论文部分内容阅读
摘要以武汉市武昌区为例，运用加权Voronoi图，定性、定量地分析了武昌区ATM整体空间和各街区的空间布局结构及集聚分布。对ATM与人口密度、道路可达性、商业设施、金融设施以及公共服务设施密度等多个要素之间进行局域空间自相关分析，研究各因子对ATM空间布局的影响程度，为进一步解决ATM布局的问题提供有效的思路和手段。结果表明：人口密度、道路密度、金融密度等因子在全局及局部上影响着 ATM的空间布局，而人口密度的影响最明显；ATM的集聚核区域及均匀分布区域落在空间正相关的热点区域，表现为高密度城市化发展水平越高，各影响因子对 ATM的密度与集聚程度影响越显著。
关键词加权 Voronoi 图；局域空间自相关；ATM；空间布局
中图分类号S181.4文献标识码A文章编号0517-6611（2014）14-04320-06
Analysis of Spatial Distribution of ATM Machine in Urban Area Based on the Local Spatial Autocorrelation—A Case Study of Wuchang District in Wuhan City
LIU Yanfang et al （School of Resource and Environmental Sciences， Wuhan University， Wuhan， Hubei 430079）
Abstract Taking Wuchang District in Wuhan City as a case， using weighted Voronoi diagram， the spatial distribution of ATM was qualitatively and quantitatively analyzed. Then local spatial autocorrelation analysis was conducted on ATM and population density， road accessibility， commercial facilities， financial facilities and public service facilities density. The impact of each factor on the spatial distribution of ATM was studied， which can provide an effective means for the further ideas of solving ATM layout problems. The results showed that population density， commercial facilities density and road density affect the spatial distribution of ATM obviously with two variable regional spatial autocorrelation analysis， which population density perform more significantly. Higher the development level of the high density city， more obvious the effect of various factors on density and the degree of agglomeration of ATM
Key words Weighted Voronoi diagram； Local spatial autocorrelation； ATM；Spatial distribution
随着交通的便利、经济的迅速发展，银行ATM不局限于依托原银行网点，而是遍布城市周围。交通、人潮汇集的地点，公共交通路线的交汇点，购物中心等都成为ATM布放地址。ATM要在服务公众的同时获得最大收益，科学地选定其布放位置是重要的环节。目前我国部分城市的ATM分布并不十分合理，有些区域的ATM网点分布密度过大，存在资源浪费现象；而有些区域分布不足，甚至空白，这样就不能很好地为客户服务。如何科学、合理地设置银行ATM网点成为银行亟待解决的问题。
目前，对ATM网点选址的方法相对较少，其中主要有：徐峰、史臻提出的基于GIS与本量利模型对商业银行网点（ATM）选址的研究[1]；柳宗伟、毛蕴诗基于GIS与神经网络的方法对商业银行网点（ATM）选址的研究[2]；李睿、朱琦等基于进化博弈模型的县域银行网点（ATM）布局分层现象的研究[3]；李翠敏基于中心地理论、地租理论与区位论，对上海市的商业银行网点（ATM）的空间分布进行了研究[4]；甄茂成、张景秋等基于空间分析法对北京市城六区的银行网点（ATM）从整体空间分布与街道层面的空间分布这两个方面进行集中程度的研究[5]；贺灿飞、刘浩基于多元线性回归模型，从全国的尺度上对中国工商银行与中国银行的空间分布进行了研究[6]。这些研究主要采用实地观察、经验模型的分析手段，对银行网点选址考虑因素有限，并且单纯用传统选址分析方法，如回归分析法、层次分析法、线性规划法等，暴露出明显的缺陷：抽象的数学模型往往容易脱离实际，难以全面考虑复杂、抽象的选址要素，不便有效组织多源的相关数据进行综合分析，不能为决策人员提供直观、交互的分析工具，因此需要探索一种新型科学的ATM选址方法[7]。ATM作为空间点状地物，具有自身的分布特点，在空间布局上有一定的规律性，并受人口、道路、金融设施、公共服务设施等其他空间地物的制约影响[8]。
笔者以武汉市武昌区为例，利用加权Voronoi图与局域空间自相关分析ATM在各街区的空间布局结構及集聚情况，对ATM与人口密度、道路可达性、商业设施、金融设施以及公共服务设施密度等多个要素之间进行局域空间自相关分析，研究各因子对ATM空间布局的影响程度，为进一步解决ATM布局的问题提供有效的思路和手段。 1研究区概况及数据来源
1.1研究区概况武昌区地处武汉市城区东南部，与汉口、汉阳隔江相望，北至余家头罗家港与青山区毗邻；东、南与洪山区、青菱乡交错接壤，西临长江。在全市7个中心城区中地域最大、人口最多，辖区面积87.42 km2，到2009年户籍人口113万，辖15个街道，191个社区居委会。武昌区辖15个街道：积玉桥街道、杨园街道、徐家棚街道、粮道街街道、中华路街道、黄鹤楼街道、紫阳街道、白沙洲街道、首义路街道、中南路街道、水果湖街道、珞珈山街道、梨园街道、南湖街道、东湖风景区街道（图1）。武昌为湖北省委、省政府所在地，是全省的政治、文化、信息中心，200多家外地驻汉机构和众多金融机构、商贸企业、大公司总部汇集在此，形成武汉市的江南核心区。
图1研究区域概况1.2数據来源研究数据来自武汉市武昌区行政区划图和Google地图，提取道路网及15个街道行政边界。ATM数据主要来自百度地图。研究分析的对ATM选址的影响因素主要包括：人口密度、商业设施密度、金融设施密度、公共设施密度以及道路可达性（表1）。人口、面积、基础设施等数据均来自于武汉市2012年统计年鉴，超市、购物中心、商场、银行等因子通过百度地图、谷歌地图获取，并通过Arcgis软件，对ATM做缓冲区，以构建5 min步行圈，相关数据见表2。
研究表明，研究区人口密度、道路密度、金融设施密度、商业设施密度、公共服务设施密度与ATM机分布密度的双变量LISA Moran’s I值分别为0.311 4、0.389 6、0.268 2、0.235 8、0.239 4。LISA Moran’s I值全部通过95%以上的置信度检验，呈显著的空间正相关性。在所选取的5个指标中，人口密度与道路密度的指数最大，与研究区的实际情况相符。因为银行在考虑布局ATM的站点时首要考虑的最重要因素便是人流量与物流量。在人流量大以及人流聚集的区域布局ATM的使用效率与收益明显比在人口稀少的区域布局要高，而且更高的人口密度也意味着更高的货币使用量与货币交易量，随之也可以产生货币使用量的集聚效应。道路密度主要对物流具有极大的影响。一片区域的道路越密集，其各项经济活动的效率便越高，由此产生的货币交易量便越大。道路密度还标志着一片区域的交通通达度。交通通达度越高的区域，其周边的ATM使用者到此区域使用ATM的便利度便越高，从而间接地提高ATM的使用效率。因此人口密度与道路密度这两个变量与ATM的分布密度呈现显著的空间相关性。金融设施密度、商业设施密度与公共服务设施密度三者逐一衰减，并且与ATM的分布密度的相关程度没有人口密度与道路密度那么高。主要原因是银行、投资公司、债券公司等金融设施现在主要进行的是网上的大宗货币交易或者是商品交易，ATM对于它们只是一种工作中的补充设施，比如突发情况网络交易不了便可以到较近的 ATM方便地存取款。ATM在日常生活中也只是扮演小额取款的角色，因此对于这些大型的银行、投资公司、债券公司来说，其依赖ATM的程度不如周边住宅小区的市民那么高。大型超市、大型购物中心、商务区、大型数码、电器卖场与企事业单位、大学、职业技术学校的LISA Moran’s I值较低的原因也在于此。大型的商业设施主要通过更为便利的网上银行交易来应对各种货币交易，ATM对于它们来说也只是一种工作上的补充。而在公共服务设施周边布局主要考虑到大型公共服务设施内会聚集较大的人流，比如高校的宿舍区等，因此为了方便在这些大型公共服务设施内工作与生活的人群，也会考虑在此布置ATM。但是由于公共服务设施都具有一定的内部封闭性，比如政府机关单位或是企业总部等，因此其ATM的使用便具有特定的服务对象，由此也导致了ATM的使用频率较低，因此商业设施密度、公共服务设施密度都比较低。
11个街道的人口密度都与ATM的分布密度呈现正空间性，更为具体的空间相关关系可以见图5的LISA散点图与集聚图。有颜色区域是空间自相关显著性通过0.05的区域，4个颜色分别代表了正相关与负相关集聚的4种状态，白色区域无显著意义。红色是“高高”区域，即本地人口密度数值高，所处区域ATM密度高的街道，呈空间正相关；深蓝色是“低低”区域，即本地人口数值低，所处区域ATM密度低的街道，呈空间正相关；浅蓝色是“低高”区域，即本地人口数值低，所处区域ATM密度高的街道，呈空间负相关；粉红色是“高低”区域，即本地人口数值高，所处区域ATM密度低的街道，呈空间负相关。从图5可知，研究区各影响因子与ATM分布密度的双变量空间自相关热点地区基本一致，且热点区在空间上呈团块状分布。其中西部的中华路街道、黄鹤楼街道、首义路街道、中南路街道呈现高高聚集，北部的杨园街道与南部的南湖街道呈现低低聚集。分布在红色团块与深蓝色团块中间的是浅红色组团与浅蓝色组团。其中北部的徐家棚街道、梨园街道以及西南部的白沙洲街道为低高聚集，东部的东湖风景区街道、珞珈山街道、水果湖街道与中西部的粮道街道、紫阳街道为高低聚集。
图6中，道路密度与ATM的分布密度呈现正相关关系。其中，西部四街道仍然呈现出高高聚集的组团分布，东北部的梨园街道、东湖风景区街道与西南部的白沙洲街道呈现出低低聚集的组团分布。图7中，金融设施与ATM的分布密度呈现较弱的正相关关系。中西部的四街道呈现出高高聚集的组团分布，东北部的梨园街道呈现出低低聚集的组团分布。图8与图9中，商业设施、公共服务设施都与ATM的分布密度呈现较弱的正相关关系。主要仍是中部的街道呈现高高分布，北部的街道呈现出低低分布。
从全区范围来看，黄鹤楼街道、粮道街道、中华路街道、中南路街道、首义路街道这5个街道的人口密度、道路密度、金融设施密度、商业设施密度、公共服务设施密度都与ATM的分布密度呈现出高高聚集的态势，表明这5个街道的ATM空间布局比较合理，与其周围的住宅小区的人口数量、街道内的道路长度、金融设施、商业设施和公共服务设施的分布都比较和谐地进行空间匹配，从而使货币流量与人流量、道路交通流量、交易活动流量在空间内实现了各自的优势互补，空间布局达到了科学合理的水平[17]。而梨园街与白沙洲街在与ATM的分布密度的LISA散点图与集聚图中都呈现了低低分布或者是低高分布，表明这两个街道目前的经济水平在武昌区内还比较落后，在加权Voronoi图中也看出这两个街道的ATM分布极少，而周边也没有大型金融设施或是商业公共服务业设施进行集聚，因此这两个街道的ATM主要用途还是为了方便周边住宅小区的居民，其使用效率与中西部的5个街道相比较低。介于热点区与冷点区之间的杨园街道、东湖风景区街道、积玉桥街道、南湖街道、徐家棚街道、水果湖街道与紫阳街道内的道路密度、金融设施密度、商业设施密度、公共服务设施与ATM的分布还没有达到一个合理的水平，因此在城市化的进程中可以针对每个街道的具体特点来研究其人流、交通流的具体流动与空间分布，从而提高上述7个街道的城市化发展水平。 4结论与讨论
运用加权Voronoi图，定性、定量地分析了武昌区ATM整体空间和各街区的空间布局结构及集聚分布。全区范围内及各街道区域内都受特定因素影响，黄鹤楼街道、粮道街道、中华路街道、中南路街道、首义路街道这5个街道的人口密度、道路密度、金融设施密度、商业设施密度、公共服务设施密度都与ATM的分布密度呈现出高高聚集的态势，表明这5个街道的ATM空间布局比较合理。梨园街与白沙洲街ATM分布较少，因此在城市化的进程中，可以针对每个街道的具体特点来研究其人流、交通流的具体流动与空間分布，以优化ATM空间布局，提高其使用效率。图5人口密度与ATM密度的双变量空间自相关LISA散点图与集聚图6道路密度与ATM密度的双变量空间自相关LISA散点图与集聚图图7金融设施密度与ATM密度的双变量空间自相关LISA散点图与集聚图图8商业设施密度与ATM密度的双变量空间自相关LISA散点图与集聚图图9公共服务设施密度与ATM密度的双变量空间自相关LISA散点图与集聚图影响因子的空间自相关分析表明，人口密度、道路密度、金融、商业以及公共设施密度等影响因子在全局及局部上影响着ATM的空间布局，人口密度的影响更明显。ATM的集聚核区域及均匀分布区域落在空间正相关的热点区域，表现为高密度城市化发展水平越高，各影响因子对 ATM 的密度与集聚程度影响更显著。
高密度城区ATM数量的增长是必然趋势，笔者试图寻找高密度城区的ATM布局规律，在未来持续的城市扩展与银行选址中，为银行选址与ATM的优化布局提供有效的理论和思路。同时，在影响因子选取上，寻找更具体、细化的影响因子，以求对ATM布局进行更合理的评价。
参考文献
[1] 徐峰，史臻. 基于GIS与本量利模型的商业银行网点选址研究[J].经济论坛， 2008（16）： 43.
[2] 柳宗伟，毛蕴诗.基于GIS与神经网络的商业银行网点选址方法研究[J].商业经济与管理，2004（9）：55-59.
[3] 李睿，朱琦.基于进化博弈模型的县域银行网点布局的分层现象研究[J].金融经济：理论版，2009（12）：127-128.
[4] 李翠敏.城市银行网点的空间分析——以上海市中心城区为例[D].上海：上海师范大学，2005.
[5] 甄茂成，张景秋，杨广林，等.北京城市银行网点空间格局及其优化策略研究[J].北京联合大学学报：自然科学版，2013，27（3）：10-16.
[6] 贺灿飞，刘浩.银行业改革与国有商业银行网点空间布局——以中国工商银行和中国银行为例[J].地理研究，2013，32（1）：111-122.
[7] 张伟，刘纯波，周廷刚，等.基于GIS与遥感影像的银行ATM机网点选址方法研究[J].测绘科学，2007，32（1）：142-144.
[8] 黎雯，周廷刚，张伟，等.GIS空间分析与模糊综合评判在银行ATM网点选址中的应用[J].测绘科学，2008，33（1）：229-231，237.
[9] 苗李莉，蒋卫国，侯鹏，等.基于遥感和GIS的城市湿地资源综合分析-以北京市为例[J].西安建筑科技大学学报：自然科学版，2013，45（1）：130-135.
[10] 张杏娟，文雅，吴志峰，等. 基于Voronoi图的高密度城区停车场空间布局分析——以广州市海珠区为例[J]. 地球信息科学学报，2013（3）：415-421.
[11] 魏晓峰，吴健平.基于ArcGIS的空间自相关分析模块的开发与应用[J].测绘与空间地理信息，2005，28（6）：77-80.
[12] 张松林，张昆.全局空间自相关Moran指数和G系数对比研究[J].中山大学学报：自然科学版，2007，46（4）：93-97.
[13] 杜国明，张树文，张有全.城市人口分布的空间自相关分析——以沈阳市为例[J].地理研究，2007，26（2）：383-390.
[14] 陈彦光.基于Moran统计量的空间自相关理论发展和方法改进[J].地理研究，2009，28（6）：1449-1463.
[15] 刘爱华，谢正观.加权Voronoi图在城镇经济区划分中的应用——以十堰市为例[J].地理与地理信息科学，2011，27（4）：79-82.
[16] 宋鸿，陈晓玲.中国土地市场化进程的空间自相关分析[J].华中师范大学学报：自然科学版，2008，42（1）：132-135，140.
[17] 杨香花.GIS辅助下的金融网点选址研究——以广州市农业银行网点布局调整为例[D].长春：东北师范大学，2003.
关键词加权 Voronoi 图；局域空间自相关；ATM；空间布局
中图分类号S181.4文献标识码A文章编号0517-6611（2014）14-04320-06
Analysis of Spatial Distribution of ATM Machine in Urban Area Based on the Local Spatial Autocorrelation—A Case Study of Wuchang District in Wuhan City
LIU Yanfang et al （School of Resource and Environmental Sciences， Wuhan University， Wuhan， Hubei 430079）
Abstract Taking Wuchang District in Wuhan City as a case， using weighted Voronoi diagram， the spatial distribution of ATM was qualitatively and quantitatively analyzed. Then local spatial autocorrelation analysis was conducted on ATM and population density， road accessibility， commercial facilities， financial facilities and public service facilities density. The impact of each factor on the spatial distribution of ATM was studied， which can provide an effective means for the further ideas of solving ATM layout problems. The results showed that population density， commercial facilities density and road density affect the spatial distribution of ATM obviously with two variable regional spatial autocorrelation analysis， which population density perform more significantly. Higher the development level of the high density city， more obvious the effect of various factors on density and the degree of agglomeration of ATM
Key words Weighted Voronoi diagram； Local spatial autocorrelation； ATM；Spatial distribution
随着交通的便利、经济的迅速发展，银行ATM不局限于依托原银行网点，而是遍布城市周围。交通、人潮汇集的地点，公共交通路线的交汇点，购物中心等都成为ATM布放地址。ATM要在服务公众的同时获得最大收益，科学地选定其布放位置是重要的环节。目前我国部分城市的ATM分布并不十分合理，有些区域的ATM网点分布密度过大，存在资源浪费现象；而有些区域分布不足，甚至空白，这样就不能很好地为客户服务。如何科学、合理地设置银行ATM网点成为银行亟待解决的问题。
目前，对ATM网点选址的方法相对较少，其中主要有：徐峰、史臻提出的基于GIS与本量利模型对商业银行网点（ATM）选址的研究[1]；柳宗伟、毛蕴诗基于GIS与神经网络的方法对商业银行网点（ATM）选址的研究[2]；李睿、朱琦等基于进化博弈模型的县域银行网点（ATM）布局分层现象的研究[3]；李翠敏基于中心地理论、地租理论与区位论，对上海市的商业银行网点（ATM）的空间分布进行了研究[4]；甄茂成、张景秋等基于空间分析法对北京市城六区的银行网点（ATM）从整体空间分布与街道层面的空间分布这两个方面进行集中程度的研究[5]；贺灿飞、刘浩基于多元线性回归模型，从全国的尺度上对中国工商银行与中国银行的空间分布进行了研究[6]。这些研究主要采用实地观察、经验模型的分析手段，对银行网点选址考虑因素有限，并且单纯用传统选址分析方法，如回归分析法、层次分析法、线性规划法等，暴露出明显的缺陷：抽象的数学模型往往容易脱离实际，难以全面考虑复杂、抽象的选址要素，不便有效组织多源的相关数据进行综合分析，不能为决策人员提供直观、交互的分析工具，因此需要探索一种新型科学的ATM选址方法[7]。ATM作为空间点状地物，具有自身的分布特点，在空间布局上有一定的规律性，并受人口、道路、金融设施、公共服务设施等其他空间地物的制约影响[8]。
笔者以武汉市武昌区为例，利用加权Voronoi图与局域空间自相关分析ATM在各街区的空间布局结構及集聚情况，对ATM与人口密度、道路可达性、商业设施、金融设施以及公共服务设施密度等多个要素之间进行局域空间自相关分析，研究各因子对ATM空间布局的影响程度，为进一步解决ATM布局的问题提供有效的思路和手段。 1研究区概况及数据来源
1.1研究区概况武昌区地处武汉市城区东南部，与汉口、汉阳隔江相望，北至余家头罗家港与青山区毗邻；东、南与洪山区、青菱乡交错接壤，西临长江。在全市7个中心城区中地域最大、人口最多，辖区面积87.42 km2，到2009年户籍人口113万，辖15个街道，191个社区居委会。武昌区辖15个街道：积玉桥街道、杨园街道、徐家棚街道、粮道街街道、中华路街道、黄鹤楼街道、紫阳街道、白沙洲街道、首义路街道、中南路街道、水果湖街道、珞珈山街道、梨园街道、南湖街道、东湖风景区街道（图1）。武昌为湖北省委、省政府所在地，是全省的政治、文化、信息中心，200多家外地驻汉机构和众多金融机构、商贸企业、大公司总部汇集在此，形成武汉市的江南核心区。
图1研究区域概况1.2数據来源研究数据来自武汉市武昌区行政区划图和Google地图，提取道路网及15个街道行政边界。ATM数据主要来自百度地图。研究分析的对ATM选址的影响因素主要包括：人口密度、商业设施密度、金融设施密度、公共设施密度以及道路可达性（表1）。人口、面积、基础设施等数据均来自于武汉市2012年统计年鉴，超市、购物中心、商场、银行等因子通过百度地图、谷歌地图获取，并通过Arcgis软件，对ATM做缓冲区，以构建5 min步行圈，相关数据见表2。
研究表明，研究区人口密度、道路密度、金融设施密度、商业设施密度、公共服务设施密度与ATM机分布密度的双变量LISA Moran’s I值分别为0.311 4、0.389 6、0.268 2、0.235 8、0.239 4。LISA Moran’s I值全部通过95%以上的置信度检验，呈显著的空间正相关性。在所选取的5个指标中，人口密度与道路密度的指数最大，与研究区的实际情况相符。因为银行在考虑布局ATM的站点时首要考虑的最重要因素便是人流量与物流量。在人流量大以及人流聚集的区域布局ATM的使用效率与收益明显比在人口稀少的区域布局要高，而且更高的人口密度也意味着更高的货币使用量与货币交易量，随之也可以产生货币使用量的集聚效应。道路密度主要对物流具有极大的影响。一片区域的道路越密集，其各项经济活动的效率便越高，由此产生的货币交易量便越大。道路密度还标志着一片区域的交通通达度。交通通达度越高的区域，其周边的ATM使用者到此区域使用ATM的便利度便越高，从而间接地提高ATM的使用效率。因此人口密度与道路密度这两个变量与ATM的分布密度呈现显著的空间相关性。金融设施密度、商业设施密度与公共服务设施密度三者逐一衰减，并且与ATM的分布密度的相关程度没有人口密度与道路密度那么高。主要原因是银行、投资公司、债券公司等金融设施现在主要进行的是网上的大宗货币交易或者是商品交易，ATM对于它们只是一种工作中的补充设施，比如突发情况网络交易不了便可以到较近的 ATM方便地存取款。ATM在日常生活中也只是扮演小额取款的角色，因此对于这些大型的银行、投资公司、债券公司来说，其依赖ATM的程度不如周边住宅小区的市民那么高。大型超市、大型购物中心、商务区、大型数码、电器卖场与企事业单位、大学、职业技术学校的LISA Moran’s I值较低的原因也在于此。大型的商业设施主要通过更为便利的网上银行交易来应对各种货币交易，ATM对于它们来说也只是一种工作上的补充。而在公共服务设施周边布局主要考虑到大型公共服务设施内会聚集较大的人流，比如高校的宿舍区等，因此为了方便在这些大型公共服务设施内工作与生活的人群，也会考虑在此布置ATM。但是由于公共服务设施都具有一定的内部封闭性，比如政府机关单位或是企业总部等，因此其ATM的使用便具有特定的服务对象，由此也导致了ATM的使用频率较低，因此商业设施密度、公共服务设施密度都比较低。
11个街道的人口密度都与ATM的分布密度呈现正空间性，更为具体的空间相关关系可以见图5的LISA散点图与集聚图。有颜色区域是空间自相关显著性通过0.05的区域，4个颜色分别代表了正相关与负相关集聚的4种状态，白色区域无显著意义。红色是“高高”区域，即本地人口密度数值高，所处区域ATM密度高的街道，呈空间正相关；深蓝色是“低低”区域，即本地人口数值低，所处区域ATM密度低的街道，呈空间正相关；浅蓝色是“低高”区域，即本地人口数值低，所处区域ATM密度高的街道，呈空间负相关；粉红色是“高低”区域，即本地人口数值高，所处区域ATM密度低的街道，呈空间负相关。从图5可知，研究区各影响因子与ATM分布密度的双变量空间自相关热点地区基本一致，且热点区在空间上呈团块状分布。其中西部的中华路街道、黄鹤楼街道、首义路街道、中南路街道呈现高高聚集，北部的杨园街道与南部的南湖街道呈现低低聚集。分布在红色团块与深蓝色团块中间的是浅红色组团与浅蓝色组团。其中北部的徐家棚街道、梨园街道以及西南部的白沙洲街道为低高聚集，东部的东湖风景区街道、珞珈山街道、水果湖街道与中西部的粮道街道、紫阳街道为高低聚集。
图6中，道路密度与ATM的分布密度呈现正相关关系。其中，西部四街道仍然呈现出高高聚集的组团分布，东北部的梨园街道、东湖风景区街道与西南部的白沙洲街道呈现出低低聚集的组团分布。图7中，金融设施与ATM的分布密度呈现较弱的正相关关系。中西部的四街道呈现出高高聚集的组团分布，东北部的梨园街道呈现出低低聚集的组团分布。图8与图9中，商业设施、公共服务设施都与ATM的分布密度呈现较弱的正相关关系。主要仍是中部的街道呈现高高分布，北部的街道呈现出低低分布。
从全区范围来看，黄鹤楼街道、粮道街道、中华路街道、中南路街道、首义路街道这5个街道的人口密度、道路密度、金融设施密度、商业设施密度、公共服务设施密度都与ATM的分布密度呈现出高高聚集的态势，表明这5个街道的ATM空间布局比较合理，与其周围的住宅小区的人口数量、街道内的道路长度、金融设施、商业设施和公共服务设施的分布都比较和谐地进行空间匹配，从而使货币流量与人流量、道路交通流量、交易活动流量在空间内实现了各自的优势互补，空间布局达到了科学合理的水平[17]。而梨园街与白沙洲街在与ATM的分布密度的LISA散点图与集聚图中都呈现了低低分布或者是低高分布，表明这两个街道目前的经济水平在武昌区内还比较落后，在加权Voronoi图中也看出这两个街道的ATM分布极少，而周边也没有大型金融设施或是商业公共服务业设施进行集聚，因此这两个街道的ATM主要用途还是为了方便周边住宅小区的居民，其使用效率与中西部的5个街道相比较低。介于热点区与冷点区之间的杨园街道、东湖风景区街道、积玉桥街道、南湖街道、徐家棚街道、水果湖街道与紫阳街道内的道路密度、金融设施密度、商业设施密度、公共服务设施与ATM的分布还没有达到一个合理的水平，因此在城市化的进程中可以针对每个街道的具体特点来研究其人流、交通流的具体流动与空间分布，从而提高上述7个街道的城市化发展水平。 4结论与讨论
运用加权Voronoi图，定性、定量地分析了武昌区ATM整体空间和各街区的空间布局结构及集聚分布。全区范围内及各街道区域内都受特定因素影响，黄鹤楼街道、粮道街道、中华路街道、中南路街道、首义路街道这5个街道的人口密度、道路密度、金融设施密度、商业设施密度、公共服务设施密度都与ATM的分布密度呈现出高高聚集的态势，表明这5个街道的ATM空间布局比较合理。梨园街与白沙洲街ATM分布较少，因此在城市化的进程中，可以针对每个街道的具体特点来研究其人流、交通流的具体流动与空間分布，以优化ATM空间布局，提高其使用效率。图5人口密度与ATM密度的双变量空间自相关LISA散点图与集聚图6道路密度与ATM密度的双变量空间自相关LISA散点图与集聚图图7金融设施密度与ATM密度的双变量空间自相关LISA散点图与集聚图图8商业设施密度与ATM密度的双变量空间自相关LISA散点图与集聚图图9公共服务设施密度与ATM密度的双变量空间自相关LISA散点图与集聚图影响因子的空间自相关分析表明，人口密度、道路密度、金融、商业以及公共设施密度等影响因子在全局及局部上影响着ATM的空间布局，人口密度的影响更明显。ATM的集聚核区域及均匀分布区域落在空间正相关的热点区域，表现为高密度城市化发展水平越高，各影响因子对 ATM 的密度与集聚程度影响更显著。
高密度城区ATM数量的增长是必然趋势，笔者试图寻找高密度城区的ATM布局规律，在未来持续的城市扩展与银行选址中，为银行选址与ATM的优化布局提供有效的理论和思路。同时，在影响因子选取上，寻找更具体、细化的影响因子，以求对ATM布局进行更合理的评价。
参考文献
[1] 徐峰，史臻. 基于GIS与本量利模型的商业银行网点选址研究[J].经济论坛， 2008（16）： 43.
[2] 柳宗伟，毛蕴诗.基于GIS与神经网络的商业银行网点选址方法研究[J].商业经济与管理，2004（9）：55-59.
[3] 李睿，朱琦.基于进化博弈模型的县域银行网点布局的分层现象研究[J].金融经济：理论版，2009（12）：127-128.
[4] 李翠敏.城市银行网点的空间分析——以上海市中心城区为例[D].上海：上海师范大学，2005.
[5] 甄茂成，张景秋，杨广林，等.北京城市银行网点空间格局及其优化策略研究[J].北京联合大学学报：自然科学版，2013，27（3）：10-16.
[6] 贺灿飞，刘浩.银行业改革与国有商业银行网点空间布局——以中国工商银行和中国银行为例[J].地理研究，2013，32（1）：111-122.
[7] 张伟，刘纯波，周廷刚，等.基于GIS与遥感影像的银行ATM机网点选址方法研究[J].测绘科学，2007，32（1）：142-144.
[8] 黎雯，周廷刚，张伟，等.GIS空间分析与模糊综合评判在银行ATM网点选址中的应用[J].测绘科学，2008，33（1）：229-231，237.
[9] 苗李莉，蒋卫国，侯鹏，等.基于遥感和GIS的城市湿地资源综合分析-以北京市为例[J].西安建筑科技大学学报：自然科学版，2013，45（1）：130-135.
[10] 张杏娟，文雅，吴志峰，等. 基于Voronoi图的高密度城区停车场空间布局分析——以广州市海珠区为例[J]. 地球信息科学学报，2013（3）：415-421.
[11] 魏晓峰，吴健平.基于ArcGIS的空间自相关分析模块的开发与应用[J].测绘与空间地理信息，2005，28（6）：77-80.
[12] 张松林，张昆.全局空间自相关Moran指数和G系数对比研究[J].中山大学学报：自然科学版，2007，46（4）：93-97.
[13] 杜国明，张树文，张有全.城市人口分布的空间自相关分析——以沈阳市为例[J].地理研究，2007，26（2）：383-390.
[14] 陈彦光.基于Moran统计量的空间自相关理论发展和方法改进[J].地理研究，2009，28（6）：1449-1463.
[15] 刘爱华，谢正观.加权Voronoi图在城镇经济区划分中的应用——以十堰市为例[J].地理与地理信息科学，2011，27（4）：79-82.
[16] 宋鸿，陈晓玲.中国土地市场化进程的空间自相关分析[J].华中师范大学学报：自然科学版，2008，42（1）：132-135，140.
[17] 杨香花.GIS辅助下的金融网点选址研究——以广州市农业银行网点布局调整为例[D].长春：东北师范大学，2003.