基于相关性分析的共享单车长期需求影响因素探讨

张纯

摘 要：探讨长期需求的影响因素是预测共享单车需求量的一个独特视角。经济发展水平，商业、文娱中心数量，城市轨道交通密度等都会影响城市所需共享单车数量。基于此，本文使用相关性分析的知识考虑了影响20个城市共享单车长期需求的因素，抛砖引玉，为之后共享单车长期需求的预测奠定了基础。

关键词：共享单车  长期需求  相关性分析

中图分类号：F252.5 文献标识码：A   文章编号：2096-0298（2020）02（a）--03

随着共享经济的迅速发展，共享单车作为一种新的共享经济的商业模式也由此应运而生。目前，共享单车项目普及迅速：2016年，有超过1000个城市正在运营共享单车项目，300多个项目正在计划和建设中。共享单车的快速发展除了给市民的生活带来便利之外，也暴露了很多问题：很多共享单车企业为了争夺市场，过度投放单车，导致共享单车俨然成了城市新的“共享垃圾”。多地政府意识到单车供给过剩问题，暂停共享单车新增投放，制定共享单车运营服务标准，其中很重要的一条量化指标是确定城市准入的共享单车总数量。

影响一个城市所需共享单车数量的因素有很多，经济发展水平，商业、文娱中心数量，城市轨道交通密度等都可能共同作用。对此，本文采集20个不同城市的数据，分析探讨影响长期需求量的因素，为之后有关共享单车长期需求量计算的研究打下夯实的基础。

目前，研究国内各地共享单车需求影响因素的论文较少，仅有的几篇也集中在短期个体需求上，从长期角度系统依据我国现实情况进行需求因素探讨的极少。杜威铭[1]提出共享单车投放过程中应该考虑时间因素、交通网络分布、人口数量、人均可支配收入、天气因素和其他因素。马新卫[2]等分析了南京市共享单车需求三大影响因素，揭示了公共自行车使用量、土地利用、社会经济人口因素对于共享单车出行需求的影响。王宇洋[3]采用python语言编写网络爬虫程序，实时获取共享单车使用情况，验证了大数据方法的实用性。基于上述已有研究，本文将系统探讨各城市影响因素，搜集20个不同城市的数据，基于相关系数来探讨其影响程度。

1 因素搜集与数据来源

在国内共享单车的需求预测中，影响各地区共享单车需求波动的因素很多。本文参考国内外大量文献，找到影响共享单车长期需求的因素，記录于表1。

由表1可得，目前提出的共享单车需求的影响因素主要集中在经济水平因素、地理水平因素和可达性因素3个方面，由此本文探讨国内共享单车长期需求因素，在全国20个大中小型城市中，利用城市发展报告、实地调研、python爬虫等途径收集影响长期需求的数据，进行相关性分析。其中，20个城市分别为：郑州，长沙，无锡，佛山，合肥，昆明，北京，上海，厦门，福州，南昌，石家庄，东莞，深圳，广州，南京，成都，武汉，杭州，沈阳。

通过python爬虫可得：共享单车保有量，商业、文娱中心数量，风景区数量，公交车站点密度（个/平方公里），机动车道路拥挤程度;通过各市统计年鉴可知：建成区面积占比，国民生产总值（GDP），人口密度，公路总里程、机动车道路长度，高等院校数量，第二、三产业增加值比重;从中国国家地理网可知平原面积占比;从《中国交通发展综合报告（2018）》可获取轨道交通密度（公里/平方公里），城市轨道交通运营里程。

2 相关性分析

在此次分析中我们感兴趣的是共享单车需求量与影响因素之间的密切程度和方向，因此在这里采用相关性分析。本文对于搜集到的共300份数据，进行相关系数计算，得到表2。

由表2可知，商业、文娱中心数量，国民生产总值，城市轨道交通密度，风景区数量，机动车道路拥挤程度，公路总里程、机动车道路长度，这六个因素与共享单车需求量有显著关系，且成正相关性。在这里值得一提的是商业、文娱中心数量与共享单车数相关系数趋近于1，意味着二者之间的相关性极大。由图1可看出，共享单车需求量基本与商业文娱中心数量的变化趋势一致。大致可以推断，因商业文娱中心的人口流量极大，传统汽车等交通方式到达此处颇为不便，此时共享单车的轻便性将大大凸显，人们更愿意选择共享单车这一较为方便灵活的出行方式。

建成区面积占比，人口密度，第二、三产业增加值比重的相关系数较小，与共享单车需求量的相关性也较差。公交站点密度与共享单车需求量呈现负相关关系，本文在这里解释为当公交站点密度过大时，人们可以通过步行很快到达站点，因而共享单车的接驳性便会下降。

3 结语

本文通过国内外大量文献确定影响共享单车长期需求量的14个因素，搜集了20个不同城市的数据，计算各影响因素与共享单车需求量之间的相关系数，判断其与共享单车需求量之间的相关性。系统分析了前人未曾系统分析的具有普遍意义的影响因素，为未来共享单车长期需求量的进一步讨论打下坚实的基础。