基于公开数据的共享单车出行时空特征分析

摘 要：近年来，共享单车作为一种低碳环保的新兴出行方式得到广泛使用，能够有效解决居民出行“最后一公里”问题。由于其使用环境开放、有利于保持社交距离等特点，突发公共卫生事件背景下使用共享单车出行的特征成为研究热点。文章以芝加哥市共享单车系统Divvy Bikes为研究对象，基于公开数据集，对2021年和2022年芝加哥共享单车出行时空特征进行分析，结果发现：第一，2022年共享单车骑行量相比2021年有明显下降，但其下降程度低于同时期的地面公交和轨道交通客流量；第二，在时间特征上，尽管受到突发公共卫生事件的影响，共享单车骑行仍然呈现明显的早晚高峰现象，骑行时长以5～10分钟为主；第三，在空间特征上，骑行距离以短中距离为主，骑行热点区域主要集中在芝加哥市中心区域并呈现由市中心向郊区扩散的趋势。

关键词：共享单车；时空特征；突发公共卫生事件；公开数据

中图分类号：F570；U491 文献标志码：A DOI：10.13714/j.cnki.1002-3100.2024.18.022

Abstract： In recent years， bike-sharing has been widely used as a low-carbon and environmentally friendly emerging travel mode， which can effectively solve the "last kilometer"problem of residents' travel. Due to its characteristics such as open use environment and being good for social distancing， the characteristic of using bike-sharing to travel in the context of public health emergencies has become a hot topic. Based on the public data set， this paper analyzes the spatiotemporal characteristics of bike-sharing travel in Chicago in 2021 and 2022. The results show that in 2022， bike-sharing rides decreased significantly compared with 2021， yet the decrease of bike-sharing ridership was lower than buses and rail， that in terms of temporal characteristics， despite the impact of public health emergencies， bike-sharing riding still presented an obvious morning and evening peak phenomenon with 5～10 minutes cycling duration， and that in terms of spatial characteristics， the cycling distance was mainly short or medium， and the cycling hotspots appeared in the downtown area of Chicago and showed a trend of spreading from the downtown area to the suburbs.

Key words： bike-sharing; spatial-temporal characteristics; public health emergencies; public data

0 引 言

共享单车以其灵活性、低成本和便利性，成为城市居民短途出行的首选之一，在某种程度上解决了居民出行的“最后一公里”[1]。然而突发公共卫生事件的爆发会给人们的生活习惯造成影响，随之带来出行结构及出行特征的变化。由于突发公共卫生事件具有较强的传播性，共享单车作为一种使用环境开放、能够保持一定社交距离的交通工具，成为部分城市居民出行的主要选择之一。

目前对共享单车的研究主要可以分为以下几个方面。首先，共享单车的时空特征研究，在这一方面，邓力凡等发现共享单车的骑行存在不同的空间特征，总共包括五种不同的类型[2]；王璐等发现工作日热点区域比休息日更集中，工作日存在明显的早晚高峰和潮汐现象[3]；陈冰郎等以成都主城区为研究范围，发现骑行活动多集中在城区功能复合区域[4]。其次，对共享单车用户属性的研究，林雨平等对用户属性进行了总结：骑行者以男性为主，且主要是中青年[5]；Wafic等发现用户在温暖的月份的使用时长要长于寒冷的月份[6]。再次，除了研究共享单车本身，学者们还分析了建成环境对共享单车的影响作用，周艳等认为建筑密度、人口密度是共享单车起讫点分布的核心驱动因子[7]；吴静娴等发现建成环境对早晚高峰时期的共享单车借、还车非线性作用差异明显[8]；喻冰洁等发现骑行量与路网密度、人口数呈现显著正相关[9]。最后，共享单车与其他交通工具之间的关系也受到学者热议。Wang等研究了突发公共卫生事件期间纽约市的共享单车和地铁乘客量的变化，他发现在事件爆发初期共享单车和地铁乘客量都急剧下降[10]；Ebrahimi等认为在公交站点附近设置共享单车站点可以促进可持续交通，减少汽车依赖[11]；Nicole 等分析了突发公共卫生事件对俄勒冈州莱恩的公共交通和共享单车带来的长期影响[12]；Campbell等发现共享单车与其他交通方式之间是竞争的关系，在共享单车附近的公交线路上，每天的公交乘客量显著减少[13]。

上述研究表明共享单车的研究范围较为广泛，目前虽有学者探究共享单车出行的时空特征，但考虑到突发公共卫生事件对共享单车出行影响的研究较少。因此，本文主要使用2021年和2022年的芝加哥市共享单车出行数据，研究突发公共卫生事件期间的共享单车出行的时空特征。

1 研究区域与研究方法

1.1 研究区域

芝加哥是美国第三大城市，位于美国伊利诺伊州，密歇根湖西南岸，总面积约为606.2平方千米。芝加哥总共包括77个社区区域，这些区域涵盖了芝加哥的文化、经济、综合服务等重要职能。2013年，芝加哥交通部门推出了Divvy Bikes，这是芝加哥的一种共享单车系统，为城市居民提供了更多的交通选择。芝加哥也是美国最早开始投放共享单车的城市之一。本次研究选取芝加哥77个社区作为研究区域（见图1）。

1.2 数据来源

本研究使用的数据是公开数据集，包括芝加哥Divvy Bikes系统的历史行程数据和芝加哥地图数据。其中历史行程数据为2021年至2022年Divvy Bikes订单数据（https：//www.divvybikes.com/system-data），共计约1 120万条数据。芝加哥的Divvy Bikes是有桩共享单车，订单数据包括订单ID、起始时间、结束时间、起始经纬度、结束经纬度、起始与结束的站点名称等。芝加哥地图数据来自OSM（https：//www.open－streetmap.org/）。骑行行为都是用户自发进行的，因此这些数据具有客观性。

1.3 研究方法

本研究主要借助python语言来进行分析，包括剔除异常值、统计分析等，首先利用pandas对数据进行时间层面的统计，然后利用matplotlib来可视化数据，最后根据骑行的起始和结束经纬度统计骑行的热点区域以及热门路线，并通过folium和Google Map可视化。

1.4 数据预处理

对共享单车进行时空特征分析需要用到共享单车的订单数据。在分析之前需要对数据进行一些处理。首先，考虑到原始数据中可能存在重复值和缺失值，因此需要先剔除重复值和缺失值，剔除后的数据为8 957 662条；其次，将原始数据中的时间转化为datetime数据类型的时间序列；最后，将日期拆分为工作日和周末并添加相应的字段，同时添加骑行时长，方便后续统计和分析。

2 共享单车骑行的整体特征

突发公共卫生事件突然爆发给所有的出行方式都带来了不小的影响。芝加哥市2019年地面公交和轨道交通的客流量分别为669 266人次和490 606人次，而2021年地面公交和轨道交通的客流量则为327 619人次和181 287人次。突发公共卫生事件期间地面公交和轨道交通的客流量相比事件发生前分别下降了约51.09%和62.96%。共享单车在此期间的出行量相比之前则下降了约16.03%。由此可见，突发公共卫生事件使地面公交和轨道交通的客流量大幅减少，共享单车虽然也受到了影响，但与其他交通方式相比影响较小。

为了清楚地展示和对比突发公共卫生事件期间共享单车的总体骑行特征，本研究统计了2021年和2022年每月骑行次数，并利用matplotlib将数据可视化（见图2）。根据统计结果，2021年的总骑行次数4 588 302次，2022年总骑行次数4 369 360次。2022年，总体骑行次数相较于2021年是有明显的下降，但是芝加哥共享单车租赁点的数量却从2021年的842个增加到了2022年的1 556个。由此可以推测，芝加哥2022年骑行量的减少并不是因为租赁点减少，而可能是受到了突发公共卫生事件的影响，人们开始减少外出，共享单车的骑行量也相应减少。

从图2中可以发现，骑行高峰集中在6、7、8月，此时正好处于夏季，适合骑单车出行；骑行低谷集中在12月、1月、2月，由于寒冷的天气，人们出行更愿意选择乘坐公共交通工具。为了进一步弄清楚2022年共享单车骑行次数减少的具体情况，计算了环比增长率。表1展示了2022年相对比2021年的每月骑行量的环比增长情况。从表1中可以看出，除了2月其余月份在2022年的骑行次数都是下降的。这可能是由于在突发公共卫生事件期间，为避免受到感染，人们减少了外出和使用共享单车的频率。

3 时间特征可视化分析

3.1 工作日与非工作日骑行量分析

针对芝加哥在突发公共卫生事件期间的共享单车出行时段特征的分析，主要集中于不同时段的变化，将时段划分为24小时，每小时是一个时段。由于前期统计和新增了工作日和周末，因此对周一至周日的共享单车的每个时段骑行量进行统计，结果如图3所示。

周一至周五为工作日，在这一时期共享单车的骑行量有两个高峰，分别是7：00—8：00和17：00—18：00。这两个时段正好对应着通勤的早晚高峰。周末骑行量的曲线较为平滑，没有明显的高峰，大部分集中在10：00—18：00。这个时段正是人们休闲娱乐的时间。尽管处于突发公共卫生事件期间，共享单车骑行的时段特征仍与事件发生前一样存在明显的早晚高峰。这可能是因为在突发公共卫生事件期间并不是所有的公司都实行线上办公，一些人仍需要每天上班通勤，而在此期间，共享单车相较于公交、地铁受感染的风险较小，所以人们会选择骑行上下班，这就导致了骑行早晚高峰的存在。

3.2 骑行时长分析

对时间特征进行统计分析时需要考虑的一个重要的特征就是骑行时长，在这部分的分析中，首先根据增加的trip duration字段统计了骑行时长，但统计结果显示骑行时长存在异常值导致骑行时长的长尾分布过长，因此新增骑行速度，通过计算骑行速度来剔除异常值得到新的骑行时长如图4所示。2021年和2022年的骑行时长呈现长尾分布，两年的的骑行时长都集中在0～30分钟，其中5～10分钟的骑行次数是最多的。此外，2021年的平均骑行时长为19分钟，而2022年平均骑行时长则为16分钟，平均骑行时长相较上一年有所缩短。

4 空间特征可视化分析

4.1 骑行距离分析

Haversine公式是一种特定的球面距离计算公式，用于计算球面上两点之间的距离。由于订单数据中没有给出轨迹数据，因此骑行距离的计算采用Haversine公式，计算两点之间的球面距离，该距离不是实际距离。根据Haversine公式，lat1、lat2表示纬度、lon1、lon2表示经度，两点之间的距离算法如下。

式（1）中R表示球面半径，在本公式中R=6 378*1 000m。在对骑行距离进行统计时，将骑行距离划分为了0～1km，1～2km，2～3km，3～4km以及4km以上。图 5显示了骑行距离的不同分布情况。2021年和2022年骑行距离中占比最大的都是1～2km，达到了35%左右，其次就是2～3km和0～1km，分别占比约21%和20%，占比最小的是4km以上，仅占不到10%。与2021年相比，2022年的0～2km的骑行占比有所增加，并且0～2km的骑行占比达到了50%以上。

为验证是否国内城市在突发公共卫生事件期间也存在类似的骑行特征，本研究与上海市的共享单车使用行为特征进行对比，结果发现，突发公共卫生事件期间上海市共享单车的骑行距离95%小于1～3km，84%骑行时长小于30分钟，小于15分钟的出行和小于3km的出行相对于突发公共卫生事件之前都有所缩减，短距离骑行的趋势在减少，相比之下中长距离的骑行在逐渐增加[14]。突发公共卫生事件期间共享单车变成了一部分用户的主要出行工具，因此被更多地使用在了中长距离的出行中。由此可见，突发公共卫生事件期间，芝加哥的出行主要是以短中距离出行为主，但是上海共享单车却主要用于中长距离的出行（见图5）。

4.2 骑行热点区域分析

共享单车骑行的空间特征是进行城市道路规划的一个重要依据。为了弄清楚突发公共卫生事件期间共享单车的空间特征，本研究利用python对共享单车出行的起终点经纬度进行了统计，最终通过folium呈现出了2021年和2022年共享单车起终点的热点区域（见图6）。从图6（a）和图6（b）中可以看出，2022年相比于2021年共享单车起点的热点区域呈现扩散趋势，从以密歇根湖沿岸为主向西边扩散，热度最高的区域总体集中在卢普区、近西区和林肯公园等社区，这些社区正好是芝加哥的中心城区。图6（c）和图6（d）是共享单车终点的热点区域，相比于起点，终点覆盖的范围要大于起点。芝加哥共享单车骑行的空间特征整体上从中心区域向郊区扩散。2022年共享单车的终点的热点区域相对于2021年更加集中，不断爆发的突发公共卫生事件使人们在减少了长距离的出行，出行区域更愿意集中在离中心城区较近的区域。

4.3 骑行热门路线分析

突发公共卫生事件的肆虐并没有减少芝加哥人骑行共享单车的热度，作为突发公共卫生事件期间的一种重要的交通工具，对共享单车骑行路线的分析显得十分重要。首先，基于热门骑行区域，统计了两年的热门骑行站点。2021年排名前五的热门骑行站点分别为Streeter Dr & Grand Ave、Michigan Ave & Oak St、Wells St & Concord Ln、Millennium Park和Clark St & Elm St； 2022年的热门骑行站点包括Streeter Dr & Grand Ave、DuSable Lake Shore Dr & Monroe St、DuSable Lake Shore Dr & North Blvd、Michigan Ave & Oak St和Wells St & Concord Ln，这些站点均位于芝加哥市中心区域。其次，提取出不同时段热门骑行路线的起始站点和结束站点的经纬度，对起始点和结束点分别进行聚类分析，合并起始点和结束点的聚类结果就得到了不同时段的热门骑行线路。最后，利用Google Map的骑行路线规划将这些热门骑行路线可视化，但由于缺少骑行轨迹数据，这些路线只是用户可能的骑行路线，并非真实路线。

图7展示了Google Map模拟出的2021年和2022年的热门骑行路线。从图7中可以看出，这些路线都是在市中心移动。附近有纽贝利图书馆、林肯公园、慕迪圣经学院、洪堡公园等，这些区域既有居住区、购物区也有学校、景点，能够为用户提供休闲娱乐以及基本的生活服务。此外，一些热门线路附近还有许多的地铁站点和公交站点，能够为居民换乘公交和地铁提供方便。从城市规划的角度来说，应该加大这些路线附近站点数量的设置以及这些站点的单车投放量。

5 结论与展望

本研究主要针对突发公共卫生事件期间芝加哥市共享单车骑行的时空特征进行可视化分析，揭示了突发公共卫生事件期间芝加哥市的共享单车骑行特征。第一，2022年共享单车骑行量相比2021年有明显下降，但其下降程度低于同时期的地面公交和轨道交通客流量。第二，在时间特征上，尽管受到突发公共卫生事件的影响，共享单车骑行仍然呈现明显的早晚高峰现象；骑行时长呈现长尾分布，以5～10分钟的骑行为主。第三，在空间特征上，突发公共卫生事件期间骑行热点区域主要集中在芝加哥市中心区域，并呈现由市中心向郊区扩散的趋势；骑行距离以短中距离为主；热门站点和热门线路都集中在市中心附近。

根据上述研究结论，可以给突发公共卫生事件期间共享单车的管理提供一些启示。由于突发公共卫生事件对共享单车骑行量造成了明显的影响，在面对突发公共卫生事件时需要采取灵活的策略，如调整运营规模和资源分配，以适应需求的变化；根据骑行量高峰和低谷时段的分析结果，可以针对不同时段采取不同的运营策略：在高峰时段增加车辆供应量，确保用户能够方便地租赁和归还单车；骑行热点区域主要集中在芝加哥市中心区域，应该加强对这些区域的管理和监控，确保共享单车的供需平衡，避免过度拥堵或资源浪费。但是，本研究仅仅从时空分析的角度探讨了突发公共卫生事件期间的共享单车的特征，没有考虑到共享单车与其他公共交通工具之间的联系，并且以芝加哥作为研究区域具有一定的特殊性，共性不足。因此，之后的研究会着重围绕共享单车与其他公共交通工具之间的联系来进一步探索共享单车的使用特征和管理方法，以期进一步完善发现研究成果。

参考文献：

[1] ZHANG Yongping，LIN Diao，MI Zhifu．Electric fence planning for dockless bike-sharing services[J]．Journal of CleanerProduction，2019，206：383-393.

[2] 邓力凡，谢永红，黄鼎曦． 基于骑行时空数据的共享单车设施规划研究[J]．规划师，2017，33（10）：82-88.

[3] 王璐，李斌，徐永龙，等． 基于共享单车数据的居民出行热点区域与时空特征分析[J]． 河南科学，2018，36（12）：2010-2015.

[4] 陈冰郎，喻冰洁．共享单车出行特征及影响因素的空间异质性研究——以成都市为例[C]//中国城市规划学会．人民城市，规划赋能——2023中国城市规划年会论文集（06城市交通规划）.深圳市城市规划设计研究院，西南交通大学建筑学院，2023.

[5] 林雨平，方捷，邱美华，等．基于Logistic回归的公共自行车骑行特征分析—以福州市为例[J]．交通运输研究，2017，3（3）：14-19.

[6] El-ASSI W，MSHMOUD M S，HABIB K N．Effects of built environment and weather on bike sharingdemand：Astation level analysis of commercial bike sharing in Toronto[J]．Transportation，2017，44：589-613.

[7] 周艳，邵海雁，靳诚.基于大数据的厦门岛建成环境对共享单车起讫点分布的影响[J].南京师大学报（自然科学版），2024，47（1）：21-29.

[8] 吴静娴，唐桂孔，李文翔.建成环境对共享单车分时骑行量的非线性作用研究：以上海市为例[J].交通运输系统工程与信息，2024，24（1）：290-298，310.

[9] 喻冰洁，梁源，杨林川． 波士顿共享单车出行与街区建成环境的关系研究——基于广义可加混合模型[J]．世界地理研究，2023，32（2）：48-58.

[10] WANG Haoyun， NOLAND R B． Bikeshare and subway ridership changes during the COVID-19 pandemic in New York City[J].Transport policy，2021，106：262-270.

[11] EBRAHIMI Z D，MOMRNITSBSR M， NASRI A A，et al. Using a GIS-based spatial approach to determine the optimallocations of bikeshare stations：The case of Washington D.C[J].Transport Policy，2022，127：48-60.

[12] NGO N S，MARTIN A．A case study on the impacts of COVID-19 on bus ridership，bikesharing，and equity in a smallU.S.county[J/OL].Journal of Public Transportation，2023，25：100065.[2023-12-15].https：//doi.org/10.1016/j.jpubtr.2023.100065.

[13] CAMPBELL K B，BRAKEWOOD C．Sharing riders：How bikesharing impacts bus ridership in New York City[J].Transportation Research Part A：Policy and Practice，2017，100：264-282.

[14] 惠英，廖佳妹，唐磊，等． 疫情期间共享单车的使用行为与意愿[J]． 城市交通，2020，18（6）：100-109.