1、 GIS服務區分析
區位因素是商業分析中一個至關重要的因素，因此在商店選址時，例行的服務區分析十分重要。服務區是指顧客分布的主要區域，在其范圍內該店的商品銷售量或服務營業額超過其競爭對手。對於現有商店，通過服務區分析可以考察市場潛力，評價經營業績；對於新店，通過分析服務區可以在競爭對手背后發掘商機，從而有利於確定最佳選址。此外，服務區分析還有助於企業確定廣告覆蓋的重點地區，揭示顧客較少的薄弱地段，提出企業擴張計划等等。
常見的划分服務區的方法有類比法、鄰域法、重力法等幾種。類比法是一種非地理方法，常用的是回歸分析法，鄰域法和重力法都是地理方法，可以借助GIS技術來實現，哈夫模型便是基於重力法的一種模型。
2、 哈夫模型
哈夫模型是美國加利福尼亞大學的經濟學者哈夫教授於 1963 年提出的關於預測城市區域內商圈規模的模型。它認為：從事購物行為的消費者對商店的心理認同是影響商店商圈大小的根本原因，商店商圈的規模與消費者是否選擇該商店進行購物有關，通常而言，消費者更願意去具有消費吸引力的商店購物，這些有吸引力的商場通常賣場面積大，商品可選擇性強，商品品牌知名度高，促銷活動具有更大的吸引力；而相反，如果前往該店的距離較遠，交通系統不夠通暢，消費者就會比較猶豫。因此，哈夫模型的核心論點便是：商店商圈規模大小與購物場所對消費者的吸引力成正比，與消費者去消費場所感覺的時間距離阻力成反比。商店購物場所各種因素的吸引力越大，則該商店的商圈規模也就大；消費者從出發地到該商業場所的時間越長，則該商店商圈的規模也就越小。哈夫模型的公式為：
其中Pij為消費者選擇商店j的概率， S為商店規模，d為距離，β>0是摩擦系數。
3、 應用案例——如何生成商店的服務區
-
工具下載及修復
在ArcGIS軟件中沒有內置的哈夫模型工具，但是可以在Esri的官方網站上下載（含工具及示例數據），地址是：http://arcscripts.esri.com/details.asp?dbid=15999。該工具是由Python腳本編寫的，下載后並不能直接運行在10版本的軟件中，因為其Python代碼是9.3版本，而在10版本以后用ArcPy站點包取代了之前的arcgisscripting模塊，因此需要對代碼進行幾處修改：
（1） 添加import arcpy；
（2） 將gp.extent替換為arcpy.env.extent；
（3） 將extent.xmin等替換為extent.Xmin。
-
應用案例
消費者選擇該商場的概率，進而生成服務區，並且可對新建商場進行預測。如下圖所示：
圖1 商場位置及人口普查數據
將下載的工具添加到ArcToolbox，雙擊打開，按照下面的參數進行設置：
圖2工具參數設置
主要參數說明：
| 參數名稱 | 說明 |
| StoreLocations | 輸入商場的位置，至少要有兩個要素。 |
| StoreName Field | 標識商場的唯一名稱字段。 |
| StoreAttractiveness Field | 商場的吸引力字段，例如營業額，商場面積，商品數量等等 |
| StudyArea | 研究區域。 |
| DistanceFriction Coefficient | 摩擦系數，表示引力隨距離衰減的程度，默認值為2。 |
| GenerateMarket Areas | 默認為NONE，則會在study area中產生隨機點來表示消費者的位置信息，如果設置了下面的兩個參數，可選擇Origin。 |
| OriginLocations | 消費者的位置信息或人口普查數據（如街道數據）。 |
| SalesPotential Field | 預測消費潛力的字段，該字段將會乘以消費者選擇某商場的概率，從而獲得該商場的預測消費潛力。 |
| PotentialStore Locations | 需要預測的新商場的位置，在ArcMap中可以通過與地圖交互添加新的點。 |
輸出結果：該工具會生成各商場的服務區以及消費者選擇每個商場的概率。
圖3 各商場的服務區
圖4 消費者選擇商場1的概率