一个城市商圈究竟吸引力如何？过去往往需要实地调研和冗长问卷才能回答这一问题。2018年7月，中国科学院深圳先进技术研究院数字所范小朋副研究员课题组结合交通大数据和人口流动规律，提出了城市商圈的相对吸引力模型，不仅准确度高，而且避免了传统依靠调查问卷的人工成本高、时间消耗大以及主观随意性等缺陷，相关成果被JCR一区期刊接收。

　　范小朋博士毕业于香港理工大学，2010年底加盟中国科学院深圳先进技术研究院，在3年前开始结合交通大数据和人口流动规律，进行城市商圈吸引力专题研究。该工作通过对深圳市全市15000余辆出租车的轨迹和交易数据的全样本分析，在世界上首次把交通因素和人口因素结合在一起提出了城市商圈的相对吸引力模型。从地理信息和社会功能的角度明确给出城市商圈的定义，通过对深圳南山15个典型商圈的交通、人口、面积、房地产、路网、社交点评等数据的分析，研发了基于人-机-物（Cyber-Physical-Social）融合的城市大数据处理系统。

　　论文的商圈吸引力排名结果得到了深圳市零售商业行业协会的连续三年调查数据印证。论文50%~60%的商圈访问量均来自5公里范围内的消费者，从而提出在深圳等大城市中商圈的四大分类模型：长期稳定型、零星爆发型、日夜对照型和新型综合体型等，辨析了发展中人口密集的中国不同于西方等发达国家的城市商圈区别。

　　范小朋是IEEE高级会员、深圳车联网产业联盟副秘书长，已先后主持和参与7项国家自然科学基金项目，发表高质量国际学术论文近50余篇，申请国家专利18项，已授权专利7项，软件著作权5项，主要从事分布式数据处理、移动云计算、人工智能和车联网等方面的研究和开发工作。团队研发成果在国防科工委、中兴通讯、深圳市交通运输委员会等单位转化，应用于大数据、云计算、智慧城市和车联网等新兴领域。

　　上世纪中期以前，国外学者针对城市商圈的研究提出了重力模型、中心地理论等，但是在数字时代，能否利用来自于信息空间、物理空间和社会空间的多源数据流融合，建立全新的数据模型来预测商圈的相对吸引力呢？

　　范小朋团队设计的城市商圈相对吸引力模型，可用于商业选址，辅助政府部门进行交通疏导等。该研究工作历时三年，课题组联合香港理工大学和深圳职业技术学院共同完成论文。该项目同时获得国家科技部973“城市大数据三元空间协同计算理论与方法”和国家自然科学基金等项目的资助。

　　他们下一步研究计划包括对商圈实时数据研究，还包括扩展时间维度，结合历史数据可以揭示商圈演化规律，预测商圈吸引力的动态变化等。