基于共享单车大数据的城市型自行车绿道选线规划途径研究

陈希希

李 倞*

随着现代城市的快速发展，城市人口持续增加，交通拥堵、空气污染、绿地破碎等城市问题逐渐显现，如何创造更舒适的城市生活环境已成为未来城市发展的首要任务之一。绿道的建设连接了城市破碎的绿地，为居民提供了舒适的步行和骑行体验，提高了居民的生活质量，对城市的存量更新，土地的可持续利用提供了一个新的发展模式[1-3]。

促进自行车使用作为城市型绿道的重要服务功能之一，是其选线的重要考虑因素[4]。城市型自行车绿道的建设将为工作通勤、日常生活服务提供更加舒适和便捷的体验，对于鼓励绿色出行，缓解城市机动车交通拥堵具有重要的价值。尤其像北京、上海等中国特大型城市，自行车正通过与公交、地铁相衔接，形成完善的城市公共交通系统，成为城市绿色出行的重要选择。

本研究主要将绿道选线的影响因素划分为服务需求和承载空间潜力两部分，尝试将空间潜力和社会行为大数据分析相结合，探索城市型自行车绿道选线规划的新途径。在需求方面，城市型自行车绿道与社会生活和日常通勤联系紧密，自行车通行的使用需求和高频率使用空间是选线的重要因素，通过社会行为大数据分析，能精确地将人对空间的实际使用进行量化。在承载空间潜力方面，城市型绿道受各类城市用地制约明显，建设尤其强调对现有城市空间潜力的挖掘，从目前研究来看，主要依托城市道路和多种类型的城市带状绿地空间。

图1 基于共享单车大数据和城市空间潜力的自行车绿道规划技术框架

1 研究背景

自20世纪90年代开始，中国进入了绿道研究和实践的快速发展阶段[5-7]。今天，随着中国城市化进程的持续推进，城市发展正在由高速扩张向精细化更新转型[8]，绿道的规划建设途径也将产生新的变化。

根据空间分布类型，绿道主要分为3类：区域型、城市型和社区型[9]。与区域型绿道相比，城市型绿道建设受建成区用地制约明显，更加强调对城市空间潜力的挖掘和满足居民的日常使用需求。在城市空间体系中，相比社区型绿道，城市型绿道更能系统地解决城市的景观及交通问题[10-11]。这对今天的中国城市建设具有重要意义。

目前，中国绿道的研究和实践主要集中在区域型绿道。选线方法也主要集中在基于土地多元价值的适宜性评价[12-13]。如严军等选取水域、道路、植被群落、坡度、坡向、文物古迹、建筑用地7个因素作为绿道选线适宜性的评价因子[14]。张春英等研究了通过景观连接度的方法对福州市绿地景观绿道功能进行定量分析，就景观连接性问题对绿道规划提出建议[15]。而对于城市型绿道的选线研究目前较少。其选线方法不同于大尺度下的区域型绿道选线，受到空间的制约，需考虑更多更复杂的城市问题，与日常工作、生活的联系也更加紧密。相关研究如张笑笑从自然和人文2个方面对游憩资源进行综合评价，从而进行上海游憩型绿道的选线[16]。李方正提出运用公交刷卡大数据进行绿道选线[17]。

在风景园林领域，运用最低成本路径方法进行选线已经得到较广泛的运用。如陈永贵提出，通过最低成本路径方法进行森林公园的道路选线[18]；戴冰武等提出基于生态安全格局理论，运用最低成本路径进行风景区游览路线的选线[19]等。而对于城市型绿道所面临的复杂城市环境，还没有相关研究结合最低成本路径模型提出详细的研究和成本模型框架。

2 共享单车大数据

共享单车的爆炸式发展，使其背后的大数据具有广泛的研究应用前景[20]。随着中国信息技术的快速发展，数据呈现爆炸性增长，大数据的使用也越来越受到关注[21]。近年来，大数据被越来越广泛地应用于规划研究，尤其是对社会行为的研究具有显著的优势。通过对大数据进行合理解译，可以有效地反映公共社会行为的日常规律，为规划决策提供依据。而且，随着数据的不断积累，提取、分析和可视化解译技术的不断完善，将进一步提升分析的准确性[22-24]。

共享自行车主要解决居民公共出行的最后1km问题，这也正是城市绿道的主要服务功能之一。依托共享单车的定位体系，通过对起始位置和骑行路线的数据分析能准确、直观地了解到居民的骑行行为方式和高频率使用空间，随着数据量的不断增加，其研究结果也将越来越精确化。共享单车大数据的挖掘，为规划方便市民出行的城市型自行车绿道网络，优化用地布局提供了重要的依据。

3 基于共享单车大数据的自行车绿道选线规划技术框架

研究探索在新的技术发展背景下的城市型绿道选线技术模型，基于大数据研究下的社会行为分析与城市空间利用潜力分析，构建一种新的城市内部复杂条件下的城市型自行车绿道选线思路与方法。

本次研究运用共享单车大数据，分析城市的自行车高频率使用空间，并结合绿地价值和利用潜力分析，开展将社会大数据分析和空间适宜性分析相结合应用于城市型自行车绿道选线方法的探索。线路选择方法可以将高频使用的骑行空间和优质绿地空间纳入绿道连接，以满足居民的日常使用需求，最大化地为居民的生活、工作出行和绿色空间体验提供便捷服务。

研究通过建立最低成本路径模型进行选线。最低成本路径模型是在成本加权距离函数的基础上，结合连接节点和成本栅格，获得从每一栅格单元到它最近节点的最小累计成本距离与成本距离方向，从而获得相应连接节点之间的最低成本路径。研究主要从共享单车大数据分析和绿地空间利用潜力分析2个方面，分别确定城市型自行车绿道的连接节点和成本栅格(图1)。

首先，对城市型自行车绿道连接节点进行分析和选择。一是从共享单车行为大数据方面，通过对共享单车起点—终点数据(Origin— Destination，简称OD数据)的分析解译，得出自行车使用、聚集频率高的区域，作为绿道的重要连接节点[25-26]。二是从绿地空间利用潜力方面，运用ArcGIS软件分析现有城市公园绿地的空间分布情况，运用熵值法建立评价指标体系，分析绿地的价值重要性和承载能力，得出基于城市型自行车绿道节点的绿地景观利用潜力。两者叠加得出绿道连接节点的适宜性分布，选取适宜性高的区域设定绿道连接节点。

其次，根据绿道主要依托现有城市道路和绿色廊道的特点[27]。以现有自行车使用密度高的道路空间和现有绿地廊道载体2个因素作为成本度量因子，生成基于成本路径模型下的绿道选线成本栅格。一是通过对骑行轨迹数据和现状道路空间的拟合，分析研究区自行车出行频率高的道路及线性空间。二是通过遥感目视解译，利用Erdas软件采取监督分类的方法提取出线状绿地分布，得到基于绿道连接的绿地廊道利用潜力。将两者叠加得到绿道连接适宜性图，生成基于成本路径模型的绿道选线成本栅格。

最终，结合连接节点和成本栅格获得最低成本路径，划定绿道初步选线方案，并从通勤需求、休闲体验等方面对选线进行优化，划分为综合型和通勤型两大城市型自行车绿道系统，完成城市型自行车绿道的选线方案。

图2 共享单车目的地空间热度分布图

图3 绿地景观节点潜力空间等级分布图

图4 绿道连接节点适宜性分布图

图5 绿道连接节点选点图

图6 共享单车使用道路热度分布图

图7 绿道连接的绿地利用潜力空间分布图

图8 绿道选线廊道空间适宜性分布图

图9 海淀区城区型自行车绿道选线最低成本路径图

图10 海淀区城市型自行车绿道系统规划图

图11 海淀区整体绿道选线规划图

4 北京市海淀区城市型自行车绿道选线规划

4.1 数据来源

1)北京市摩拜单车使用记录处理后的“二次数据”，包括摩拜单车的OD数据及基于轨迹数据的拟合道路数据。

2)以北京市海淀区高分二号遥感影像为主要数据源，通过监督分类目视解译收集所需的海淀区绿地空间分布信息，主要包括公园绿地，防护绿地和城市道路空间等。

4.2 绿道重要连接点的分析与选取

绿道连接节点主要包括市民骑行的高频目的地或重要的绿地空间。本文从市民自行车出行目的地热点空间与绿地景观服务潜力空间2个方面进行综合分析，选取连接节点。通过绿道将这些高使用频率的节点空间进行连接，进而满足市民日常使用自行车的出行活动需求和通勤需求，完善城市自行车绿道的服务功能。

4.2.1 共享单车目的地空间热度分析

通过对OD数据的分析，得出共享自行车出行的空间分布特征，反映了居民自行车出行的主要需求区域[28]。运用Arcgis软件，将研究区进行网格划分，划分为10m×10m的网格，统计每个单元栅格中共享单车的数量，生成日均共享单车使用空间热度分布图(图2)。

4.2.2 绿地节点空间利用价值分析

城市绿道的另一项重要服务功能是连接关键的绿色空间节点。研究建立评价指标体系并落实在空间上，生成研究区基于绿道服务的绿地连接节点的评价等级空间分布图。评估指标分为生态价值、景观价值和文化价值，采用专家打分与公众参与共同进行的方式为研究区内现状公园绿地评分，包括10名园林行业专业人士的打分与500份有效网络调查问卷。采用熵值法对各个公园得分进行计算，熵值法根据指标值差异的大小判断指标在最终评估中的作用，二者呈正相关[29-30]。最终得到生态价值、景观价值和文化价值3个价值指标的权重值(表1)。

根据各指标权重计算基于绿道的公园绿地评价得分(表2)，划分为1～10十个等级，得出基于绿道的公园绿地空间服务价值等级分布图(图3)。

4.2.3 绿道重要连接节点选取

对共享单车节点空间使用热度数据进行重分类赋值，按共享单车数量划分为10个等级，分别赋值为1～10，得到共享单车使用空间热度等级分布图。在本次研究的选线模型中，绿地空间潜力和市民自行车使用需求对绿道选线的影响权重均为0.5，进行等值叠加分析，得到绿道连接节点适宜性分布图(图4)。

该叠加结果是将市民使用需求与绿色空间的潜力价值进行量化并落实在空间上，并运用Arcgis空间数据分析功能，将两者综合分析，得到绿道连接节点的适宜性分布图。最终，通过Arcgis的数据选取，筛选出绿道连接节点适宜性等级为10的区域，每个区域设定一个连接节点，最终确定47个连接节点(图5)。

表1 各指标的熵和相应权重(熵值法)

4.3 绿道连接廊道适宜性分析

4.3.1 基于轨迹数据的共享单车使用道路热度分析

轨迹数据是对移动对象运动过程进行采样所获得的数据信息，将共享单车轨迹数据点匹配到实际路网上[30]。共享单车轨迹数据得出目前自行车出行所选择的道路使用偏好，生成共享单车使用道路空间热度分布图(图6)，得到共享单车使用道路的高频率空间分布。

分析表明共享单车在不同道路的使用密度不同，在靠近重要居住、商业和办公区域的道路空间使用密度明显偏高。围绕地铁站点的使用频率也明显增高，呈现以地铁站点为中心向外放射的趋势。这在一定程度上说明共享单车较好地在解决居民出行的“最后1km”问题，与城市型自行车绿道的主要服务功能相契合。

4.3.2 绿地廊道空间利用潜力分析

线状绿地作为绿道连接的重要承载空间，也是城市中重要的绿色廊道，通过遥感目视解译识别出研究区线状绿地的空间分布，生成绿道连接的线型绿地利用潜力空间分布图(图7)。

4.3.3 绿地廊道空间利用潜力分析

运用Arcgis软件对共享单车节点空间使用热度数据进行重分类赋值，按共享单车数量划分为10个等级，分别赋值为1～10，得到共享单车使用空间热度等级分布图。同上将市民自行车出行使用道路热度等级分布特征与绿道连接的绿地利用潜力空间分布特征进行等值叠加，得到绿道选线适宜性分布图(图8)。

该叠加结果是绿道节点之间连接廊道的适宜性空间分布，同样对使用需求和空间潜力两方面进行评价，从复杂的城市用地环境中选择了可利用的城市线性公共空间作为绿道的承载空间，满足了城市型绿道选线的空间可能性，建立了基于成本路径模型下的绿道选线成本栅格数据。

4.4 绿道选线

4.4.1 建立最低成本路径

运用 “成本路径”工具，以确定的47个绿道重要连接节点作为起点与终点，通过共享单车使用道路热度和绿地廊道空间利用潜力的成本栅格图层，获得相应连接节点之间的最低成本路径(图9)。

4.4.2 绿道系统的初步选线

城市型绿道规划建设应更加注重连通性，在通过大数据结合ArcGIS分析得出的绿道最低成本路径的基础上，考虑城市现有路网及建筑布局等客观限制因素，最终确定海淀区城市型绿道的初步选线规划图(图10)。

4.4.3 绿道选线优化

综合考虑现状土地利用条件、居民休闲需求、现状道路的不同等级等因素，对划定的绿道系统进行整体组织、优化，划分为2个不同层次的绿道体系，即综合型绿道系统与通勤型绿道系统，最终形成海淀区的整体绿道选线规划方案(图11)。2个系统在保证绿道连贯性的同时，从现有自然环境、道路体系、景观风貌、通勤需求、步行体验等不同角度出发，为绿道赋予了不同的功能特色，在未来的设计实施过程中也将差异化对待。

1)综合型绿道系统。

在自行车流量大、能连接现有高品质公园绿地，或有着良好的线状绿地空间的绿道选线基础上，建立综合型绿道，形成城区型自行车绿道的系统骨架。综合型绿道在满足日常自行车、慢行需求的同时，能够整合现有零碎的绿地空间，连接各个重要的公园绿地，发挥生态服务功能，并在绿道系统中提供游憩场所，满足居民的日常健身、娱乐、社交等需求。

表2 熵值法评价结果

2)通勤型绿道系统。

对其余现有自行车流量大，主要承担工作、生活通勤服务功能的线路进行梳理，规划通勤型绿道系统。该系统充分利用高频率使用的城市次干路及支路，能够满足现状通勤需求，最大化地为居民提供方便出行的舒适绿色空间，改善居民的自行车出行体验，推动城市居民的日常低碳出行。

5 结语

本文探索大数据应用与城市复杂环境下绿道规划的联系，借助大数据进行社会行为分析，自下而上地实现科学化、精确化的绿道选线规划，对城市更新、精明发展背景下的未来中国城区型自行车绿道选线提供了重要的理论和实践应用基础。

本次研究的重点在于探索在新的技术发展背景下的城市型绿道选线技术模型，运用共享单车大数据分析城市型自行车绿道的需求空间，并结合绿地价值和潜力空间分析，将空间适宜性分析和社会大数据分析相结合，运用最低成本路径模型，构建城市型自行车绿道选线方法。研究创新性地将城市型自行车绿道的选线划分为社会行为需求和空间潜力两大影响因子，建立一个开放的城市型绿道选线模型框架与数据库，随着大数据运用的不断发展，更多的相关社会行为数据的加入不断地完善整个选线模型，如市民出行大数据、市民POI大数据等，更多类型的城市潜力空间，可以纳入绿道选线的潜力空间中，为城市型绿道选线规划提供新的思路。