基于數據挖掘的寧波市公共自行車使用特征

梅思雨，喬觀民，邵黎霞，王 捷

(1. 寧波大學地理與空間信息技術系，浙江 寧波 315211； 2. 寧波大學建筑工程與環(huán)境學院，浙江 寧波 315211； 3. 寧波市公共交通客運管理局，浙江 寧波 315040)

2007年法國巴黎成功舉辦了“自行車自由行”，讓政府與學者重新審視公共自行車等慢行交通對于城市發(fā)展的重要性。在全球變暖、能源危機背景下，公共自行車被認為是一種低碳、環(huán)保、健康的出行方式，也是短距離出行效率最高、最具環(huán)境可持續(xù)性交通方式[1]。因此“大力發(fā)展公共自行車，解決居民出行最后1公里問題”成為共識[2]。

當前國內對公共自行車的研究主要集中在：西方發(fā)達國家城市公共自行車理論研究與實踐經驗借鑒[3-5]；利用傳統(tǒng)O-D調查數據分析用戶特征[6-7]、出行模式[8-10]、出行需求預測[11]、站點布局[12-13]，建立公共自行車管理和調度系統(tǒng)模型[14]等；利用大數據研究公共自行車問題等[15-16]?？焖俪鞘谢瘜е碌慕煌〒矶聠栴}嚴重影響了城市經濟運行，因此運用大數據研究交通問題受到學者與政府的高度關注。

2013年9月寧波公共自行車系統(tǒng)開通運營，用戶量逐年增加，至2018年9月辦理51萬張IC卡，投放公共自行車4.4萬輛。本文運用IC卡數據，結合區(qū)域屬性數據、開放網絡數據，探究寧波市自行車使用特征及原因，為提高寧波市公共自行車營運效率、優(yōu)化公共交通配置提供理論支撐。

1 數據來源與研究方法

1.1 研究區(qū)概況與數據來源

研究區(qū)域為寧波市中心城區(qū)(如圖1所示)，包括海曙區(qū)、江北區(qū)、鄞州區(qū)、鎮(zhèn)海區(qū)和北侖區(qū)，土地面積為2 462 km2，布設1289個公共自行車租賃點，36 713個樁位。

數據來源主要為：公共自行車IC卡數據、網絡數據、寧波市統(tǒng)計年鑒。IC卡數據為2018年3月12—18日居民506 343條出行數據，每條IC數據包含使用者卡號、借還租賃點代碼、借還租賃點名稱、借還時間、使用時長。剔除使用時長小于1 min及大于3 h的非正常性出行數據，獲得有效數據483 961條。網絡數據包括：百度地圖提供的POI數據，如購物休閑、交通、餐飲、醫(yī)療、科教等類別數據。土地利用分類數據來源于《寧波市城市總體規(guī)劃(2006—2020年)(2015年修訂)》。寧波市統(tǒng)計年鑒數據為鄉(xiāng)鎮(zhèn)街道人口數據等。

1.2 研究方法

1.2.1 租還潮汐比

租還潮汐比反映了各租賃點公共自行車某一時段內租借、歸還活動的均衡性。其計算公式為

R=(Q1-Q2)/(Q1+Q2)R∈[-1,1]

式中，R為潮汐比；Q1為某時段租賃點租借量；Q2為某時段租賃點歸還量。

在特定時段R值為1時，自行車租賃點顯示為租車，產生空架現象；反之，R值為-1時，全部為還車，租賃點樁位為滿架現象。這兩種情況均產生“租車者租不到，還車者還不了”的不可用現象。當租借量等于歸還量時，R值等于0，為租還均衡理想狀態(tài)。通常租賃點潮汐比R∈[-1,-0.1)為歸還點，R∈[-0.1,0.1]為平衡點，R∈(0.1,1]為租借點[17]。

1.2.2 核密度

核密度估計(kernel density estimation，KDE)用于計算點要素或線要素在其周圍鄰域中的密度。方程定義為

式中，h為帶寬值；x-xi為估計點到樣本xi的距離；k為核的權重函數。

帶寬值h會影響核密度估計結果：一般帶寬值越大，生成的密度柵格越平滑且概化程度越高；帶寬值越小，生成柵格所顯示的信息越詳細。經過多次模擬，最終確定帶寬值為1200 m。

1.2.3 泊位周轉率

泊位周轉率為某時段租賃點鎖止器被重復使用的次數，反映了租賃設施的利用水平。以某時段還車數與樁位數之比來表示周轉率，時段為每日。計算公式為

α=Q1/N

式中，Q1表示租賃點日歸還量；N表示租賃點鎖止器數量。

1.2.4 回歸分析模型

多元線性回歸分析是表示因變量和自變量之間相關關系最基本方法。表達式為

Yi=β0+β1x1+β2x2+…+βmxm+εi

式中，Yi為因變量；X1，X2，…，Xm為影響因素；β0為常數項；β1，β2，…，βm為回歸系數；εi為殘差。具體結合公共自行車使用，Yi為i租賃點公共自行車使用量，X1，X2，…，Xm為i租賃點的系統(tǒng)變量、交通變量、社會經濟變量、空間變量、時段變量、虛擬變量。

2 公共自行車的使用特征分析

2.1 時間特征

寧波市中心城區(qū)公共自行車日均總使用量為69 137次，平均出行時長為16 min。在時段上，公共自行車使用呈現明顯的峰谷現象(如圖2所示)，早高峰為7:00—9:00，晚高峰為17:00—19:00，早高峰峰值大于晚高峰。休息日的早、晚高峰峰值比工作日都低。

公共自行車使用時長集中在15 min以內(如圖3所示)，占總量的64.06%；在25 min內的占83.4%。早高峰平均使用時長為14.80 min，晚高峰為14.79 min；工作日平均使用時長為15.72 min，休息日為16.41 min。寧波公共自行車具有很強的公共交通“最后1公里”接駁功能。

2.2 空間特征

寧波市公共自行車租賃點具有空間分布不均衡性(如圖4所示)。租賃點集中于主城區(qū)地鐵線路兩側，核密度值為16次/km2。公共自行車使用量的核密度具有“一核雙中心”結構：一核為三江口地區(qū)，其核密度值達到4000次/km2；雙中心分別為鎮(zhèn)海中心城區(qū)、北侖中心城區(qū)，其核密度值分別達3500、1500次/km2(如圖5所示)。

以三江口為中心，分別以3、5、10 km為半徑的緩沖區(qū)，將研究區(qū)劃分成內圈層、中圈層、外圈層和大于10 km的外圍區(qū)(如圖1所示)。3月12—18日，內圈層286個租賃點公共自行車使用量達326 673次，中圈層247個租賃點總使用量為201 449次，外圈層407個租賃點總使用量為187 191次，外圍區(qū)349個租賃點總使用量為252 608次(見表1)。租賃點平均使用量、使用量空間密度具有由中心向外圍遞減規(guī)律，但租賃點平均使用量在外圍區(qū)出現升高現象，這是由于外圍區(qū)域面積大，租賃點密度低，導致居民對自行車的依賴度增加。

租賃點潮汐比整體上較平衡(如圖6所示)，平衡點占73.16%，但租賃點之間差異性很大。其中，以商業(yè)服務功能為主的內圈層為租還平衡區(qū)，平衡點占86.71%，潮汐性較弱；中圈層平衡點占78.54%；外圈層和外圍區(qū)平衡點占比皆小于70%，潮汐性較明顯。總體上呈現潮汐比由中心向外圍增大趨勢。

租賃點圈層內交換強度大于圈層之間。內圈層的內部交換強度為133 567次，占總租借量的81.45%，中圈層、外圈層、外圍區(qū)內部交換強度占總租借量的80%左右。OD交換量存在“內圈層到中圈層”與“中圈層到內圈層”相互補償流關系，同樣在其他圈層之間也存在這一現象(見表2)。

表2 圈層OD情況 次

公共自行車居民出行以短距離為主(如圖7所示)，平均出行距離為3.91 km。租賃點間出行量最高出現在長樂站(自行車租賃點)與晴園(自行車租賃點)之間，距離為1.11 km，出行量達到63次/d。

租賃點泊位日均周轉率為2.4次，最大周轉率為17次，泊位周轉率小于1次/d占32%。租賃點的公共自行車平均使用量與泊位周轉率之間具有正相關關系(見表1)。內圈層日均泊位周轉率最高(如圖8所示)，內圈層和外圍區(qū)超負荷租賃點(日泊位周轉率大于3次)較多，外圈層和外圍區(qū)無效租賃點(日泊位周轉率小于0.5次)較多。內圈層超負荷租賃點占47.55%，無效租賃點占2.80%；中圈層超負荷租賃點占24.69%，無效租賃點占5.67%；外圈層超負荷租賃點占4.67%，無效租賃點占22.85%；外圍區(qū)超負荷租賃點占23.78%，無效租賃點占20.63%。因此，加強對超負荷租賃點調度和無效租賃點統(tǒng)籌規(guī)劃是提高公共自行車利用效率的基礎。

3 租賃點公共自行車使用的影響因素分析

3.1 影響因素選取

模型因變量采用2018年3月12—18日租賃點公共自行車使用量。參考文獻[18]的研究，自變量分為系統(tǒng)變量、交通變量、社會經濟變量、潛在變量、時段變量與土地類型虛擬變量等6類(見表3)。

表3 影響公共自行車使用量的因子情況

續(xù)表3

系統(tǒng)變量為租賃點樁位數與租賃點密度；交通變量為公共自行車租賃點緩沖區(qū)內公交站數量、地鐵站數量、主干道及次干道里程數；社會經濟變量為租賃點所在街道人口密度、緩沖區(qū)內公司企業(yè)數量；空間變量為租賃點緩沖區(qū)內醫(yī)療保健、教育機構、購物網點、餐飲服務、公園以及生活服務類等數量；時段變量為早高峰時段和晚高峰時段；虛擬變量為租賃點土地用地性質，即《城市用地分類與規(guī)劃建設用地標準》的9類用地。參考文獻[19]的研究，選取500 m為公共自行車租賃點緩沖區(qū)半徑。

3.2 方程擬合結果

利用SPSS22.0軟件回歸分析：R2>0.8，F=711.771，Sig.=0.000，方程具有顯著意義，其中10個自變量具有明顯解釋意義(見表4)。

表4 模型結果

注：*、**、***分別為P<0.1、P<0.05、P<0.01。

3.2.1 系統(tǒng)變量、社會經濟變量

公共自行車租賃點的樁位數、密度與因變量相關性不顯著，但在內圈層、外圍區(qū)具顯著相關性。公共自行車租賃點的樁位數與內圈層租賃點的使用量存在顯著正相關，其標準系數為0.061，在內圈層具有租賃點樁位數越多使用量越大的特征。公共自行車租賃點密度，在內圈層回歸標準系數為-0.098，這是由于內圈層租賃點密度越高，相互之間距離越近，競爭關系明顯，單個租賃點效率降低；在外圍區(qū)系數為0.078，總體上外圍區(qū)租賃點密度遠低于內圈層，租賃點之間距離遠，公共自行車之間對流呈現互補性，因此密度越高，反而使用量越大。

人口密度、公司企業(yè)數量對因變量具有顯著相關性。人口密度標準系數為0.074，人口密度越大，使用量越多。公司企業(yè)數量標準系數-0.031，公司企業(yè)集中區(qū)通常會布置公交站點，公共自行車需求自然就降低了。

3.2.2 交通變量、空間變量

公交站數、次干道里程與因變量相關性不顯著。地鐵站數與因變量存在顯著負相關性，地鐵站數量標準系數為-0.017。這說明公共自行車與地鐵的接駁功能不完善。

公交站數在中圈層具有正相關性，其標準系數為0.098。中圈層是受三江(姚江、奉化江、甬江)自然阻隔影響最大的地域，公交站與公共自行車之間的接駁功能效果明顯。次干道里程在內圈層和外圍區(qū)具有顯著性相關性，其標準系數分別為-0.069、-0.031。內圈層路網密集，公交站點多，人流擁擠，自行車功能讓位于步行。外圍地區(qū)次干道里程密度越低，“出行難”越明顯，對公共自行車需求越大。

租賃點500 m緩沖區(qū)范圍內醫(yī)療保健、教育機構、餐飲服務、公園等POI與因變量存在顯著正相關，標準系數分別為0.051、0.049、0.054、0.028，租賃點周邊這4類POI興趣點集聚與自行車使用呈現正相關。

3.2.3 時段變量、虛擬變量

早晚時段變量與因變量存在顯著相關性，標準系數分別為0.485、0.421，公共自行車使用具有明顯時間節(jié)律性。

綠地與廣場用地與因變量存在顯著負相關，綠地與廣場用地其標準系數為-0.016，該地類是居民日常休閑場所，以步行為主。

公共管理與公共服務用地、道路與交通設施用地分別在中圈層、外圈層與因變量具有顯著的相關性。公共管理與公共服務用地、道路與交通設施用地與因變量的系數分別為-0.050、-0.046。在中圈層、外圈層公共服務用地和交通設施擁擠聚集區(qū)，都是大的單位(政府、大學等)用地和交通樞紐(TOD)用地，在中圈層公共交通便利或為共享單車天下，外圈層私家車取代自行車接駁。

4 結論與討論

運用GIS和SPSS對寧波市公共自行車進行數據挖掘發(fā)現：①寧波市公共自行車使用量存在明顯時空分異。公共自行車出行時間具有峰谷現象，騎行時長在工作日與休息日、早高峰與晚高峰都具有差異；公共自行車租賃點與使用量分布具有“一核雙中心”特征，車輛使用量、潮汐比、泊位周轉率都存在圈層特征。②通過對系統(tǒng)變量、交通變量、社會經濟變量、潛在變量、時段變量與土地類型虛擬變量等24個變量進行模擬，發(fā)現10個變量具有解釋意義。公共自行車使用與人口密度、醫(yī)療保健網點、教育機構、餐飲服務、公園數、早高峰時段、晚高峰時段具有明顯的正相關關系；與地鐵站數、公司企業(yè)數量、綠地廣場與量存在明顯的負相關關系。這說明寧波市城市空間結構影響了公共自行車使用。

數據獲得性關系，研究著重刻畫使用者共性特征。如果加強個體特征交叉分析，數據將更具有鮮活性。在共享單車影響下，寧波公共自行車生存空間受到壓縮。設想如果公共自行車讓開內、中、外圈層，僅僅占據共享單車不愿意投放的外圍圈層地區(qū)，充分實現公共自行車公共物品功能，但研究表明這是低效率行為，不具有可行性。