宁波市高新区公共自行车骑行网络与城市用地空间耦合特征解析

方晨晨,陈 磊,但晓明

（1.杭州市交通规划设计研究院有限公司,浙江 杭州 310000; 2.浙江大学城乡规划设计研究院有限公司,浙江 杭州 310000）

0 引言

公共自行车已经遍布我国许多城市，作为一种零碳交通方式，在满足出行需求的同时，将有效助力碳达峰、碳中和。过去的研究发现，公共自行车站点设施目前主要分布在城市各中心区，且注重对于居住区的覆盖，呈集聚分布的特征，外围分布较为均衡[1]。在此设施布局基础上，公共自行车的使用也主要围绕着城市核心功能区而形成了不同特征的聚集区[2]，站点间公共自行车流量具有高度空间自相关性[3]，骑行网络形成了“核心－边缘”结构。根据陈红[4]、朱才华[5]等人研究，可以发现公共自行车站点租还量与用地混合度有关，且不同用地类型相关性系数不同[6]。面对共享单车浪潮逐渐褪去，传统公共自行车迎来了新的发展机遇，有必要掌握公共自行车骑行特征，并且正确理解公共自行车布局与城市土地利用的关系。

1 数据与方法

1.1 数据来源与处理

宁波国家高新技术产业开发区（下文简称“宁波高新区”），东与北仑区相邻，南至通途路，西靠福明路，北临甬江。全区分为老庙、兴普等8 个区块（见图1）。区域南北向跨度约2.8 km，东西向跨度约5.5 km，是公共自行车适宜骑行距离，且区域“面江临路”相对独立。办公用地主要集中于中部核心片区，居住用地主要集中西部的老庙、大漕片区和东部的梅墟片区，商业用地主要分布于老庙片区和梅墟、梅墟南片。

图1 高新区概况及用地分布

研究区内共设置公共自行车站点50 个，研究数据主要为公共自行车IC 卡及POI 数据。IC 卡数据属性包括订单ID、用户ID、租还车时间、租还车站点名称等。筛选后共有90 159 条数据，其中工作日共71 537 条，非工作日18 622 条。POI 数据来源于高德，分为商业用地、办公用地及居住用地，其中商业用地包括餐饮服务、购物服务、生活服务。办公用地包括金融保险服务、公司企业、产业园区，居住用地包括住宅区。利用泰森多边形[5]划分原则，确定各租赁点服务面积，计算求得单位面积各用地POI 占比，以此表征租赁点周边各用地类型的强度[4]。

1.2 研究方法

1.2.1 社会网络分析

（1）网络密度反映的是网络整体或内部节点间联系疏密程度，见式（1）。

式中，De——网络密度；n——网络中租赁点的个数；Fij——节点i与j之间租还联系量。

（2）节点中心性主要包括3 个指标。度数中心度CD(i)表示某个节点与其他节点间存在直接联系的强弱；中介中心度CB(i)表示节点对联系路径的控制程度；接近中心度CC(i)表示网络中节点不受其他节点控制的能力。将3 个中心度赋予相应权重，融合为单一综合中心度，可以评估租赁站点在骑行网络中的总体重要性，见式（5）。

式中，gjk——节点j对k产生联系的最短路径数量；gjk(i)——节点j对k产生联系的最短路径中经过节点i的数量；d(i,j)——节点i和j之间的捷径距离。

1.2.2 双变量空间自相关

双变量空间自相关通过Moran'sI指数测量空间相邻样本点两种属性值的相似程度来判定是否存在空间相关性，分为全局相关性和局部相关性。

式 中，I—— 全 局Moran'sI指 数；Iiab—— 局 部Moran'sI指数；n——样本单元个数；Xia——单元i属性值a；Xbj——单元j的属性值b；S2——样本的二阶中心距；a——所有样本单元属性a的平均值；θij——空间权重矩阵。

2 公共自行车骑行网络特征

2.1 骑行网络密度

对订单数据归纳汇总后计算租赁点间日均租还OD量。通过自然间断点法将OD 量划分为5 个层级，可视化公共自行车骑行网络（见图2）。分析可见，工作日期间的骑行网络比非工作日期间更密集，租赁点之间发生租还联系更高。骑行网络呈现较为明显的东西分块现象，南北向联系强于东西向，老庙、兴普等片区联系强于梅墟、龙山等片区，且中部的大漕、核心片区与西部片区更容易发生联系。

图2 公共自行车租还联系网络

依据式（1）计算上述五级租还联系网络密度（见图2）。两个时间段公共自行车骑行网络总体密度分别为0.212 和0.143，尚未达到0.5，数值偏小，主要集中在一二级，即租赁点间日均发生租还量为1~5 个辆次。除非工作日二级网络外，其余网络密度值呈现逐级递减趋势。高新区公共自行车租还频率不高，骑行活跃度偏低，工作日租还联系比非工作日相对强。

2.2 骑行网络节点中心性

根据式2~4，计算各节点度数中心度、中介中心度、接近中心度，运用柱状图可视化分析（见图3）。

图3 公共自行车租赁点三大中心度分布

度数中心度方面，整体租赁点在工作日期间表现出的中心度要高于非工作日期间，平均值分别为43.84 和31.76，工作日通勤需求对公共自行车使用要高于非工作日娱乐休闲需求。工作日期间，度数中心度高值分布在研发园、浙大软件学院等站点，低值分布在天安厂、银珠名园南区等站点。非工作日期间，嘉苑广场东、江南一品北等为度数最高的站点，度数最低的依然为天安厂。中介中心度方面，整体租赁点在工作日期间表现出的中心度要低于非工作日期间，平均值分别为1.23 和1.55。研发园、九五国际东、浙大软件学院工作日期间中介中心度处于高值水平。凌云公寓、嘉苑广场东、浙大软件学院则在非工作日期间处于高值水平。接近中心度方面，整体租赁点在工作日期间表现出的中心度要高于非工作日期间，平均值分别为63.90 和35.79。研发园在工作日期间依然表现出了最高的中心度，嘉苑广场东均具有较高的中心度。工作日的银珠名园南区、非工作日期间的天安厂、高新区科技广场西具有最低的接近中心度。

综上可知，工作日期间高新区由于通勤而使用公共自行车频率更大，骑行活跃度更高，出行链更加固定；而非工作日期间由于娱乐休闲而使用公共自行车频率更小，出行起讫点更多元，出行链方向性更多。空间分布呈现核心高集聚、边缘低分散的块状态势，老庙、兴普交界区块以及大漕、核心的部分区块公众出行选择公共自行车出行需求高，骑行活跃度大。其中，租赁点嘉苑广场东、九五国际东、浙大软件学院及研发园更为突出，其所在节点在高新区公共自行车骑行网络中扮演重要角色（见图4）。

图4 公共自行车租赁点综合中心度分布

3 公共自行车骑行网络与用地空间耦合

3.1 全局双变量空间自相关检验

利用莫兰指数法对租赁站点周边单位面积用地POI占比与综合中心度做双变量空间自相关检验，解析公共自行车骑行网络与用地耦合态势。全局双变量空间自相关检验均通过显著性检验，工作日期间办公、居住、商业用地与综合中心度的莫兰指数分别为0.082、0.083、0.042，非工作日期间办公、居住、商业用地与综合中心度的莫兰指数分别为-0.001、0.114、0.010。除非工作日期间办公用地强度与公共自行车骑行网络分布存在空间负相关性，其余均存在空间正相关性，但相关性并不强。这说明了用地强度对公共自行车骑行网络复杂度、公共自行车骑行活跃度提升有限。进一步比较发现，工作日期间办公、居住用地与公共自行车骑行网络分布更相关，非工作日期间居住、商业用地更相关。

3.2 局部双变量空间自相关检验

局部双变量空间自相关检验显示，高新区公共自行车骑行网络与用地空间局部耦合呈现四种态势，代表正相关的高高、低低集聚与代表负相关的高低、低高集聚两者态势较为均衡（见图5）。相对而言，老庙、兴普片区呈现高高集聚耦合态势，由此可以发现，工作日期间公共自行车的使用主要依托于居住、办公用地，非工作日期间主要依托于居住、商业用地。龙山东北部、梅墟南部分片区总体呈现低低集聚耦合态势，该区块用地强度低同时公共自行车骑行活跃度也低。龙山西北部、核心南部、梅墟北部串联而成的斜向轴带区域耦合关系不显著。

图5 用地与公共自行车租赁点综合中心度空间自相关态势（工作日a~c，非工作日d~f）

4 结语

宁波市公共自行车网点设施设备自2013 年运营至今已达9 年多，近几年在共享单车、城市基建的影响下，传统公共自行车使用率有所下降，宁波公共自行车从大规模投放到逐步控制。如今共享单车浪潮褪去，传统公共自行车迎来了新的发展机遇。对于现有站点与车辆，相关部门应做好系统维保及运营服务提升工作，加快故障网点的维修进度，分时段采取更加科学的调度策略。对于新建公共自行车站点应与城市土地开发相协调，进一步满足市民多样化的出行需求。