1、 GIS服务区分析
区位因素是商业分析中一个至关重要的因素，因此在商店选址时，例行的服务区分析十分重要。服务区是指顾客分布的主要区域，在其范围内该店的商品销售量或服务营业额超过其竞争对手。对于现有商店，通过服务区分析可以考察市场潜力，评价经营业绩；对于新店，通过分析服务区可以在竞争对手背后发掘商机，从而有利于确定最佳选址。此外，服务区分析还有助于企业确定广告覆盖的重点地区，揭示顾客较少的薄弱地段，提出企业扩张计划等等。
常见的划分服务区的方法有类比法、邻域法、重力法等几种。类比法是一种非地理方法，常用的是回归分析法，邻域法和重力法都是地理方法，可以借助GIS技术来实现，哈夫模型便是基于重力法的一种模型。
2、 哈夫模型
哈夫模型是美国加利福尼亚大学的经济学者哈夫教授于 1963 年提出的关于预测城市区域内商圈规模的模型。它认为：从事购物行为的消费者对商店的心理认同是影响商店商圈大小的根本原因，商店商圈的规模与消费者是否选择该商店进行购物有关，通常而言，消费者更愿意去具有消费吸引力的商店购物，这些有吸引力的商场通常卖场面积大，商品可选择性强，商品品牌知名度高，促销活动具有更大的吸引力；而相反，如果前往该店的距离较远，交通系统不够通畅，消费者就会比较犹豫。因此，哈夫模型的核心论点便是：商店商圈规模大小与购物场所对消费者的吸引力成正比，与消费者去消费场所感觉的时间距离阻力成反比。商店购物场所各种因素的吸引力越大，则该商店的商圈规模也就大；消费者从出发地到该商业场所的时间越长，则该商店商圈的规模也就越小。哈夫模型的公式为：
其中Pij为消费者选择商店j的概率， S为商店规模，d为距离，β>0是摩擦系数。
3、 应用案例——如何生成商店的服务区
-
工具下载及修复
在ArcGIS软件中没有内置的哈夫模型工具，但是可以在Esri的官方网站上下载（含工具及示例数据），地址是：http://arcscripts.esri.com/details.asp?dbid=15999。该工具是由Python脚本编写的，下载后并不能直接运行在10版本的软件中，因为其Python代码是9.3版本，而在10版本以后用ArcPy站点包取代了之前的arcgisscripting模块，因此需要对代码进行几处修改：
（1） 添加import arcpy；
（2） 将gp.extent替换为arcpy.env.extent；
（3） 将extent.xmin等替换为extent.Xmin。
-
应用案例
消费者选择该商场的概率，进而生成服务区，并且可对新建商场进行预测。如下图所示：
图1 商场位置及人口普查数据
将下载的工具添加到ArcToolbox，双击打开，按照下面的参数进行设置：
图2工具参数设置
主要参数说明：
| 参数名称 | 说明 |
| StoreLocations | 输入商场的位置，至少要有两个要素。 |
| StoreName Field | 标识商场的唯一名称字段。 |
| StoreAttractiveness Field | 商场的吸引力字段，例如营业额，商场面积，商品数量等等 |
| StudyArea | 研究区域。 |
| DistanceFriction Coefficient | 摩擦系数，表示引力随距离衰减的程度，默认值为2。 |
| GenerateMarket Areas | 默认为NONE，则会在study area中产生随机点来表示消费者的位置信息，如果设置了下面的两个参数，可选择Origin。 |
| OriginLocations | 消费者的位置信息或人口普查数据（如街道数据）。 |
| SalesPotential Field | 预测消费潜力的字段，该字段将会乘以消费者选择某商场的概率，从而获得该商场的预测消费潜力。 |
| PotentialStore Locations | 需要预测的新商场的位置，在ArcMap中可以通过与地图交互添加新的点。 |
输出结果：该工具会生成各商场的服务区以及消费者选择每个商场的概率。
图3 各商场的服务区
图4 消费者选择商场1的概率