公共自行车项目绩效评价及优化运营

●北京零点有数数据科技股份有限公司

公共自行车项目绩效评价及优化运营

●北京零点有数数据科技股份有限公司

近年来，不少城市开始推行“公共自行车”服务，但其运营往往处于困境之中，存在着站点位置规划缺乏科学合理性、各个站点之间的协同作用无法体现、缺乏针对性的应急管理措施等问题。受H地区财政局委托，北京零点有数数据科技股份有限公司于2016年开始对H地区交通运输局公共自行车服务系统建设项目进行财政绩效评价，对公共自行车服务系统的相关数据进行挖掘，通过数据策略性重构后的挖掘分析，为该地区下一步公共自行车服务项目的财政资金投入及公共自行车服务系统优化提供决策依据。

公共自行车项目绩效评价大数据

目前，许多城市的公共交通网络已形成普通公交、BRT快速公交和出租车等形式多样的发展态势。为提升公共交通服务能力，更好地满足市民近距离出行的需求，改善交通运行环境，倡导公众绿色出行，各地政府高度重视公共自行车服务系统建设项目，部分城市已先后将其列入民生工程。据了解，杭州、西安、北京、宁波等城市均已建成公共自行车服务设施系统并投入运营。然而，公共自行车系统在不少城市的运营状况并不理想，有的甚至成为摆设。各城市公共自行车的实际建设规模、车位车辆保有规模、日均实际使用人次、站点的运营效率和优化改良成果等数据外界无从知晓，运营方也不甚关注，导致运营情况不佳，带来了一定的资源浪费。因此，如何进一步发挥公共自行车的服务效能，使其切实服务于人民大众，避免成为一个面子工程或摆设，是相关部门亟需关注并解决的现实问题。

一、公共自行车运营管理的困境

中国是“自行车大国”，随着经济的发展，人民生活水平的提高，机动车保有量逐步增加，但中短途出行方面仍有不少居民使用自行车。为了增加居民出行的便利性，满足居民的中短途出行需求，各城市相继推出了“公共自行车”服务。但在实际运作中，多数城市公共自行车服务运营存在许多问题。对于政府管理部门而言，不仅缺乏对这些具体问题的量化评估，而且对从整体上如何解决效率的提升问题，也缺乏利用数据精准评估、通过预测进行规划、综合考虑提升运营效率的路径和举措。

（一）缺乏有效的站点评估，评估指标精细程度有待提高

效率提升的关键是找准限制效率的主要“症结”和问题的“病根”，只有找出这些关键要素，才能探索改进优化的路径。从实际操作来看，很多城市的公共自行车服务没有完整的数据留存、整理、分析的机制，即便有的城市有意识地留存了数据，但数据的管理组织更多以“用户”而非特定站点为核心，这也从侧面反映出数据应用端更强调对居民个体应用情况的考量，而对各个公共自行车站点的评估尚不足，缺乏从站点视角对服务效率的评估，也缺乏利用数据进行合理预测，进而做好规划、提升整体效率的意识。同时，我们也看到即便有些城市以“站点”为核心开展了相关的效率评估，但往往是通过“使用率增长”、“使用效率提升”等这样常规笼统的综合性指标，而缺乏更为精细的数据分析，不利于寻找核心关键要素进而改善提升整体效率。

（二）缺乏提升效率的系统性策略

因为数据留存的问题，以往的效率分析更多的是零散、孤立地来评估各个站点的效率，进而制定各个站点的优化策略。但实际上，作为一个“系统”，每个站点并不是孤立的，而是和周边其他站点相互关联、相互影响。传统的“效率评估—优化改进”模型很难通过数据考虑这样的相互关系，导致改进效率的方向也是孤立的、片段的，不能从系统上给出最优的解决策略。

二、大数据技术的引入

大数据分析通常被定义为企业或组织对其所创造的海量结构化数据进行储存和使用的过程，其目的在于从复杂的数据中找到关联与规律并加以利用。H地区公共自行车项目在启动之初即开始积累大量用户数据，包括租借归还行为发生的时间、站点以及用户的个人信息。我们将用户信息、用户行为数据等多个数据源整合重构，形成基于站点的数据库，可以对站点效率进行全面有效评估，同时构建站点之间的影响关系模型，作为站点优化策略的重要参考依据。

（一）用户数据向站点数据的重构，基于数据回归预测的指导规划

H地区自行车的基础数据库是基于个人用户的数据字段，包括：流水号、借车时间、骑行时间、超时时间、站点号、自行车ID、借车卡号、还车站点、还车时间、还车车位等。如果要评估站点效率，就需要另外生成数据字段和数据表格，进行数据重构，基于站点的编号对站点数据构建相应指标，如：站点月增长率、周转率、站点重要度、站点中心度等。在前期工作基础之上，零点再利用各站点的用户人口特征、站点的功能标签，使用回归模型预测未来日均使用量，使公共自行车运营方对于可能到来的高峰做到及时反应，准确应对。此外还可通过回归结果对流量进行有效调控，从而有效改善公共自行车资源“浪费”与“不足”并存的失衡现象。

（二）构建站点关系，区分构建模型

根据每个站点周边站点情况对站点进行分类，构建特定站点与周边站点之间的关联关系。如果特定站点周边有临近的站点，我们将该站点定义为“有近站点”，否则为“无近站点”。通过考虑这种关系构建的分析范式，从整体上区分“有近站点”和“无近站点”的评估、策略输出方向的差异，“有近站点”将更多地纳入“关系”作为一个重要的评估维度，而在策略方向上，“有近站点”的优化策略也更加关注不同站点之间的协同作用，最大化整体的运营效率。

三、大数据引入的效率优化策略设计创新

引入大数据后，不仅可以通过数据全面分析各个站点的运营情况，同时也引入新的数据维度（关系维度），从另外一个视角审视站点对于系统的重要程度，从而综合评估站点效果。大数据分析得到的相关结论，为整体优化策略提供了新的研究课题，进一步指导了策略优化的完善。

（一）重构评估指标，全面描述各个站点的运营情况

基于数据库中关于“用户”的数据，重构评估指标，形成整套的评估体系，对各个站点的实际运营情况进行多维度综合分析。

除了针对各个站点的分析外，我们还结合了站点本身的特点标签（如所属城市功能区特征），分析不同功能区类型的公共自行车站点的特征，为制定各个功能区的差异化运营管理策略提供依据，如图1所示。

图1 公共自行车各个功能区使用情况综合分析

通过多个维度的数据分析，对每个站点的特点、客流情况、人流特点等信息进行全面了解，按照功能类型为站点分类，并描述其差异化特征，从而为整体效率评估、差异化优化策略设计奠定基础。

（二）引入关系维度，综合评估效果

大数据最大的价值是可以借助数据分析不同个体之间的关系，对于公共自行车系统而言，厘清每个站点之间的关系有助于寻找关键的节点，结合自身的效率，综合评估站点的重要性与使用效果。在本次研究中，引入了站点与站点关系的维度，分析站点的重要性和关联度，进而分析不同关系类型的站点的运营效率，综合评定每一个站点的重要性程度，如图2所示。

图2 公共自行车各个站点联系度与使用情况综合分析

零点根据“有近站点”的站点和“无近站点”的站点的划分，对于两类站点从不同的思路分析，构建不同的优化策略架构，如图3、图4所示。

（三）提出新的研究课题，融合多源数据的策略优化

图3 有近点的优化策略分析框架

图4 无近点的优化策略分析框架

基于大数据挖掘，可以将各个站点进行策略化的分类，分析不同类别站点的效率表现，最大化还原每个站点的实际运营情况：用户增长、周转、高峰运营情况、与周边站点之间的关联和关系，超越了传统的线下研究以及基于初步数据的宏观综合效率分析。因而，深度的数据挖掘又为效率优化提出了新的问题：为什么核心功能区中有些站点运营效率低于平均水平，是选址问题还是导流问题？为什么有些站点运营效率不高但对其他站点至关重要，这对未来选址规划有哪些启示？这些新的课题需要通过实地考察、访问专业人士等方式进一步研究。这些课题的研究，不仅有助于现有站点优化策略的设计，同时也为未来的选址规划设计提供了更多的参考。

四、大数据助力效率优化策略设计

效率效果评估与提升策略设计，是企事业单位及政府机构都非常关心的领域。当前阶段，大数据的引入不仅仅是传统效率评估的有效补充，而且是对新的维度、新的视角的引入和应用。传统评估与大数据的有效结合，使效率评估更加系统化、精细化，为未来的效率提升与策略优化设计提供了更明确的方向。

（一）系统化的评估思维而非孤立的评估指标框架

本案例对各个站点运营效率的评估，不仅有增长、周转等常规的评估性指标，同时还引入了站点与站点的关系维度，设计了站点联系度、中心度等若干反映“关系”的指标。这不仅是对指标体系的丰富，更是在整体评估架构上系统化的设计，不再孤立地分析每一个站点的运营情况，而是综合个体运营情况和系统当中的价值等多个维度，对一个站点进行系统性的评估。

（二）分类评估和设计优化策略实现系统化、精细化管理

在系统化的评估基础上，不再设置简单的“扩容”、“缩小规模”、“关闭”等执行策略，而是基于系统化的评估，制定精细化的优化路径方案。针对系统化的评估，基于核心的关键维度将各个运营点区分成不同的类别，每一个类别都对应不同的优化策略，从而实现了系统性评估到精细化管理的策略设计。

（三）数据挖掘提出进一步课题，为效率提升与优化选址提供依据

在数据挖掘的基础上，我们发现了需要进一步研究的课题，这些课题不仅需要大数据挖掘，同时也需要通过走访、观察等方式进一步考察，找到大数据挖掘结果背后的逻辑，进一步厘清问题的本质，找到核心要素，发现影响效率的客观规律，为后期效率优化与选址决策提供依据。

五、大数据应用的未来展望

我国大数据在各个行业的应用仍处于起步阶段，对数据的利用更多的是在描述性分析方面，而在实操应用策略设计上能够发挥的效用仍处于探索阶段，需要进一步的经验总结和完善。展望未来，一方面需要完善数据留存体系与留存机制；另一方面，需要根据应用端的实际使用情况建模，实现数据的自动化，为决策提供支持。此外，本案例中的数据挖掘又提出了新的课题，多源数据、系统解决方案的设计价值进一步得到了彰显。

（一）数据意识的提升，助推绩效评价工作准确性改善

“任何的痕迹都可能有其价值”，这为数据的价值做了最好的注脚。从我国现状来看，大数据应用之所以受到很多限制，除了所谓的数据孤岛问题外，最大的问题是数据意识的淡薄：不能有意识的留存数据、没有标准化的存储数据流程、没有按照应用构架整个数据存储处理框架等，这些从底层数据架构上的无意识行为，为数据价值最大化设置了障碍与壁垒。随着数据意识的进一步提升，有效地留存数据、按照应用的需求架构数据，势必为大数据应用带来更广阔的空间和更多的机遇。诸多绩效评价工作涉及到大数据分析的应用，提升数据意识，有效运用大数据分析思维，将有效助推绩效评价工作的准确性与有效性的改善。

（二）“现象—分析—决策”模型设计与系统化实现

在应用层，数据本身并不足以发挥它的价值，根据应用层的业务需求将数据有机地组织、分析、挖掘，才能解决应用层的实际问题。在目前的大数据应用与业务的需求中，“描述性”问题仍然占据主流，但随着从业人员数据意识的提升、对数据价值的进一步理解，更多问题导向、系统导向的需求成为了未来的应用方向，这也就意味着需要构建“现象—分析—决策”从数据到决策的模型路径，真正实现数据驱动决策；数据的及时化、系统化、垂直化应用价值在构建一整套数据应用系统的过程中将更加凸显，成为系统化、自动化的数据驱动运营管理的基础。

（三）多源数据构架系统解决方案

在本案例中，大数据为后续的策略设计提出了进一步研究的课题，再一次契合了零点“不同数据有不同价值”的数据理念。这意味着，如果需要实现精细化的管理，依靠单一数据源势必受到限制，未来仍需要对多源数据进行融合和整合，最大化挖掘不同数据源各自的价值，为整体性、系统化解决商业问题奠定基础。因此，在未来的数据解决方案中，多源数据是重要的数据应用方向。

[1]夏凯,何波江.浅析大数据技术在财政支出绩效评价领域的应用[J].财政监督，2016，(18).

[2]刘国永等.预算绩效管理实践指导[M].镇江：江苏大学出版社，2009.