n the space syntax software in varies scales. Based on detailed
survey of three selected shopping malls in Wangfujing area, it
shows how spatial configuration of the area as a whole and the
interior of buildings can affect the flow inside these malls and
the potential customers inside individual shops. This research also
gives another empirical evidence on how angular choice could be
used in analyzing 3D architecture space.
关键词：空间句法，穿行度，整合度，目的性与选择性消费, 商业建筑，王府井.
Keywords: Space Syntax, Choice, Integration, Targeted and selective
consumption, Shopping Mall, Wangfujing.
1，研究背景简介
1.1，研究意义
伴随着国家对新建住宅项目的调控政策，如商业综合体等商业地产项目逐渐在市场上占到更大的份额。同时，只租不售的经营方式也使得开发商需要更多的考虑到实际的运营成本，产生了对理性量化评测地块及建筑方案商业活力，以及科学预测人流量的需求。另外，从宏观层面来讲，商业中心的空间演变和发展对一个城市也有着重要的社会文化意义，而不仅仅局限于经济贡献。与博物馆式的静态的保护区不同，旧城区中充满活力的商业中心区往往也延续着城市的历史和文化。然而，随着城市自身和交通技术的发展，很多当代城市都面临着传统商业中心区的衰落问题。以北京为例，隆福寺的衰落已经是不争的事实，而王府井也更多的变成了旅游者观光的场所，逐渐丧失了作为城市商业中心的功能。造成这种变化的因素当然是多样而复杂的：除了城市整体空间结构之外，政治经济格局，不同社会阶层的人口空间分布和一些偶发事件都会有一定影响。空间句法理论及模型多年来积累了大量的研究成果，从科学的角度揭示了空间形态与运动之间的关系，而人流量对商业功能空间分布以及活力的影响是如庸置疑的。本文将综合应用空间句法软件近年来在国际学术研究和实践领域广泛使用的新算法，以实测的人流量数据为基础在王府井地区各个街道的范围检验其有效性。另外，本研究还将以东方新天地、新东安APM和百货大楼三个比较有代表性的购物中心为例，尝试在建筑尺度深入分析空间形态对不同业态类型的商业购物行为的影响。该成果将有助于从空间角度把握和预测王府井商业区的发展趋势，深入理解各个空间句法分析方式的特点、适用范围和准确性，并为开发面向商业建筑的更为精确和立体化的模型分析工具提供数据实证的支持。
1.2，研究内容和本文的结构
本文主要研究的内容是对王府井地区，以实测人流量数据为基础进行多尺度多方法的空间句法分析。因此，以研究尺度和方法为基础，在阐述了研究的理论背景和研究重点等内容之后，本文中对具体研究分析过程的描述将按遵循以下的结构顺序。
A，从区域宏观尺度分析北京传统商圈发展背后的空间逻辑。
本部分研究将对北京区域尺度范围（含昌平顺义等周边城镇）进行空间句法计算，分析不同尺度层级路网的空间形态及历史演变（从1930年代至今）。该分析的结果有助于我们从空间角度来理解北京传统商圈的空间分布与其兴衰变化的关系，从而预测王府井地区未来的发展趋势。
B，分析街区尺度范围王府井地区街道空间与地铁对人流车流空间分布的影响。
本部分研究将基于对王府井街区详细的人流量和车流量实测，应用空间句法软件进行空间分析，通过对比寻找和验证特定参数的准确性。
C，分析案例建筑内人流分布与店铺的实际使用状态与各空间属性的关系。
本部分研究将基于对三个案例建筑（百货大楼、新东安APM和东方新天地）进行人流量和店内顾客量数据收集。对比各个建筑之间和建筑内部各层之间购物人流和店内顾客数的变化规律，从而揭示建筑内空间连接和商业业态格局对购物行为的影响。
2，理论背景与研究重点
2.1，国内外应用空间句法对商业功能的研究现状
空间句法是英国著名城市和建筑理论家Bill
Hillier在上世纪80年代发展的一种基于城市和建筑空间拓扑形态的理论及软件工具[1]。自该理论和方法发展之初，商业便是空间句法研究的重要课题之一。空间句法的基础理论认为空间形态影响人的“自然运动”趋势，进而影响了城市功能（特别是零售业）的空间分布格局[2]。早期空间句法模型分析主要以轴线地图模型为基础，将街道空间抽象为尽可能长的直线段，计算这些直线段形成的网络系统的拓扑连接关系，并以整合度为基础分析城市空间形态与商业分布、交通量及特定社群分布的关系。沿着这个方向，空间句法学者在世界范围内的各个城市都发现并证实了空间形态对商业空间分布及演变的影响[3][4][5]。最近空间句法的标准化穿行度算法（Normalized
Choice,后文中简称穿行度）基于对50个案例城市机动车流量的实测数据研究，发现并证实了穿行度与流量的相关性普遍在0.6以上[6]，而次成果对于进一步量化研究商业功能的空间分布和演变有着非常直接和重要的意义。
国内对空间句法理论的引入最早可以上溯到上世纪80年代，除了初期一些介绍性的文章之外，东南大学的段进老师对空间句法的理论及实践应用进行过较为系统的整理[7]。具体近期到对商业分布的研究，以地块为单位，深圳大学的王浩峰对深圳市的土地使用数据进行了量化分析，发现空间句法的整合度数值与商业用地的比例呈现明显的正相关关系[8]。UCL的沈尧对天津、笔者对北京的研究也都发现了类似的规律[9][10]。此外，从商业中心的空间演变角度，笔者对北京历史商业的空句法分析也发现北京历史城市中道路等级划分、铺装方式等技术因素与空间拓扑形态高度吻合，而商业聚集中心的选址也明显受到空间拓扑结构变化的影响[11]。在建筑尺度相关的量化研究还比较少，近期对本研究比较有启发性的是同济大学庄宇应等学者用空间句法建立的“立体化”线段模型，并应用多元回归分析的方法分析了商业建筑内人流量与拓扑空间形态和其他空间要素的关系[12]。
总之，从目前国内外对商业功能的空间句法研究的发展来看，已不乏城市尺度范围对商业聚集和用地面积的量化分析。而以实测流量数据为基础，对一个地块进行跨尺度的、综合利用整合度与穿行度的空间分析尚比较少。事实上，一个商业区或商业建筑内的人流量或顾客量往往受到不同尺度范围空间因素的综合影响。因此，综合采用多种分析方式，在多个尺度上对一个案例地区的深入研究对理解空间句法各算法的实际效用和模型的发展而言很有意义。本文希望以北京历史上最具代表性的商业步行街王府井地区为例，进行上述方面的尝试。
2.2，整合度与穿行度，空间句法对目的性与偶发性购物行为的空间分析
整合度是空间句法发展初期最有代表性和影响力的指标，而穿行度则是近期证明与交通量相关度较高的指标。二者在算法和含义及应用上的差别是在空间句法研究中经常遇到的问题。简单来说，从算法上整合度描述的是一个空间单元（如街道段）到其他空间单元的最短路径距离之和；而穿行度描述的是一个空间单元被其他两两空间单元之间的最短路径（例如，按照折转角度最小的原则选取的路径）穿过的次数或概率。因此，对商业功能来说，这两种算法对应的含义分别为：整合度描述的是一个空间单元的中心性，即它被用作出行目的地的空间潜力；而穿行度描述的是一个空间单元的可穿过性，即它被“偶然”经过的空间潜力。从购物行为对空间的需求来看，以上两种空间都具备商业潜力，但对应的则可能是不同类型的商业建筑和使用方式，在后文中本研究将通过对三个案例建筑的人流量和顾客量数据来验证这一点。
3，研究方法介绍
3.1，地图分析
如前所述，本研究将从各个尺度范围对王府井地区和案例建筑的进行空间分析，并将综合应用到空间句法的线段分析、视域分析和人流模拟工具。首先，在城市尺度上，线段地图分析的范围包括北京主城区及周边主要的远郊区县（含顺义、通州、门头沟、昌平等等）。地区依据百度地图在AutoCAD中绘制。
3.2，实地观测调研
本研究在城市尺度通过实地调研收集的数据为王府井地区一天中的人流和车流数据。具体观测点的空间分布见图1，共计72个观测点。数据收集的时间为当天早9－10点，11点半到12点半，14点到15点，17点半到18点半四个时间段。实地记录各个观测点的两分钟双向穿过性人流和机动车流量。
在建筑尺度本研究采用类似的方法主要收集了三个案例建筑内主要交通空间内的人流量数据，以及各个商铺内即时的顾客数量。数据收集的时间为两天，包括一个工作日和一个休息日。对人流量的观测时间段与城市尺度调研相同，而对各个商铺内即时顾客量的调研为一日两次：分别在上午10点半到11点半和下午15点半到16点半，有意避开了中午餐饮业顾客排队滞留最多的时间。
图1，王府井地区街区尺度流量调研观测点分布及案例建筑位置。
4，王府井地区街区尺度空间分析
4.1，北京历史商圈发展趋势回顾
作为北京历史上最著名的商圈之一，王府井地区与北京其他商圈的发展趋势需要在城市宏观空间结构中考虑。针对北京历史商圈空间演变高松凡先生曾经以中心地模型为基础进行过分析[13]。与中心地模型不同，空间句法的分析方法并不计算各个级别中心商圈之间的距离，但能够更加准确的把握城市空间中运动的分布。具体来说，空间句法的穿行度算法捕捉的是一种流的分布强度和尺度范围：区域间大尺度的运动会自然的汇集于一些主要的大街上，而街区间小尺度范围的运动会更多的汇集于一些主要的胡同和巷道上。因此，城市空间体系会自然的形成不同层级的街道网络，而空间句法模型则可以把握这种与运动层级网络的发展变化过程。
图2，北京内城各传统商圈所在道路穿行度历史变化分析。
图2显示的是北京1935年、1987年和2010年经由空间句法线段模型计算的穿行度演变分析，图中突出显示了王府井、隆福寺、地安门、西四、西单与前门六个商圈所在地在相应年代标准化穿行度数值的变化趋势。需要特别说明的是，这里的分析采用的是半径为n的全局性标准化角度穿行度分析。另外，为了将地铁的影响考虑进去，所用的线段地图（1987和2010）也用Unlink工具绘制了地铁线路，并对比了不同年代考虑地铁后1公里半径穿行度的影响，特别是对王府井和隆福寺这两条并不直接属于城市通穿性大街的街道。
从这组数据的分析中我们可以发现，在1935年前门地区、隆福寺和西四地区在空间穿行度上占有一定的优势，而日后随着长安街的贯通和进一步的延长，前门地区略有下降但基本保持着优势，而王府井和西单地区的穿行度则被提升，而西四和地安门的穿行度则出现了不同程度的下降。隆福寺地区随着朝内大街的贯通出现了一定的提升，但提升幅度弱于西单王府井。
到了2008年，随着平安大街的东西贯通，弱化了朝阜大街作为东西向贯穿性连接的地位，长安街的地位也略有下降。其结果是地安门的穿行度被提升（2%），南锣鼓巷与莲花市场（今什刹海）等地区被激活，从原有的服务于当地居民的市场被提升为充斥国际国内旅游者的旅游点。虽然朝阜大街重要性被弱化，但西四和西单的地位由于西四大街在南北向的延伸同样获得了较大幅度的提升（5-6%）。而隆福寺、王府井和前门的穿行度则开始下降，其中隆福寺下降的最为明显，在朝阜大街方向达到了5%，这在实际中对应约8%的综合流量。从北京各个商圈发展的实际情况来考虑，隆福寺自上世纪90年代初火灾之后一蹶不振，而王府井则依托地铁的支持保持了活力。受地铁站点影响，王府井大街的1公里穿行度（该指标能较好的反应站点周边步行人流量变化）提升了5%，而同期隆福寺尽管也有地铁五号线的支持，其1公里穿行度提升仅0.1%。当然，对王府井大街而言，也正是因为其地面空间穿行度的下降趋势，如今的王府井更多的变为旅游者观光型购物的场所而非北京当地人日常生活型购物的商业中心。
4.2，街区尺度街道空间线段分析
图3，王府井地区街区尺度实测人车流空间分布图。
图3
中列出的是调研获得一天中四个时间节点中各个观测点的人流车流累加后的结果。左图为人流量分布，右图为车流量分布。从图中可以明显看出王府井大街上人流量大致呈枣核型分布，其中大量的人流来自东方新天地购物中心内的地铁站。
车流量的分布由于王府井大街是步行街而被硬性阻断。另外，长安街的实测数据由于预设两分钟的测量时间与红绿灯的节率不同导致在一条街道的不同位置上数据差异较大，笔者根据实际的红绿灯节律将数据修正为244车/8分钟。
由于车行道和步行道有明显的空间差异，本研究基于北京城市大尺度线段地图分别绘制了用于分析步行和车行的线段地图：前者基于细化的步行网络，将大型商业建筑底层的主要内部廊道空间也纳入了室外街道分析的体系。后者则切断了王府井大街中用作步行街的区段。而后针对上述两个线段地图分别进行了各个距离半径下角度整合度与穿行度的空间分析。
图4，王府井地区人流量与3公里角度整合度相关性分析。
从分析结果来看，对步行而言，3公里半径角度整合度与真实步行人流量（经开四次方处理接近正态分布，后文中所有人车流量都做了同样处理）的吻合程度最高（见图4），达到了0.612。而各个尺度范围的标准化角度穿行度与真实人流分布的相关度则在0.3-0.4。考虑到近几十年当地周边道路的主要结构变化不大，这个结果说明该地区主要是作为目的性型的商业中心区，而非受益于穿行型交通的商业聚集地。值得注意的是，尽管近年来经济发展使该地区的建筑形态发生了翻天覆地的变化，但其空间结构特征至今仍然“存储”在王府井于周边街道连接的空间关系中。一个商业区的汇集人流或利用穿过性人流的属性在城市发展中有相当大的稳定性。
图5，王府井地区车流量与5公里半径标准化穿行度相关性分析。
针对王府井地区的车流量空间分析结果相关度不如预想的高，穿行度要优于整合度。5公里半径标准化角度穿行度最高的相关度为0.49（见图5）。究其原因应该是当地有大量对机动车行驶的控制，导致车流无法按照自发的道路选择方式来行使。例如，图5右侧回归分析图中流量偏低的几个点对应的便是单向行驶的晨光街。另一方面，分析范围过小也使得这种人为控制的影响表现的更为明显。
4.3，街区尺度视域分析与人流模拟
为对比视域分析与人流模拟工具对王府井地区的人流量的分析效果，笔者也对该街区进行了视域整合度的计算，并根据王府井地区人流主要分布情况进行了叠加模拟。叠加的方式采用了两次模拟结果的累加：首先是在整个街区闭合区域随机生成智能体（Agent）,
然后在王府井大街南端东方新天地西出口处生成智能体，再根据实际在该地点过境的智能体流量按1:1的关系权重叠加两次模拟的结果，其结果要优于单次模拟的效果。
图6，王府井地区视域整合度分析与人流模拟分析与实测人流量的相关度。
从图6的相关性分析结果来看，视域整合度分析与实测人流量的相关度仅为0.21，而人流模拟的相关度则为0.38。从人流模拟的scatter
plot
中可以发现偏离回归线的两个点A和B对应的两种极端情况：A点位于协和医院后新建病房楼与老医院间新拓宽的道路上；而B点则位于王府井小吃街，这里街道非常狭窄，但由于有众多小餐饮业聚集而吸引了大量的人流。在排除这两种极端情况后，人流模拟的相关度可以提升为0.51，但仍未及线段分析的结果。
相对于视域分析和人流模拟，线段分析工具的优势在于反应空间的真实宽度的权重非常低，从而使得B点所在的空间尽管狭窄，却因与主街一个拓扑距离得以获得较高的数值。另一方面，对A点所在的区域，则由于医院建筑较为封闭，缺少对外的连接而使得该处的街道段整合度较低。综合这两点，线段分析能更有效的把握街道空间之间的构成关系，而其真实宽度对人流或车流的影响实际上远不如我们常识中明显。
5，对案例建筑的空间分析
5.1，各案例建筑简介
5.1.1，东方新天地
东方新天地位于王府井大街南端，地铁王府井与东单站之间。1997年开工建设，2001年正式投入使用，其商业主要分布在地下一层，地面层和二层，除宾馆面积后商业面积约12万平米。本次调研共记录了两天（工作日和周末），每天4个时间点，92个观测点的人流量数据和两个时间点211个商铺或摊位内的即时顾客数量。
图7，东方新天地实测人流量及商铺内顾客数统计。
图7显示的是调研的一个工作日与休息日该建筑周边道路流量与各主要出入口人流量汇总及变化情况，灰色部分为工作日数据，黑色部分为休息日数据。虚线框内部显示的是各个楼层商铺内即时顾客的统计汇总，括号内为工作日数据。图的右下部分还以图表的形式分别展示了平均每个商铺内的顾客数量、单位面积内顾客数量等相关的数据统计，括号内为工作日部分。
5.1.2，百货大楼
被誉为“新中国第一店”的百货大楼始建于1955年，是王府井地区所选三个案例中历史最悠久的商场。扩建后该商场分南馆和北馆，南馆为百货大楼的老建筑，营业部分为地上共五层，而北馆则为新建部分，营业部分为从地下二层到地上九层。考虑到地下二层和地上七八九层空间形态过于简单，均是功能空间围绕一个交通核的形式，本研究仅对地下一层到六层共七层的商业空间进行了人流观测和空间分析，研究涵盖的商业功能建筑面积约87500平米，共计164个观测点，商铺或摊位573个。
图8，百货大楼实测人流量及商铺内顾客数统计。
5.1.3，新东安APM
新东安APM商业分布在从地下一层到地上六层共七层的空间中，建筑面积约为95500平米，人流量观察点共计90个观测点，商铺数量为178家，其中有35家在关闭或装修中，实际获得顾客量数据的为143家。
图9，新东安APM实测人流量及商铺内顾客数统计。
5.2，各案例数据对比和空间分析
图10，各案例建筑流量及顾客量数据对比分析
图10的表中列出了各个建筑营业面积和商铺数等基本数据。表中的3公里角度平均整合度与全局穿行度指标来自图4的空间句法线段分析图。从这两项空间数据来看，东方新天地拥有最高的穿行度，体现出它更趋向于一个利用穿过性人流的商业建筑。而新东安APM则拥有最高的3公里整合度和最低的穿行度，体现出它更趋向于作为一个购物目的地性的商业，具有更强的聚集人流的能力。
从对入口人流量和各建筑商铺内顾客量的统计结果来看，三个案例中入口人流量最高的是东方新天地，最低的是百货大楼，与穿行度的高低排序相同。而从平均店内顾客数或单位面积顾客数来看，新东安APM最高而百货大楼最低，与整合度的高低排序相同。另外，从进入商铺内的顾客量与进出建筑的人流量比值（表中流量利用率）来看，新东安APM为最高。事实上，该建筑位于步行街的北端，街道上的人流量已经衰减，在这样的外部条件下仍能有如此高的内部活力证明其利用和聚集人流的能力的确较强。
从建筑内各层商铺内顾客量分布来看，三个案例中主要入口层自然体现出一定的优势，但新东安APM和百货大楼这两个层数较多的案例都显示出业态类型的明显影响。从各层顾客数差异最明显的百货大楼来看，其第六层店内顾客数远高于其他楼层达15-40倍。事实上，百货大楼给人的整体印象是非常萧条的，顾客大都只看不买，而第六层的主要业态为餐饮业，特别是一家名为“第二乐章”的餐馆吸引了大量的顾客。在大众点评网上该店的评论数远高于百货大楼的其他餐饮，为1111条，该餐馆大幅提升了整个楼层的顾客量，即便调研店内顾客数的时间不是就餐高峰，但这类餐馆始终有人就餐和排队。
需要指出的是，百货大楼在三个案例中整合度最低，聚集人流的能力最差，因此其支持目的性消费的能力也非常有限，即使存在着一两个颇受欢迎的餐厅，对本层的其他商铺及其他楼层的商铺贡献都很低。与之相比，新东安APM的空间条件则有利的多。新东安APM最具人气的商业为餐饮业和服装：餐饮业分散分布，五六层居多。其中“外婆家”新东安APM店在大众点评网上的评论数在8000以上，超过百货大楼“第二乐章”七倍。而就服装店来说，ZARA、H&M、Forever21等中档品牌连锁店直接面向王府井大街开门，内部自设楼梯，同时租用上下三到四层的空间。这无异于在这个大建筑底部形成了若干寄生的独立小建筑，充分利用着毗邻王府井大街与东华门大街的“金角”和“宽门头”优势。这些超级商铺的存在吸引了大量顾客，同时也减少了商铺的数量，拉高了平均每个商铺内的顾客数量。然而，与这些超级商铺形成鲜明对比的是，该建筑第四层及其他层东侧不直接临街的商铺多处于关停状态或很少有人光顾。
与新东安APM相反，东方新天地则是充分利用穿行人流的典范，其内部人流量和顾客量体现出更强的稳定性。其工作日和休息日的数据差异最小，始终保持着足够的内部人流量和顾客，商铺关停装修的现象也最少。
5.3，东方新天地与百货大楼内部空间穿行度与实测流量分析
为测试穿行度算法对多层建筑内的适用性，本部分研究将以东方新天地和百货大楼为例分析其内部人流量分布与立体化的线段模型分析结果的相关性。这两个建筑的线段模型均以前面城市尺度的线段模型为基础，细化了建筑内的廊道空间和店铺内空间。
在东方新天地的例子中，本研究将地下一层与地铁线和地上一层通过自动扶梯和电梯连接在一起，考虑在该建筑中第二层及以上的空间和下面的商业分的很开，彼此很难到达，故上层的空间及服务性的疏散楼梯和货梯在模型中被忽略。
图10，东方新天地“立体”线段模型与实测人流量相关性列表。
从分析结果来看（见图10），东方新天地的穿行度分析在各个尺度范围都优于整合度分析，其中1公里半径穿行度与实测流量的相关度最高为0.6229。
优于百货大楼的楼层较多，且第6层受业态影响最大，本研究采用了分层对比的方式，且只比较了地下一层到五层的空间，其统计结果见图11。从分析结果来看，整合度分析的结果在一层效果最好，但其与实测人流量的相关度随着楼层增加迅速降低。而穿行度指标的相关度在除第五层外表现的都比较稳定，在普遍在0.3以上。最高的相关度基本稳定在0.4以上。另外，随着楼层升高，各层最高相关度的计算半径逐渐减小。
图11，百货大楼“立体”线段模型与各层实测人流量相关性列表。
6，结论与讨论
本文对王府井商圈不同尺度范围展开研究，以城市宏观空间格局的历史发展，中观街区尺度的人流分布，微观建筑尺度的内部人流量和商铺顾客量的实测数据为基础，重点测试了整合度和穿行度对于目的性和穿行性空间潜力对商业功能的影响。其结论可归纳为以下几点：
1，在城市宏观尺度上，综合应用不同半径的穿行度指标可以有效的模拟道路空间的层级结构及轨道交通体系对流量造成的影响，从而对城市中心商圈的历史发展过程进行解释。
2，在街区尺度上，空间句法的整合度指标在王府井这个以目的性购物为主的地区可以更好的分析人流量的空间分布。而由于严格的交通管控措施，穿行度对车流的分析虽强于整合度，但相关度并不太高。另外，在街区尺度，线段分析工具（包括整合度和穿行度）优于视域分析与人流模拟的分析结果。
3，在建筑尺度，高整合度的商场能更有效的利用和聚集人流，提升进入商铺的顾客量；而高穿行度的商场（如东方新天地）虽然人流的利用率较低，但能够充分利用穿行人流潜力，有利于保持稳定性的商业价值）。
4，穿行度指标在对建筑内立体空间分析时同样适用，对分析利用穿行性交通的商业建筑类型且层数不多时效果更好，而在分析非穿行性多层商业建筑时较整合度分析效果更为稳定，受楼层数目增加的影响相对较小。
另外，上述结论也有助于我们反思当下信息技术和现代交通系统发展对商业空间分布和空间设计的影响。前者大幅度提升了商业体的信息可达性，而后者不断提升商业体聚集点的物理可达性，这些技术的进一步整合预期将会提升目的性出行的效率。然而，从王府井地区这三个商业建筑的使用状况和建筑内的顾客量分布来看，传统的空间形态优势却仍然发挥着很大的作用：3公里整合度最高的新东安APM仍然是当地人气最高的商场；而即便有网络宣传的支持，百货大楼6层的餐饮业带来的人流在缺乏内部空间条件的支持下很难为其他楼层带来利益。因此，只要依赖实际出行和现场体验的商业形态不因电商的发展而消失，空间形态在可以预见的将来就仍是建筑师和城市设计师处理该问题的核心技术。
注：本文所使用的图或图示均源于作者。
参考资料：
[1] Hillier, B. and Hanson, J.Social logic of Space [M].London,
Cambridge University Press, 1984.
[2] Hillier, B., Penn, A., Hanson, J., Grajewski, T. and Xu,
J.,Natural Movement: or, Configuration and Attraction in Urban
Pedestrian Movement [J].Environment and Planning B: Planning and
Design, 1993, volume 20, 29 - 66.
[3] Hillier, B.,Cities as movement of economies[J], in: Urban
design international, 1996,1, pp.41-60.
[4] Read, S.,Space Syntax and the Dutch City[J], Environment and
Planning B: Planning and Design, 1999,vol. 26, pp.251-264.
[5] Peponis, J. Space, Culture and Urban Design in Late Modernism
and After [J].Ekistics, 1989( 56): 334-355.
[6] Hillier, B., Yang, T., Turner, A., Advancing DepthMap to
advance our understanding of cities: comparing streets and cities,
and streets to cities[C]. in Eighth International Space Syntax
Symposium. 2012. Santiago de Chile: PUC.
[7] 段进，希列尔等，空间研究3：空间句法与城市规划[M],东南大学出版社，2007.
[8] Wang, H., Shi, S., Rao, X., A Study of Urban Density in
Shenzhen: the relationship between street morphology, building
density and land use[C], in Proceedings: Ninth International Space
Syntax Symposium. 2013. Seoul, Korea.
[9] Shen, Y., Karimi, K., Xia, Q., Morphological Transformation of
Historical Centers in Tianjin [C], in Proceedings: Ninth
International Space Syntax Symposium. 2013. Seoul, Korea.
[10] Yang, T. MORPHOLOGICAL TRANSFORMATION OF THE OLD CITY OF
BEIJING AFTER 1949 [C], Proceedings of the 3rd Great Asian Street
Symposium, 2004.
[11] 盛强,韩林飞.北京旧城商业分布分析——基于运动网络的层级结构
[J],天津大学学报（社会科学版）,2013,15（2）,pp.122-130.
[12] 庄宇, 张灵珠, 戴晓玲. 多层面商业空间整合度与人流量关联性分析[J]. 同济大学学报 (自然科学版), 2012,
40(11)，pp.1620-1626.
[13] 高松凡.历史上北京城市场变迁及其区位研究[J],地理学报,1989, 44(2),pp.129-139.
