“自然边界” 是基于泰森多边形数学原理生成的项目辐射范围。“自然边界”绘制出的商业边界是纯数学算法的计算结果，因此也会脱离商业地产市场的现实情况；但这种方法有助于提升行业研究的全局视角，从市场宏观面把控全局与局部的供需关系。以成都为例，我们推导了2012-2026年间成都商业“自然边界”全景图的演变历程。结果显示，成都在商业地产快速发展的十年间，全市商业的竞争格局不断演化，从核心下沉至近郊，南向发展成为主线，但仍有局部空间存在商业开发的可能性。

“经济边界” 则是基于商业项目自身实际状况生成的辐射半径。如果说“自然边界”过于理论，那么“经济边界”则是基于实证研究得出的商业辐射半径的“拟合值”。这种拟合是行研的时序数据和长期经验的集成。虽然实证研究的结论难以避免争议，但报告输出的结论已明确所用方法论的前提假设和适用范围，且输出结论的“相对关系”与业界普遍认知基本吻合。因此，我们认为经过反复的稳健性检验后的结论对行业具有参考性和研究价值。如下图所示，每个圆圈都是对商业项目常态化消费辐射范围的模拟，其相对关系的研究价值大于对绝对范围大小的度量。

“拟合边界”是基于泰森多边形算法叠加商业项目自身实际状况生成的综合辐射范围，即“自然边界”与“经济边界”的交集。叠加“自然边界”与“经济边界”的“拟合边界”，既具备理论模型的科学性，又适配现实商业的复杂性。因此，“拟合边界”是对模拟商业地产现实情况的最优解决方案。如下图所示，每个商业项目的“拟合边界”具有互斥性，是对最近消费距离的实际模拟，而不考虑区域消费外流情形。

过去对商业客流辐射范围的研究往往基于项目的定位、体量、业态、运营等综合因素，设定为半径等于特定公里数的范围，再通过对周边居住或办公人群估算潜在的消费客流总量。例如，社区商业主打1公里内的客群，区域级商业的核心辐射范围约为3-5公里。现实生活中，消费者“舍近求远”的消费习惯并不鲜见，为什么要去更远的商场购物，消费力不能被毗邻的商业截留？仲量联行采用泰森多边形叠加人口栅格数据，利用GIS量化商业覆盖范围及客群分流的情况，从全新视角阐释其形成原因。

以成都108个项目为例，我们生成了对应的108个泰森多边形，叠加人口栅格数据，计算项目“自然边界”内的人口数。然后基于人口和人均消费数据计算“自然边界”内消费力所能支持的商场营业额的理论值，再将理论值与实际值进行对比，用以研判项目对“自然边界”辐射范围内消费力的截留能力。

如下图所示，我们将最终形成的泰森多边形区域分为两类：一类是图中蓝色区域代表的“流入型”区域，另一类则是沙色区域代表的“流出型”区域。

蓝色“流入型”区域，是指该区域现有项目能够完全覆盖区域内所有人的消费力，并且还能从其他消费场景（如：街区、底商等）或从其他区域引流。图中深浅色块也存在差异，蓝色越深表示流入量更高，意味着竞争力更强。结果显示，成都共有74个项目属于此类。这也说明成都商业市场的整体发展水平较高、品质较优。

沙色“流出型”区域，是指该区域现有项目不能完全覆盖区域内所有人的消费力，导致部分消费力流出。究其原因可以分为三种：其一，项目受核心商圈强大辐射力的影响，导致部分居民消费支出外流，尤其以奢侈品消费最具代表性，流出无法避免。其二，区域内项目运营状况不及竞品或其他类型商业载体，导致消费力外流，因此商场须调整招商运营，提升竞争力，以适配周边居民的消费需求。其三，区内人口充裕、消费旺盛，单个项目不足以承载区内消费，导致消费力外溢。图中沙色越深表示区域内项目消费力流出的情况越重。结果显示，剩余34个区域属于此类。此类区域仍具备进一步挖掘区域内消费力的空间，截留本该属于此区域的消费者及购买力。

为解决这一问题，我们将运用组团算法（DBSCAN聚类算法）进行分析。

点击视频了解该方法论

通过DBSCAN聚类算法生成商业组团，这种组团的定义体现出GIS算法的科学性。我们假设以500米和1,000米两种距离作为标准，对成都全市商业项目进行组团分析。若条件设为“半径500米且最少项目数为2”，则可生成12个组团（如下左图所示）；若条件改为“半径为1,000米且最少项目仍为2”，则组团数升至17个（如下右图所示）。这种算法与过去熟知的商圈划分范围有所不同，通过不同层级的组团，我们可以甄别商圈内的商业 “竞合关系” 。

以成都交子公园商圈为例，若以1,000米为半径，商圈内部形成锦城广场和交子大道两个组团，两大组团间的步行距离过长，会导致消费者在两个组团间流动的意愿降低。因此，从这个角度来讲，锦城广场组团与交子大道组团很难被定义为同一个商圈，那么商圈的边界从这个角度讲便十分清晰。长期以来，更具商务性的交子公园商圈的商业发展相对滞后，街区的尺度感较大且商业目的地的步行距离长，都是影响商圈作为一个整体发展的制约因素。从聚类算法可以清楚呈现商圈内组团之间的割裂程度，因此组团间的“竞合”关系便是打造国际级商圈需突破的关键点。

商业中存在一种综合地理区位看似优越，但实际情况却不及预期的情况。以成都春熙路商圈为例，春熙路商圈广义范围（泛指传统市中心涵盖天府广场、盐市口、春熙路、大慈寺等区域的总和）的平均空置率最新数据竟高达15.1%；而其狭义范围（主要指春熙路步行街至大慈寺板块）的平均空置率仅5.7%。究其原因，春熙路商圈的广义范围和狭义范围的商业人气和资产表现大相径庭，人气爆棚的太古里掩盖不住盐市口商业的没落。这种差距让我们反思春熙路商圈的边界定义，检视其是否真正符合业内乃至普通消费者的认知。

若以500米为半径（如下左图所示），可以看到春熙路商圈的广义范围涵盖春熙路-红星路、天府广场-盐市口的两个组团以及顺城大街上两个散点。但以此定义春熙路商圈，那么商圈内商业资源的连续性已出现间断，内部动线被切割，难以实现客流在组团间的流动。商圈内的多个组团的竞争关系强于合作关系。而核心组团周边的散点项目难以融入组团（如下右图所示），且面临核心组团的客流“虹吸效应”，导致其经营更加举步维艰。如果将春熙路商圈狭义地划为春熙路-红星路组团，那么其整体表现及人气更匹配成都第一商圈的名号。

无论是高架、铁路对商业动线的切割，还是商业口岸的真假争论，本次报告深度探讨了多个商业地产业界内具有争议的焦点问题。而报告创新提出的泰森多边形数理方法将成为一个突破口，以广泛的适用性匹配分析不同市场、不同载体、不同业态的类似问题。尤其针对奶茶店、咖啡店、健身房、便利店等同质化程度较高的商业门店，泰森多边形数理方法可以作为其门店网络优化方案的底层逻辑。