城区公共自行车服务系统的分析研究

宋晓婷，王春年

城区公共自行车服务系统的分析研究

宋晓婷1，王春年2

（1. 山西建筑职业技术学院 基础部，山西 太原 030619；2. 山西大学 计算机与信息技术学院，山西 太原 030006）

借助软件筛选，运用统计方法对浙江省温州市某城区公共自行车20天租车和还车数据信息进行处理，包括租车时长及使用频次，站点间距离的测算，掌握了该地区公共自行车服务系统的运行规律，做出合理的分析并拟定改进方案，使该服务系统更加完善。

公共自行车服务系统；泊松分布；拟合优度检验法；MATLAB

1 引言

公共交通非机动车在全国各城市迅速推广与普及，具有多重意义：首先是便民。市民或外来客人可以方便地在各自行车网点借用或归还自行车；其次是环保。自行车的广泛使用，可以有效降低汽车和摩托车的使用率，减少尾气排放量，净化城市空气；再次是促进市民体育锻炼，许多城市居民由于繁忙的工作，缺乏运动，城区自行车公共交通系统的建立，可以有效促进市民随时健身、增强体质。因此，低碳，环保，节能的公共自行车成为全国许多城市的首选。自行车租赁的站点位置及各站点自行车锁桩和自行车数量的合理配置显得尤为重要，对系统的运行效率与用户的满意度有重要的影响。

2 研究区概况

2.1 租车时长及使用频次

利用Microsoft SQL Server数据库软件和SQL查询语言对数据进行分析，经EXCEL整理得借车频次数据和还车频次数据以及所有站点按累计的借车频次和还车频次的排序[1]。数据得到每次用车时长的分布情况，发现用车时长越短的借车频次越大，我们按照区间长度递增的顺序，选取浙江省温州市某站点借出车使用时间段为[0,15]，[16,30]，[31,60]，[61,120]和大于120 min的分割，其分布图如图1所示。

图1 单次租车使用时长分布

结果分析：该城区市民66%的人每次用车时长小于15 min，每次用车时长大于60 min的则相对较少。有34%的市民每次用车时长近0.5 h，说明大多数市民利用自行车来解决“最后一公里”问题，但也存在由于“借车远，借车难，还车难”，从而浪费时间的现象。

2.2 数据拟合分析

将资料中数据导入EXCEL文档，得出累计借车次数与借车卡数量的关系，再由MATLAB将代表借车次数的数据A2：A42、C2：C42、E2：E42分别导入到VarName1、VarName3、VarName5；将代表借车卡数量的数据B2：B42、D2：D42、F2：F42分别导入到VarName2、VarName4、VarName6。

在MATLAB工作区输入以下命令，绘出借车次数与借车卡数关系图：

syms x y a b c

x=[VarName1;VarName3;VarName5];

y=[VarName2;VarName4;VarName6];

a=x'*y;

% b=sum(y);

c=a/b;

plot(x,y,'b*')

其中，x，y，a，b，c分别是借车次数，借车卡数量，累计总借车次数，总借车卡数量，平均每借车卡借车数量。之后，借助cftool工具箱作出分析[2]，如图2所示。

图2 借车频次与借车卡数量关系

2.2.1 相关数据结论

由运行结果知：

（1）累计总借车频次：637 541次；

（2）累计总借车卡数量：45 423张；

（3）平均每张借车卡借车频次：14.035 6次，说明公交自行车使用效率较低，还应做进一步改善；

（4）因租借车辆均要归还，所以还车相关数量同借车。

2.2.2 相关拟合结论

由图2信息知：

（1）借车次数与借车卡数量大致成反比例关系，拟合曲线选取指数函数[3]，方程为

相关系数R接近1，均方根误差25.37，相对于数据个数已经非常小，故所选方程拟合度较优。

（2）测量天数内借车卡借车次数大多集中在1~100次，可作为主要数据段进行分析。

3 数据采集及分析

3.1 分析借还车次数最多一天的数据量

根据数据统计结果，选取自行车使用频率最高的一天进行分析，即已给站点合计使用公共自行车次数最多的一天，由此所得结果可以更有效地应用于其他频次较少的情况。

3.2 一天内租车时间均值

=[1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 77 78 79 80 81 82 83 84 85 86 87 89 90 91 92 93 94 95 97 98 100 101 102 103 104 105 107 108 109 111 112 113 114 116 118 119 120 121 122 123 124 127 130 131 132 136 137 138 144 145 146 153 154 155 160 162 177 184 186 187 190 199 200 201 216 228 233 237 248 253 289 565 595];

y=[59 491 1134 1617 1919 2246 2222 2225 2178 2029 1843 1694 1652 1515 1377 1288 1059 1021 911 814 743 674 600 516 519 428 391 343 325 283 257 236 166 196 175 162 162 160 116 96 97 59 91 72 65 71 59 61 39 33 41 18 29 26 28 22 12 21 16 12 16 14 11 9 7 9 5 3 9 4 6 8 2 5 4 3 5 5 1 3 2 5 3 2 2 2 2 2 3 5 1 1 6 2 1 3 1 2 1 3 4 3 3 1 1 2 2 1 3 3 1 1 1 1 1 1 1 1 3 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1];

z=poisspdf(x,y);

plot(z)

所得结果如图3所示。

图3 车时间及其概率

3.3 检验时间均值的可信度

3.4 筛选研究数据

4 相关结论

4.1 租车行驶距离

4.2 租还车频次最高站点的数据

通过整理租还车频次最高站点的数据，发现在人口相对密集区域的自行车使用情况符合大众上下班时间的基本规律：早八点和晚五点使用频次高。因此，可依据实际调整自行车的位置，方便大家使用，提高整体利用率。

用相同的方法可继续搜索出相对使用率较高的若干站点进行讨论，得到该地区人口流动的大致范围和方向，结合节假日时间，可基本确定其工作区、居住区、休闲区和学区等具有特殊功能的区域，对了解城市发展建设具有重大意义。

图4 租/还车频次最高站点情况

根据公共自行车的办理人数比例、使用频次及时间，可估算该地区的人口密度，人口数量，依据数据，可研究此区域响应国家绿色出行环保出行的力度和城市的集中程度。

5 对未来非机动车事业发展的建议

（1）对办理租车人员进行身份验证并收取押金，便于使用时的信息跟踪查询。

（2）划片站点人员配备，用于解决因时间、地域、活动等因素导致的非机动车辆不均衡问题。根据数据显示应在早八点及晚五点左右实行车辆调整计划。

（3）设立服务站点电子系统，用于显示城区的全部的自行车服务点、与所在服务点距离由近至远的其他服务点、其他各个服务点的自行车的剩余数以及空车位的数量。

（4）借车金额随时间递增，但使用时间规定上限。

（5）建立快速挂失系统，如电话、微信、支付宝、公交卡等方式。

（6）建立骨胳、皮肤、体重、人脸识别等系统，对儿童及超龄者不予租借。

（7）为锁桩车辆配备防晒、防雨、防丢失等设施。

[1] Excel Home.Excel2007数据处理与分析实战技巧精粹[M].北京:人民邮电出版社,2015:68-74.

[2] 天工在线.MAYLAB2018从入门到精通[M].北京:中国水利水电出版社,2018:95-108.

[3] Samprit Chatterjee, Ali S Hadi. Regression Analysis by Example[M]. Beijing: China Machine Press, 2020: 15- 38.

[4] 王慧敏,曹忠威,张奎.应用数学-概率论与数理统计[M].北京:中国商业出版社,2014:119-124.

[5] 风过无痕.Matlab概率统计编程指南[EB/OL].https:// www.cnblogs.com/xiexiaokui/archive/2008/11/14/1333861.html,2008-11-14.

[6] 傅维潼.概率论与数理统计辅导[M].北京:清华大学出版社,2003:335-336.

[7] 杨波霞,邓卫,胡启洲.大城市自行车交通发展的理性引导及对策研究[J].现代交通技术,2006,3(4):50-53.

Analysis and Research on the Non-Motor Vehicle Service Systemof Urban Public Transportation

SONG Xiao-ting1, WANG Chun-nian2

(1. Department of Basic Courses, Shanxi Architectural College, Taiyuan 030619, China; 2. School of Computer and Information Technology, Shanxi University, Taiyuan 030006, China)

With the help of software screening and statistical methods, the data information of hiring and returning public bicycles in a certain urban area of Wenzhou City, Zhejiang Province during twenty days was analyzed in order to make the service system more perfect. The data includs the length and frequency of taxi rental, the measurement of the distance between stations, the operation law of the public bicycle service system in the area, the rational analysis and the formulation of improvement plan.

the non-motor vehicle service system; Poisson distribution; goodness of fit test; MATLAB

N37

A

1009-9115(2020)03-0015-04

10.3969/j.issn.1009-9115.2020.03.005

山西省教育科学“十三五”规划课题（GH-19170)，山西省小店科技项目（2018XDCXY14）

2019-11-04

2020-04-15

宋晓婷（1980-），女，山西太原人，硕士，讲师，研究方向为数学应用研究。

（责任编辑、校对：赵光峰）