基于时空数据的共享单车出行特征研究*

周 荣 王元庆 朱 亮 吉淑娟

(长安大学公路学院 西安 710064)

0 引 言

过去10年来，有桩固定停车的传统公共自行车和无桩化自行车模式的共享单车在全球得到快速的发展[1-3].共享单车为人们提供了便捷的出行方式，以更加方便的、快捷的换乘其他交通方式，是一种低碳的方式解决了出行“最后一公里”问题.

随着公共自行车的流行与普及，Buck等[4]将研究集中于分析城市建成环境、土地利用、公共交通、天气、出行时间等因素对公共自行车的影响.郭素萍等[5]主要研究了公共自行车的时空特性与租赁点布局规划；Wang等[6]以西安市为例分析了影响公共自行车骑行的因素.国内外对传统的公共自行车研究较多、理论较为成熟，然而对于新的出行方式—共享单车的研究则相对较少.马书红等[7]研究认为共享单车与公共自行车可以实现互补，以此促进城市居民出行更加便捷、舒适.邓力凡等[8]则研究了共享单车下的设施规划研究，以促进城市设施优化布局，并简单分析了共享单车的统计属性.

文中基于2017年10月31日武汉、西安、杭州三个城市的共享单车时空数据为基础，按照研究范围、数据来源、城市空间、骑行特征与周转率进行分析，进一步总结分析共享单车的出行特征与城市布局.最后为共享单车运营单位、城市管理相关部门提出对策及建议.

1 研究范围、数据来源与分析方法

以武汉、西安、杭州三个城市的市辖区建成区范围为研究区域，该区域交通网络发达、人口居住密集、商业集中.其城市发展主要指标见表1.

表1 武汉、西安、杭州城市2017年主要技术经济指标

注：建成区面积数据来源于《中国城市统计年鉴2017》.

从技术经济指标上看，三座城市人口相差不大，武汉是千万人口城市，西安、杭州略低于武汉；国民生产总值GDP武汉与杭州接近，西安最低为7 469亿元；各市辖区建成区面积相差不大；轨道交通便捷程度上武汉最高，杭州、西安次之；共享单车样本数量上杭州西安接近，武汉样本量最大.因此这三座城市具有一定的代表性，分析的结果具有一定的现实意义.

共享单车数据来自网络爬虫，获取时间为2017年10月31日星期二.将研究区域分为200 m×200 m的网格，在每个网格中心采集最近的30辆摩拜单车，每小时采集一次(共采集24次)，获得全天数据量分别为：武汉1 048 580条、西安347 259条及杭州465 346条.数据字段包含单车ID、单车类型、经纬度坐标、采集时刻和采集次数.

为了保证数据的精准度和分析结果的可靠性，在进行数据分析前需要对采集数据进行清洗，剔除干扰数据.根据数据采集的方式与分析目的，拟对数据做如下清洗：①同一时刻采集的数据，共享单车Id不重复，即单车的唯一性.利用字段Id和TimeNumber可剔除同一采集时刻重复出现的单车；②所有采集时刻，单车出现不止一次，即单车出现的反复性.利用Excel数据透视表中的Id字段，剔除只出现一次的共享单车；③所有采集时刻，共享单车位置须发生变化，即剔除共享单车全天内未移动过的数据.利用Excel数据透视表中的Id与经纬度字段，剔除经纬度计数项为1的共享单车；④剔除共享单车的停留点.利用Id，lng与lat字段剔除共享单车的停留点.

根据上述数据清洗原则，各阶段数据清理结果见表2.

表2 共享单车数据各阶段清洗结果

基于EXCEL和ARCGIS平台，首先分析04:00与14:00的数据，总结城市空间布局特征；其次使用04:00据分析了地铁站点500 m范围内的单车吸引量，总结地铁站点附近的共享单车特征；最后利用全天数据分析了共享单车的骑行长度与周转率.

2 城市空间布局分析

将数据清洗前后的数据按时间顺序做折线图，见图1.数据清洗前武汉、杭州、西安在00:00—16:00波动均较小，表现出稳定性，数据清洗后，其数据在02:00—16:00保有较好的稳定性.

图1 数据清洗前后比较

对数据进行全部清洗完成后，得到共享单车密度分布图.因此在分析城市空间特征时，做出如下假设：共享单车在00:00—06:00几乎不移动，保持采集的稳定性，且共享单车停留在具有一定居住功能的区域，如旅馆、酒店、居住小区等；共享单车在14:00—16:00更加可能是停留在具有办公或交通枢纽功能的区域，如单位、商业中心、地铁站点等.从而基于上述假设，选取第三次清洗后的04:00—14:00的数据，并进行第四次数据清洗.最后得到出行空间分布热力图，见图2.

图2 数据清洗后共享单车密度分布与出行空间分布热力图

根据数据处理原则，图2中颜色越深，则证明该处就业功能越显著，反之颜色浅，则证明该处居住功能越显著.对比武汉、西安、杭州三城来看，出行热度集中于城市新区与商业中心，如武汉出行热度处于二环线与三环之间的南侧，西安出行热度在南二环与南三环之间，杭州出行热度则更加分散，遍布杭州市区，因此，从这一角度来说，武汉在洪山区职住较为均衡，洪山区中心以光谷广场为代表的就业中心，周边以各高校为代表的居住中心，但在汉阳区就业功能低于洪山区，更偏向于居住，武汉其他区域则更偏向于居住.此外，西安整体偏向于居住，就业区域较少，且不分散，因此在职住均衡程度上较低.杭州商业与居住分布更加均衡与离散，职住更加平衡，且是沿着地铁走向分布.并且与共享单车密度相比较，可以发现与空间分布结果相吻合，即核心区单车出行量较大.

3 共享单车骑行分析

3.1 地铁站吸引量分析

据城市智行研究院实施的2018年共享单车民意调查发现，超过九成的人认为共享单车对出行产生了极大的影响，已经成为出行的重要方式之一，并改变了城市交通方式分担率.具体表现为：83.5%的公众由步行转向共享单车，51.0%的替代或与地铁接驳，30.1%的替代或与公交接驳，6.8%替代了出租车,因此,分析地铁站点的共享单车吸引量，能够在一定程度上反映城市空间的布局和骑行特征.以三城(武汉、西安、杭州)的地铁站点经纬度数据及04:00清洗后的数据为基础，得到地铁站500 m范围内吸引共享单车数量及分布情况.

通过统计04:00有移动的共享单车，得到地铁站500 m范围内共享单车数量，见图3.在排除地铁站点吸引量为零的情况下，各城市吸引1～25辆共享单车数量的地铁站点数量最多，且随着单车数量的等量增加，地铁站点数量呈阶梯式下降.大部分地铁车站500米范围内吸引共享单车数量在1～75辆范围内，吸引量大于100辆的只有武汉.且武汉、西安、杭州各地铁车站平均拥有33，23.3和25.5辆共享单车.从这两点可以看出武汉居民选择共享单车出行更加活跃，西安和杭州两城则相差不大.也从侧面反映了武汉共享单车投入力度比西安、杭州大.

图3 各城市地铁站点500 m范围内非零吸引单车数量统计

图4为三城市地铁站点吸引量空间分布.由图4可知，武汉以长江为分隔，长江以南地铁车站围绕东湖分布，其中光谷广场站、杨家湾站、虎泉站、街道口站、宝通寺站和罗家港站单车吸引量最多.长江以北以陶家岭站、舵落口站、双墩站、循礼门站、香港路站、汉口火车站站、丹水池站、塔子湖站单车吸引量最多；西安沿着长安中轴线分布密集，尤其是会展中心、纬一街、小寨、体育场、大雁塔等地铁站吸引量最多；杭州以钱塘江分隔南北，其单车吸引量最多的地铁站沿钱塘江分布，如钱江路站、江锦路站、城星路站、近江站、甬江路站、绥江路站等地铁站.

图4 地铁车站500 m范围内吸引单车数量空间分布

具有较大单车吸引量的地铁站点囊括了武汉、西安、杭州繁华的商业区域、风景秀丽的景区、适宜慢行的步道等.如武汉光谷广场紧靠东湖且是商业中心，辐射周边华中科技大学、中国地质大学、中南民族大学等诸多知名高校；又如西安小寨地铁站是西安最大的商业中心，并辐射周边陕西省博物馆、大雁塔、长安大学、体育场等旅游景点与高校；再如杭州沿着钱塘江吸引量较大，并向北有武林门广场等繁华区域.

从行政区上，武汉单车吸引量集中于高校林立的洪山区、武汉中心的武昌区与金融商业发达的江汉区；西安主要集中于商业、景区、高校林立的雁塔区与碑林区；杭州集中于繁华的江干区、上城区、下城区与西湖区.

综上所述，在人口密集、商业繁华、著名景区、高校周边的共享单车数量较大，因为这些区域往往意味着有着更为频繁的出行需求.从而也在一定程度上反映了城市布局与形态，这些地方往往也是运营单位愿意多投放共享单车的区域.

3.2 出行长度分析

通过对全天采集的数据进行分析，根据单车ID、时间字段与经纬度可以获得同一辆单车不同时刻的位置，从而可以获得单车出行OD与出行长度.

剔除出行长度小于100 m以下的出行后，得到出行长度分布图与出行累积频率分布图，见图5.从出行量上看，各城市出行频次随着出行长度的增加而降低，而武汉出行量远高于西安、杭州，三座城市都是旅游胜地与历史文化名城，其出行量应该相差无几.其原因可能在于分析样本量不一致，武汉(61 343)远大于西安(20 936)、杭州(22 176)，从而造成了武汉出行量远高于西安、杭州的情形.

因此,通过分析累积频率会得出更加合理的结论.由图5可见，各城市的出行频率累积曲线基本一致，武汉略高于西安、杭州.在1 km以内出行的武汉累积频率为0.56、西安0.49和杭州0.47；

3 km以内的出行累积频率均超过了0.8.这表明共享单车主要解决了公众的短途出行，致力于解决公众出行的“最后一公里”、改善城市交通拥堵和环境污染等问题.方便了公众的出行的便捷与促进了城市绿色健康发展.

图5 共享单车骑行长度分布

4 周转率分析

在分析单车使用频次之前，需要将数据进行特定的处理，具体方法如下：首先使用各城市第一次清洗后的数据；然后剔除全天未发生位移的单车数据，得到全天使用次数为0的共享单车量；利用EXCEL中数据透视表功能筛选出现次数大于等于2的共享单车.在这里没有保留透视表中出现次数为1的共享单车，原因是由于采集方法的缘故，无法判断改共享单车是否未使用过.换言之，该共享单车出现一次，有可能是由于使用者将其骑行到了采集范围之外,因此，得到共享单车使用次数见表3.

表3 全天共享单车使用量及其累积百分比

注：使用量单位：辆.

由表3可知，1 d之内全天未使用过的共享单车数量占比均达到了60%以上，超过使用过的单车数量，这表明大量的共享单车处于闲置状态，造成了不必要的资源浪费.各城市全天使用在不超过的3次占全部共享单车的92%以上.因此在城市投放共享单车远远超过了市场需求，需要针对性做出调整.

图6为共享单车非零使用频数分布图，由图6可知，共享单车使用次数在1～3次内的三城各占比为武汉达65%、西安87%和杭州75%.

图6 共享单车非零使用频数分布

为了更好的衡量区域内共享单车使用的次数和每个单车平均被利用的次数，这里根据停车周转率定义共享单车周转率的概念.所谓停车周转率是指在一定时间段内，研究区域内停放车辆的数量与停车泊位总量之比，因此，将共享单车周转率定义为在一定时间内，研究区域内共享单车使用量与共享单车总量之比.从而得到武汉、西安、杭州城市的共享单车全天周转率分别为0.67，0.79和0.82.

5 结 论

1) 共享单车的投放一定程度上反映了城市的布局与形态.并基于这一视角推城市断职住均衡程度，杭州最佳，武汉与西安次之.

2) 共享单车骑行长度处于3 km以下的超过80%，这表明共享单车很好的解决了出行最后一公里的问题，促进了绿色出行的发展和便捷性.

3) 共享单车在城市投放目前处于过量的状态，全天未使用过的单车数量占样本总量的60%以上，从而导致单车周转率不高，武汉、西安、杭州的周转率分别为67%，79%和82%.

通过分析，针对以上问题提出如下建议.①根据城市布局分析结果，杭州职住最为均衡，武汉、西安次之，因此城市运营与建设者可以加强城市土地利用布局分布.②根据出行长度分析的结果，共享单车应当尽量投放在地铁站、居住小区与商业中心和慢行步道附近.③根据周转率分析结果发现，公共自行车周转率较低.可以通过如下途径提高共享单车周转率：改善非机动车骑行环境；合理投放共享单车数量；提高公共交通服务水平与质量；增强共享单车运营、维修和保养质量.