g  Interface，简称“API”)对社会的不断开放，近年来也有部分学者运用网络开放数据进行了相关的城市研究。汪明峰等人通过对国内主要的电子商务企业之一—当当网的研究，初步探讨了网上零售企业的空间组织及其影响因素；甄峰等人以新浪微博为例，从网络社会空间的角度入手，对我国城市网络发展特征进行了研究；熊丽芳等人借助百度指数，获取了 2009 年、2012 年长三角两两城市之间的用户关注度数据，通过计算和模拟城市信息流，分析了长三角城市网络的时空演变规律；王波等人通过将微博用户的网络信息关系与地理进行关联，提出了网络信息空间中的地域根植性、网络信息联系与实际社会经济联系的相对一致性，以及网络信息空间中的等级差异性特征；秦萧等人运用大众点评网(南京站)餐饮商户的点评数据，在建立口碑评价指标体系的基础上，计算了各商户的口碑综合得分和排名，并对城市餐饮业的空间分布格局进行了核密度分析和综合评价。
      综上所述，目前国内外利用网络开放数据进行的城市研究重点主要集中在城市之间的空间联系、城市体系、城市内部的功能区边界划定及城市行为活动特征提取等方面，这些研究催生了城市空间研究新的范式，也为转型期城市规划的编制工作提供了一种技术创新的思路。但也不难发现，现有的相关研究更多的是在宏观层面的城市群经济活动联系之间展开，而针对城市内部的研究则主要集中在城市社会空间组织与联系方面，鲜有针对信息网络影响下城市物质空间变化及其作用机制的探讨。此外，目前学界对利用网络开放数据进行城市空间结构、空间关系与城市中心体系的研究也相对较少。基于此，本文选取特大城市西安主城区为研究对象，以互联网上城市中心各服务业商户的地理位置和社会评价信息为数据源，通过分析城市中心服务业的空间集聚特征，识别出西安主城区不同主导职能的服务业在空间上的分异，并依据识别的结果，结合城市总体规划对未来城市中心体系的专业化发展与优化调整提出若干建议。

二 研究方法与空间密度分析

（一）  数据获取

      本研究采用的数据为大众点评网(www.dianping.com)数据。大众点评网作为我国最早建立的第三方城市服务业点评平台，其借助移动互联网、信息技术和线下服务能力，为消费者提供本地商家的消费评价，以及团购、预约预订、外送和电子会员卡等O2O闭环交易服务，包含了餐饮、电影、酒店、休闲娱乐、丽人、结婚、亲子和家装等几乎所有本地生活服务行业。可见，该网站包含的服务业类型相对全面、分布与覆盖范围广，可以借助其海量信息对城市中心内部各类服务业的空间分布、密度和热度等进行分析。同时，每个服务行业的商户信息页网址不仅含有该商户的空间地理信息(如经纬度坐标)，还包含了以星级评价为代表的口碑度与社会影响，故而不但可以将其与城市各级中心体系建立空间关联，而且能够为在分析过程中引入社会评价这一变量提供数据支撑。基于此，本研究在参照《国民经济行业分类(GB/T 4754—2002)》的基础上，结合大众点评网西安站对西安主城区的服务业进行分类，同时提取各商户的评价信息作为权重指标，最终确定西安主城区城市中心体系的业态构成 ( 表 1)。

      考虑到城市中心体系的等级性特征，根据表1的划分结果，本研究将西安主城区范围内的城市中心服务业分为城市级服务业和社区级服务业，其中城市级服务业主要服务于整个西安主城区，其专业化程度更强、空间分异度更高；社区级服务业则为服务于一定地域范围、主要为社区居民提供日常基本生活服务的服务业类型。本研究采用火车采集器(V9.1)软件分别对西安主城区范围内的城市级服务业和社区级服务业商户的信息数据进行抓取、清洗(去除个别未含有经纬度与评价信息的商户)与预处理，最终获得有效信息商户32895个，其中商务业2922 个，零售业5568 个，餐饮业 6136 个，娱乐业4847 个，宾馆业 7832个，社区服务业5590 个。

（二）空间密度分布分析

      首先，根据各服务业商户的地理位置信息(经纬度坐标)，在GIS平台下建立西安主城区服务业商户的空间分布数据库(图1)。采用主成分分析法对城市级服务业各子行业的权重指标进行生态因子分析(表2)，Kaiser-Meyer-Olkin和球形检验结果显示，KMO值均大于 0.6，p 值均为 0.000，适合进行主成分提取和计算。采用SPSS19.0软件，在分别对各服务业子行业的权重指标初始因子载荷进行方差最大化正交旋转后，提取出2～3个主成分，根据各参数都符合主成分特征值大于1或累计方差贡献率大于85％的原则，将综合后的权重指标公因子总得分作为该类型商户的热度值，并进一步对热度值进行标准化处理n