APP下载

基于WebGIS 的共享单车出行特征分析系统设计与实现

2023-11-17林晓生

交通科技与管理 2023年21期
关键词:单车订单特征

林晓生

(广州市交通规划研究院有限公司,广东 广州 510030)

0 引言

共享单车作为一种短距离出行的交通工具,以其灵活便捷、经济环保的优点,为城市居民出行提供了一种绿色低碳的方式选择,有效地解决了用户短途出行问题,得到了出行者的青睐和广泛应用,是城市交通系统的重要组成部分[1]。随着私有化电动自行车对共享单车的冲击,共享单车的使用效率明显下滑,如何高质量地对共享单车使用进行规划与管理,平衡骑行需求与设施供应是当前城市管理者面临的重大挑战。该文着眼于智能化信息技术,借助GIS 强大的时空信息数据处理分析能力,综合运用WebGIS 技术构建共享单车出行特征分析系统,实现动态连续的共享单车出行特征监测,分析骑行总量、时间分布、距离分布、空间出行联系与城市骑行通道等时空特征,辅助交通规划与管理人员更好地了解居民的出行规律与需求,为城市慢行系统环境改善及城市规划提供支撑,使城市交通出行更加绿色、智慧。

1 数据概况

1.1 数据来源

该文采用的数据为广州市2023 年3 月非节假日一周7 天的共享单车订单数据,空间覆盖广州市中心六区,日均骑行量40 余万人次,日均使用车辆9 万辆。数据结构如表1 所示,包含骑行日期、订单ID、车辆ID、骑行开始和结束时间、骑行起点和终点位置经纬度等多个字段。

表1 数据示例

1.2 数据处理

面向系统应用的骑行特征分析数据处理流程主要包括3 个步骤。

(1)由于数据量较大,需要利用Python 及Pandas和NumPy 等类库对原始数据进行清洗和去重,获取有效的数据集合并将数据存储至PostgreSQL 数据库中。

(2)通过PostGIS 对数据集进行筛选,删除骑行起讫点位置异常、骑行距离与时长异常的数据,对处理后的数据进行时间序列分析和空间聚类分析。

(3)结合平台分析目标,统计骑行需求空间分布、骑行时耗、骑行距离与城市骑行通道等时空分布特征结果,为后期平台应用提供成果数据集。

2 骑行指标分析

2.1 总体特征

2.1.1 骑行总量与频率

根据骑行数据计算每天的骑行订单量作为骑行总量,通过用户ID 计算每个人每天的骑行次数作为骑行频率。数据计算结果发现,大约49%的骑行者每天只骑车一次,人均日骑行次数约1.9 次/d。通过周一至周日7 d 日均骑行次数比较,工作日的骑行需求远高于周末,周四人均骑行次数达到2.0 次/人。此外,大约有30.7%的人周骑行次数大于7 次,主要是与工作日通勤使用单车比例较高有关。

2.1.2 骑行距离

根据骑行数据计算每个骑行订单的出行路径长度作为骑行距离。数据计算结果发现,骑行距离平均1.47 km/次,骑行距离在1 km、2 km、3 km 范围内的订单占比分别为48%、82%、92%,充分反映共享单车主要服务于城市短距离出行的功能定位。

2.1.3 骑行时耗

根据骑行数据计算每个骑行订单的出行时间长度作为骑行时耗。数据计算结果发现,骑行时间平均11 min/次,20 min 以内结束骑行的订单占88%,且出行时间在4~7 min 占全部订单约40%。

2.1.4 骑行速度

根据骑行数据计算每个骑行订单的骑行距离和骑行时长比值作为骑行速度。数据计算结果发现,骑行速度平均8.4 km/h,骑行速度低于13 km/h 的骑行的订单占90%,且速度为8~11 km/h 占全部订单约47%。

2.2 时间特征

根据骑行数据计算周一至周日7 d 内每5 min 的骑行需求量,得到一周的骑行需求时间分布曲线。通过以工作日和周末两个不同的视角,总结工作日和周末特征和不同时段分布特征。

2.2.1 工作日和周末特征

工作日由于通勤对骑行接驳需求较高,骑行总量上明显高于周末,且早高峰骑行需求时间相对集中,晚高峰相对平缓但持续时间长。而周末骑行早晚高峰现象不明显,时段分布相对均衡。

2.2.2 不同时段分布特征

通过工作日全天24 h 统计每5 min 的骑行需求量,数据计算结果发现,全天骑行高峰在8:15 左右,骑行次数约4 998 次/5 min;晚高峰发生在18:10 左右,骑行次数约4 384 次/5 min。早晚高峰骑行需求集聚,对骑行设施供应与交通管理带来重大考验。

2.3 空间特征

2.3.1 骑行交通热点分布

根据骑行数据集计全市500 m 格网每5 min 的骑行需求量,通过不同时间切片的需求分布发现,骑行早高峰发生最早的区域在越秀荔湾老城区的居住区和大学城区域,上午7:30—8:00 之间出行占总量23%。出行晚高峰出现最晚的区域为棠下和大学城。

2.3.2 骑行交通走廊分布

通过骑行数据的定位信息进行的轨迹地图匹配,结合骑行轨迹空间聚合方法分析骑行交通需求最为集中的路径。骑行通道主要分布在老城区,且分布在骑行条件较好的干路上,如中山路、荔湾路、惠福西路、龙津路、人民北路。

2.3.3 骑行速度分布

通过途中的定位数据计算骑行在各条道路上的速度,分析道路骑行速度分布,全网工作日平均骑行速度为9.22 km/h,老城区平均骑行速度为9.18 km/h;以中山路为例,中山路平均速度为9.14 km/h,低于平均速度。

3 系统设计

3.1 技术路线设计

系统采用目前成熟的WebGIS 网络信息系统的体系(见图1),通过B/S(浏览器/服务器)分布式架构形成客户端—服务器—数据库的系统组成结构[2]。后台基于Apache 服务器,使用Python 语言开发的轻量级Web 应用程序框架 Flask 进行服务接口开发。其中地图空间数据的请求和分析调研通过地图服务器采用Supermapiserver 接口执行,业务逻辑请求及属性数据的调用通过Web 应用服务器使用Apache 负责响应,后端通过GIS 服务器与逻辑服务器分离部署运行,可以进一步提高系统的运行效率。在数据存储方面,数据库使用开源数据库PostgreSQL,使用PostgreSQL 扩展PostGIS 实现地理信息数据的存储、计算、查询等数据操作功能。前台客户端为标准的Web 浏览器,主要使用开源的Layui、Vue、JQuery 等[3]框架进行构建,使用OpenLayersjavascript 包实现前端地图访问、地理信息要素的查询、增加、删除等操作,结合Openlayers 使用基于JavaScript 的数据可视化图表库Echarts 实现地理数据的可视化展示,提供直观、生动、可交互、可个性化定制的数据可视化图标。

图1 WebGIS 架构

3.2 系统框架设计

该文基于WebGIS 技术构建了一个B/S 模式的服务平台,采用四层结构模式:基础数据层、服务管理层、指标分析层和应用服务层[4]。

(1)基础数据层主要是指骑行相关的各类数据,包括基础空间数据、导航路网数据、骑行订单数据、单车心跳数据、POI 数据等。

(2)服务管理层是通过GIS 服务器与逻辑服务器构建系统需要的地图服务、空间分析服务和各类指标的统计分析服务。

(3)指标分析层是通过对各类数据的深入挖掘和分析,为上层应用提供可靠的支持,包括流量指标、时耗指标、距离指标和运作指标等。

(4)应用服务层是为用户提供各种服务的界面,包括地图浏览、指标统计、设施分析、需求测算、骑行运作分析等功能(见图2)。

图2 系统总体框架

3.3 数据库设计

数据库是WebGIS 平台的存储中心,由于需要存储和管理大量的空间数据,因此需要运用空间数据库技术来实现高效的空间数据存储、管理、计算和展示等操作。该文利用空间数据库PostgreSQL 加上PostGIS,实现空间数据的存储和查询。根据系统的功能设计,数据表包含行政区划信息表、道路信息表、骑行订单信息表等。

3.4 功能模块设计

平台的功能模块主要分为4 大应用功能模块(见图3),其中每个模块都包含部分通用功能,如属性查询、指标统计、样式编辑等功能。同时,不同的模块对于对应的数据内容和分析工具有一定的差异,部分功能有较强的模块针对性,能够实现定制化设计开发。

图3 系统功能模块

4 系统功能实现

为更好地把握共享单车出行特征,基于广州市单车骑行数据,实现了广州市骑行特征数据的查询与展示,及区域骑行特征的动态查询与展示,对广州共享单车骑行数据进行了深入挖掘分析,为城市管理与规划工作提供支持。

4.1 指标统计模块

指标是衡量城市骑行状况的一把尺子,通过指标的计算,分析骑行整体情况,有利于使用人员把握全局特征。指标统计模块主要实现全市或任意范围内的骑行特征指标统计和数据展示功能,通过系统右侧的指标表,测算不用区域的骑行特征指标,为规划和管理人员全面把握骑行规律提供量化数据。系统统计指标包含单车投放量、车辆日均周转、人均骑行次数、骑行总量、平均骑行距离、平均出行时间、工作日不同时间段骑行量分布、不同出行距离出行量分布、不同出行时间出行量分布等,从时空维度解析骑行特征。

4.2 设施分析模块

为保障供需匹配,提升车辆使用率,共享单车在夜间进行大规模集中调度,将车辆投放至早高峰的用车热点,用于供应用户的骑行需求。设施分析模块主要实现对城市道路信息与车辆停放位置的空间展示与查询,系统对全市进行200 m 网格划分,汇总不同时刻全市各格网内的共享单车停放数量,更直观地展示单车的空间分布与动态变化。

4.3 需求测算模块

在出行的高峰时段,很多区域出现供需失衡的现象,如何通过系统发现不同区域在时序上的出行需求变化,能够为共享自行车调度与优化配置提供参考,有利于改善热点骑行区域供需失衡的状况。需求测算模块通过将格网资源评价方法与WebGIS 技术紧密结合,对全市网格24 h 骑行需求进行聚合分析,以热力专题图的方法动态分析骑行需求的时空变化,再结合骑行结束后的停放位置,构建骑行出行OD 分布,进一步辅助研究骑行需求联系情况。

4.4 骑行运作模块

城市道路是出行工具使用的基础,不少骑行者选择骑至人行道,甚至骑行于机动车道,安全问题较为突出。骑行运作模块对骑行订单位置数据进行地图匹配,按时间字段进行排序和轨迹聚合,还原真实的骑行路径。系统基于Echart 等开源类库,实现骑行轨迹聚合并识别城市骑行主要廊道,再结合骑行廊道和各路段骑行速度进行比对分析,识别骑行量较大且速度较低的路段,作为提升全市非机动车骑行速度的关键路段,以提出具有针对性的改善措施。

5 结束语

该文在广州市交通规划决策支持平台[5]的基础上,综合利用WebGIS、Python、Flask、JavaScript 等技术和Supermapiserver 的API,研发了基于WebGIS 的共享单车出行特征分析系统,实现共享自行车骑行指标统计、设施分布分析、需求测算和骑行运作分析等功能。从数字化城市管理角度出发,运用地理时空大数据和信息化技术在城市规划和管理方面的尝试,从海量骑行数据中提取骑行指标与空间演变特征,深入挖掘分析出行特征,为慢行交通系统的完善提供科学的决策依据。

猜你喜欢

单车订单特征
春节期间“订单蔬菜”走俏
共享单车为什么在国外火不起来
新产品订单纷至沓来
飞吧,单车
如何表达“特征”
不忠诚的四个特征
“最确切”的幸福观感——我们的致富订单
抓住特征巧观察
对恶意破坏共享单车行为要“零容忍”
共享单车(外四首)