1 引言

技术变革与城市消费空间的互动关系是地理学的重要研究议题^{[1, 2]}。现有研究普遍认为，ICT技术的快速发展深刻改变了社会生产生活方式^{[3, 4]}，对城市商业空间结构的影响具有集中与分散的双重效应^[5]。20世纪90年代末，曼纽尔·卡斯特（Manuel Castells）的“流空间”理论和托马斯·弗里德曼（Thomas L Friedman）的全球化理论认为，信息时代城市空间将呈现分散化趋势，传统高度中心化的城市消费空间结构将面临崩解^{[6, 7]}。然而，近年研究发现，信息技术虽然打破了虚实空间的界限，但其对社会生产与消费的影响仍依赖于传统地理空间结构，空间集聚效应在城市中依旧占主导地位^{[8, 9]}。随着移动互联网和智能手机的普及新型电子商务不断涌现^[10]，“网红空间”与“新零售空间”等新型消费空间层出不穷^[11-13]，促使城市消费空间结构由传统的“中心—边缘”层级模式向“多中心—扁平化”网络模式转变^{[14, 15]}。同时，ICT技术的发展对传统消费模式产生了巨大冲击，特别是网络购物改变了传统零售业以实体店为中心的价值创造模式^[16]，对零售商业的区位选择和扩散机制产生了深刻影响^[17]。因此，一些学者认为虚拟空间要素将成为影响城市消费空间的新因素^{[18, 19]}。特别是社交媒体带来的注意力经济逐渐成为驱动城市消费转型升级的新动能，网络热度随之成为新时期城市空间资源的重要属性^[20]。深入探讨网络热度对城市饮品消费空间的影响符合国家“双循环”新发展格局的内在要求，不仅有助于优化和重塑城市消费空间结构，丰富了网络信息地理的相关理论，也为新时期城市的高质量发展提供决策依据。

近年来，饮品消费不再局限于传统食品商品属性，逐渐融入社交、文化和休闲生活等多元属性，在当代年轻人消费习惯中扮演着重要角色，对居民生活和城市经济发展具有重要意义^[21]。同时，饮品店铺由于面积小、投资成本低、网络关注度高等特点，选址更加灵活，受租金和环境影响较小，网络热度对店铺空间分布的影响更为显著^[16]。当前城市消费地理学的研究正逐渐从关注土地价格、交通区位、人口密度、公共服务设施及产业规模等实体要素^[22-24]，扩展到社会、文化及政治等更加广泛的制度背景^[25]，但已有相关文献对ICT技术的空间影响关注仍然不足，大多数研究仍集中在城市消费空间结构的特征演变，关于网络热度与城市消费空间的互动关系研究相对欠缺^[26]，导致人们对城市消费空间结构变迁的内在机制缺乏准确认知，难以满足新时期城市高质量发展的需要。列斐伏尔（Henri Lefebvre）的社会空间理论提供了理解城市空间结构的重要视角^[27]，强调空间的本质在于社会关系的生产和再生产，同时空间与社会关系相互作用^[28]。因此，基于“社会—空间”理论分析城市饮品消费空间的符号化、场景化和空间再生产，有助于揭示网络热度与饮品消费空间结构的互动关系。

鉴于北京、上海、广州和深圳四个超大城市既是国家ICT技术创新聚集地，也是培育建设国际消费中心的重点城市。本文以这些城市为例，基于新浪微博打卡数据、POI地理空间数据及社会经济统计数据等，从街道乡镇微观层面探寻了新时期城市饮品消费与网络热度的空间特征，并利用多种量化模型分析二者之间的互动关系。本研究的创新点主要体现在：在消费类型方面，奶茶经济是城市消费空间从局部“后消费”进入全面“后消费”的重要表现形式^[21]，以饮品消费这一当前颇具活力的消费类型为研究对象，对深入剖析新时期城市消费空间在细分领域的空间特征具有新的尝试；在影响因素方面，虚拟区位越来越成为消费者选择行为的重要决策因素，并影响了和商家对消费空间的选址和布局^[17]，将虚拟要素与实体要素统筹分析有助于揭示二者共同作用下城市消费空间所蕴含的经济社会逻辑；在理论框架方面，研究基于“社会—空间”互动理论构建了网络热度与城市饮品消费空间互动关系分析框架，通过多个城市与多种计量模型的实证比较分析，有利于城市消费空间治理的精准施策，为后续研究提供了新的思路。

2 数据来源与研究方法 2.1 数据来源

由于饮品消费的微观数据难以通过公开途径直接获得，本研究将品牌饮品店的区位商作为城市饮品消费空间结构的因变量，通过分析新浪微博网红签到打卡点的区位商与品牌饮品店空间结构之间的关系，探讨网络热度对城市饮品消费空间的影响。其中，品牌饮品店的选取参考了央广网和美团等发布的《2021中国茶饮十大品牌》《2022茶饮品类发展报告》以及各饮品店在新浪微博、小红书、抖音等主要网络社交媒体的粉丝数，选取出现频次最高、门店规模最大的9个品牌饮品店，其中奶茶品牌7个、咖啡品牌2个。通过高德地图API和官网信息获取2022年四个城市的饮品店POI数据共计7334条（表 1）。

当前社交媒体的种类日益多元化，百度搜索指数、微博、微信、小红书及抖音等社交媒体的大数据分析都可以作为表征网络热度的重要指标。由于新浪微博数据用户覆盖面大，用户生成的信息类型较为丰富和完整，且相对易于获取，在城市尺度的研究中具有较高的准确度和可比性。综合考虑已有文献、研究目标和技术能力，本文将新浪微博网红打卡点签到量的区位商作为网络热度的自变量，包括餐饮购物类、商业娱乐类和休闲游憩类三类。数据获取时间为2022年5月1日至2022年10月31日，经过清洗和筛选得到有效数据共计188784条。参考现有研究，其他控制指标包括地铁可达性^[29]、商铺租金^[30]、写字楼研究^[31]、人口密度^[31]、公共设施^[32]及绿地率^[33]（见表 2）。表 3是相关变量的描述性统计，为降低异方差的影响，回归分析中控制变量取自然对数值。

2.2 研究方法

借鉴现有相关研究，本文采用区位商的核密度估计法和空间自相关法分析网络热度及品牌饮品店的空间结构特征，并利用空间计量模型探寻二者之间的相关关系。区位商（Location Quotient）是经济地理学衡量某一要素区域内专业化程度或空间集聚度的常用方法。研究旨在探究空间单元内品牌饮品店网红打卡点的空间分布情况，因此不仅需要考虑方法本身的合理性和可操作性，还要关注方法应用于不同城市时的普适性和可比性^[34]。为此，文本拟采用一个空间单元内要素的数量占全市要素数量之比，与所在空间单元建设用地面积占全市建设用地总面积之比的比值，作为衡量品牌饮品店网红打卡点集聚水平的定量指标区位商LQ。其中LQ值越高，则表示该空间单元的品牌饮品店集聚水平越高，反之亦然^[35]。

2.2.1 核密度估计法

核密度估计是研究空间布局模式的重要方法，其计算方法如下：

(1)

式中：f(x)为空间位置x处的核密度计算函数，k函数为空间权重函数，h为距离衰减阈值（1000 m）；n是街道乡镇的数量，x_r是第r个样本点的取值，x - x_r表示估值点x到样本点x_r的距离。研究采用自然断裂法，将饮品消费空间的核密度结果分为五个等级^[36]。

2.2.2 空间自相关分析法

全局空间自相关（Global Moran's I）与局部空间自相关（LISA，Local Indictor of Spatial Autoregression）是探索性空间数据分析的主要工具，其中全局空间自相关计算公式如下：

(2)

LISA局部空间自相关的计算公式如下：

(3)

式中：W_ij是样本点i和样本点j之间标准化的空间邻接权重矩阵，Y是各城市街道乡镇因变量Y（奶茶或咖啡店的区位商）的均值，n为街道乡镇的数量。

2.2.3 空间回归分析

经过多重共线性检验得到各变量方差膨胀因子均小于5，表明模型不存在严重的多重共线性问题，可进行回归分析。本文首先采用普通线性回归模（OLS）分析影响品牌饮品店空间集聚度的主要因素，鉴于主要变量存在空间自相关性，又选择两种常用的空间计量模型进行回归分析，即空间滞后模型（SLM）和空间误差模型（SEM）。SLM模型主要用于研究同一变量对相邻区域内其他区域的影响情况；SEM模型主要用于研究残差项之间存在的空间自相关情况。最后，利用LM-Error、LM-Lag和Robust LM-Error、Robust LM-Lag的显著性判断模型选择^[37]。

3 空间分布与集聚特征

研究结果表明，网络热度和城市品牌饮品消费空间均呈现显著的集聚效应，二者之间存在明显的一致性，且不同城市网红打卡点与品牌饮品店的空间特征存在明显差异。为了对比网红打卡点与品牌饮品店在不同城市的分布规律，本研究绘制了各城市传统中心（北京—天安门广场、上海—人民广场、广州—人民公园、深圳—福田区）为原点的网红打卡点与品牌饮品店区位商空间距离衰减图（图 1），显示：①由市中心向外，网红打卡点和品牌饮品店的区位商随距离的增加而波动性递减。距离城市中心20 km内网红打卡点的区位商与品牌咖啡店的区位商波动较为一致，距离城市中心20 km以外网红打卡点的区位商与品牌奶茶店的区位商变化较为一致；②在各原点（城市中心）之外，网红打卡点和品牌饮品店的区位商相较于城市中心区存在多个区域峰值，表明各城市的网络热度与饮品消费空间存在多个区域分中心。③各城市网红打卡点与品牌饮品店的空间布局存在明显差异。特别是深圳因其多中心的城市空间结构，城市中心网红打卡点与品牌饮品店的区位商（第一峰值）与分中心的区位商（第二与第三峰值）差别相对较小。

信息技术虽然打破了虚实空间的界限，但虚拟基础设施的建设仍依赖于现有的城市地理空间结构，不均衡的空间分布可能导致“分散的集中”，城市空间的集聚效应仍然占主导地位。从图 2可知，网红打卡点与品牌饮品店在空间上均呈现显著的集聚性，且二者之间存在较强的相关性，证实城市虚实资源要素在数字化时代依然存在着空间不均衡性。相较而言，品牌咖啡店比品牌奶茶店的空间集聚度更高。图 3显示：①品牌咖啡店的热区（H—H，高高集聚）更靠近城市中心，而品牌奶茶店的热区大多位于城市中心区的外围；②品牌奶茶店热区的空间范围大于品牌咖啡店热区（H—H）的空间范围，表明品牌奶茶店对社区的渗透更广；③品牌咖啡店与品牌奶茶店的次热区（H—L，高低集聚）大多位于远离城市中心区的郊区，相较而言品牌奶茶店次热区的数量更多，空间范围更大。全局空间自相关分析结果（表 4）则进一步证实了品牌饮品店存在显著的空间正相关。

4 影响因素与互动关系 4.1 网络热度对城市饮品消费空间结构的影响

研究结果表明，网络热度对城市饮品消费空间结构的影响存在显著的类型差异和区域差异。就北京而言，SEM模型对于两类品牌饮品店空间区位商的拟合度均为最优，深圳则以SLM模型拟合度最优。上海的品牌奶茶店宜采用SLM模型，品牌咖啡店则宜采用SEM模型；广州的品牌咖啡店宜选用SLM模型，品牌奶茶店则宜使用OLS模型。根据表 5结果，餐饮购物类和休闲游憩类网红打卡点对北京、广州和深圳的品牌奶茶店的区位商均有显著积极影响，而商业娱乐类网红打卡点对上海和广州的品牌奶茶店的区位商也有显著积极影响。此外，表 6结果显示餐饮购物类网红打卡点对四个城市的品牌咖啡店的区位商均有显著影响；而商业娱乐和休闲游憩类网红打卡点则对北京、广州和深圳的影响显著，但对上海品牌咖啡店区位商的影响则不显著。总体而言，网红打卡点对品牌咖啡店的影响更为显著，其中餐饮购物类网红打卡点的影响力最大。

这可能是因为奶茶与咖啡店的消费群体存在差异，奶茶消费人群更趋年轻，学生比例更高^[38]。同时，咖啡店的环境、装修和饮品本身相较于奶茶店更具视觉吸引力，更容易在社交媒体上引起用户的关注和分享。从城市视角来看，网红打卡点对北京、广州和深圳品牌饮品店区位商的影响表现较为一致，而对上海品牌饮品店区位商的影响则明显不同。这可能是因为不同城市具有不同的饮食习惯和网络文化。例如广州和深圳是中国著名的奶茶消费市场，拥有独特而活跃的奶茶文化。相较而言，上海是中国的咖啡文化发源地，同时也是全球咖啡馆数量最多的城市，拥有更多的品牌饮品店（尤其是咖啡店），已在实体空间建立了相对稳定的用户群体，可能更注重传统和精致的饮品店文化，因此网络热度对其影响较小。

4.2 实体要素对城市饮品消费空间结构的影响

表 5和表 6结果显示实体要素对品牌饮品店区位商的影响相对有限。四个城市中，与网红打卡点相比，单一实体要素对品牌饮品店的区位商影响均不显著。例如，地铁可达性和商铺租金对品牌奶茶店在四个城市均不显著。这可能是因为奶茶店通常位于办公地点、住宅区或学校附近，消费者可以通过步行、自行车、电动车或外卖等途径购买饮品，因此地铁可达性对奶茶店的选址影响较小。此外，奶茶店经营面积普遍较小，按面积计算的总租金相对较低。对于品牌咖啡店，人口密度在四个城市的影响也不显著，原因可能是该类型店铺的主要消费群体为少数年轻白领^[39]，更加注重咖啡品质、环境氛围和服务质量等因素，而不仅限于特定的人口密集区域。其他实体要素仅在部分城市中有显著影响。例如，对于品牌奶茶店，写字楼租金与公共设施仅在北京和上海的影响较为显著，人口密度仅在北京和广州有积极影响。对于品牌咖啡店，地铁可达性仅在北京和广州的影响较为显著，公共设施仅在北京和上海的影响较为显著。这些结果与传统地理学研究存在一定的差异，传统地理学研究中通常认为人口密度、土地租金、交通可达性以及公共服务设施等实体要素是饮品店选址中最关键的因素^[29-33]。这表明加入网络热度变量之后，实体要素对城市饮品消费空间结构的影响降低了。

4.3 网络热度与城市饮品消费空间结构的互动关系

信息技术压缩了消费空间与消费者的时空距离、价格距离及信息距离，实体空间与虚拟空间的融合改变了饮品消费空间的传统时空形态，虚拟空间依托实体空间形成多层次的消费场所。基于以上分析结果和“社会—空间”互动理论，研究构建了网络热度与城市饮品消费空间互动关系框架。如图 4所示，ICT技术的发展使得网络热度成为城市消费空间新的关键属性，对城市实体与虚拟要素均有重要影响，流量不仅可以吸引更多的人流资金流，还可以培育公众对城市文化的情感认同，并激发城市活力，带动城市经济发展。例如，网络热度通过虚拟空间的网络流量、网络平台、网络社交文化以及网络组织形式等影响消费者的选择、偏好和行为等来影响品牌饮品店等企业的选址，重塑城市饮品消费空间。年轻群体在网络社交平台上的互动和分享在这一过程中扮演关键角色。此外，网络热度可能通过公共交通、公服设施、人口就业及产业布局等公共政策影响城市实体空间要素的布局，间接影响城市饮品消费空间结构。在ICT技术的支持下，这一过程将不断循环和强化，直至网络热度对城市饮品消费空间结构的影响达到最大或达到均衡状态。因此，网络热度对城市消费空间结构的演变将变得愈发重要，这一现象值得更多关注。

5 结论与讨论

城市消费空间是居民消费行为的空间载体，社交媒体深刻改变了居民的社交方式，特别是对青年群体的消费文化和模式产生了重大影响^[40]。基于列斐伏尔的空间生产理论^[28]，这些消费群体在媒介空间行为中的变化必将对城市饮品消费空间的发展产生影响。为验证这一假设，本文以北京、上海、广州和深圳四个超大城市为例，利用多种量化分析方法探寻了网络热度对城市饮品消费空间格局的影响。主要结论包括：①网络热度与城市饮品消费空间存在明显的集聚效应，二者在空间结构上有显著的一致性，这表明城市虚实资源要素的发展在数字化时代仍存在空间不均衡性，并且二者之间密切相关；②网络热度对饮品消费空间的影响因不同消费群体的行为偏好而存在显著差异，网络热度对品牌咖啡店的影响更大；③不同城市对虚拟要素的使用习惯和消费文化不同，网络热度对品牌饮品消费空间的影响存在区域差异；④虚拟区位降低了品牌饮品店对实体要素的依赖。以往起决定作用的实体要素对奶茶店的影响逐渐减弱，人口密度对咖啡店的影响也有所下降。

当前虚拟区位对城市消费空间的影响日益显著，传统基于交通区位和商铺租金的消费空间理论模型难以全面解释当前消费空间的发展现状。已有研究认为，数字技术赋能的消费空间对城市中心区域的依赖远不如传统零售商业^[41]。但本研究从“社会—空间”互动的角度分析了网络热度和城市饮品消费空间结构的联系，揭示出虚拟区位在降低饮品消费对传统地理空间依赖的同时，也会优化和放大已有城市物质空间格局。虚拟区位与实体要素交织糅合成为塑造城市消费空间新特征的动力。网红经济已迅速崛起成为一种不可忽视的新商业模式，网络热度或流量被视为最稀缺的重要资源，成为城市文旅产业发展的关键要素。因此，网红经济在城市发展中扮演的角色日益重要，其对城市消费空间的影响也将与日俱增。然而，关于此问题的研究目前国内外仍处于起步阶段，相关理论与实证研究亟待加强。为此，本文通过实证分析，尝试性地构建了网络热度与城市饮品消费空间的互动关系框架，旨在为后续相关研究提供新的思路和启示。

随着当代中国社会从生产型社会进入消费型社会，特别是后疫情时代，恢复与扩大消费成为政府工作的重点。传统的城市消费空间结构难以满足不断变化的居民需要，因此城市消费空间规划设计者可以通过开发特色文化景点、加强线上线下互动等方式，提高目标空间的网络热度，激发城市消费活力，促进经济发展和居民就业。城市规划应加强对网络大数据的分析，以便更精准地探测城市消费空间结构的演变，引导城市商业与文化设施的合理布局。这不仅有效避免公共资源的过度集聚或空间错配，还可以营造城市的文化与景观特色，提升城市居民的认同感和幸福感。需要指出的是，网络热度与城市消费空间的互动关系较为复杂，需因地制宜地开展更多相关研究。本研究仍有一些不足之处：首先，网络热度的测度仅采用了新浪微博网红签到打卡数据，缺乏如小红书、抖音等其他网络社交媒体相应数据的挖掘与分析，因而在数据收集方面存在一定的缺陷。其次，本研究仅对北京、上海、广州和深圳四个超大城市进行了比较分析，研究结果是否适用于其他中小城市尚待进一步验证。此外，网络热度与城市消费空间的互动是一个动态演变的过程，因此下一步研究需加强二者之间时空动态变化的分析。