北京市核心区共享单车骑行时空特征分析

丁 月 郝泽政 张翼然 祝晓坤 谢文瑄

(1. 北京市测绘设计研究院, 北京 100038;2. 城市空间信息工程北京市重点实验室, 北京 100038;3. 加州大学圣地亚哥分校, 美国 圣地亚哥 92093)

0 引言

城市化进程加快的同时,产生了交通拥堵、环境污染等城市问题,这些问题在大城市尤为明显,例如，在北京,人们的出行方式以地铁和公交为主,可到达地铁站和公交站点的方式主要有两种,骑行和步行,步行的辐射范围一般在1 km以内,骑行的辐射范围一般在3 km以内,共享单车的出现,有助于通勤者乘坐地铁,提高出行效率[7]。北京市核心区(东城区、西城区)集政治、经济、文化等众多功能于一体,众多的优势吸引着全国各地的人口和企业的聚集,交通拥堵现象日趋严重,特别是每天的上下班高峰期,道路拥堵严重,政府开始倡导绿色出行[1]。

低碳交通在城市空间内运转对“绿色城市”发展目标的实现具有重要的推进作用,在此背景之下,城市共享单车系统应运而生[2]。共享单车主要是由运营商提供自行车辆,用户可以根据自己的需求,通过手机APP扫码寻找车辆和按骑行时间支付租用共享单车的费用[3]。共享单车是一种能够提供单车分时租赁的共享服务,它成功地解决了人们短距离出行的交通需求[4]。共享单车的发展有效解决了城市交通出行“最后一公里”问题,并且对构建绿色出行体系等方面发挥了作用[5]。

我国的共享单车服务起始于2014年,目前已经覆盖了60多个大中城市[6]。目前市面上的共享单车品牌主要有青桔单车、哈啰单车、美团单车等,随着人们骑车需求的增加,共享单车乱停乱放以及供需不平衡等问题逐渐凸显出来,大量的共享单车破损、被盗,堆积在路旁,还有许多共享单车的“坟场”[7],这对于城市交通的管理增加了难度,因此需要对共享单车进行合理的空间布局,这是共享单车治理的重要一环。目前共享单车运营商和交通管理部门采取了一系列措施,以此来管控共享单车的停放问题,例如，采用电子围栏技术来划定共享单车的停放区域,运营商安排人员对共享单车停放量过大的区域进行实时清理。

从实践的角度来看,共享单车的盛行也存在一系列的问题,例如，共享单车的空间合理投放问题,即部分区域共享单车的数量较多,甚至占用了人行道,有些区域共享单车投放太少,使得有需求的用户无法就近获取共享单车资源[9-10],以及交通部门的管理问题,企业之间的恶性竞争问题等。

本文以共享单车为研究对象,以北京市核心区为研究区,利用空间数据分析法等地理学方法,来分析表达出北京市核心区共享单车的时空特征规律。可以为共享单车的投放与治理提供相应的依据。

1 研究区概况

本研究以北京市核心区为研究区,北京市核心区即指东城区和西城区,总面积为92.5 km2,共计32个街道,其中老城(二环内)占地面积62.5 km2,共计25个街道,271个社区,二环内即为传统的老城范围,进一步划分为历史文化街区和非历史文化街区,历史文化街区为传统老城风貌的代表区域,以平房区为主要的环境特征。北京市核心区即首都功能核心区,是展示我国大国形象的重要窗口地区。

图1 北京市核心区空间分布图

2020年编制完成的《首都功能核心区控制性详细规划(街区层面)(2018年—2035年)》中提出包括文化传承、绿色交通、可靠市政、公共服务、绿化环境、安全智慧、规模管控七大类[11],并指出要“完善街道生态系统,优化城市街道景观,提升公共出行的绿色心理感受”。随着机动车数量的减少,绿色出行的方式将会被大力推广,核心区建筑密度大,老旧小区和平房区多,许多道路、街巷较窄,因此共享单车出行是北京市核心区绿色出行方式中的一种,但共享单车存在空间分布不均衡的问题,本研究将从共享单车出行的时间序列和空间特征两个方面进行分析与论述。

2 数据与方法

2.1 数据

本研究所采用的数据主要包括北京市核心区的矢量边界、街道矢量边界、共享单车csv格式的数据集,北京市地铁站点数据、地铁线路数据等。

首先对数据进行预处理,保证各类矢量数据的坐标一致,并且没有偏差,其次,本文获取到的共享单车数据集可能存在一些错误值,例如，空值或者坐标偏差较大的点,因此需要对共享单车数据集进行数据清理,对空值以及坐标偏差较大的点位进行剔除和清理,以此保证数据的准确性。

2.2 方法

2.2.1 大数据分析法

在现代科技水平日益提升的背景下,大数据的应用领域得到了有效拓展,地理信息系统在应用大数据时也取得明显的发展成效[12],python语言在大数据分析中具有一定的优势,其可提高数据分析效率,在实际的应用中,具有开源性、可移植性等特性,可以用少量的代码完成大数据分析的多项操作[13-14],本研究结合地理信息技术和python语言来进行共享单车的大数据分析。由于共享单车数据集的体量较大,因此，借助python语言对共享单车数据进行了大数据分析,主要包括剔除数据的异常值,并从中选取需要的相应日期和时段的数据,以此来为后续的空间数据分析奠定基础。

2.2.2地理空间数据分析法

不同类型的地理信息数据蕴含了丰富的时空关系,在资源、环境、交通等领域的智慧应用中起到关键性作用[15]。借助ArcGIS软件对共享单车数据、北京市核心区街道数据等矢量数据进行叠加分析、核密度分析等,以此来判断北京市核心区共享单车出行的时序特征和空间特征。

3 结果与讨论

居民共享单车出行会受到温度、降水等天气状况的影响,为了能够了解工作日和休息日以及各时段共享单车出行的情况,且能够保证数据质量,本研究选取了2021年4月12日—4月18日一周内的共享单车出行数据来进行分析,这一周北京市核心区的天气情况良好,以晴天和多云的天气为主,不会受到降雨的影响,温度较为适宜,适合骑车出行,并且除正常双休日之外没有其他法定的节假日。经过相应的数据清理之后,得到该周研究区共享单车出行的数据量约为360万条,然而对这些数据进行统计分析。

3.1 共享单车出行时间序列分析

3.1.1 共享单车出行时段特征

为了了解研究区域共享单车出行的时段特征,将每天分为24个时段,即每个小时为一个时段,首先分别对工作日和休息日的共享单车出行的日特征进行了统计分析。结果表明,工作日共享单车出行的高峰期为8点—9点,其次是7点—8点,下午的高峰期为17点—18点,其次是18点—19点,总体来看,工作日共享单车的出行量一般从6点开始暴增,于8点—9点之间达到高峰,总量约为8万辆,后出行量开始回落,浮动在3万辆左右,于13点—14点出现一个午高峰,约为4万辆,之后又回落到3万辆左右,17点—18点出行量开始暴增到6万辆左右,之后到了夜晚时段,出行量逐渐回落,直到出行量接近0为止。

图2 北京核心区工作日与休息日不同时段的共享的单车平均使用量统计图

休息日共享单车的出行特征与工作日差距较大,首先从总量上来看,出行量大幅度降低,经过数据的统计分析可得,工作日的日均出行量为623 257辆,休息日的日均出行量为245 039辆,这从侧面表明居民选择共享单车出行的主要原因是工作日的通勤需要;从休息日共享单车出行的情况看来看,出行量在8点—9点之间出现较大幅度的增长,之后出行量较为稳定,一直在2万辆左右浮动,直到17点—18点出现一个小高峰,为在20 759辆,之后出行量开始回落,直到接近0为止。

3.1.2共享单车出行时长分析

通过分析工作日共享单车的出行时长可以得到,约有66%的共享单车出行时长在10 min以内,有23%的共享单车出行时长在10～20 min,有6%的共享单车出行时长在20～30 min,有4%的共享单车出行时长在30 min以上。

在休息日,约有58%的共享单车出行时长在10 min以内,有26%的共享单车出行时长在10～20 min,有9%的共享单车出行时长在20～30 min,有7%的共享单车出行时间在30 min以上。对休息日与工作日共享单车的出行时长的总体情况比较可以发现,休息日共享单车出行时长要略大于工作日共享单车的出行时长,可以从侧面反映出休息日比工作日的生活节奏要慢一些。

3.2 共享单车出行的空间特征

3.2.1 共享单车工作日出行的热点区域分析

北京市核心区工作日共享单车的出行呈现出“大聚集,小分散”的特点。本研究随机选取了一天工作日共享单车出行的高峰期(8点—9点以及17点—18点)来进行共享单车出行的热点区域分析。从工作日共享单车8点—9点出行起点的核密度分布图(图3)来看,即从凌晨到早晨共享单车的停放情况来看,其停放的较为分散,并主要停放在展览路街道、月坛街道、广安门街道、北新桥街道和朝阳门街道等非平房区区域,什刹海街道、西长安街街道、大栅栏街道等平房区区域的共享单车停放量较少;居民工作日骑行共享单车出行的目的地一般是地铁站和工作单位,从工作日共享单车8点—9点之间出行终点的核密度分布情况来看,即工作日居民骑行共享单车通勤的终点来看,其集中分布在月坛街道、金融街街道、广安门内街道、和平里街道、北新桥街道等区域,从地铁站点来看,主要分布在复兴门站、阜成门站、南礼士路站、长椿街站等站点;17点—18点共享单车出行的趋势特征与8点—9点恰好相反(图4)。

(a)起点图

(a)起点图

3.2.2共享单车休息日出行的热点区域分析

北京市核心区休息日共享单车的出行呈现“早分散,晚集聚”的特点,即白天共享单车的出行较为分散,到了夜间,共享单车的出行呈现出向老城区集聚的特点。本研究随机选取了一天休息日共享单车出行的高峰期(8点—9点以及17点—18点)来进行共享单车出行的热点区域分析,从休息日共享单车8点—9点出行起点的核密度分布图(图5)来看,即凌晨到早晨共享单车的停放情况来看,其与休息日的停放特点一致;从休息日共享单车8点—9点出行终点的核密度分布情况来看,即从休息日居民共享单车出行的终点来看,其集中分布在老城区域,并集中分布在东华门街道、前门街道、天坛街道和北新桥街道等区域,其中东华门街道附近的景区为故宫博物院以及王府井商业步行街、前门街道附近有天安门广场、天坛街道何的景区为天坛公园,北新桥街道附近有雍和宫等景点;到了17点—18点,共享单车出行的热点区域为什刹海街道、金融街街道、前门街道、牛街街道、东华门街道等区域,这些街道有北京市著名的文化旅游风景区什刹海、牛街“美食街”、王府井商业步行街、西单等大型的购物商场,是居民休息日晚间出行的热点区域(图6)。

(a)起点图

(a)起点图

3.2.3讨论

从工作日和休息日共享单车出行的空间特征对比情况来看,工作日共享单车出行的热点区域为月坛街道和金融街街道等工作单位较为聚集的区域,休息日共享单车出行的热点区域为东华门街道、什刹海街道等休闲娱乐场所和旅游景区较多的区域;从共享单车出行的早高峰和晚高峰的起始地点情况来看,工作日共享单车出行的流动性较大,休息日共享单车出行仅在小范围区域内流动,流动性较小。

4 结论

本文对北京市核心区2021年4月12日—4月18日一周内的共享单车出行数据进行了分析,主要得到以下几个结论：

(1)从共享单车出行的时间特征来看,一是从工作日的共享单车日均出行量远远大于休息日的日均出行量,工作日的日均出行量约为62万辆,休息日的日均出行量约为25万辆;二是工作日和休息日的共享单车出行高峰时段均为上午8点—9点以及下午的17点—18点;三是共享单车的出行时长主要集中在10 min以内,30 min以上的占比较少。

(2)从共享单车出行的空间特征来看,北京市核心区工作日共享单车的出行呈现出“大聚集,小分散”的特点,且早高峰与晚高峰共享单车出行的空间流动趋势恰好相反,休息日呈现出“早分散,晚集聚”的特点：工作日共享单车出行的热点区域为月坛街道、金融街街道、广安门内街道、和平里街道、北新桥街道等区域,从地铁站点来看,涉及的热点地铁站点包括复兴门站、阜成门站、南礼士路站、长椿街站等站点,休息日共享单车出行的热点区域在早高峰和晚高峰有所不同,早高峰的热点区域在老城区域,并集中分布在东华门街道、前门街道、天坛街道和北新桥街道等区域,晚高峰的热点区域为什刹海街道、金融街街道、前门街道、牛街街道、东华门街道等区域。总体来看,北京市核心区共享单车的投放区域较为均匀,休息日和工作日呈现出不同的时序特征和空间特征。

本研究利用大数据与地理信息技术相结合的方式分析了北京市核心区共享单车出行的规律,且结果较符合人们的出行规律,能够体现出北京市核心区的居住和工作热点。该项研究为北京市共享单车的投放和治理提供了相应的依据,同时,目前正处于北京市核心区“疏解整治促提升”的重要阶段,共享单车的使用可以从侧面反映人们出行和居住的热点区域,反映出不同区域和不同时段人员的密集程度,可以对核心区“疏解整治促提升”的相关工作提供相应的研究思路。利用大数据分析与地理信息技术相结合的方式来进行城市治理有着较为突出的优势,既可以提高数据的处理速度，又可以进行地理空间数据进行位置的分析与展示,其缺点是大数据的来源有限及精确性不足的问题,大多数据存在获取困难与精度低的问题,大数据的精确性与共享机制还有待进一步完善。