（交通運(yùn)輸部科學(xué)研究院，北京 100029）

0 引言

互聯(lián)網(wǎng)租賃自行車(chē)自2015 年開(kāi)始在城市投放，在2016—2017 年得到迅速發(fā)展，先后有74家運(yùn)營(yíng)企業(yè)進(jìn)入市場(chǎng)，全面覆蓋我國(guó)一、二線城市，逐漸延伸至三、四線城市，部分企業(yè)還將業(yè)務(wù)拓展至海外。經(jīng)過(guò)激烈的競(jìng)爭(zhēng)與市場(chǎng)重組，截至2019 年底，全國(guó)互聯(lián)網(wǎng)租賃自行車(chē)共有1 950萬(wàn)輛，覆蓋全國(guó)360余個(gè)城市，注冊(cè)用戶數(shù)接近4億，日均訂單數(shù)達(dá)到4 700 萬(wàn)[1]。目前，行業(yè)進(jìn)入相對(duì)穩(wěn)定的發(fā)展時(shí)期，基本形成美團(tuán)、哈啰、滴滴三家企業(yè)三足鼎立的發(fā)展格局，經(jīng)營(yíng)回歸理性，精細(xì)化運(yùn)營(yíng)成為當(dāng)前企業(yè)的發(fā)展重點(diǎn)。以運(yùn)營(yíng)企業(yè)和背后投資方聯(lián)合運(yùn)作提供的這一突破傳統(tǒng)的城市基本服務(wù)模式需要政府、企業(yè)和居民協(xié)同合作才能可持續(xù)發(fā)展[2]。

互聯(lián)網(wǎng)租賃自行車(chē)可以深入城市角落，彌補(bǔ)其他出行方式的服務(wù)空白，其便捷的租還和支付方式、高分布密度等優(yōu)勢(shì)，提高了使用者的出行體驗(yàn)和出行效率，受到廣大用戶的喜愛(ài)。然而自20 世紀(jì)90 年代以來(lái)，以機(jī)動(dòng)車(chē)為導(dǎo)向的城市發(fā)展，逐漸擠壓自行車(chē)騎行與停放空間?；ヂ?lián)網(wǎng)租賃自行車(chē)的發(fā)展影響著居民的出行行為，也推動(dòng)著城市規(guī)劃和管理者對(duì)城市空間和道路資源的重新認(rèn)識(shí)。同時(shí)，互聯(lián)網(wǎng)租賃自行車(chē)出行產(chǎn)生的大量的基于時(shí)間和位置的數(shù)據(jù)為描述和理解城市空間結(jié)構(gòu)提供了新的途徑。因此，有必要通過(guò)對(duì)騎行大數(shù)據(jù)的時(shí)間和空間分析，揭示騎行需求規(guī)律，為城市相關(guān)規(guī)劃建設(shè)、行業(yè)管理部門(mén)和運(yùn)營(yíng)企業(yè)合作建立科學(xué)的投放與管理機(jī)制等提供技術(shù)支撐。

目前國(guó)內(nèi)外已有部分基于互聯(lián)網(wǎng)租賃自行車(chē)和公共自行車(chē)使用數(shù)據(jù)進(jìn)行騎行特征分析的研究成果。Long 等人[3]利用互聯(lián)網(wǎng)租賃自行車(chē)騎行數(shù)據(jù)分析了用戶的平均騎行距離、騎行時(shí)長(zhǎng)和人均騎行次數(shù)等特征，并據(jù)此計(jì)算了城市的可騎行指數(shù)。冉林娜等人[4]、Li 等人[5]基于出行意愿問(wèn)卷調(diào)查，分析了互聯(lián)網(wǎng)租賃自行車(chē)用戶屬性和影響使用的主要因素。周榮等人[6]基于城市樣本數(shù)據(jù)分析得到互聯(lián)網(wǎng)租賃自行車(chē)的騎行時(shí)長(zhǎng)、周轉(zhuǎn)率等使用特征。高楹等人[7]基于北京市摩拜單車(chē)一周的訂單數(shù)據(jù)，分析了不同土地類型的車(chē)輛供需失衡的時(shí)空特征，并提出局部?jī)?yōu)化的調(diào)度模型。另外一些研究則根據(jù)網(wǎng)絡(luò)爬取到的零星數(shù)據(jù)來(lái)透視互聯(lián)網(wǎng)租賃自行車(chē)的騎行時(shí)空特征[8-11]，或者根據(jù)典型地鐵站點(diǎn)互聯(lián)網(wǎng)租賃自行車(chē)使用的早晚高峰特征提出停放[12]或調(diào)度建議[13]。

由于互聯(lián)網(wǎng)租賃自行車(chē)起源于中國(guó)，海外市場(chǎng)規(guī)模較小，國(guó)外針對(duì)其使用特征的研究相對(duì)較少，目前，僅查詢到Zhao 等人[14]基于新加坡互聯(lián)網(wǎng)租賃自行車(chē)的GPS 數(shù)據(jù)，利用空間自回歸模型分析了可獲得的車(chē)輛數(shù)、建成環(huán)境等因素對(duì)其使用特征的影響。配置停車(chē)樁的公共自行車(chē)系統(tǒng)在國(guó)外發(fā)展多年，因此，國(guó)外針對(duì)公共自行車(chē)使用特征的研究較多。如，Kaltenbrunner 等人[15]、Vo?gel 等人[16]、Corcoran 等人[17]和Fricker 等人[18]分別基于巴塞羅那、維也納、布里斯班和巴黎的公共自行車(chē)使用數(shù)據(jù)，研究站點(diǎn)間客流分布特征。Castillo-Manzanoa 等人[19]通過(guò)分析塞爾維亞市公共自行車(chē)與私人自行車(chē)的騎行特征，發(fā)現(xiàn)公共自行車(chē)的平均騎行距離比私人自行車(chē)短。Compbell等人[20]通過(guò)對(duì)紐約市公共自行車(chē)客流量及其對(duì)應(yīng)的公交線路客流量的分析，發(fā)現(xiàn)公共自行車(chē)系統(tǒng)有利于提升公交客流。與互聯(lián)網(wǎng)租賃自行車(chē)不同，公共自行車(chē)由于缺乏實(shí)時(shí)定位系統(tǒng)，大多數(shù)研究?jī)H局限于固定站點(diǎn)的客流分析。

綜上，目前針對(duì)互聯(lián)網(wǎng)租賃自行車(chē)或公共自行車(chē)的騎行特征研究主要存在以下幾方面的問(wèn)題：一是部分研究通過(guò)調(diào)查問(wèn)卷了解用戶出行意愿、使用習(xí)慣等，從而分析得出用戶使用特征和影響因素，存在調(diào)查樣本量有限、問(wèn)題可能帶有主觀傾向性、問(wèn)卷質(zhì)量難以保證等問(wèn)題，會(huì)影響所采集信息的可靠性，容易產(chǎn)生選擇性偏差[21]，研究結(jié)論具有局限性；二是部分研究人員通過(guò)網(wǎng)絡(luò)技術(shù)手段爬取零星數(shù)據(jù)來(lái)分析出行特征，由于技術(shù)方法和工作量的局限只能獲得短期用戶使用數(shù)據(jù)（一般為2～5d），利用這些短期、少量的用戶數(shù)據(jù)分析得出的騎行特征缺乏代表性，難以凝練規(guī)律。

實(shí)際上，互聯(lián)網(wǎng)租賃自行車(chē)騎行過(guò)程中產(chǎn)生了大量數(shù)據(jù)，結(jié)合原有城市物質(zhì)空間數(shù)據(jù)[22]，可為了解居民出行需求、提升服務(wù)水平、完善城市交通網(wǎng)絡(luò)、優(yōu)化城市建設(shè)管理提供關(guān)鍵信息。因此，本文選取為期1 個(gè)月的互聯(lián)網(wǎng)租賃自行車(chē)用戶真實(shí)訂單數(shù)據(jù)，對(duì)用戶騎行時(shí)空分布特征進(jìn)行深入分析；結(jié)合數(shù)字地圖與城市用地性質(zhì)，通過(guò)空間分析和可視化探尋不同類型用地性質(zhì)的互聯(lián)網(wǎng)租賃自行車(chē)騎行需求規(guī)律。

1 數(shù)據(jù)來(lái)源

1.1 騎行數(shù)據(jù)

本文擬采用的騎行數(shù)據(jù)為通過(guò)與運(yùn)營(yíng)企業(yè)合作獲取的某互聯(lián)網(wǎng)租賃自行車(chē)品牌2018 年4 月份的北京市所有用戶訂單數(shù)據(jù)，數(shù)據(jù)產(chǎn)生的時(shí)間為2018 年4 月1 日—4 月30 日。原始訂單數(shù)據(jù)內(nèi)容包括訂單編碼、開(kāi)鎖時(shí)間、開(kāi)鎖位置經(jīng)緯度、關(guān)鎖時(shí)間及關(guān)鎖位置經(jīng)緯度等，數(shù)據(jù)表單示例見(jiàn)表1。這些數(shù)據(jù)為互聯(lián)網(wǎng)租賃自行車(chē)智能鎖中自帶的GPS和數(shù)據(jù)模塊記錄。

表1 互聯(lián)網(wǎng)租賃自行車(chē)騎行訂單原始數(shù)據(jù)表單示例

1.2 地圖數(shù)據(jù)

本文采用的地圖數(shù)據(jù)是北京市行政區(qū)矢量數(shù)據(jù)與北京市路網(wǎng)矢量數(shù)據(jù)，兩個(gè)圖層的數(shù)據(jù)坐標(biāo)系均采用WGS-1984 國(guó)際標(biāo)準(zhǔn)，這與互聯(lián)網(wǎng)租賃自行車(chē)GPS 所采集到的位置信息的坐標(biāo)系是一致的，因此不需要進(jìn)行坐標(biāo)系轉(zhuǎn)換。

1.3 土地使用性質(zhì)數(shù)據(jù)

為了借助互聯(lián)網(wǎng)租賃自行車(chē)騎行大數(shù)據(jù)初步分析不同功能用地的騎行特征，本文需對(duì)研究區(qū)域的用地性質(zhì)進(jìn)行識(shí)別。由于缺少WGS-1984 坐標(biāo)系下的地圖工具，本文采用Google Earth 軟件提供的遙感影像數(shù)據(jù)及其對(duì)應(yīng)的經(jīng)緯度與BD-09坐標(biāo)系下在線百度地圖進(jìn)行比對(duì)的方法，初步識(shí)別興趣點(diǎn)（Point of Interest,POI）的用地性質(zhì)。

2 研究方法

2.1 數(shù)據(jù)清洗

因本文獲取的騎行數(shù)據(jù)為原始訂單數(shù)據(jù)，無(wú)法直接使用，需在數(shù)據(jù)分析前進(jìn)行數(shù)據(jù)整理和清洗，以確保分析結(jié)果的有效性，主要針對(duì)以下兩方面的數(shù)據(jù)。

（1）經(jīng)緯度不在本研究范圍內(nèi)的數(shù)據(jù)。本研究選取北京市五環(huán)內(nèi)區(qū)域，此區(qū)域坐標(biāo)范圍為北緯39°50′43′′—40°2′24′′，東經(jīng)116°13′6′′—116°32′00′′，凡是訂單起點(diǎn)或終點(diǎn)不在該坐標(biāo)范圍內(nèi)的數(shù)據(jù)均篩選剔除。

（2）異常數(shù)據(jù)。由于網(wǎng)絡(luò)存在不穩(wěn)定性，數(shù)據(jù)在傳輸中可能產(chǎn)生異常值，導(dǎo)致部分屬性數(shù)據(jù)無(wú)法對(duì)應(yīng)或數(shù)據(jù)空白，故將這部分?jǐn)?shù)據(jù)篩選剔除。

2.2 數(shù)據(jù)預(yù)處理與數(shù)據(jù)模型

（1）本文獲取的原始訂單數(shù)據(jù)在經(jīng)過(guò)數(shù)據(jù)清洗去雜去噪后，還需進(jìn)行預(yù)處理后才能使用。首先使用Excel 將原始訂單數(shù)據(jù)進(jìn)行列分隔，然后對(duì)每日數(shù)據(jù)進(jìn)行篩選，將全市每日的數(shù)據(jù)保存為一個(gè)文件。根據(jù)數(shù)據(jù)分析需要，再對(duì)每日數(shù)據(jù)進(jìn)行分時(shí)間段處理。

（2）為準(zhǔn)確表達(dá)和分析預(yù)處理后的數(shù)據(jù)，構(gòu)建出行數(shù)據(jù)模型（TRIP）。TRIP 數(shù)據(jù)模型可表達(dá)為：TRIP={OP,OT,DP,DT}，即每個(gè)訂單代表了用戶從開(kāi)鎖到關(guān)鎖的騎行過(guò)程，可表達(dá)為一次騎行的出發(fā)地點(diǎn)（OP）、出發(fā)時(shí)間（OT）、到達(dá)地點(diǎn)（DP）和到達(dá)時(shí)間（DT）的集合。舉例說(shuō)明：某用戶早上8:00 從家出發(fā)，找到一輛互聯(lián)網(wǎng)租賃自行車(chē)，該車(chē)輛的位置定位為（東經(jīng)116.3475，北緯39.9182），用戶用智能手機(jī)掃碼開(kāi)鎖，開(kāi)鎖時(shí)間為8:05，騎行到目的地后停車(chē)關(guān)鎖，這時(shí)車(chē)輛位置為（東經(jīng)116.3812，北緯39.9342），時(shí)間為8:37，這位用戶的出行就被記錄為一次TRIP，表達(dá)為： {116.3475,39.9182,8：05,116.3812,39.9342,8：37}。

2.3 數(shù)據(jù)分析與可視化

（1）采用ArcMap 對(duì)騎行數(shù)據(jù)進(jìn)行空間可視化。將北京市行政地圖和路網(wǎng)矢量數(shù)據(jù)導(dǎo)入Arc?Map，利用ArcMap 中核密度分析工具（Kernel Density）將不同時(shí)間段的TRIP數(shù)據(jù)集空間化，顯示在北京市地圖上，通過(guò)聚類分析和空間插值法，結(jié)合用地性質(zhì)數(shù)據(jù)，辨識(shí)不同地塊的騎行強(qiáng)度，識(shí)別具有統(tǒng)計(jì)顯著性的空間聚集熱點(diǎn)。

（2）基于日內(nèi)不同時(shí)間段的TRIP 數(shù)據(jù)模型，分析用戶騎行出發(fā)和結(jié)束的時(shí)間和空間規(guī)律，結(jié)合用地性質(zhì)初步識(shí)別用戶的居住地和就業(yè)地。

3 互聯(lián)網(wǎng)租賃自行車(chē)騎行特征分析

3.1 互聯(lián)網(wǎng)租賃自行車(chē)時(shí)間維度上騎行規(guī)律

（1）互聯(lián)網(wǎng)租賃自行車(chē)一周內(nèi)騎行量分布規(guī)律

對(duì)2018 年4 月互聯(lián)網(wǎng)租賃自行車(chē)日騎行量進(jìn)行統(tǒng)計(jì)分析（見(jiàn)圖1），并將工作日、非工作日的騎行次數(shù)進(jìn)行比較，為排除降雨、大風(fēng)等天氣因素的影響，選擇一周晴朗且日均風(fēng)力四級(jí)以下的時(shí)間進(jìn)行逐日分析?？傮w上，工作日的互聯(lián)網(wǎng)租賃自行車(chē)騎行量分布較為穩(wěn)定，日均可達(dá)到90萬(wàn)次以上，非工作日日均50萬(wàn)次以上，工作日的騎行量是非工作日的1.7 倍，可以看出互聯(lián)網(wǎng)租賃自行車(chē)主要用于通勤出行。

圖1 北京市2018年4月一周某品牌互聯(lián)網(wǎng)租賃自行車(chē)日騎行量

（2）互聯(lián)網(wǎng)租賃自行車(chē)逐時(shí)騎行量分布規(guī)律

對(duì)2018 年4 月工作日、非工作日的日內(nèi)每半小時(shí)平均騎行量進(jìn)行統(tǒng)計(jì)，如圖2 所示?？梢钥闯?，工作日、非工作日兩者差別明顯；工作日早晚高峰突出，早晚高峰時(shí)段分別為7:00—9:00 和17:00—19:00，與通勤時(shí)間相吻合，逐時(shí)騎行量分布曲線總體呈M 形，在中午12:00—14:00 之間也出現(xiàn)一個(gè)微小高峰，但是騎行量增加不明顯。非工作日早晚高峰不突出，與中間時(shí)段的騎行量較為接近。無(wú)論是工作日還是非工作日，絕大多數(shù)騎行都分布在5:30—23:00 之間，23：00—次日5：30 之間騎行量很少，這與用戶處于休息時(shí)間相對(duì)應(yīng)，出行需求很少。綜上，互聯(lián)網(wǎng)租賃自行車(chē)在工作日和非工作日的出行需求有明顯差異，工作日早晚高峰騎行量激增，這在一定程度上反映了騎行目的主要為通勤出行。

圖2 互聯(lián)網(wǎng)租賃自行車(chē)各時(shí)段騎行量分布

3.2 互聯(lián)網(wǎng)租賃自行車(chē)空間維度上騎行分布規(guī)律

本文運(yùn)用ArcMap 軟件中的核密度分析工具對(duì)互聯(lián)網(wǎng)租賃自行車(chē)空間維度上的騎行分布規(guī)律進(jìn)行分析。核密度分析工具的工作原理是計(jì)算要素在其鄰域中的密度，核密度的值隨著中心輻射距離的增大而逐漸變小[11]。首先將TRIP 數(shù)據(jù)集的起點(diǎn)和終點(diǎn)位置以點(diǎn)的形式呈現(xiàn)在底圖上，根據(jù)核函數(shù)定義，設(shè)定population 字段值為None，則輸出的柵格每個(gè)像元的密度均為疊加在像元中心的所有核表面的值之和，即輸出的值是基于實(shí)際輸入點(diǎn)數(shù)計(jì)算的。這樣輸出的核密度柵格圖即為互聯(lián)網(wǎng)租賃自行車(chē)的聚集熱點(diǎn)圖?；诖?，通過(guò)分析工作日早晚高峰時(shí)段用戶騎行起點(diǎn)位置和終點(diǎn)位置的分布，可以探尋互聯(lián)網(wǎng)租賃自行車(chē)在用車(chē)高峰時(shí)段空間維度上的騎行分布特征。

北京市互聯(lián)網(wǎng)租賃自行車(chē)工作日早高峰時(shí)段（7:00—9:00）騎行分布如圖3 所示?？梢钥闯觯T行終點(diǎn)比騎行起點(diǎn)更加集中，騎行熱點(diǎn)主要出現(xiàn)在金融街、國(guó)貿(mào)CBD、亮馬橋、中關(guān)村、望京等商務(wù)辦公區(qū)域，以及商務(wù)區(qū)、居住區(qū)附近的地鐵站點(diǎn)，例如西直門(mén)、阜成門(mén)、亮馬橋、三元橋、國(guó)貿(mào)、朝陽(yáng)門(mén)、四惠等，這與居民通勤時(shí)空特征相吻合。

工作日晚高峰時(shí)段（17:00—19:00）的騎行分布如圖4 所示，與早高峰相反，騎行起點(diǎn)比騎行終點(diǎn)更加集中，且聚集分布于金融街、國(guó)貿(mào)CBD、亮馬橋、望京、中關(guān)村等商務(wù)辦公區(qū)域。

由圖3～圖4 可以看出，互聯(lián)網(wǎng)租賃自行車(chē)的使用在工作日早晚高峰呈現(xiàn)出相似的熱點(diǎn)區(qū)域，并且早高峰時(shí)騎行終點(diǎn)與晚高峰騎行起點(diǎn)規(guī)律相似。這說(shuō)明，整體上北京市就業(yè)辦公區(qū)較為集中，而居住區(qū)較為分散，這也與乘坐公共交通出行的規(guī)律相一致。

3.3 典型用地功能互聯(lián)網(wǎng)租賃自行車(chē)騎行規(guī)律

結(jié)合北京市用地性質(zhì)與上述熱力圖反映的工作日互聯(lián)網(wǎng)租賃自行車(chē)騎行熱點(diǎn)，選取典型的商務(wù)辦公區(qū)、大型居住區(qū)、公共交通站點(diǎn)對(duì)互聯(lián)網(wǎng)租賃自行車(chē)的騎行規(guī)律進(jìn)行分析。

（1）商務(wù)辦公區(qū)

本文選擇金融街核心區(qū)（金融、銀行和保險(xiǎn)業(yè)集聚的區(qū)域）和中關(guān)村核心區(qū)（IT、信息產(chǎn)業(yè)集聚的區(qū)域）來(lái)分析互聯(lián)網(wǎng)租賃自行車(chē)在商務(wù)辦公區(qū)的騎行規(guī)律，如圖5所示。

圖3 互聯(lián)網(wǎng)租賃自行車(chē)工作日早高峰騎行起點(diǎn)與終點(diǎn)熱力圖

圖4 互聯(lián)網(wǎng)租賃自行車(chē)工作日晚高峰騎行起點(diǎn)與終點(diǎn)熱力圖

圖5 工作日商務(wù)辦公區(qū)互聯(lián)網(wǎng)租賃自行車(chē)騎行規(guī)律

從圖5可以看出，在早高峰時(shí)段（7：30—9：30），騎行至金融街和中關(guān)村核心區(qū)的人次遠(yuǎn)遠(yuǎn)高于從此地出發(fā)的人次，其中金融街騎行到達(dá)人次是出發(fā)人次的17 倍，中關(guān)村騎行到達(dá)人次是出發(fā)人次的2.6 倍；與此相反，晚高峰時(shí)段（17：00—19：00），從金融街和中關(guān)村核心區(qū)出發(fā)的人次遠(yuǎn)高于騎行至此地的人次，其中金融街騎行出發(fā)的人次是到達(dá)人次的6.2 倍，中關(guān)村騎行出發(fā)的人次是到達(dá)人次的1.8 倍。這反映了金融街與中關(guān)村核心區(qū)為辦公集聚區(qū)，居住社區(qū)較少，金融街辦公地點(diǎn)集聚程度更高。

值得一提的是，在早高峰時(shí)段，金融街核心區(qū)騎行峰值點(diǎn)在8：00，中關(guān)村核心區(qū)騎行峰值點(diǎn)在8：30；晚高峰時(shí)段的騎行峰值點(diǎn)，金融街在17：30，中關(guān)村地區(qū)在18：00，同時(shí)，中關(guān)村地區(qū)在晚上21：00 左右還有一個(gè)小的騎行高峰，這反映了中關(guān)村地區(qū)的就業(yè)機(jī)構(gòu)上下班時(shí)間比金融街晚，符合中關(guān)村IT 產(chǎn)業(yè)員工的工作作息規(guī)律。

（2）居住區(qū)

本文選擇石景山區(qū)的遠(yuǎn)洋山水片區(qū)和朝陽(yáng)區(qū)的垡頭片區(qū)作為居住社區(qū)集中的區(qū)域來(lái)分析互聯(lián)網(wǎng)租賃自行車(chē)的騎行規(guī)律，如圖6所示。

圖6 工作日居住區(qū)互聯(lián)網(wǎng)租賃自行車(chē)騎行規(guī)律

從圖6 可以看出，遠(yuǎn)洋山水與垡頭的騎行早高峰時(shí)段為6:30—8:30，比辦公集聚區(qū)早1h。從遠(yuǎn)洋山水和垡頭騎行出發(fā)的人次遠(yuǎn)高于騎行到達(dá)的人次，出發(fā)與到達(dá)人次比分別為1.4 和2.1 倍。晚高峰時(shí)段，遠(yuǎn)洋山水騎行到達(dá)時(shí)間曲線波峰比騎行出發(fā)波峰明顯延長(zhǎng)，這在一定程度上反映了此片區(qū)的居民回家時(shí)間不集中，這與居住人群的就業(yè)性質(zhì)和就業(yè)地點(diǎn)有關(guān)。晚高峰時(shí)段垡頭的騎行到達(dá)人次遠(yuǎn)高于騎行出發(fā)人次，比例為3.6∶1，這在一定程度上反映了該片區(qū)為住宅集聚區(qū)，提供的就業(yè)崗位較少。

（3）公共交通站點(diǎn)

本文選擇朝陽(yáng)門(mén)地鐵站（2 號(hào)線和6 號(hào)線換乘）和西直門(mén)地鐵站（2號(hào)線、4號(hào)線、13號(hào)線換乘）來(lái)分析典型公共交通站點(diǎn)周邊互聯(lián)網(wǎng)租賃自行車(chē)騎行規(guī)律，如圖7所示。

圖7 工作日地鐵站附近互聯(lián)網(wǎng)租賃自行車(chē)騎行規(guī)律

從圖7 可以看出，朝陽(yáng)門(mén)和西直門(mén)地鐵站總體騎行規(guī)律相似，均是早晚高峰明顯，與辦公區(qū)和居住區(qū)不同的是中間時(shí)段的騎行人次也較多。

朝陽(yáng)門(mén)地鐵站的早高峰時(shí)段，騎行到達(dá)的人次總體與騎行出發(fā)人次相當(dāng)，但從時(shí)間上來(lái)看，騎行到達(dá)時(shí)間比騎行出發(fā)時(shí)間分散。晚高峰出發(fā)與到達(dá)的人次也相當(dāng)，這在一定程度上反映在此就業(yè)的人群與居住人群規(guī)模相當(dāng)。

與朝陽(yáng)門(mén)不同，早高峰時(shí)段，西直門(mén)地鐵站騎行出發(fā)人次多于騎行到達(dá)人次，而騎行到達(dá)的峰值點(diǎn)早于騎行出發(fā)峰值點(diǎn)，與之對(duì)應(yīng)的是，晚高峰時(shí)段，西直門(mén)地鐵站騎行到達(dá)的人次多于騎行出發(fā)的人次。也就是說(shuō)，騎行到達(dá)西直門(mén)地鐵站的人群出行目的很大程度上是去上班，而從此地鐵站騎行出發(fā)的人群是來(lái)上班的，這在一定程度上反映了西直門(mén)地鐵站附近的就業(yè)人群數(shù)量多于居住人群。

綜上，工作日不同用地功能的互聯(lián)網(wǎng)租賃自行車(chē)騎行需求規(guī)律如下。

（1）商務(wù)辦公區(qū)?；ヂ?lián)網(wǎng)租賃自行車(chē)使用具有明顯的早晚高峰特征。早高峰時(shí)段，互聯(lián)網(wǎng)租賃自行車(chē)的停車(chē)需求激增；晚高峰時(shí)段呈現(xiàn)出與早高峰相反的特征，用車(chē)需求激增。

（2）居住區(qū)。早高峰時(shí)段，互聯(lián)網(wǎng)租賃自行車(chē)用車(chē)需求激增；晚高峰時(shí)段，不同的居住區(qū)的騎行規(guī)律有差異，與居住人群的就業(yè)性質(zhì)和就業(yè)地點(diǎn)有關(guān)，就業(yè)崗位較少的居住區(qū)，晚高峰時(shí)段的停車(chē)需求較大。

（3）公共交通站點(diǎn)。早晚高峰時(shí)段互聯(lián)網(wǎng)租賃自行車(chē)均呈現(xiàn)出用車(chē)和停車(chē)需求高峰，且與商務(wù)辦公區(qū)和居住區(qū)相比，用車(chē)與停車(chē)需求之間差異較小。附近就業(yè)人群多于居住人群的公共交通站點(diǎn)早高峰用車(chē)需求略高于停車(chē)需求，晚高峰停車(chē)需求略高于用車(chē)需求。

4 相關(guān)建議

在共享時(shí)代，許多傳統(tǒng)的城市功能分區(qū)中的空間將得到重構(gòu)或升級(jí)，處于急劇變化中的城市亟需與之匹配的理論、研究范式及技術(shù)方法[23]。本文通過(guò)對(duì)用戶騎行大數(shù)據(jù)進(jìn)行初步分析，得到互聯(lián)網(wǎng)租賃自行車(chē)的時(shí)空分布特征，研究成果可為城市相關(guān)規(guī)劃、建設(shè)和管理等方面的研究和實(shí)踐提供參考。

4.1 在城市相關(guān)規(guī)劃建設(shè)中給予互聯(lián)網(wǎng)租賃自行車(chē)更多的考慮

（1）鑒于互聯(lián)網(wǎng)租賃自行車(chē)越來(lái)越成為城市出行的重要組成部分，很大程度上騎行目的是通勤，而當(dāng)前我國(guó)在進(jìn)行以交通規(guī)劃為目的的城市居民出行調(diào)查時(shí)未將互聯(lián)網(wǎng)租賃自行車(chē)納入統(tǒng)計(jì)調(diào)查范圍，相應(yīng)地在城市交通相關(guān)規(guī)劃中未考慮互聯(lián)網(wǎng)租賃自行車(chē)的使用。因此，希望從國(guó)家層面或城市層面將互聯(lián)網(wǎng)租賃自行車(chē)納入城市出行統(tǒng)計(jì)調(diào)查體系，便于研究機(jī)構(gòu)對(duì)互聯(lián)網(wǎng)租賃自行車(chē)出行行為進(jìn)行科學(xué)量化評(píng)估，并在此基礎(chǔ)上建立基于動(dòng)態(tài)大數(shù)據(jù)分析的規(guī)劃模型和方法，在城市空間規(guī)劃、城市綜合交通規(guī)劃和相關(guān)專項(xiàng)規(guī)劃中強(qiáng)化互聯(lián)網(wǎng)租賃自行車(chē)與公共交通等其他交通方式的銜接。

（2）基于互聯(lián)網(wǎng)租賃自行車(chē)騎行大數(shù)據(jù)分析可以看出，城市中心區(qū)域的商務(wù)辦公區(qū)、公共交通站點(diǎn)及大型居住區(qū)是車(chē)輛使用的熱點(diǎn)區(qū)域。因此，城市中心區(qū)應(yīng)強(qiáng)化完善自行車(chē)路網(wǎng)和停放點(diǎn)等設(shè)施的規(guī)劃與建設(shè)，并且在城市公共交通站點(diǎn)、商務(wù)區(qū)、居住區(qū)等熱點(diǎn)區(qū)域設(shè)置足夠的自行車(chē)停放空間，避免車(chē)輛淤積停放，促進(jìn)互聯(lián)網(wǎng)租賃自行車(chē)與城市公共交通的高效接駁。

4.2 建立基于騎行大數(shù)據(jù)分析的投放和停放管理機(jī)制

（1）基于前文的分析，騎行大數(shù)據(jù)可反映城市空間要素信息和用戶需求信息。為改善當(dāng)前部分城市存在互聯(lián)網(wǎng)租賃自行車(chē)無(wú)序投放的現(xiàn)狀，需要行業(yè)管理部門(mén)和互聯(lián)網(wǎng)租賃自行車(chē)運(yùn)營(yíng)企業(yè)合作，開(kāi)展互聯(lián)網(wǎng)自行車(chē)出行需求的精準(zhǔn)預(yù)測(cè)，利用騎行大數(shù)據(jù)分析技術(shù)，結(jié)合城市道路條件、停放空間資源等對(duì)整個(gè)城市或特定地區(qū)的互聯(lián)網(wǎng)租賃自行車(chē)進(jìn)行容量測(cè)算，合理規(guī)劃投放總量和投放時(shí)序。

（2）鼓勵(lì)有條件的城市建設(shè)互聯(lián)網(wǎng)租賃自行車(chē)信息管理平臺(tái)，利用大數(shù)據(jù)分析進(jìn)行科學(xué)精準(zhǔn)地動(dòng)態(tài)管理。要求接入所有投放車(chē)輛靜態(tài)和動(dòng)態(tài)信息，及時(shí)掌握城市投放總量，通過(guò)騎行數(shù)據(jù)有效識(shí)別車(chē)輛聚集點(diǎn)，實(shí)時(shí)督促運(yùn)營(yíng)企業(yè)對(duì)超出停放限度與使用需求旺盛的點(diǎn)位的車(chē)輛進(jìn)行及時(shí)調(diào)度。

（3）行業(yè)管理部門(mén)與運(yùn)營(yíng)企業(yè)合作，結(jié)合互聯(lián)網(wǎng)租賃自行車(chē)騎行數(shù)據(jù)分析用戶需求，在熱點(diǎn)區(qū)域和禁停區(qū)域等重點(diǎn)區(qū)位運(yùn)用電子圍欄等新技術(shù)規(guī)范用戶停車(chē)行為，加強(qiáng)停放管理，避免造成車(chē)輛堆積、影響公共秩序。

4.3 開(kāi)展互聯(lián)網(wǎng)自行車(chē)規(guī)范運(yùn)營(yíng)示范試點(diǎn)

根據(jù)前文騎行特征分析，互聯(lián)網(wǎng)租賃自行車(chē)已成為大城市居民出行的重要方式之一，特別是在通勤出行中用于與公共交通接駁?；ヂ?lián)網(wǎng)租賃自行車(chē)與公共交通協(xié)同可促進(jìn)城市綠色出行分擔(dān)率的提升，同時(shí)也成為我國(guó)城市自行車(chē)復(fù)興的重要途徑。建議結(jié)合交通運(yùn)輸部等多部門(mén)和單位印發(fā)的《綠色出行行動(dòng)計(jì)劃（2019—2022 年）》[24]，在全國(guó)選擇有條件的地區(qū)，從騎行環(huán)境建設(shè)、政策標(biāo)準(zhǔn)制訂、服務(wù)質(zhì)量考核、運(yùn)營(yíng)管理等方面開(kāi)展規(guī)范運(yùn)營(yíng)示范試點(diǎn)，探索形成有利于互聯(lián)網(wǎng)租賃自行車(chē)可持續(xù)發(fā)展的準(zhǔn)入與退出機(jī)制、運(yùn)行管理策略和技術(shù)方法等，形成政府、企業(yè)、公眾及社會(huì)組織共同參與的治理格局，及時(shí)總結(jié)試點(diǎn)示范經(jīng)驗(yàn)，并向全國(guó)推廣。

5 結(jié)語(yǔ)

本文基于互聯(lián)網(wǎng)租賃自行車(chē)出行大數(shù)據(jù)，通過(guò)時(shí)空分析與可視化，探尋了用戶騎行規(guī)律。通過(guò)逐日和逐時(shí)騎行次數(shù)分析得出工作日和非工作日的使用特征存在明顯差異。通過(guò)建立數(shù)據(jù)模型，運(yùn)用ArcMap 軟件對(duì)互聯(lián)網(wǎng)租賃自行車(chē)的使用數(shù)據(jù)進(jìn)行空間分析，識(shí)別騎行熱點(diǎn)；通過(guò)分析商務(wù)辦公區(qū)、居住區(qū)和公共交通站點(diǎn)3 類典型區(qū)域的互聯(lián)網(wǎng)租賃自行車(chē)騎行空間規(guī)律，得出不同用地功能區(qū)的用戶需求特征，可為政府管理部門(mén)和運(yùn)營(yíng)企業(yè)完善自行車(chē)網(wǎng)絡(luò)、建設(shè)自行車(chē)停放點(diǎn)位、提升管理的精細(xì)化和動(dòng)態(tài)性提供支撐。由于互聯(lián)網(wǎng)租賃自行車(chē)GPS 數(shù)據(jù)量大、數(shù)據(jù)雜質(zhì)和數(shù)據(jù)噪聲較大、對(duì)數(shù)據(jù)清洗和預(yù)處理方法要求較高的特點(diǎn)，本文所得到的結(jié)論是初步的。未來(lái)需進(jìn)一步挖掘和分析互聯(lián)網(wǎng)租賃自行車(chē)騎行大數(shù)據(jù)，為合理規(guī)劃城市土地利用和優(yōu)化職住平衡、提高城市交通系統(tǒng)的運(yùn)行效率、提升社會(huì)治理能力等提供理論基礎(chǔ)與科學(xué)支撐。