R Square0.723068Adjusted R Square0.683506標準誤差0.06185觀測值17回歸統(tǒng)計Multiple R0.569954R Square0.324848Adjusted R Square0.228398標準誤差0.067927觀測值17 10:00 12:00 14:00 16:00 18:00六、特殊數據分析-前門商業(yè)街00.511.522.512345678910111213141516171.女性行為分析收集數據有五個點共有相同的前方人數，此時，轉角處人數越多，女性轉角人數比例就越多?，F(xiàn)在是冬季，16:00以后，天就已經黑了，

24、可視人群的增加一定程度上會給女性一種安全感?？梢栽谵D角人數較多的街道，夜晚多設置小飾品，小手工藝品等女性感興趣的商業(yè)類型。前方可視人數轉角可視人數轉角女性比例六、特殊數據分析-前門商業(yè)街這里將一天內五個時間點，在十七個觀測點所有停留人數（排除特殊原因的停留者，如接打手機，拍照等）與總人數比值作為因變量y。探討商業(yè)街內引發(fā)行人在轉角處停留的原因。前方商店數目、轉角商店數目、轉角位置、轉角道路寬度的R值都小于0.08，影響較小，相關性不高。2.停留人數分析回歸統(tǒng)計Multiple R0.255598R Square0.06533Adjusted R Square0.003019標準誤差0.0846

25、16觀測值17回歸統(tǒng)計Multiple R0.04726R Square0.002234Adjusted R Square-0.06428標準誤差0.087426觀測值17回歸統(tǒng)計Multiple R0.27242R Square0.074213Adjusted R Square0.012494標準誤差0.084213觀測值17回歸統(tǒng)計Multiple R0.203175R Square0.04128Adjusted R Square-0.02263標準誤差0.085698觀測值17前方商店數目 轉角商店數目 轉角位置 轉角道路寬度六、特殊數據分析-前門商業(yè)街回歸統(tǒng)計Multiple R0.4

26、22191R Square0.178245Adjusted R Square-0.09567標準誤差0.088706觀測值172.停留人數分析方差分析dfSSMSFSignificance F回歸分析40.0204810.005120.6507230.637255殘差120.0944240.007869總計160.114906為了確保以下分析準確性，將前方商店數目、轉角商店數目、轉角位置、轉角道路寬度四者對停留人數的影響進行了分析，R為0.18，相關性較小，可以忽略。六、特殊數據分析-前門商業(yè)街相對而言，前方道路對行人的影響較大，當前面四個影響因素加上前方道路這個影響因素時，總體相關性變大，R由0.18變化為0.38。2.停留人數分析回歸統(tǒng)計Multiple R0.614464R Square0.377566Adjusted R Square0.094641標準誤差0.080635觀測值17回歸統(tǒng)計Multipl