城市商业绩效与商业用地配置的非线性饱和效应：基于空间-时间迁移验证的机器学习证据

《Applied Sciences》：Common Organizational Principles of Active Sensing in Rat Mystacial Touch and Human Vision

　　

基于行政城市数据构建的预测模型日益被用于指导规划决策，但其报告的准确性只有在未见于模型的地点和年份上评估时才可信。研究人员针对一个具体问题开发了这样一个框架：商业绩效如何随城市商业用地的强度和范围而变化。利用首尔商业区普查的两轮预测（2023→2024和2024→2025，来自1530个区的3044个区-波），一个由SHAP和累积局部效应（ALE）解释的XGBoost模型在嵌套留一区（gu）空间交叉验证下达到R²=0.325，在时间迁移下为0.532，在完全嵌套的时空联合留出中为0.299，而随机交叉验证将空间数值夸大为0.517。未变换的线性模型降至0.007，但对变换后预测变量采用样条回归可达0.354；增益来自非线性，而非提升。每店销售额随店铺密度上升，直到约44家/公顷的耗尽阈值，此后持平；区面积曲线在约14公顷处开始变平。中心化ALE曲线在约25家/公顷和6公顷处穿过零，这些是样本相对参考点，而非经济阈值。小巷区大多位于密度参考点以下，传统市场以较小的土地范围而非强度为特征，发达区在局部不可预测。区内一阶差分未再现截面密度梯度，因此这些量是配置基准，而非因果效应或干预目标。

城市规划和投资决策日益依赖基于行政数据的预测模型，但其报告的准确性往往未在未见过的地点和时间上验证，导致泛化能力被高估。城市土地稀缺，全球可持续目标11.3将土地生产率列为重要指标，然而在规划运作的城市内部尺度上，商业用地的经济产出与土地配置的关系仍缺乏严格测量。现有研究多使用流量、兴趣点等活动代理，而非实际交易销售额。韩国首尔拥有完整的商业区普查基础设施，但相关实证研究主要采用线性规范或描述性类型学，且验证设计常使用随机交叉验证，受空间自相关影响而虚高。为此，研究人员以“可迁移预测”为首要标准，系统研究商业绩效如何随商业用地强度和范围变化。

研究人员利用首尔商业区普查中两个时间分离的预测波（2023→2024和2024→2025），构建XGBoost模型预测每店销售额。通过嵌套留一区（gu）空间交叉验证、随机验证分解、严格时间迁移、可解释分析（SHAP和ALE）以及多种稳健性检验，发现：非线性模型在未见区域达到R²=0.325，时间迁移R²=0.532，而随机交叉验证将空间数值膨胀至0.517；未变换的线性模型失效（R²=0.007）；每店销售额随密度上升至约44家/公顷后停滞，面积效应在约14公顷后平坦；三种商业区类型呈现不同机制。这些结果提供了配置基准，而非因果效应。

研究样本来自首尔商业区普查，覆盖25个自治区（gu）的全部1644个商业区中的1530个，形成3044个区-波。主要方法为梯度提升树（XGBoost），采用嵌套留一区空间交叉验证，超参数在训练集内部调整。解释工具为SHAP归因和累积局部效应（ALE）曲线。基准模型包括未变换线性回归、对数/样条回归、持久性模型等。不确定性通过簇引导评估，空间结构用Moran's I诊断。此外还使用了分段回归、参数三角验证和第一差分分析。

研究结果分节如下。4.1 描述性地理：三种类型在配置空间上位置不同且稳定。小巷区面积大但密度低（中位8.0公顷，18.4家/公顷）；发达区面积大且密度高（15.0公顷，47.3家/公顷）；传统市场面积小但密度高（2.8公顷，52.8家/公顷）。销售绩效分散（标准差1.119 log点）。4.2 预测性能与验证差距：结构模型空间LOGO R²=0.325，时间迁移0.532；随机验证0.517，分解显示0.185来自重复单元泄漏，仅0.007来自空间泄漏；线性模型R²=0.007，样条回归达0.354，表明可迁移结构是非线性的，且不依赖提升。4.3 全局重要性：面积和密度共占50.6%重要性；流动人口最弱（0.052），表明土地配置比人流量更能预测经济产出。4.4 非线性梯度：密度ALE曲线在约44家/公顷处达到95%总上升，之后平坦；面积曲线在约14公顷处平坦。零交叉（约25家/公顷和6公顷）为样本相对参考点。4.5 类型异质性：小巷区模型R²=0.168，密度和面积主导；传统市场R²=0.218，面积为主导；发达区R²=-0.043，不可预测。参数三角验证确认了密度曲线的形状和类型差异。4.6 稳健性与空间诊断：去除极端密度后R²=0.327；残差Moran's I=0.051，表明模型未引入或消除空间依赖。4.7 额外验证：时空联合留出R²=0.299，证实跨两者迁移；变化模型R²=-0.058，配置不能预测短期变动；原始参数化再现阈值；第一差分系数接近零，表明梯度是截面关联而非因果。4.8 参考点与形状基准：零交叉依赖参考样本（如按类型或均匀权重变化）；耗尽阈值对重新中心化不变，斜率断点估计在43-69家/公顷之间，确认上升区结束。

讨论指出，这些阈值应作为诊断基准而非干预目标。传统市场因面积小而处于陡峭区，应关注土地范围而非密度；土地价格负相关可能反映成本压力，但无法与抵押品、预期渠道区分；结构模型尽管R²约0.3，但提供可操作杠杆，而持久性模型无杠杆。研究还强调，验证乐观主要来自重复单元泄漏，这对使用重复观测的活力研究是重要警示。结论翻译如下：本文考察了商业绩效如何随土地利用强度、区规模和土地价格变化，并要求每个答案都要经受住对模型未见的城市区域和年份的预测。基于首尔完整商业区普查的样本，答案是具体的。商业用地的经济产出与土地利用强度呈陡峭饱和曲线：每店销售额随对数密度上升，在约25家/公顷处穿过中心化ALE的零线——一个相对参考点——并在约44家/公顷后停滞。区面积的回报在微型区中最大，并在约14公顷处变平，约6公顷是样本相对零交叉点。较高的土地价格与每店销售额负相关，与成本压力一致，但并非唯一识别成本渠道。这些关系是非线性的——未变换的线性模型在区域外基本无效，而灵活回归和树集成都能恢复；它们独立于两个预测波重复，并在三种土地制度中表现不同：小巷区大多低于密度参考点，传统市场以土地范围而非强度为特征，发达区无法由本地土地配置预测。方法上，本文证明诚实的空间分组评估和完全可解释的机器学习与政策相关的城市描述兼容，并可移植到其他城市。结论是：这些规律是跨未见面和年份泛化的截面关联，而非强化地因果回报；结局是每店收入，而非利润。因此，这些基准用于识别商业用地相对于全市规律的位置，并作为进一步调查的输入，而不是目标或任何特定区域配置变化的保证。