謝國(guó)微，錢(qián)林波，湯文蘊(yùn) XIE Guowei,QIAN Linbo,TANG Wenyun

（南京林業(yè)大學(xué) 汽車(chē)與交通工程學(xué)院，江蘇 南京 210037）

0 引 言

共享單車(chē)的出現(xiàn)，增加了居民通勤方式的選擇，其與公共交通的銜接，成為一種新的出行模式。不僅滿(mǎn)足了人們的出行需求，也對(duì)緩解城市交通擁堵起到了一定的作用。但共享單車(chē)出行極易受到交通環(huán)境的干擾，其中天氣是一種重要的干擾因素。

以往關(guān)于共享單車(chē)的騎行研究大多通過(guò)調(diào)查問(wèn)卷，這樣的數(shù)據(jù)來(lái)源樣本小，研究結(jié)果易產(chǎn)生偏差。而對(duì)大數(shù)據(jù)的挖掘與分析突破了傳統(tǒng)的數(shù)據(jù)收集方法的限制，可以得到更為可靠的研究結(jié)論，為自行車(chē)運(yùn)營(yíng)商和政府調(diào)整自行車(chē)管理策略提供更加堅(jiān)實(shí)的參考依據(jù)。因而本文通過(guò)共享單車(chē)訂單數(shù)據(jù)探究天氣因素對(duì)共享單車(chē)出行需求的影響，以及各影響因素之間的相互關(guān)系。

1 國(guó)內(nèi)外研究綜述

Gebhark研究發(fā)現(xiàn)，道路上出現(xiàn)的霧等天氣狀況會(huì)降低水平能見(jiàn)度進(jìn)而導(dǎo)致公共自行車(chē)出行率降低。Campbell等研究結(jié)果發(fā)現(xiàn)溫度、降雨以及空氣質(zhì)量等條件對(duì)選擇自行車(chē)出行影響程度較強(qiáng)。Wang等認(rèn)為少量的雨和霧可能對(duì)用戶(hù)出行的選擇影響不大。Sun等得出結(jié)論，下雨天氣的影響因用戶(hù)群體而異。

閔家楠分別研究了雨天和空氣質(zhì)量較差時(shí)公共自行車(chē)的出行強(qiáng)度，發(fā)現(xiàn)兩種天氣情況下公共自行車(chē)的使用具有一定的規(guī)律。龔迪嘉等采用氣溫、降水量和地形特征作為評(píng)價(jià)因素，發(fā)現(xiàn)北京等城市適宜發(fā)展公共自行車(chē)，而有些山地眾多的城市則不適宜發(fā)展公共自行車(chē)。黎鵬的研究表明，不同地點(diǎn)或不同時(shí)段受天氣因素影響的特征差距很大。魏志強(qiáng)等認(rèn)為降雨和溫度都對(duì)共享單車(chē)騎行距離意愿產(chǎn)生顯著影響。朱妍和干宏程認(rèn)為天氣是影響出行者短距離出行是否選擇自行車(chē)的首要因素。

目前，對(duì)于自行車(chē)的研究主要集中在自行車(chē)的出行特征、出行需求預(yù)測(cè)、公共自行車(chē)站點(diǎn)布局等方面，對(duì)于天氣的影響探究還不足。利用共享單車(chē)出行大數(shù)據(jù)，探索天氣因素對(duì)共享單車(chē)出行需求的影響，不僅有助于評(píng)估天氣對(duì)城市居民社會(huì)經(jīng)濟(jì)活動(dòng)的影響程度，也能為更準(zhǔn)確地研究城市用戶(hù)使用共享單車(chē)的影響機(jī)制提供支撐。

2 數(shù)據(jù)來(lái)源與預(yù)處理

2.1 數(shù)據(jù)來(lái)源

自行車(chē)數(shù)據(jù)來(lái)源于上海市2016年8月的摩拜單車(chē)訂單及軌跡數(shù)據(jù)，原始數(shù)據(jù)涵蓋了2016年8月1日到8月31日，共102 361條記錄，每條記錄包含訂單編號(hào)、車(chē)輛編號(hào)、用戶(hù)編號(hào)、起終點(diǎn)位置、起止時(shí)間、軌跡等信息。氣象數(shù)據(jù)由環(huán)?？偩謱?shí)時(shí)監(jiān)測(cè)數(shù)據(jù)和網(wǎng)站rp5.ru數(shù)據(jù)整合而成，其中包含以小時(shí)為單位的天氣情況、空氣質(zhì)量指標(biāo)等信息。

2.2 數(shù)據(jù)清洗與選取

本研究利用Python（Anaconda中的Spyder平臺(tái)）進(jìn)行數(shù)據(jù)清洗與挖掘。在原始數(shù)據(jù)中新增“時(shí)長(zhǎng)”列，計(jì)算騎行起止時(shí)間的差值得到騎行時(shí)長(zhǎng)，并將時(shí)長(zhǎng)單位換算成分鐘；新增“路徑”列，通過(guò)不斷讀入騎行軌跡列表，每一次按順序取出兩個(gè)列表元素，得到前軌跡點(diǎn)經(jīng)緯度和后軌跡點(diǎn)經(jīng)緯度，計(jì)算出兩點(diǎn)的位移，再把每小段的位移累加起來(lái)得到騎行的路徑；通過(guò)騎行路徑除以騎行時(shí)長(zhǎng)，新增“速度”列，并將單位換算為km/h。

參考相關(guān)文獻(xiàn)，選取騎行速度12~20km/h、騎行時(shí)長(zhǎng)1~120分鐘的訂單數(shù)據(jù)，最終提取出35 909條記錄。在提取出的數(shù)據(jù)中，根據(jù)訂單開(kāi)始時(shí)間，新增日、星期、小時(shí)字段，并按照日、星期、小時(shí)整合數(shù)據(jù)集，統(tǒng)計(jì)每小時(shí)訂單數(shù)，作為后續(xù)研究中的因變量。將整合后的摩拜單車(chē)數(shù)據(jù)集與天氣數(shù)據(jù)集進(jìn)行合并，為后續(xù)分析做好準(zhǔn)備。

3 變量定義與編碼

根據(jù)研究?jī)?nèi)容，本文的因變量定義為共享單車(chē)出行需求，用共享單車(chē)的小時(shí)出行量表示。

本文涉及的天氣因素包括天氣情況、空氣質(zhì)量指標(biāo)、溫度、大氣壓、相對(duì)濕度、風(fēng)速、總云量、水平能見(jiàn)度。其中，空氣質(zhì)量指標(biāo)包括AQI、PM2.5、PM10、SO、NO、CO、O等濃度。

3.1 分類(lèi)型變量定義與編碼

天氣情況變量屬于分類(lèi)型變量，不能直接進(jìn)行回歸分析，應(yīng)設(shè)置虛擬變量。如果所有虛擬變量都參與回歸分析，則會(huì)導(dǎo)致完全共線(xiàn)性問(wèn)題。當(dāng)分類(lèi)型解釋變量有個(gè)類(lèi)別值，則只需引入-1個(gè)虛擬變量到回歸模型中。本研究調(diào)查得到的天氣情況有晴、多云、陰、中雨、陣雨、雷陣雨6種變量，因此只設(shè)置5個(gè)虛擬變量。表中=0代表工作日數(shù)據(jù)，=1代表休息日數(shù)據(jù)。虛擬變量定義及編碼如表1所示。

表1 虛擬變量定義及編碼

3.2 數(shù)值型變量定義與編碼（如表2所示）

表2 數(shù)值型變量定義與編碼

4 基本統(tǒng)計(jì)分析

4.1 騎行時(shí)間分布特征

統(tǒng)計(jì)工作日和休息日的日均騎行時(shí)間分布特征（如圖1所示）。工作日有明顯的早高峰和晚高峰。早高峰出現(xiàn)在7點(diǎn)至9點(diǎn)，晚高峰出現(xiàn)在17點(diǎn)至19點(diǎn)，而9點(diǎn)至17點(diǎn)、19點(diǎn)至22點(diǎn)則為平峰時(shí)段；休息日數(shù)據(jù)在7點(diǎn)至22點(diǎn)無(wú)明顯的波動(dòng)。0點(diǎn)至6點(diǎn)的共享單車(chē)出行需求顯著低于其他時(shí)段。因而后續(xù)分析中將以7點(diǎn)至22點(diǎn)作為研究時(shí)段。

圖1 工作日和非工作日24h訂單數(shù)分布

4.2 騎行空間分布特征

參考《上海市城市總體規(guī)劃（2017-2035）》，本文將上海中心城區(qū)作為研究范圍。上海中心城區(qū)包括靜安區(qū)、徐匯區(qū)、虹口區(qū)、普陀區(qū)、黃浦區(qū)、長(zhǎng)寧區(qū)、楊浦區(qū)以及浦東新區(qū)等外環(huán)線(xiàn)以?xún)?nèi)的區(qū)域。

將摩拜單車(chē)的騎行起點(diǎn)經(jīng)緯度位置導(dǎo)入ArcGIS，運(yùn)用核密度分析工具對(duì)騎行起點(diǎn)的空間分布進(jìn)行可視化（如圖2所示）。

圖2 上海中心城區(qū)共享單車(chē)騎行起點(diǎn)密度分布

圖2中黑色線(xiàn)框內(nèi)為上海中心城區(qū)范圍。可以看出，上海騎行活動(dòng)多集中發(fā)生在城市公共活動(dòng)中心、醫(yī)院、高校等場(chǎng)所。如楊浦區(qū)所建高校較其他行政區(qū)域密集，自行車(chē)騎行起點(diǎn)的密度也是最高的。這證明了共享單車(chē)在高校學(xué)生中的流行度，也說(shuō)明了騎行活動(dòng)受建成環(huán)境的影響較大。

4.3 自變量相關(guān)關(guān)系分析

在Spyder中利用Seaborn庫(kù)繪制所有備選自變量的相關(guān)性系數(shù)圖（如圖3所示），可以發(fā)現(xiàn)各自變量之間是否存在線(xiàn)性相關(guān)關(guān)系，為后文使用多元線(xiàn)性回歸分析提供參考。

圖3 自變量相關(guān)關(guān)系分析

如圖3所示，橙色單元格表示所對(duì)應(yīng)的兩個(gè)變量呈正相關(guān)，且顏色越淺，相關(guān)性越大；紫色單元格表示所對(duì)應(yīng)的兩個(gè)變量呈負(fù)相關(guān)，且顏色越深，相關(guān)性越大。單元格中的數(shù)字表示兩個(gè)特定變量的相關(guān)系數(shù)。

從圖中可以看出，天氣狀況與相對(duì)濕度存在中度相關(guān)，這也與實(shí)際生活規(guī)律相符。溫度和NO濃度、大氣壓，相對(duì)濕度與O濃度存在一定程度的負(fù)相關(guān)。其中，AQI與PM2.5、PM10、SO、NO、CO、O濃度的相關(guān)性均較強(qiáng)，這可能是由于他們之間的定義存在部分重疊。尤其，AQI與PM2.5和PM10高度相關(guān)，需要結(jié)合三者之間的散點(diǎn)圖進(jìn)一步分析。

如圖4所示，AQI與PM2.5、PM10之間存在正相關(guān)關(guān)系，這反映出AQI與PM2.5、PM10可能存在多重共線(xiàn)性問(wèn)題。因而在多元線(xiàn)性回歸分析時(shí)可以考慮剔除一些變量。

圖4 PM2.5、PM10和AQI構(gòu)成的散點(diǎn)圖

4.4 共享單車(chē)出行需求與各自變量關(guān)系分析

（1）共享單車(chē)出行需求與AQI

由于AQI與PM2.5、PM10、SO、NO、CO、O的定義存在部分重疊，且皆具有不同程度的正相關(guān)性。所以?xún)H描繪共享單車(chē)出行需求隨著AQI的變化圖，如圖5所示。

圖5 共享單車(chē)出行需求與AQI

整體上看，工作日共享單車(chē)小時(shí)出行量高于休息日。隨著AQI值的不斷增大，休息日共享單車(chē)出行量發(fā)生變化的幅度較小，但是工作日的下降趨勢(shì)比較明顯。顯然，空氣質(zhì)量因素會(huì)在一定程度上影響用戶(hù)的共享單車(chē)出行需求。相關(guān)研究也表明，騎行過(guò)程中人的肺活量增大，吸進(jìn)體內(nèi)的有害物質(zhì)會(huì)增多，對(duì)身體的潛在危害更大。

（2）共享單車(chē)出行需求與溫度

根據(jù)圖6可知，隨著氣溫的上升，工作日和休息日的共享單車(chē)出行量均有小幅的降低，變化程度較為接近。這可能是因?yàn)楸狙芯績(jī)H涵蓋8月份范圍的訂單數(shù)據(jù)，因此氣溫的變化程度不明顯。

圖6 共享單車(chē)出行需求與溫度

（3）共享單車(chē)出行需求與大氣壓

從圖7可以發(fā)現(xiàn)共享單車(chē)的出行量與氣壓的變化均存在一定的正相關(guān)。氣壓的高低對(duì)人體生理的影響主要是影響人體內(nèi)氧氣的供應(yīng)。氣壓下降，機(jī)體會(huì)加快呼吸及血循環(huán)，出現(xiàn)呼吸、心率加快的現(xiàn)象。且在低壓環(huán)流形式下，大多為陰雨天氣，風(fēng)的變化比較明顯；在高壓環(huán)流形式下，多為晴天，天氣比較穩(wěn)定。同時(shí)，氣壓的變化還會(huì)影響人的心理變化，使人產(chǎn)生壓抑、郁悶的情緒。例如，夏季雷雨前的高濕天氣，此時(shí)氣壓較低，人常有抑郁不適之感。上述因素，皆會(huì)影響用戶(hù)騎行的決策。

圖7 共享單車(chē)出行需求與大氣壓

（4）共享單車(chē)出行需求與相對(duì)濕度

如圖8所示，隨著相對(duì)濕度的增加，共享單車(chē)出行量有較小的增長(zhǎng)趨勢(shì)。環(huán)境相對(duì)濕度過(guò)低時(shí)會(huì)降低人體呼吸系統(tǒng)的抵抗力，誘發(fā)和加重呼吸系統(tǒng)疾病，進(jìn)而影響用戶(hù)出行方式的選擇。同時(shí)，濕度的變化通常也伴隨著氣溫與氣壓的變化，因而相對(duì)濕度對(duì)用戶(hù)出行決策的影響值得關(guān)注。

圖8 共享單車(chē)出行需求與相對(duì)濕度

（5）共享單車(chē)出行需求與風(fēng)速

風(fēng)速的大小常用風(fēng)級(jí)來(lái)表示。在氣象上，一般按風(fēng)速大小將風(fēng)劃分為十七個(gè)等級(jí)。通過(guò)圖9可以發(fā)現(xiàn)，隨著風(fēng)速的提高，共享單車(chē)出行需求有一定程度的上升，說(shuō)明用戶(hù)更愿意在有風(fēng)環(huán)境下騎行。可見(jiàn)風(fēng)速在1m/s到8m/s，即5級(jí)以?xún)?nèi)的風(fēng)力（清風(fēng)）對(duì)于共享單車(chē)出行的影響是正向的。受調(diào)查數(shù)據(jù)的限制，當(dāng)風(fēng)速繼續(xù)增大時(shí)，會(huì)對(duì)共享單車(chē)出行需求呈現(xiàn)怎樣的影響還有待進(jìn)一步的研究。

圖9 共享單車(chē)出行需求與風(fēng)速

（6）共享單車(chē)出行需求與總云量

從圖10可以發(fā)現(xiàn)，總云量無(wú)規(guī)則波動(dòng)幅度相對(duì)較大，云量的增加在一定程度上會(huì)引起共享單車(chē)出行需求的增加。這可能是因?yàn)樵屏康亩嗌偾『檬乔?、陰、多云等天氣的反映，而用?hù)更喜歡在溫度相對(duì)較低，即多云或陰天等云量較多的氣象條件下選擇自行車(chē)出行。

圖10 共享單車(chē)出行需求與總云量

（7）共享單車(chē)出行需求與天氣情況

如圖11所示為共享單車(chē)在不同天氣情況下平均每小時(shí)的出行量。工作日在晴天時(shí)的共享單車(chē)小時(shí)出行量最高，而休息日在雷陣雨下的共享單車(chē)小時(shí)出行量最高，這可能與工作日和休息日用戶(hù)的不同出行目的有關(guān)。整體上，晴天、多云條件下的共享單車(chē)出行需求要多于陰雨天氣。這與現(xiàn)實(shí)中的規(guī)律較為符合。但在雨天下仍有不少共享單車(chē)用戶(hù)出行，這可能是因?yàn)橛脩?hù)習(xí)慣性地采取了某種避雨措施，也反映出在短距離出行方面，共享單車(chē)作為一種通勤、接駁工具，對(duì)用戶(hù)而言是一種剛性需求。

圖11 共享單車(chē)出行需求與天氣情況

由于上海城區(qū)8月份無(wú)霧、霾等惡劣天氣，水平能見(jiàn)度大部分處于10km，因此本小節(jié)暫不分析水平能見(jiàn)度與共享單車(chē)出行需求的關(guān)系。

5 天氣對(duì)共享單車(chē)出行需求影響的建模分析

為了更好地分析天氣變化與共享單車(chē)出行需求的關(guān)系，使用SPSS軟件建立多元線(xiàn)性回歸模型，分別研究工作日和休息日的數(shù)據(jù)。

采用向后選擇法輸入自變量建立回歸方程。其中，工作日和休息日數(shù)據(jù)分別經(jīng)過(guò)10步構(gòu)建回歸模型。

表3顯示調(diào)整后平方分別為42.3%和57.2%，模型的結(jié)果較為可靠。

表3 模型摘要

表4中，工作日和休息日的顯著性水平近似于0，說(shuō)明因變量與自變量的線(xiàn)性關(guān)系顯著，下面進(jìn)行多元線(xiàn)性回歸模型分析。

表4 變異數(shù)分析

如表5所示，工作日數(shù)據(jù)最終模型中各解釋變量的顯著性水平都小于0.05，說(shuō)明表中變量對(duì)共享單車(chē)出行需求的解釋是有顯著性貢獻(xiàn)的。已經(jīng)篩除的自變量有多云、陣雨、PM2.5、PM10、SO、NO、O、相對(duì)濕度、總云量。將各最終解釋變量帶入方程，工作日回歸方程如式（1）所示：

表5 工作日系數(shù)

結(jié)合回歸系數(shù)可知，陰、中雨、雷陣雨天氣對(duì)共享單車(chē)出行需求的影響，皆呈負(fù)相關(guān)，雷陣雨比中雨帶來(lái)的影響更顯著。AQI、CO的系數(shù)為負(fù)，說(shuō)明與共享單車(chē)出行需求負(fù)相關(guān)，其中AQI的影響程度最大。溫度對(duì)共享單車(chē)出行需求的影響是負(fù)的，隨著溫度每升高一個(gè)單位，共享單車(chē)出行量平均降低5.046輛/h。大氣壓、風(fēng)速、水平能見(jiàn)度都與共享單車(chē)出行需求正相關(guān)。

如表6所示，休息日數(shù)據(jù)中篩除的自變量有多云、中雨、陣雨、PM2.5、SO、NO、CO、大氣壓、總云量、水平能見(jiàn)度，這些變量對(duì)共享單車(chē)出行需求的線(xiàn)性解釋沒(méi)有顯著性貢獻(xiàn)。將表中各自變量帶入方程，休息日回歸方程如式（2）所示：

表6 休息日系數(shù)

結(jié)合回歸系數(shù)可知，雷陣雨、AQI、PM10、溫度都對(duì)共享單車(chē)出行需求有著負(fù)向影響，而AQI的影響程度較之其他因素最大。風(fēng)速的相關(guān)系數(shù)為正，隨著風(fēng)速每提高1個(gè)單位，共享單車(chē)出行量平均增加2.844輛/h。這些結(jié)論與工作日數(shù)據(jù)模型較為一致。

與工作日不同的是，休息日數(shù)據(jù)中，陰天的影響系數(shù)為正。這可能是與工作日、休息日下用戶(hù)的出行目的不同有關(guān)。工作日多以通勤、接駁為目的，休息日多以?shī)蕵?lè)、休閑出行為主。陰天時(shí)，以?shī)蕵?lè)休閑為目的出行的共享單車(chē)用戶(hù)會(huì)覺(jué)得更涼爽，騎行體驗(yàn)更好。另外，休息日中少了中雨、大氣壓、水平能見(jiàn)度三個(gè)因素，增加了PM10、相對(duì)濕度兩個(gè)因素，其中PM10的回歸系數(shù)為負(fù)，相對(duì)濕度的回歸系數(shù)為正。這也可能與不同出行目的的用戶(hù)對(duì)環(huán)境里不同因素的關(guān)注程度不同有關(guān)。

6 結(jié) 論

本文選取上海市中心城區(qū)，研究了天氣因素對(duì)共享單車(chē)出行需求的影響。從研究中得到如下結(jié)論：

（1）工作日中，大氣壓和水平能見(jiàn)度對(duì)共享單車(chē)出行需求的影響是顯著正相關(guān)的，但對(duì)休息日出行用戶(hù)無(wú)影響。休息日時(shí)，PM10呈現(xiàn)負(fù)向影響，相對(duì)濕度呈現(xiàn)正向影響，但對(duì)工作日出行用戶(hù)無(wú)影響。

（2）AQI與PM2.5、PM10等空氣質(zhì)量指標(biāo)存在一定的正相關(guān)關(guān)系。隨著AQI指數(shù)的增加，即污染程度增高時(shí)，會(huì)使共享單車(chē)出行需求降低。

（3）晴天、多云天氣時(shí)，共享單車(chē)的出行需求要顯著多于陰、雨天氣。陰、中雨、陣雨、雷陣雨天氣在工作日與休息日，對(duì)共享單車(chē)的出行需求影響程度有所不同。雷陣雨在工作日中的影響程度要大于其他因素，而休息日出行的用戶(hù)更喜歡選擇陰天騎行。

（4）隨著溫度的升高，共享單車(chē)的出行需求會(huì)有所降低。相反，隨著風(fēng)速的提高，在一定范圍內(nèi)，共享單車(chē)的出行需求會(huì)增加。

根據(jù)上述結(jié)論，建議共享單車(chē)管理者在雨天、污染等惡劣天氣與高溫時(shí)段下減少單車(chē)的投放量，節(jié)約道路空間，合理分配自行車(chē)資源。由于休息日的共享單車(chē)出行需求要低于工作日，可在休息日期間對(duì)共享單車(chē)分時(shí)段、分區(qū)域進(jìn)行維護(hù)，提高用戶(hù)的使用體驗(yàn)。