于二澤， 溫亞豪

(1.北京北大千方科技有限公司， 北京 100085； 2.廣東省交通規(guī)劃設(shè)計研究院股份有限公司， 廣州 510507)

0 引言

公共自行車是服務(wù)公眾短距離出行和公共交通接駁換乘的重要方式，但近年來共享單車的蓬勃發(fā)展(250個城市，2 300萬輛[1])，卻給有樁公共自行車系統(tǒng)造成沖擊. 在數(shù)據(jù)賦能交通服務(wù)革新升級的現(xiàn)實背景下，雙方競爭焦點逐漸轉(zhuǎn)向出行背后的數(shù)據(jù)價值，就傳統(tǒng)公共自行車系統(tǒng)而言，新階段如何利用現(xiàn)有數(shù)據(jù)資源以提升服務(wù)質(zhì)量，是維持其市場競爭力的重要途徑.

通過數(shù)據(jù)挖掘來掌握公共自行車使用需求特征，對優(yōu)化資源配置具有積極作用. 在時空特征方面，研究方法主要是聚類研究、GIS空間統(tǒng)計等分析手段[2-6]，O’Brien[2]對比歐洲、亞洲和美國等38個公共自行車系統(tǒng)的數(shù)據(jù)特征，并根據(jù)占用率指標(biāo)的日期和空間變化，提出一種系統(tǒng)類型劃分方法；Zhou等[3]利用層次聚類得到過需及空載站點內(nèi)單車數(shù)量變化規(guī)律；Zhang等[4]對比分析中山公共自行車系統(tǒng)規(guī)模擴(kuò)張前后的需求分布，發(fā)現(xiàn)系統(tǒng)擴(kuò)張下用戶發(fā)生轉(zhuǎn)移，但空間需求冷熱點并未明顯改變. 影響因素方面，研究發(fā)現(xiàn)單車使用除受氣象條件、日期特征等不可抗因素影響[7]，與道路特征、公交設(shè)施、建筑分布等空間因素也存在關(guān)聯(lián)[5-10]，El-Assi等[7]構(gòu)建等級線性模型，分析得出站點周圍設(shè)有自行車道、校園及公交站點對單車使用具有積極影響；Faghih-Imani等[5,8-9]建立空間回歸模型，探討城市建筑環(huán)境對站點內(nèi)用車需求的驅(qū)動機(jī)制；Lin等[10]基于二項Logit模型，對比分析北京、臺北和東京3地建筑環(huán)境對單車使用的影響，發(fā)現(xiàn)不同地區(qū)間解釋變量的影響效應(yīng)存在差異.

目前我國已是世界上公共自行車系統(tǒng)規(guī)模最大的國家(237個城市[11])，但針對公共自行車使用特征的研究仍主要關(guān)注于國內(nèi)外區(qū)域性中心城市，國內(nèi)相關(guān)研究仍需擴(kuò)充本土數(shù)據(jù)資源加之充實佐證. 因此，選擇寧波市公共自行車系統(tǒng)作為研究對象，基于海量IC卡數(shù)據(jù)，圍繞數(shù)據(jù)挖掘和時空特征分析展開研究，旨在理清站點周轉(zhuǎn)模式，掌握騎行需求時空分布，重點揭示建筑環(huán)境對單車使用需求影響機(jī)理.

1 數(shù)據(jù)介紹與研究方法

1.1 研究區(qū)域及數(shù)據(jù)介紹

研究區(qū)域為寧波市主城區(qū)，包括鄞州、北侖、海曙、鎮(zhèn)海、江北5區(qū)，如圖1所示，以上為公共自行車站點主要分布站點區(qū)域. 截至2019年底，主城區(qū)內(nèi)租賃點共計1 288個，單車報備數(shù)量約為3.6萬輛，平均單車周轉(zhuǎn)率為2.74次/d，與國內(nèi)城市平均水平相當(dāng).

圖1 研究區(qū)域及公共自行車站點分布

研究數(shù)據(jù)為公共自行車IC卡數(shù)據(jù)，時限為2016-07-01—2017-06-30，數(shù)據(jù)由寧波市公共交通管理部門提供，詳細(xì)結(jié)構(gòu)見表1，包括租/還車時間、地點等重要信息，近年來區(qū)域內(nèi)單車規(guī)模維持穩(wěn)定，城市功能區(qū)分布無明顯改變，數(shù)據(jù)挖掘結(jié)果具有一定代表性.

表1 公共自行車IC卡數(shù)據(jù)結(jié)構(gòu)

其他數(shù)據(jù)：①道路數(shù)據(jù)來源于開源地理信息數(shù)據(jù)庫OpenStreetMap；②站點樁位配置是通過“寧波市民通”APP人工采集；③城市興趣點(Point of Information POI)反映站點周邊建筑設(shè)施分布情況，數(shù)據(jù)來自高德地圖.

1.2 數(shù)據(jù)預(yù)處理

數(shù)據(jù)質(zhì)量控制是利用數(shù)據(jù)進(jìn)行深入分析與挖掘的重要前提，經(jīng)檢驗識別出4類異常數(shù)據(jù)：①缺省值數(shù)據(jù)，記錄中存在空缺項；②重復(fù)項數(shù)據(jù)，行政區(qū)交界站點被重復(fù)統(tǒng)計，也包括調(diào)度人員刷卡記錄；③行為異常項，指租賃時長超過3 h或小于2 min，且OD站點相同的記錄[3]；④結(jié)構(gòu)錯位項，指列數(shù)據(jù)與索引發(fā)生不匹配的記錄. 對以上異常數(shù)據(jù)進(jìn)行差異化處理，處理流程見圖2，最終得到3 260余萬條合格數(shù)據(jù).

圖2 數(shù)據(jù)預(yù)處理流程

1.3 研究方法

1.3.1 K-Means聚類

聚類分析是了解不同站點需求模式的可靠手段，為反映不同時段內(nèi)站點租/還車活動的交互關(guān)系，以標(biāo)準(zhǔn)化租還車差量Ni,t為聚類項，如式(1)：

(1)

式中，Pi,t和Di,t表示t時刻下站點i的平均小時租車量和歸還量，Ni,t為取值區(qū)間為[-1,1]，數(shù)值趨近于-1(或1)，為t時刻下站點內(nèi)的歸還(租借)活動占比越高.

聚類方法為K-Means算法，取余弦相似度cos(a,b)作為距離度量函數(shù)，函數(shù)利用向量空間中2向量夾角的余弦值作為樣本屬性差異的衡量標(biāo)準(zhǔn)，更適用于時間序列相似性判別[3]，見式(2)：

(2)

1.3.2 Kriging空間插值

空間插值是利用離散站點相應(yīng)數(shù)據(jù)構(gòu)造連續(xù)數(shù)據(jù)曲面，可更好展示研究范圍內(nèi)站點活躍情況.利用克里金(Kriging)空間插值來分析空間特征，其利用點集屬性值和變異函數(shù)，對未采樣區(qū)域的屬性值進(jìn)行線性無偏最優(yōu)估計，計算原理如式(3)，且相比于IDW插值等方法，空間點集聚分布情況對其插值精度影響相對較低，更適用于本文研究.

(3)

式中，S0為預(yù)測位置；Z(Si)為第i個位置處的觀測值；N為觀測值數(shù)量；λi代表第i個位置處觀測值的未知權(quán)重，數(shù)值取決于待測點位置與觀測值的空間關(guān)系擬合模型.

1.3.3 多元回歸分析

利用多元線性回歸分析城市建筑環(huán)境對公共自行車使用的影響機(jī)制[6]，選取2016-07-01—2017-06-30期間站點平均日需求量(租還車總量)作為因變量，以站點周邊各類建筑環(huán)境因子為自變量，模型表達(dá)式為式(4)：

(4)

式中，ln(y)為站點平均日需求量對應(yīng)的自然對數(shù)值；xm為第m類影響因素；βi為回歸系數(shù)；β0和ε表示截距和殘差，且ε服從正態(tài)分布N(0,σ2).

2 公共自行車系統(tǒng)租賃信息統(tǒng)計

寧波公共自行車系統(tǒng)租車量變化呈現(xiàn)“M型”雙峰狀態(tài)(見圖3)，早高峰為07:00—09:00，晚高峰為17:00—19:00，09:00—17:00可視為平峰. 圖3(a)中非工作日對應(yīng)曲線稍顯平緩，是由于通勤者出行活動減少導(dǎo)致；周六早高峰租車量高于周日同時段，可能與部分企業(yè)實行單休制度有關(guān)，此外休息日內(nèi)長時彈性出行者更多會選擇在該時段用車[12].

不同月份系統(tǒng)內(nèi)用車活躍情況存在差異. 圖3(b)為不同月份對應(yīng)租車量統(tǒng)計情況，其中2017-06期間租賃量偏低，與當(dāng)?shù)亍懊酚辍惫?jié)氣相關(guān)；7～8月份日照持續(xù)時間長，高峰時段前后的用車量高于其他月份，而午間(12:00—14:00)數(shù)據(jù)略低于氣溫相對溫和的時期；2016-12—2017-02期間受低溫及雨雪霧天氣的影響，用車量出現(xiàn)明顯下降.

圖3 公共自行車租賃量的時間分布

租賃活動中以短時、短距離出行為主. 用戶租賃時長和騎行距離統(tǒng)計分布見圖4，平均租賃時長為16.09 min，使用變化表現(xiàn)出明顯“單邊拖尾”特征，出行時間集中在20 min以內(nèi)；針對OD站點不同的出行活動(92.16%的記錄)，選用歐式距離表征真實騎行距離，統(tǒng)計得到平均騎行距離為1.85 km，騎行范圍多在2 km以內(nèi)，該區(qū)間內(nèi)出行比例達(dá)到72.82%.

圖4 使用時長和騎行距離

2016-11起共享單車開始進(jìn)入寧波市場，為分析其對公共自行車的競爭影響，選取2016-07、2017-06用車數(shù)據(jù)進(jìn)行對比. 統(tǒng)計顯示，2016-07公共自行車日均租賃量為95 352次/d，投放后數(shù)據(jù)為78 448次/d，環(huán)比下降17.73%. 圖5為公共自行車使用變化情況，圖5(a)顯示大部分站點日需求量變化幅度不大，中心城區(qū)存在多處站點需求量出現(xiàn)明顯下滑，城區(qū)外圍部分站點需求量有所上升，如鎮(zhèn)?？瓦\中心站、中河路站等；圖5(b)顯示短時出行用戶(使用時長<12 min)流失嚴(yán)重，降幅達(dá)到22.83%.

圖5 共享單車投放前后公共自行車使用變化

3 公共自行車站點周轉(zhuǎn)模式聚類分析

鑒于工作日和非工作日內(nèi)用戶出行屬性存在差異，分別進(jìn)行聚類，采用平均畸變程度和肘部原則確定最優(yōu)k值為3，最終各得到3類典型站點，聚類結(jié)果見圖6，結(jié)果顯示：

1) 圖6(a)中Ⅰ、Ⅱ代表“早歸晚出”和“早出晚歸”類型站點(487個，571個)，早高峰其單車數(shù)量逐漸增多(減少)，而晚高峰轉(zhuǎn)為以租賃(歸還)為主，2類站點數(shù)量占比達(dá)到84.44%；Ⅲ類站點曲線特征與Ⅱ類相似(195個)，表現(xiàn)出錯峰出行的特點.

2) 圖6(b)中Ⅰ類與圖6(a)中Ⅰ類相對應(yīng)，共計306個；Ⅱ類與圖6(a)相對應(yīng)，共計600個；Ⅲ類站點347個，曲線變化與圖6(b)中Ⅰ類相似，但在早高峰稍顯滯后，平峰時段可用單車數(shù)量波動較小.

3) 對照圖6(a)和圖6(b)，差異主要體現(xiàn)在11:00—16:00、19:00—22:00，休息日內(nèi)Ⅱ和Ⅲ類站點在以上時段租還不均衡性略高，且夜間Ni,t變化與晚高峰狀態(tài)相一致，此時Ⅱ類站點還車行為占比逐漸上升，相反，Ⅲ類站點因租賃行為增多導(dǎo)致可用車輛數(shù)逐漸減少，以上2類租賃點數(shù)量占比為75.58%，可看出主城區(qū)內(nèi)周末平峰與夜間時段的調(diào)度任務(wù)頗高.

圖6 站點周轉(zhuǎn)模式聚類結(jié)果

根據(jù)聚類結(jié)果，將各類站點空間分布進(jìn)行可視化(見圖7)，可看出：

1)工作日內(nèi)Ⅰ和Ⅱ類站點空間聚集特征明顯，且與職住地分布存在聯(lián)系. Ⅰ類站點(黃色)主要分布在商業(yè)及行政功能區(qū)，包括三江片、東部新城和鄞州南部；Ⅱ類點位(藍(lán)色)集中分布在中山東路北側(cè)、海曙翠柏片區(qū)和鎮(zhèn)海蛟川片區(qū)，以上以居住用地為主；Ⅲ類站點(紅色)分布相對分散，多是在城區(qū)外圍，與居住區(qū)和公交站點相鄰，典型站點：尹江新苑、梅墟公交總站等.

2)非工作日Ⅰ類站點分散在城區(qū)外圍，多是位于醫(yī)院與重要機(jī)關(guān)附近，如北侖中醫(yī)院、江北行政中心等站點；圖7(a)、圖7(b)中Ⅱ類租賃點(藍(lán)色)存在重合分布；Ⅲ類站點(紅色)分布與圖7(a)中Ⅰ類站點相對應(yīng)，主要分布在大型商超或綜合體設(shè)施周圍.

圖7 不同類型站點空間分布

4 公共自行車使用活動空間特征分析

利用ArcGIS軟件執(zhí)行克里金插值，經(jīng)測試確定參數(shù)：屬性為站點需求量，半變異模型為線性模型，搜索半徑r=500 m. 輸出像元按照自然間斷法分為9個等級(見圖8)，可看出：①工作日內(nèi)公共自行車使用熱度總體高于非工作日；②公共自行車活躍熱區(qū)主要在中心城區(qū)，其中中山東路沿線作為三江片至東部新城連接通道，且與地鐵1號線相重合，高密度人口分布和接駁客流帶動沿線租賃點的周轉(zhuǎn)率；③外圍區(qū)域的用車需求主要分布在北侖新碶街道和鎮(zhèn)海蛟川片區(qū)，且呈“泛而不聚”的需求分布狀態(tài)，由于遠(yuǎn)離市中心且公交系統(tǒng)有待完善，導(dǎo)致片區(qū)內(nèi)單車使用需求偏低.

圖8 公共自行車需求量空間分布特征

對比分析工作日與休息日需求變化，反映用戶出行活動的變化規(guī)律，圖9是以需求量差值為插值屬性得到的連續(xù)數(shù)據(jù)曲面圖，可看出：

圖9 工作日與非工作日站點用車需求差異特征

1)中山東路、鄞州南部以及東部新城區(qū)域，工作日內(nèi)需求熱度長期高于非工作日，而平峰內(nèi)需求差異程度有所降低，以上多是包含商貿(mào)、商務(wù)、居住的復(fù)合功能區(qū)，人口密度高且站點分布密集，配置設(shè)施與騎行需求間的供需關(guān)系相適應(yīng).

2) 非工作日高峰時段內(nèi)城區(qū)外圍騎行需求量高于工作日，如白鶴社區(qū)、慈城日新路等站點，外圍區(qū)域站點密度相對較低，點對點出行距離較長，而休息日內(nèi)可利用時間增多，公眾選擇單車出行的出行意愿更強(qiáng).

5 公共自行車使用需求影響因素分析

影響因素選擇參照已有研究[5-10]，將其歸結(jié)為以下4類指標(biāo)：①道路分布，指緩沖區(qū)內(nèi)主/次干路與支路里程；②公共交通，指緩沖區(qū)內(nèi)地面公交與地鐵站點數(shù)量，分析公交接駁換乘對用車需求的影響；③建筑設(shè)施，是緩沖區(qū)內(nèi)不同類型POI分布數(shù)量，POI類型劃分參考既有標(biāo)準(zhǔn)及文獻(xiàn)[13-14]，分為居住、公共服務(wù)、商業(yè)服務(wù)、工業(yè)用地、交通設(shè)施和廣場綠地6大類；④站點配置，是租賃點樁位數(shù)量以及緩沖區(qū)內(nèi)樁位總量，共計13項，選取300 m作為站點緩沖區(qū)半徑[6,8].

利用SPSS 22.0軟件執(zhí)行回歸分析，模型結(jié)果：擬合優(yōu)度R2=0.514，緩沖區(qū)內(nèi)主/次干路里程、地面公交站點數(shù)量、站點樁位數(shù)量、居住型POI數(shù)量等9項指標(biāo)對因變量具有顯著解釋意義(見表2).

表2 變量描述統(tǒng)計與模型結(jié)果

1) 主/次干路沿線租賃點內(nèi)租/還車需求更為活躍.道路變量中L_major和L_sub指標(biāo)系數(shù)分別是0.390和0.309，而L_branch系數(shù)為-0.110，與因變量呈負(fù)相關(guān)，這與Faghih-Imani等發(fā)現(xiàn)結(jié)論存在出入[5,9]，可在城市道路規(guī)劃建設(shè)上分析原因，目前主城區(qū)支路建設(shè)稍顯滯后，主/次干路對街區(qū)的銜接縱深不足，限制公眾對公共自行車的選擇需求[15].

2) 站點周邊居住社區(qū)、公共服務(wù)機(jī)構(gòu)以及廣場綠地分布越密集，公共自行車租還頻次越高.模型中P_res、P_public和P_park系數(shù)分別是0.006、0.016和0.021，均對因變量呈正相關(guān)，影響機(jī)理體現(xiàn)在參與主體數(shù)量、政府機(jī)關(guān)鼓勵機(jī)制和休閑出行等方面.

3) 地面公交站點產(chǎn)生的接駁換乘客流，能帶動周邊公共自行車站點用車需求.模型中N_bus影響系數(shù)為0.034，與站點需求量呈正相關(guān)，說明地面公交站點覆蓋的片區(qū)，出行者選擇公共自行車的比例也會有所提升[6].

4) 樁位配置數(shù)量及區(qū)域分布密度越高，對站點需求量具有促進(jìn)作用. 站點自身樁位數(shù)量及緩沖區(qū)內(nèi)樁位總量均對單車使用因變量呈正向影響，系數(shù)分別是0.008、0.003，站點樁位配置數(shù)量越高，能降低空載或滿載情況發(fā)生概率[8]，而提高站點分布密度能方便用戶在可接受步行距離內(nèi)尋找替補站點，順利租借或歸還單車[16].

6 結(jié)束語

1) 對海量IC卡數(shù)據(jù)清洗、修正，提取用戶需求及站點周轉(zhuǎn)信息，發(fā)現(xiàn)寧波公共自行車用戶出行時間變化呈“M型”分布，存在規(guī)律明顯的早晚高峰；

2) 以標(biāo)準(zhǔn)化租還車差量反映站點租還車需求的不均衡特征，運用K-Means算法對其聚類，結(jié)果顯示“早出晚歸”“早歸晚出”的站點周轉(zhuǎn)模式最為典型，主城區(qū)站點潮汐使用特性明顯，且休息日平峰及夜間系統(tǒng)內(nèi)調(diào)度壓力頗高；

3) 利用空間插值實現(xiàn)對站點活躍特征的時空可視化表達(dá)，發(fā)現(xiàn)三江口、東部新城及其連接通道為長時需求熱區(qū)，而非工作日高峰時段城區(qū)外圍用車需求高于工作日同時段；

4) 從影響因素上看，公共自行車使用與站點周邊主/次干道里程、居住/公共服務(wù)/廣場綠地類型POI數(shù)量、地面公交站點數(shù)量、站點樁位數(shù)量以及緩沖區(qū)內(nèi)樁位配置總量呈正相關(guān)，緩沖區(qū)內(nèi)支路里程對單車使用具有負(fù)向影響.

基于主要結(jié)論，對寧波市公共自行車運營管理提出建議：①在運營調(diào)度方面，額外關(guān)注非工作日平峰和夜間時段，城區(qū)外圍及中心城區(qū)商超周邊站點的調(diào)度需求；②在日常監(jiān)測方面，對中山東路、東部新城及鄞州南部內(nèi)重要站點，重點監(jiān)測或人工值守；③在交通需求方面，政府需要保證主/次干路內(nèi)安全、通暢的騎行環(huán)境，同步推進(jìn)支路或綠道規(guī)劃建設(shè)，增強(qiáng)社區(qū)對干路的通行銜接；通過出行誘導(dǎo)、價格杠桿等手段，提高公共自行車對公共交通(重點是軌道交通)的接駁比例；④在設(shè)施供給方面，運營方需將站點選址、設(shè)施配置與土地布局緊密聯(lián)系，可考慮對居住設(shè)施、公共服務(wù)機(jī)構(gòu)與廣場綠地設(shè)施附近租賃點，提升其資源配置優(yōu)先級.