1. 引言
共享单车是阐释城市空间格局的一个重要角度，对于城市的规划与管理以及居民的便捷服务都有着十分重要的意义[1]。共享单车的出现，在一定程度上缓解了轨道交通站点和公交站点的“最后一公里”出行问题，对缓解交通堵塞，节能减排起到积极的推动作用[2]。
本文采用出行总量、出行时段、出行用户、出行次数、出行时长、出行空间6个特征，利用2018~2023年共享单车订单数据定量分析纽约市2018~2023年共享单车出行特征变化，并分析2021年1月~8月深圳共享单车数据以及2020年12月21日~25日厦门共享单车数据，比较无桩和有桩共享单车的出行特征规律，为居民出行和规划提供科学依据。
2. 文献综述
共享单车出行特征变化是一个备受关注的话题，随着共享单车在城市出行中的普及，人们对其使用特征的变化也日益关注。本文将对共享单车出行特征变化的相关文献进行综述，以期为相关研究提供参考和启发。
国内相关学者主要从时空特征分析共享单车出行变化。如有学者运用多尺度地理加权回归模型(MGWR)解析不同建成环境对共享单车出行流量影响的时空异质效应[3] (项振海等，2024)。有学者利用空间大数据分析等方法，对共享单车出行的时间序列和空间特征进行了分析[4] (丁月等，2023)。有学者对共享单车用户骑行起讫点的时空特征进行分析[5] (李福等，2022)。这些研究结果为我们深入了解共享单车出行特征变化的空间分布提供了重要参考。
国外学者不仅对共享单车时空特征、用户特征等进行分析，还分析共享单车与公共交通之间的关系。如有学者分析了共享单车在进出和换乘公共交通工具方面的潜在用途，并探讨了其年龄和性别维度[6]。有学者分析在Covid 19下用自行车或汽车代替公共交通的情况[7]。有学者量化共享电动滑板车对公交车乘客量的影响[8]。这些研究为我们深入了解共享单车与公共交通之间的关系提供了有益的参考。
总的来说，国内外的研究都表明，共享单车出行特征受到多种因素的影响，包括时间、地理位置、交通政策、人口密度和用户特征等。未来的研究可以进一步探讨这些影响因素之间的相互作用和机制，以期为共享单车的优化运营和城市出行政策的制定提供科学依据。同时，国内外学者也可以加强交流合作，共同探讨共享单车出行特征变化的规律和趋势，推动共享单车出行特征变化研究的深入发展。本文延续共享单车出行特征变化，主要研究纽约、深圳及厦门共享单车出行变化特征，总结2018~2023年纽约共享单车、2021年1月~8月深圳共享单车及2020年12月21日~25日厦门共享单车出行变化特征，为居民出行和规划提供参考。
3. 研究区概况、数据来源
3.1. 研究区域概况
本研究的分析使用了来自纽约市的共享单车数据集，纽约市是美国人口最多的城市。纽约花旗自行车是美国最大的自行车共享计划，在曼哈顿、布鲁克林、皇后区、布朗克斯、泽西城和霍博肯拥有27,000辆自行车和1700多个站点(截止到2024年2月22日)。图1显示了研究区范围。
Figure 1. Extent of the study area
图1. 研究区范围
3.2. 数据来源
花旗自行车于2013年5月推出，是一种有固定桩位的共享单车系统。本文所用数据从花旗自行车官方网站下载，时段为2018年1月1日至2023年12月31日。共享单车数据内容包括出行订单ID号、出行始末时间、出行用户类型(会员/非会员)和站点信息(始末站点名称、编号和经纬度) [9]。
首先利用Python中的Pandas模块对共享单车数据进行解析和读取，将全年的数据进行合并[10]。其次进行数据的预处理，对数据进行清洗。调用Python模块中的drop函数，去除共享单车数据中冗余重复的记录，同时，针对数据中存在的缺失值，也进行删除。另外，为了方便后续的分析和研究需要对原始轨迹数据中的时间字段进行解析，获取不同时间周期内的出行情况，即将开始时间分解成，开始年、开始月、开始日、开始小时、开始分钟等字段，结束时间也同样如此。同时，计算出骑行时间、骑行距离并生成相应的字段，最后将处理好的数据进行存储[10]。流程图见图2。
Figure 2. Flowchart
图2. 流程图
4. 出行变化
4.1. 出行总量变化
Figure 3. Change in total cycling volume, 2018~2023
图3. 2018~2023年骑行总量变化
由图3可以看出2018~2023年骑行总量在总体上呈上升趋势。2020年可能受到新冠疫情影响出行总量出现下降，2021~2023年随着疫情的慢慢放开以及人们防护意识的增强，选择使用共享单车出行的人数明显增多。
4.2. 出行时段变化
下面对共享单车工作日和周末不同时间段使用量进行分析，图4(a)代表的是工作日即周一到周五的情况，图4(b)代表的是周末即周六和周日的情况。
(a) 工作日使用量分析 (b) 周末使用量分析
Figure 4. Analysis of usage at different times on weekdays and weekends, 2018~2023
图4. 2018~2023年工作日和周末不同时间段的使用量分析
由图4分析可得，2018~2023年工作日使用时间段上有2个高峰期，第一个出现在早上7点~8点之间，第二个出现在下午5点，这对应的是人们上下班的通勤时间，所以在这两个时间段使用共享单车出行的用户比较多。中午12点有个小高峰，这对应的是人们的午餐时间。而2018~2023年周末共享单车在8点至21点区间内使用量平缓分布，说明在周末这个时间段人们外出娱乐放松的可能比较多。
4.3. 出行用户变化
花旗自行车对纽约本地居民，短期停留和游客提供了三种会员期限选择，分别是1天的会员、3天的会员和年度会员。3天的会员适合于短期停留或居住的用户，1天的会员适合于游客。
Figure 5. Percentage of cycling user categories, 2018~2023
图5. 2018~2023年骑行用户类别占比
图5依次展示了2018~2023年骑行用户类别占比。由图5分析可得，2018~2023年都是购买年度会员的用户占比较大，达到70%~89%，而购买1天和3天会员的用户占比较小。说明花旗自行车用户多为本地常住居民，购买年度会员出行较多。短期停留或居住以及游玩的用户即非本地常住居民购买1天和3天的会员较多。
4.4. 出行次数变化
以季度为单位来对出行次数进行分析，相较于月份，以季度为单位进行分析更清楚一些，如图6所示。
Figure 6. Average number of rides per quarter, 2018~2023
图6. 2018~2023年平均每季度骑行次数
从图6分析来看，2018~2023年都是呈现出一样的规律，从第一季度到第三季度骑行次数在增加，而第三季度到第四季度骑行次数在减少。这可能是由于季节天气变化的影响，第四季度属于冬季，天气寒冷，选择使用共享单车出行的人数会减少。骑行次数最多的季度是第三季度，而骑行次数最少的季度是第一季度。第一季度气温最低，花旗自行车的使用量也较低。第二季度第三季度为夏秋交替，使用量最高。
4.5. 出行时长变化
对出行时长变化进行分析，如图7所示。
Figure 7. Distribution of riding hours, 2018~2023
图7. 2018~2023年骑行时长分布
由图7分析可得，2018~2023年骑行时长主要集中在10~20分钟，随着骑行时长的延长，出行次数在下降。说明花旗自行车主要用于短途出行。新冠疫情之后，2020~2023年骑行时长在10~20分钟的出行次数明显上升，说明人们注重自我防护，出行地点不远时选择使用共享单车出行的人数会增多。
4.6. 出行空间变化
Figure 8. Heat map of Citi Bike travel stations in New York
图8. 纽约花旗自行车出行站点热力图
通过对花旗共享单车出行站点的数据进行处理，绘制了出行站点的热力图，见图8。通过热力图可以发现，用户出行热门地点是医院、银行、公园、广场、商场以及餐厅。出行站点多位于交通十字路口处。根据热力图可以掌握用户出行需求，相关部门可以增加医院、商场、公园、银行、餐厅、广场等处的共享单车布局，为用户提供便捷服务。
5. 无桩共享单车数据分析
Figure 9. Total number of shared bicycle rides in Shenzhen, February~August 2021
图9. 深圳共享单车2021年2月~8月骑行总量
无桩共享单车已经成为许多中国城市的流行出行方式，为此选取网上公开数据源深圳共享单车2021年1月30日~8月31日数据进行分析。首先对出行总量进行分析，由于1月只有30、31日两天数据，所以1月不纳入分析范围。
由图9可知，2月~8月深圳共享单车骑行总量4月达到最多，5、6、8月这三个月骑行总量均匀分布，2、3、7月骑行总量相对少一些。这可能因为4、5、6月处于春夏季节，气温适宜，人们使用共享单车出行会比较多。
Figure 10. Heat map of bicycle sharing travel stations in Shenzhen
图10. 深圳共享单车出行站点热力图
对深圳共享单车出行热点区域进行分析，见图10，发现用户出行热门地点有社区、公园、工业园区、学校、商场、医院及广场。单车站点多位于高架桥、公交车站等交通密集区域，主要是为用户出行提供方便快捷的服务。
Figure 11. Heat map of Xiamen’s shared bicycle travelling stations
图11. 厦门共享单车出行站点热力图
为更好检验模型的有效性，另选取网上公开数据源厦门共享单车2020年12月21日~12月25日出行站点数据进行分析，绘制出行站点热力图，见图11。
发现用户出行热门区域主要集中于医院、学校、车站、工业园区、商场及社区。单车站点沿街道有序分布，在出行集中区域如学校、医院、商场、社区等地均有布局。
6. 结论
本文以纽约市为例，采用纽约花旗共享单车数据，对2018~2023年纽约共享单车出行特征变化进行分析，主要结论如下：
(1) 共享单车出行总量特征：2018~2023年骑行总量在总体上呈上升趋势。2020年可能受到新冠疫情影响出行总量出现下降，2021~2023年随着疫情的慢慢放开以及人们防护意识的增强，选择使用共享单车出行的人数明显增多。
(2) 共享单车出行时段特征：经过分析发现，纽约市的共享单车在工作日出行具有明显的早晚高峰特征，与人们上下班的通勤时间相对应。与之相似的，经分析，我国成都市共享单车的使用量也具有明显的早晚高峰特征，骑行活动主要用于短途出行[11]。
(3) 共享单车出行用户特征：花旗自行车用户多为本地常住居民，购买年度会员出行较多。短期停留或居住以及游玩的用户即非本地常住居民购买1天和3天的会员较多。
(4) 共享单车出行次数特征：从第一季度到第三季度骑行次数在增加，而第三季度到第四季度骑行次数在减少。由于季节天气变化的影响，第四季度属于冬季，天气寒冷，选择使用共享单车出行的人数会减少。骑行次数最多的季度是第三季度，而骑行次数最少的季度是第一季度。第一季度气温最低，花旗自行车的使用量也较低。第二季度第三季度为夏秋交替，使用量最高。
(5) 共享单车出行时长特征：骑行时长主要集中在10~20分钟，随着骑行时长的延长，出行次数在下降，说明花旗自行车主要用于短途出行。
(6) 共享单车出行空间特征：用户出行热门地点是医院、银行、公园、广场、商场以及餐厅。出行站点多位于交通十字路口处。
通过对比纽约和深圳共享单车数据，发现共享单车骑行受到季节影响，呈现出不同的骑行量。对比纽约、深圳和厦门共享单车数据，发现出行热门地点都有公园、商场、医院、广场等；共享单车站点主要分布在交通路口等交通密集区域。这表明有桩共享单车和无桩共享单车在出行特征规律方面存在相通之处，这也将为有桩共享单车和无桩共享单车之后更多的研究提供有益的参考，为改善公共交通出行提供更多帮助。
共享单车骑行大数据为城市慢行系统环境改善及用地规划提供数据支持，利用骑行数据探索居民出行规律，希望能为共享单车投放、优化调度提供有效引导，从而提升共享单车的使用效率，更好地推动城市绿色交通的发展。当然，由于数据的限制而存在一定的局限性，本文只分析了部分共享单车使用特征，且在方法上还不够成熟，有待于进一步深入挖掘与应用。
NOTES
*第一作者。
#通讯作者。