商业街转角业态对行人行为的影响

1、商业街行人转角处活动的影响因素分析-以前门步行街为例目录一、研究意义二、研究案例三、调研方法四、调研数据五、数据分析六、特殊数据分析传统商业街面临着商业中心和新型商业街等的巨大挑战。商业街本身具有-规模较小，商圈辐射范围小，业态结构单调等缺点，也有着观光旅游，人文气息浓厚，消费便利等优势。如何进一步优化商业街的模式显得尤为重要。针对目前情况，一方面应该优化人文景观，挖掘商业价值；另一方面，则需要从消费者行为模式上寻求发展之路。因此，对于进入商业街的消费者以及潜在消费者行为模式的研究显得格外重要。商业街的转角-商业街中重要的空间节点，对于行人行为模式起到了关键性的作用 。对于商业街转角处的具体研

2、究能够对以后商业街建设提供参考意见。使整体商业街得到合理的开发，使人群按照开发者的意图进行分流，使商业利益尽可能最大化。一、研究意义-前门商业街二、研究案例-前门商业街研究区域17个观测点调研选取了前门有代表性的前门大街、大栅栏街和粮食店街三条街道作为观察对象。前期准备文献研究法：参考一些关于商业街人流分析的论文，从学习中预测对转角处行人行为可能的影响因素。实地调研观察法： 统计不同时段不同转角处人流分布；测量相关数据，如街道宽度等。定量分析法 ：通过统计，整理预测的影响因素和因变量的数据，利用EXCEL进行回归分析，从而验证之前的猜想并发现新的规律。经验总结法：查询优秀商业街案例，从中学习经

3、验，并提出意见。三、研究方法-前门商业街观测时间：2015年12月22日（周二） 预调研，选测点，预测影响因素，测量街道宽度2015年12月26日（周六） 正式调研时间段：10:00 12:00 14:00 16:00 18:00具体步骤：在选取十七个测点上，分别拍摄一分钟的人流视频。三、研究方法-前门商业街转角在商业街的位置前方商店数量转角商店数量前方可视人数转角可视人数前方道路宽度转角道路宽度停留前进转弯预测影响因素人的活动转角位置x1商店数量x2可视人数x3道路宽度x4三、研究方法-前门商业街根据调研情况，发现竖向街道由北向南人数较多，横向街道由东向西人数较多。所以，前门大街和粮食店街选

4、取由北向南为研究的人流方向。大栅栏街选取由东向西为研究的人流方向。人流方向示意图三、研究方法-前门商业街10:0012:0014:0016:0018:001.1前进人数男71314611女411548总人数1124191019右转弯人数男28151123女0771412总人数215222835停留人数（非手机因素）男12356女10166总人数224116总人数总人2前进人数男71314611女411548总人数1124191019左转弯人数男1412913女32776总人数46191619停留人数（非手机因素）男12356女10164总人数2241110总人数总人数

5进人数男1216914女35998总人数156151822左转弯人数男00000女00001总人数00001停留人数（非手机因素）男10121女00211总人数10332总人数总人数156151823四、调研数据-前门商业街部分实录数据表格10:0012:0014:0016:0018:00前方商店牌匾数目转角商店数目前方道路宽度转角道路宽度转角在商业街位置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、调研数据-前门商业街实测统计数据表格10:00前方转角12:00前方转角14:00前方

8、转角16:00转角前方18:00前方转角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、调研数据-前门商业街停留人数比例实测数据表格五、数据分析-前门商业街回归统计Multiple R0.574501R Square0.330051Adjusted R Square0.025529标准误差0.152925观测值17回归统计Multiple R0.589377R Square0.347365Adjusted R Square0.050713标准误差0.227754观测值17回归统计Multiple R0.87702R Square0.769165Adjusted R Square0.664239标准误差0.144576观测值17回归统计Multiple R0.

13、819359R Square0.671349Adjusted R Square0.521962标准误差0.15297观测值17回归统计Multiple R0.772574R Square0.59687Adjusted R Square0.41363标准误差0.139923观测值1710:0012:0014:0016:0018:00本次研究将转角人数/总人数的比值作为此次的因变量y，将所有预测影响因素作为自变量x。（以下同）得到不同时间点，y与x的相关性衡量数据R分别为0.3、0.3、0.8、0.6、0.7，说明预测因素的确对行人活动产生了影响。发现随着时间推移，y对行人的影响增强，14:00影

14、响最大。五、数据分析-前门商业街1.转角在商业街的位置（x1）下表为统计的R与随时间变化的折线图（R为x1与y的相关性衡量值）， R值随时间改变分别为0.01、0.02、0.02、0.03、0.05.说明转角在商业街位置与行人是否转弯关系不大。值得注意的是，在14:00以后，R呈上升趋势发展。0.0144612710.0217869940.0108672010.0362493670.05996913300.010.020.030.040.050.060.0710:0012:0014:0016:0018:00相关性时间点R五、数据分析-前门商业街2.商店数目（以可视招牌数目计数）（x2）00.0

15、50.10.150.20.250.30.351012141618相关性相关性左图为统计R值随时间变化的折线图，发现均在0.3以下，相关性较小。白天波动比较大，天色变暗之后，变化较平缓。讨论分析后，认为前方人流以及绿化等设施挡住了部分牌匾，导致不同位置人们可视范围内与统计情况不符；招牌面积大小，夜晚发光招牌等都可能造成干扰，造成误差。R时间点五、数据分析-前门商业街3.道路宽度（x3）00.10.20.30.40.50.60.70.81012141618道路宽度方便统计，取道路宽度为实际道路宽度的1/10。由下图可见，道路宽度与行人行为相关性较高，R在14:00达到了峰值0.74。R时间点五、数

16、据分析-前门商业街3.道路宽度（x3）00.020.040.060.080.10.121012141618前方道路宽度R变化图00.10.20.30.40.50.60.70.81012141618转角道路R变化图前方道路宽度与转角道路宽度两者R值波动极值点重合。前方道路宽度对行人行为几乎没有影响，R值均在0.11以下。相对的，转角道路对行人活动影响较大，14:00 R达到峰值0.68。0.00 0.20 0.40 0.60 0.80 1.00 1.20 123456789101112131415161714：00 x、y变化曲线yx五、数据分析-前门商业街3.道路宽度（x3）本次研究选取了相关

17、性最高的14：00进行分析。为方便起见，这里取x=道路宽度/10。道路宽度变化的曲线与y变化曲线的走向大致重合，在第一组，第五组，第十三组以及第十五组波峰达到重合。在忽略前方道路影响下，转弯道路越宽，转弯人数最多，转弯道路宽度越窄，转弯人数越少。五、数据分析-前门商业街4.可视人数（x4）00.10.20.30.40.50.60.70.81012141618X4的R的变化图14:00以后，R都在0.6以上，相关性较高。数据处理调研过程中发现，10:00人流多为城市穿越人群，他们的行动都具有一定方向性，可能对10:00的数据统计造成干扰。00.10.20.30.40.50.60.70.81012

18、141618转角可视人数R变化图00.050.10.150.20.250.30.350.41012141618前方可视人数R变化图五、数据分析-前门商业街4.可视人数（x4）转角可视人数对行人行为影响明显比前方可视人数的影响大。两者峰值重叠。前方可视人数R值均在0.4以下，相关性较小。16点为峰值0.36。对于转角可视人数，在14:00以后，R均在0.6以上。五、数据分析-前门商业街4.可视人数（x4）本次研究选取了相关性最高的16：00进行分析。为方便起见，这里取x=可视人数/100。可视人数变化的曲线与y变化曲线的走向大致重合，在第一组，第五组，第十一组波峰重合。可见，可视人数对行人在转弯

19、处影响较大，人数越多，越吸引行人转弯。0.00 0.50 1.00 1.50 2.00 123456789 10 11 12 13 14 15 16 17转角可视人数转角可视人数16:00转角0.00 0.50 1.00 1.50 2.00 123456789 10 11 12 13 14 15 16 17前方可视人数前方可视人数16:00前方六、特殊数据分析-前门商业街1.女性行为分析之前研究发现对转弯人流影响较大的是道路宽度和可视人流数量。我们选取转弯人流中的女性转弯者进行研究分析。（定义X=女性转弯人数/总人数）首先是道路宽度对女性分析，R在14:00和16:00数值较大。回归统计Mul

20、tiple R0.402053R Square0.161646Adjusted R Square0.041881标准误差0.113402观测值17回归统计Multiple R0.539614R Square0.291183Adjusted R Square0.189924标准误差0.107291观测值17回归统计Multiple R0.680456R Square0.46302Adjusted R Square0.386309标准误差0.113877观测值17回归统计Multiple R0.65475R Square0.428697Adjusted R Square0.347083标准误差0.

21、088835观测值17回归统计Multiple R0.552573R Square0.305337Adjusted R Square0.206099标准误差0.068902观测值1710:00 12:00 14:00 16:00 17:001.女性行为分析选取相关性较高的14:00作为研究时间点。在前方道路宽度相同情况下，女性转角人数与转角道路宽度成正相关，在转弯道路相同情况下，前方道路与女性转弯人数没有明显相关关系。六、特殊数据分析-前门商业街00.10.20.30.40.50.61234567891011121314151617前方女性比例转角1.女性行为分析其次，是可视人流对女性转弯者数

22、量的关系。下面是可视人流对女性影响的回归分析数据。在16:00之后，可视人流对女性人流行为的影响程度加大。回归统计Multiple R0.212611R Square0.045204Adjusted R Square-0.0912标准误差0.121022观测值17回归统计Multiple R0.335486R Square0.112551Adjusted R Square-0.01423标准误差0.120052观测值17回归统计Multiple R0.516733R Square0.267013Adjusted R Square0.1623标准误差0.133047观测值17回归统计Multip

23、le R0.850334R Square0.723068Adjusted R Square0.683506标准误差0.06185观测值17回归统计Multiple R0.569954R Square0.324848Adjusted R Square0.228398标准误差0.067927观测值17 10:00 12:00 14:00 16:00 18:00六、特殊数据分析-前门商业街00.511.522.512345678910111213141516171.女性行为分析收集数据有五个点共有相同的前方人数，此时，转角处人数越多，女性转角人数比例就越多。现在是冬季，16:00以后，天就已经黑了，

24、可视人群的增加一定程度上会给女性一种安全感。可以在转角人数较多的街道，夜晚多设置小饰品，小手工艺品等女性感兴趣的商业类型。前方可视人数转角可视人数转角女性比例六、特殊数据分析-前门商业街这里将一天内五个时间点，在十七个观测点所有停留人数（排除特殊原因的停留者，如接打手机，拍照等）与总人数比值作为因变量y。探讨商业街内引发行人在转角处停留的原因。前方商店数目、转角商店数目、转角位置、转角道路宽度的R值都小于0.08，影响较小，相关性不高。2.停留人数分析回归统计Multiple R0.255598R Square0.06533Adjusted R Square0.003019标准误差0.0846

25、16观测值17回归统计Multiple R0.04726R Square0.002234Adjusted R Square-0.06428标准误差0.087426观测值17回归统计Multiple R0.27242R Square0.074213Adjusted R Square0.012494标准误差0.084213观测值17回归统计Multiple R0.203175R Square0.04128Adjusted R Square-0.02263标准误差0.085698观测值17前方商店数目 转角商店数目 转角位置 转角道路宽度六、特殊数据分析-前门商业街回归统计Multiple R0.4

26、22191R Square0.178245Adjusted R Square-0.09567标准误差0.088706观测值172.停留人数分析方差分析dfSSMSFSignificance F回归分析40.0204810.005120.6507230.637255残差120.0944240.007869总计160.114906为了确保以下分析准确性，将前方商店数目、转角商店数目、转角位置、转角道路宽度四者对停留人数的影响进行了分析，R为0.18，相关性较小，可以忽略。六、特殊数据分析-前门商业街相对而言，前方道路对行人的影响较大，当前面四个影响因素加上前方道路这个影响因素时，总体相关性变大，R由0.18变化为0.38。2.停留人数分析回归统计Multiple R0.614464R Square0.377566Adjusted R Square0.094641标准误差0.080635观测值17回归统计Multipl