王宇洋

（北京市育英學(xué)校，北京 100036）

0 引言

近年來(lái)，很多城市的共享單車數(shù)量快速達(dá)到飽和狀態(tài)，共享單車的存量非常大且處于流動(dòng)變化狀態(tài)，在為市民提供騎行便利的同時(shí)，也對(duì)城市管理提出了新的要求和挑戰(zhàn)。如何及時(shí)掌握和分析城市中海量共享單車的數(shù)量、實(shí)時(shí)位置和移動(dòng)規(guī)律，是值得研究的課題。共享單車的騎行數(shù)據(jù)也是分析城市人群出行愛(ài)好與規(guī)律的最佳數(shù)據(jù)，通過(guò)大數(shù)據(jù)分析可以預(yù)測(cè)單車使用的高峰時(shí)段和地點(diǎn)，為城市管理者等提供及時(shí)可靠的決策依據(jù)。

1 共享單車位置數(shù)據(jù)的獲取

共享單車應(yīng)用程序所使用的數(shù)據(jù)包是采用JSON（JavaScript Object Notation，Java腳本對(duì)象標(biāo)記）格式，這是一種輕量級(jí)的數(shù)據(jù)交換格式，因其易閱讀和編寫，也易于機(jī)器解析和生成，可以有效提升網(wǎng)絡(luò)傳輸效率，故在網(wǎng)絡(luò)軟件中廣泛應(yīng)用。

通過(guò)對(duì)原始數(shù)據(jù)包進(jìn)行研究，可以得出以下的數(shù)據(jù)格式：

對(duì)本地POST發(fā)送數(shù)據(jù)包進(jìn)行分析，獲得共享單車服務(wù)器API接口，采用Python語(yǔ)言編寫網(wǎng)絡(luò)爬蟲類程序，將API中發(fā)送數(shù)據(jù)中的位置坐標(biāo)數(shù)據(jù)分別寫入兩層的嵌套循環(huán)，在城市范圍內(nèi)，以適當(dāng)?shù)牟介L(zhǎng)對(duì)城市范圍內(nèi)單車進(jìn)行快速掃描，得到全部共享單車GPS信息當(dāng)前數(shù)據(jù)，寫入文件。

對(duì)于車輛類型，JSON數(shù)據(jù)中的BikeType有1和2兩種可能，經(jīng)過(guò)對(duì)比分析，可以看出1代表新型車、2代表舊款車。

2 數(shù)據(jù)處理與編程實(shí)現(xiàn)

在得到原始數(shù)據(jù)后，不能直接將其輸入GIS系統(tǒng)進(jìn)行圖形展示和分析。某些數(shù)據(jù)因GPS波動(dòng)的原因會(huì)造成車輛頻繁或大幅度移動(dòng)，故需要對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步篩選。

根據(jù)研究目的，選擇以下篩選方法：

（1）保留：車輛ID相同且位置變化適中的車輛

（2）去除：車輛ID不同或者位置變化極大（?。┑能囕v

根據(jù)所選研究的時(shí)間區(qū)段，移動(dòng)經(jīng)緯度超過(guò)0.4可能性不大，于是選擇0.4作為數(shù)據(jù)的上限；同時(shí)車輛的小規(guī)模移動(dòng)（GPS波動(dòng)）可能性亦存在，于是選擇經(jīng)緯度變化0.0002作為下限。數(shù)據(jù)經(jīng)過(guò)處理后，分別將同一ID單車的前后位置存于Excel表中（如表1所示）。

表1 共享單車實(shí)時(shí)位置數(shù)據(jù)表

數(shù)據(jù)處理部分的編程實(shí)現(xiàn)核心代碼如下：

數(shù)據(jù)處理后的結(jié)果文件集中包含了按日期和時(shí)間排序的共享單車實(shí)時(shí)位置信息。

3 數(shù)據(jù)分析

3.1 車輛類型分析

首先，需要對(duì)車輛ID進(jìn)行去重處理。

在完成對(duì)車輛ID的去重處理后，可以分別統(tǒng)計(jì)車輛類型1和類型2的共享單車數(shù)量。統(tǒng)計(jì)結(jié)果為：車輛類型為2的共享單車為10 486輛，車輛類型為1的共享單車為35 403輛。共享單車在城市的總投放量的官方公布數(shù)據(jù)為37萬(wàn)輛，則可對(duì)城市中不同類型共享單車數(shù)量估算如下：

（1）類型1的共享單車數(shù)據(jù)約為236 284輛。（2）類型2的共享單車數(shù)據(jù)約為69 985輛。

可以看出，在車輛改進(jìn)后，數(shù)據(jù)顯示有大量投放新型車的現(xiàn)象，原舊款車的單車成本高達(dá)5 000元而新型車成本為3 000元，大數(shù)據(jù)分析所反映的規(guī)律符合客觀事實(shí)。

3.2 車輛移動(dòng)分析

根據(jù)數(shù)據(jù)統(tǒng)計(jì)，有近四成車輛在研究時(shí)間內(nèi)從未發(fā)生移動(dòng)。對(duì)于此現(xiàn)象分析有兩種可能：

（1）由于時(shí)間是冬天，騎行人較少。

（2）車輛處在小區(qū)內(nèi)、偏僻位置或無(wú)法開始騎行（損壞，上鎖）。

3.3 移動(dòng)趨勢(shì)分析

首先，通過(guò)百度地圖開放平臺(tái)獲取城市內(nèi)主要地鐵站的坐標(biāo)，并將其輸入GIS系統(tǒng)，并在其周圍200米建立緩沖區(qū)，便于統(tǒng)計(jì)車輛移動(dòng)信息。

然后，將處理后文件輸入GIS系統(tǒng)，由起點(diǎn)向終點(diǎn)連線。同時(shí)將起點(diǎn)和終點(diǎn)坐標(biāo)輸入GIS系統(tǒng)，與緩沖區(qū)做相交處理，將起點(diǎn)設(shè)為紅色，終點(diǎn)為綠色。

以下將對(duì)大數(shù)據(jù)做具體分析。

3.4 宏觀分析

從宏觀總體上看，用車集中區(qū)不在城市中心城區(qū)，而是呈現(xiàn)圍繞地鐵沿線的條帶狀或是在郊區(qū)的聚集區(qū)域（如圖1所示）。

其中，在地圖的左下方的聚集區(qū)均圍繞地鐵；而位于地圖左上的聚集區(qū)經(jīng)百度地圖查詢，為三個(gè)科技產(chǎn)業(yè)園所在處，青年人居多，騎行行為多，故出現(xiàn)了聚集現(xiàn)象。中心城區(qū)騎行次數(shù)并不多，分析原因：

（1）中心城區(qū)小區(qū)成熟，部分居民在冬季選擇乘私家車出行。

（2）中心城區(qū)公共交通便利、路網(wǎng)發(fā)達(dá)，多數(shù)居民在冬季選擇公交出行。

3.5 不同時(shí)段和地段分析

（1）0～9 時(shí)：

在0～9時(shí)的時(shí)間段內(nèi)，在郊區(qū)的地鐵站附近多呈現(xiàn)為綠色點(diǎn)聚集，說(shuō)明大量居民選擇地鐵站作為終點(diǎn)（如圖2所示）。

在對(duì)北京市東北五環(huán)外馬泉營(yíng)地鐵站附近的數(shù)據(jù)分析顯示，在上班高峰期，居民多乘坐地鐵向城市中心移動(dòng)，幾乎沒(méi)有人從地鐵站出發(fā)向外騎行。

在市中心城區(qū)的情況就與之相反，多呈現(xiàn)紅色聚集，說(shuō)明多數(shù)地鐵乘客下車后，騎行共享單車前往上班的地點(diǎn)，在中心城區(qū)的地鐵站，大多數(shù)騎行方向均呈現(xiàn)向外的發(fā)散狀。

圖1 共享單車分布情況宏觀分析

圖2 郊區(qū)地鐵站附近共享單車大數(shù)據(jù)分析

（2）9～16 時(shí)：

對(duì)于9～16時(shí)段，中心城市和郊區(qū)的地鐵區(qū)域并無(wú)大的差別，而相比于早高峰，產(chǎn)業(yè)園附近車輛移動(dòng)則更密集，且出發(fā)點(diǎn)與終點(diǎn)大多重合，經(jīng)使用百度地圖查詢確認(rèn)，上述地點(diǎn)附近大多有麥當(dāng)勞、肯德基等餐飲業(yè)，反映了騎行者用餐等需求的行為規(guī)律。

4 結(jié)語(yǔ)

經(jīng)過(guò)本次對(duì)城市共享單車位置大數(shù)據(jù)的研究工作，提出了一套數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析和可視化展示的實(shí)現(xiàn)方法，數(shù)據(jù)處理過(guò)程均采用計(jì)算機(jī)編程實(shí)現(xiàn)，計(jì)算結(jié)果經(jīng)過(guò)實(shí)踐證明正確可行，通過(guò)對(duì)上述大數(shù)據(jù)規(guī)律的探索，能夠?qū)蚕韱诬嚨氖褂酶叻鍟r(shí)段與地段有正確的認(rèn)識(shí)，驗(yàn)證了大數(shù)據(jù)技術(shù)方法的實(shí)用性，為我們的城市管理更加高效提供實(shí)時(shí)可靠的數(shù)據(jù)支撐，具有良好的推廣應(yīng)用價(jià)值。