我国的经济型酒店发轫于1996年7月，上海锦江集团下属的“锦江之星”是中国本土第一个经济型酒店品牌。近20年来，经济型酒店经历了起步、快速发展和品牌建设等三个阶段。选址是经济型酒店经营策略的重要组成部分，酒店宏观选址以地区或城市为单位，微观选址则是确定酒店设立的区位或具体位置。基于经济型酒店高速发展的现实，本研究通过相关文献综述，探讨经济型酒店微观选址的评价指标和评价方法，以上海中心城区的黄浦、杨浦、虹口、长宁、徐汇、闸北、静安、普陀等8个区内的33家锦江之星为研究对象，对其微观选址区位的适宜性进行分析，并对各门店的选址进行评价，为锦江之星酒店集团门店选址的优化提供参考。

1 研究综述 1.1 选址方法

层次分析法、回归分析法和熵权法是三种比较传统的选址方法。托马斯·萨蒂（Thomas L Satty）提出层次分析法，后被引入商业选址^[1]。王思宇、朱健、张涛、王成等分别使用层次分析法对超市配送中心、汽车客运站、物流配送中心以及乡村避暑旅游目的地等的选址进行了研究^[2-5]；张璐伟通过多元回归模型的构建，对影响社区超市选址的因素进行了分析^[6]；闫闪闪利用熵权法，以华侨城欢乐谷为例，对影响主题公园选址的因素进行研究^[7]。

20世纪90年代以来，地理信息系统技术发展迅速，越来越多的国内学者将其运用于包括酒店等的商业选址中。如武传表^[8]、曲小毅^[9]、陈岗^[10]、姜海宁^[11]等分别对大连、北京、桂林等旅游城市的酒店空间格局进行了研究。涉及到的主要空间分析方法有空间分析数据重分类、缓冲区分析以及叠置分析等，闫丽英等^[12]在研究方法上还结合了计量经济学的回归模型。GIS在酒店区位选址方面具备卓越的数据处理优势，表现出巨大的发展空间和潜力。

1.2 评价指标

有学者尝试利用区位理论，包括中心地理论、最小差异原理以及竞租理论等，解释酒店区位决策问题。按照中心地理论，服务范围和需求门槛是酒店运营成败的两个关键概念^[13]；最小差异原则主要强调集群效应，根据集群效应的观点，竞争态势、发展潜力和周边环境是酒店进行区位决策的关键因素^[14-16]；竞租理论认为土地利用方式由地租高低决定，租金越高，区位距离城市中心越近。因此需要重点考虑区位的周边环境、可达性、交通量以及与地理、交通和管理条件相关的财务条件^{[14, 17, 18]}。

酒店选址的影响因素及评价指标是酒店选址的一个重要研究领域。迈克尔·柯尔特曼（Michael M Coltman）认为酒店选址决策不仅要考虑交通条件，商业区、会议中心以及机场等也很重要^[19]；尤赛（Ussi M U）和魏建国（Wei jianguo）认为区域旅游市场、政治稳定性、汇率和开放程度与区位显著相关^[20]；威廉·格雷（William S Gray）和塞尔瓦托·利古力（Salvatore C Liguori）的认识更加深刻，不但强调交通的便利性和可达性，也看重整体区域经济环境、法规、地理因素、自然资源以及区域面积等^[21]；治民·潘（Chih-Min Pan）将影响酒店选址的因素概括为交通、城市景观、公共服务设施和政策环境等4类^[22]；李彦兵、王栋桥、马波等认为影响青岛经济型酒店分布的主要因素有商业区、景区、交通道路及综合地价^[23]。以上研究主要聚焦于区域经济环境、公共服务设施以及交通条件。崇瑜·周（Tsung-Yu Chou）、嘉伦·许（Chia-Lun Hsu）和梅琦·陈（Mei-Chyi Chen）等人在研究国际酒店选址时，进一步考虑到酒店特征以及运营管理，如人力资源的数量及质量^[24]，杨洋（Yang Yang），凯文·黄（Kevin K F Wong）和王同昆（Tongkun Wang）则更关注酒店星级、开业年数、服务类型及所有权等微观酒店特征^[16]，着眼于酒店未来发展的可扩展性。

根据文献综述，结合经济型酒店特征，本研究在选取影响因素时，将一些较为显著的影响因素纳入，舍去相关性较小的因素。最终选定社会经济基础、交通条件、商业因素、公共服务4大因素累计13项评价指标以评估经济型酒店选址的适宜性，见表 1。

2 经济型酒店微观选址适宜性评价方法

回顾已有的研究方法，进一步创新组合。借助ArcGIS10.3，在建立空间数据库的基础上，运用缓冲区分析和空间插值对研究区域内经济型酒店微观选址的适宜性进行评价和预测；利用泰森多边形划分经济型酒店的市场域，获得经济型酒店在某一区位的平均市场域，以评价经济型酒店具体门店选址的总体概况并确定新门店选址位置。

2.1 建立空间数据库

空间数据主要包括两部分：一部分是分析区域的空间数据，包括市区县信息、街道信息，以及用以辅助可视化的水系信息；另一部分是空间信息点对应的属性信息，如经济型酒店的数据、住宅小区的房价、医院等级、旅游景点等级等。建立空间数据库后将空间数据与属性信息进行链接以便后续的空间分析。

2.2 确定评价指标权重

经济型酒店的经营业绩、客房出租率、营业收入等相关数据不易获取，但熵权法不受评价指标之间的相互影响，仅根据已有数值本身的意义来确定权重。

假设有n个指标，m个评价对象，形成原始数据矩阵：

$ V = \left[ {\begin{array}{*{20}{c}} {{v_{11}}}& \cdot & \cdot & \cdot &{{v_{1n}}}\\ \cdot & \cdot &{}&{}& \cdot \\ \cdot &{}& \cdot &{}& \cdot \\ \cdot &{}&{}& \cdot & \cdot \\ {{v_{mi}}}& \cdot & \cdot & \cdot &{{v_{mn}}} \end{array}} \right] $

式中，i=1, 2, …, m；j=1, 2, …, n；v_ij为第i个评价对象在第j个指标下对应的数值。

对各项指标进行标准化处理：X_ij=(v_ij -v_min)/(v_max -v_min)，为避免求熵值时对数的无意义，对数据进行平移标准化，即W_ij=X_ij + 1。计算第j项指标下，第i个评价指标的特征比重：

$ {P_{ij}} = {W_{ij}}/\sum\limits_{i = 1}^m {{W_{ij}}} ,\sum\limits_{i = 1}^m {{W_{ij}} > 0} $

计算第j项指标的熵值：

$ {e_j} = - k\sum\limits_{i = 1}^m {{P_{ij}} \cdot \ln {P_{ij}}} $

式中k为熵值系数，通常k=1/ln m，可由下式进一步得出各影响因素对应的指标权重：

$ {\beta _j} = \frac{{1 - {e_j}}}{{\sum\limits_{i = 1}^m {\left( {1 - {e_j}} \right)} }} $

2.3 经济型酒店微观选址适宜性评价 2.3.1 划分评价单元

网格是将连续的工作区域平面空间离散化，即按一定的规则进行划分，形成若干多边形，每个多边形被称为网格单元，生成网格中心，并赋予唯一的地理编码用作分析单位评价单元。

2.3.2 空间分析

空间分析方法主要有缓冲区分析和叠置分析。对于一个给定的分析对象A，缓冲区Z=(X|d(X, A)≤r|)，其中d为欧氏距离，r为邻域半径或缓冲区建立的条件。主要采用点状要素和线状要素缓冲区分析，不同主题的数据层经过叠置分析之后产生了综合原不同数据层所有属性的新数据层，可采用图层擦除、交集操作、图层合并等三种叠置分析工具。

2.3.3 经济型酒店微观选址区位的适宜性分析

利用空间分析获取所有评价单元对应的指标值，根据熵权法求得的权重值加权叠加，得到所有评价单元的适宜性评分。通过分析与经济型酒店微观选址的评价指标及其作用的集合效应的适宜性程度，分析经济型酒店微观选址区位的适宜性等级，指导经济型酒店在选定区域的微观选址。

空间数据中点的分布可以是规则也可以是不规则的。已知点的数据一般是矢量点研究对象在某点的数值，而在划分一定数量的评价单元之后，所获取的有对应数值的点的个数是有限的，不可能布满整个研究区域。因此，对整个研究区域经济型酒店选址的适宜性进行评价时，需要对没有评分值的空白区域预测其适宜性。通过反距离加权（inverse distance weighted，IDW）插值法进行空间插值预测分析区域其它空白处的评分。

2.4 经济型酒店具体门店选址的评价

基于欧氏距离的泰森多边形计算一定分析区域范围内已有门店的平均市场域范围，以评价在指定分析区域内门店的总体选址水平。泰森多边形市场域的计算方法如下：设平面上的一个离散发生点集S={p₁, p₂, …, p_n}，则任意点p_i的泰森多边形可定义为：T_i={X:d (x, p_i) < d(x, p_i)| p_i, p_j ∈ S, p_i ≠ p_j}，式中：d为欧氏距离。泰森多边形中，任意一个内点到该凸多边形的发生点p_i的距离都小于该点到其他任何发生点p_j的距离。

由泰森多边形的划分计算每个门店市场域的面积及所有门店的平均市场域半径。以平均市场域为半径作该门店的圆形缓冲区，合并所有交叉区域后得到总体市场域，总体市场域与分析区域进行叠置分析，观察经济型酒店在该区域内各具体门店选址的总体水平和适宜性，并预测新门店的微观选址。

3 上海中心城区锦江之星微观选址区位适宜性分析

锦江之星作为国内经济型酒店的创始品牌，在品牌和规模上都是国内经济型酒店的典型，也是成功的典范。城区选址和郊区选址的尺度和评价标准有所差异。郊区面积较大，商业相对不繁荣，通常郊区只有1-2个中心点，锦江之星通常选址在中心点附近。但在城区的选址需要考虑的因素复杂多样，且城区呈多中心，普遍发展较好，内部区域之间差异不显著，因而锦江之星在城区的选址更有研究价值，也更有实际意义。本研究选取上海中心城区的黄浦、杨浦、虹口、长宁、徐汇、闸北、静安、普陀等8个区以及分布于该区内76个街道的33家锦江之星为研究对象，利用前文探讨的选址方法和步骤，对锦江之星在上海中心城区微观选址的适宜性进行分析，并提出新店选址建议。

3.1 建立锦江之星门店微观选址空间数据库

根据前文探讨的研究方法，搜集建立空间数据库所需要的数据，主要为点状实体、线状实体和面状实体三大类。三类实体包括的15项数据图层、属性以及每一图层的具体要素见表 2。

3.2 确定锦江之星微观选址评价指标的权重

采用点状要素和线状要素半径缓冲区分析，数据来源于《上海市统计年鉴》、上海锦江之星酒店集团官网、盈蝶网及百度地图坐标拾取。13项评价指标缓冲区半径分类统计见表 3。

由上海锦江之星官网获取锦江之星连锁酒店数据，结合百度地图、携程网、上海市统计公报，按照前文每个指标解释，原始数据统计见表 4，熵权法计算各评价指标权重结果见表 5。

由表 5可知，交通因素是对锦江之星在上海中心城区微观选址影响最大的因素，其次是商业因素和公共服务因素，社会经济基础的影响程度最小。交通因素中，是否在环城高速500 m范围内影响较大，可见可达性是衡量一个区域适合开设经济型酒店与否的重要因素；商业因素中，同质酒店数量的权重最高，空间产业聚集效应及区域竞争力不可忽视；公共服务影响因素中，5000 m范围内旅游景点的数量影响程度最高，上海市中心城区自然旅游资源相对不丰富且分布不均衡，AAA级及以上景区有10处，其中有6处位于黄浦区。上海市中心城区的旅游景点分布空间差异很大，离散程度高，其所占权重也就相对较高；社会经济因素中，人口密度的影响程度不及平均房价，经济型酒店选址时考虑更多的是所在区域范围内的房价，即地价因素。

3.3 上海中心城区锦江之星微观选评分 3.3.1 划分和选取评价单元

采用规则地理网格中的方格划分评价单元，将上海中心城区的76个街道，划分成边长为1 km的方格，剔除不规则网格，最终确定213个1 km边长的网格为所有分析评价单元，并进行0到212的唯一编号，见图 1。

3.3.2 获取评价单元属性值及评分

选取上海中心城区的213个完整方格的中心为评价对象，按照前文的各影响因素及评价指标的计算方法，可得213个评价对象对应的13项评价指标值，加权叠加后得出各评价对象的评分。将得出的分值乘以100后进行分级。各评价对象的评分为空间数据，且多数指标为非正态分布，采用ArcGIS10.3软件中的自然断裂法可将213个评价对象的评分分为5个等级，如图 2所示，得分较高的区域集中分布于黄浦、静安两个城区，而长宁、普陀的得分总体不高。

3.4 上海中心城区锦江之星微观选址区位的适宜性评价

213个评价对象的评分并不能充分完整地描述上海中心城区所有经济型酒店微观选址的适宜性，未能划分成完整网格的空白区域没有对应的评分。结合需要，采用IDW插值法，对未知的区域进行预测。将空间插值的结果和上海中心城区的环城高速及上海中心城区的分区行政区划图叠加，见图 3所示。

可清晰看出：中心城区自黄浦区按照不同等级的经济型酒店微观选址的适宜性向外辐射，8大区中，黄浦区的适宜性最高，以黄浦区、静安区以及徐汇区的北部、闸北区的南部评分最高，适宜锦江之星选址。再结合环城高速图，还可看出环城高速中延安高架路、内环高架路、中环高架路中心城区段沿线区域适宜性较高；适宜性区域沿着高架两侧分布。

4 上海中心城区锦江之星门店选址评价 4.1 总体评价

根据泰森多边形法划分锦江之星在上海中心城区的市场域：由中心城区向外，锦江之星的市场域面积呈递减趋势。计算33个锦江之星的市场域平均面积后，可测算出锦江之星在上市中心城区的圆形市场域半径约为1667 m，再以锦江之星为中心作半径为1667 m的圆形缓冲区分析，合并各锦江之星市场域缓冲区交界的边界，见图 4。

根据图 4，以锦江之星为中心作平均市场域半径的缓冲区基本覆盖了较适宜和适宜的区域，同时也有部分区域属于不适宜新建锦江之星区域，如锦江之星虹桥哈密路店、锦江之星上海南站店、锦江之星光大会展中心等。但总体上，锦江之星在上海市中心城区的微观选址是合理的。

4.2 具体评价

将上海中心城区的33家锦江之星与空间插值的结果叠置分析，见图 5。各锦江之星所在位置的微观选址适宜性评分等级，统计整理如表 6。可以看出，锦江之星上海铁路南站店、光大会展中心店、虹桥哈密路店微观选址较不适宜，北外滩店和沪太路店微观选址不适宜。其他28店位置一般或适宜，占上海中心城区33家锦江之星的总数约85%，上海中心城区大部分锦江之星门店的微观选址合理。

根据实地情况，上海铁路南站店和虹桥哈密路店均位于交通枢纽附近，由于其覆盖面过大，点状元素不足以代表其属性。但交通枢纽的客流量完全可以保证其入住率，因此铁路南站店和虹桥哈密路店可以保持原状，不作迁址；光大会展中心店距离漕河泾开发区尚有一段路程，离最近的地铁站漕河泾开发区站1300 m。漕河泾开发区，以企业居多，餐饮、休闲娱乐之类的场所配套欠缺。结合携程网旅客入住该店的465条入住评价，光大会展中心店的旅客多是漕河泾开发区企业的商旅客户，改善建议包括设施简陋和交通不便两类；北外滩店，交通方便，500 m范围内有大连路地铁站，但其东北方向100 m处为上海烟草集团公司，占地面积8 ha，西南方向为约0.5 ha的公园绿地。周围公司企业数量不多，商业不够繁荣；沪太路店周围交通不便利，直线距离最近的地铁站或环城高速为1500 m，根据携程网的旅客评论和百度地图，周围餐饮店数量不多，就餐不方便，可以考虑迁址。

以上分析可以为锦江之星酒店集团优化选址提供建议，也可为锦江之星在上海中心城区新门店进行最优选址，由图 5可知：静安区和黄浦区交界处、环城高速南北高架段和苏州河交界处适宜锦江之星新设门店。未被覆盖的还有黄浦区黄浦江沿岸区域，该区域地价偏高，投资成本相对较高，锦江之星在此选址需要综合考虑企业发展计划。

5 结论

本研究基于文献综述，选取了4类影响因素进行分析。将熵权法与ArcGIS的空间分析功能结合起来，解决了获取经济型酒店业绩或营业收入相关数据的困难，利用可获得的空间地理数据，获得评价指标的权重。并以上海中心城区的锦江之星门店作为具体研究对象，建立了完整的经济型酒店的选址方法和步骤，得出如下结论：

首先，根据文献综述，结合经济型酒店特征及上海的实际情况，选取社会经济基础、交通条件、商业因素、公共服务等4类因素，人口密度、平均房价、公交车站、地铁站、环城高速、休闲娱乐场所、餐饮店、商业大厦、大型购物设施、同质酒店、高校、医院及旅游景点等13项评价指标评估经济型酒店所在区域及具体门店位置的适宜性。

其次，在总结其他学者研究方法的基础上，进行创新组合，形成：确定影响因素与评价指标→确定指标权重→划分分析单位→空间分析→区域/具体门店评分→划分评分等级→适宜性评价等七大主要步骤。结合熵权法和加权叠加构建评价模型，利用缓冲区分析、空间插值、泰森多边形等3种空间分析方法，借助ArcGIS10.3软件的空间分析模块，对经济型酒店微观选址适宜性以可视化的形式呈现。

再次，通过对13项评价指标的熵权法计算可知：交通因素是锦江之星在上海中心城区微观选址影响最大的因素，其次是商业因素和公共服务因素，社会经济基础的影响程度最低。交通因素中，是否在环城高速500 m范围内是影响最大的；商业因素中，同质酒店数量的权重最高；公共服务影响因素中，5000 m范围内旅游景点的数量影响程度最高；社会经济因素中，人口密度的影响程度不及平均房价。中心城区自黄浦区按照不同等级的经济型酒店微观选址的适宜性向外辐射，黄浦区、静安区以及徐汇区的北部、闸北区的南部评分最高，适宜锦江之星选址；环城高速中延安高架路、内环高架路、中环高架路中心城区段沿线区域适宜性较高，适宜性区域沿着高架两侧分布。

最后，就上海中心城区33家锦江之星门店而言，铁路南站店、光大会展中心店、虹桥哈密路店微观选址较不适宜，北外滩店和沪太路店微观选址不适宜。其他28家门店位置一般或适宜，占中心城区门店总数约85%，大部分锦江之星门店的微观选址合理。就新门店选址而言，静安区和黄浦区的交界处、环城高速南北高架段和苏州河交界处以及黄浦区黄浦江沿岸区域皆为可选址区域。