关于北京市感知价值对共享单车出行选择影响的调查分析

为研究共享单车在城中化进程中的发展以及其在促进公共交通和减少私家车使用中的重要作用.通过把行为经济中的感知价值因素引入到共享单车出行选择分析框架中,把反映出行者感知利得和感知利失的潜变量以及刻画骑行者个人特征和出行特征的显变量统一纳入到离散选择潜变量混合模型(integrated choice and latent variable,ICLV),研究了感知利得(包括感知节约、感知激励、履行社会规范)和感知利失(包括转换成本和感知风险)心理权衡过程对出行者出行选择的量化影响水平.结果 表明:①收入,偏好以及衔接性正向显著影响出行者共享单车出行选择行为;②男性比女性更愿意选择共享单车出行;③出行目的也显著影响出行者共享单车出行选择行为;④在感知价值方面,感知利得正向影响通勤者共享单车出行选择行为,其中感知时间节约,沿途风景欣赏,资源节约显著影响;感知利失负向显著影响出行者共享单车出行选择行为,其中转换心理成本和感知信息风险会显著影响.     

基于共享单车出行数据的用户行为分析

基于共享单车出行数据,对用户总体出行时间和强度进行分析,并据此对高频用户出行日期和路线进行分类,针对用户出行目的地建立预测模型.结果表明,工作日和休息日出行时间分布存在显著差异,出行强度具有频率低、距离短的特征;高频用户出行轨迹在工作和休闲两维度上可归纳为三种类型;基于共享单车历史出行数据,建立用户出行目的地预测模型所得的准确率较为合理.     

中国大陆城市建成环境与共享单车配置的关系

共享单车是一种绿色健康灵活的交通出行方式,给城市居民提供便捷出行服务的同时也造成了资源浪费和配置错位等问题。当前该领域的研究主要侧重于建成环境与共享单车的互动关系,集中对某些城市和区域的出行需求与共享单车相关性进行分析,对国家层面建成环境与共享单车配置的研究相对较少。以中国大陆275个城市为研究样本,利用多元回归分析对中国大陆城市建成环境与共享单车配置之间的关系进行了测算,在此基础上利用地理加权回归(GWR)模型分析了建成环境各变量对共享单车配置影响的空间异质性。结果显示:①建成环境与共享单车配置之间存在相关性,零售业服务人数、道路密度对共享单车配置数量产生正向影响,收入水平与城市化区域面积对共享单车配置数量产生负向影响。②建成环境对共享单车配置数量的影响存在显著的空间异质性。从东部到西部,零售业服务人数、道路密度对共享单车配置的正向影响与收入水平的负向影响皆在增强;城市化区域面积对共享单车配置的影响在大部分城市区域呈负向作用,整体呈现以中部地区为核心向外负向作用逐渐减弱的圈层结构。     

面向智慧城市的共享单车出行时空间特征研究——以广州天河中心区为例

 信息通信技术的快速发展和广泛使用推动了智慧城市的发展,变革了市民的生产和生活方式。如何基于智慧技术,精准识别社会需求,实现供需的匹配,是智慧城市研究的新内容。近年来出现的共享单车作为一种便捷、高效、绿色的新型出行方式,普及度较高,但相关研究成果较少。以天河中央商务区（CBD）为研究范围,基于对研究范围内的共享单车在工作日和休息日的分布和使用情况的分析,重点探究天河北、天河路、珠江新城等商业金融区的单车流动强度和出行的时空间特征。研究发现,在时间分布方面,共享单车在工作日的出行具有早高峰特征;而在休息日,共享单车全天的出行较为平均,高峰使用时段集中在午间和下午,拥有更高的使用效率。在空间分布方面,工作日共享单车的出行集中在广园快速路沿线的交通枢纽和教育科研功能区;而在休息日,单车则散布在外围的地区,出行轨迹主要分布在中部的天河路商圈和南部的珠江新城商圈。同时,单车在商业金融区整体呈现低流动、低使用的特征,而共享单车出行密度较高的区域流动强度依然较低,建议进一步通过构建智能反馈系统对单车的分布情况、流动性和用户出行的情况进行实时监控,为科学、合理的单车调配提供参考,并为共享单车的调配布局提出优化策略。     

共享单车低碳出行的实证研究——以合肥市居民为例

以问卷、SPSS等作为调查研究工具,分析了合肥市居民在选用低碳交通工具——共享单车上的使用目的和意愿,运用多元统计学,结合社会人口学特征相关数据,深入研究了其对居民选用共享单车作为低碳出行工具上的使用意图;结果表明:合肥市居民对共享单车作为低碳出行工具的使用意愿较高,并对共享单车的可行性与未来发展持乐观态度,但是他们在共享单车投放数量、城市公共绿道和存在安全隐患方面也表现出担忧;同时,绝大部分居民对共享单车作为低碳出行工具的使用意愿及目的一致度较高;社会人口学特征的多因子交互作用共同影响着居民低碳出行使用共享单车的最终意图;最后,共享单车作为低碳交通的重要补充,在国家低碳城市建设中,应重点关注"公共绿道/慢道系统"在国家低碳城市建设中的开发与规划;"监管与规范"构建良好的使用环境;将居民对共享单车的使用频次、公里数等,纳入碳补偿机制体系,有效提升居民低碳出行的积极性。     

共享单车对通勤走廊出行结构的影响

为深入分析共享单车导入对通勤走廊出行结构的影响,文中将通勤方式选择行为解析为面向主要出行方式和末端接驳方式的联合选择行为,并构建双层NL(Nested Logit)模型以描述通勤者的分层决策过程;在此基础上,选取不同通勤距离下的实际案例,计算共享单车出现前后通勤走廊内各主要出行方式及公共交通末端接驳方式的分担率。结果表明:在短距离通勤中,共享单车的分担率达到13.2%,对于地面公交、私人自行车存在显著的替代效应,但对地铁的分担率影响较小;在中长距离通勤中,共享单车更多被作为地铁的接驳方式,在促使地铁分担率上升3.6个百分点的同时,也造成地面公交、私家车及出租车分担率下降。总之,共享单车的出现在便捷传统公共交通方式接驳的同时,可减少早高峰期间地面公交来自短距离出行的客流压力,提升地铁对长距离出行客流的吸引力,并可在一定程度上减少小汽车和出租车出行。     

“互联网+共享单车”对大学生健康运动的启示

随着共享单车的不断普及,共享单车受到了很多大学生的青睐,影响着大学生身体素质,给大学生的健康生活方式带来了深刻影响。对共享单车的特点、功能进行研究,分析其对大学生健身意识和健身动机的影响。共享单车的随时随用、便利出行、健身属性以及社交属性给人以新鲜感和创新感,增强了大学生使用共享单车的黏性。启示:打造和建立校园共享单车服务平台;建立骑行社团;高校和共享单车企业合作举行骑行赛事;高校可设"益骑行"体育节。     

共享汽车用户及出行时空特征分析

共享汽车在中国是一种重要但尚存争议的新型出行方式.因管理部门尚未明确其对道路交通的影响,而无法确定合理的管理导向.针对这一问题,研究基于上海最大的汽车共享公司EVCARD的订单及用户数据,通过描述性统计分析出行总量、需求时空分布,分别用多元线性回归和二项logistic回归分析高频用户和通勤时段出行用户的特征.结果表明,当前EVCARD用车需求和高峰时段出行主要发生在城市外围区域,城市中心区域无通勤特征;高需求用户与通勤时段高频出行者特征并不一致且部分特征相异.因此,上海EVCARD出行不会对城市道路交通拥堵产生显著负面影响.     

基于贝叶斯网络的大学生共享单车出行行为研究

为研究大学生共享单车出行行为,以福州市大学城各高校学生为研究对象,利用问卷调查采集各年级学生共享单车出行数据.首先,基于所获得的数据计算各节点的互信息值,假设贝叶斯网络参数服从Dirichlet分布,采用K2算法进行贝叶斯网络结构学习,利用贝叶斯估计法进行贝叶斯网络的参数学习,从而构建大学生共享单车出行行为的贝叶斯网络.然后,利用所构建的网络进行共享单车出行方式预测,计算该模型的预测值与实际值的误差,分析模型的精度,且与常用的Logit模型预测结果进行比较.最后,在所构建的网络模型基础上,应用联合树引擎分析是否拥有私人交通工具、出行距离等影响因素对大学生共享单车出行行为的影响.分析结果表明,贝叶斯网络学习精度较高,比Logit模型预测结果更有效.     

建成环境与共享单车流率的非线性关系研究

共享单车流率的大小体现了城市空间环境内车辆盈缺的程度，理解其变化及其诱因对于城市单车的调度具有重要意义。由于出行目的和外界环境因素的复杂多变，共享单车流率和建成环境特征之间的关系很难通过具有线性假设的统计学模型来解析。基于此，本研究利用上海市中心城区的共享单车数据，基于极端梯度提升树模型(XG‐Boost)和机器学习的解释性方法部分依赖图(PDP)来探究建成环境对共享单车流率的贡献度和非线性影响，以及流率的非线性模式在工作日和周末的变化。结果显示，特征重要度和非线性机制在两个时段差异化显著。居住人口密度、教育设施密度和住宅设施密度对工作日单车流率的解释度较高，分别为 19.18%、13.16% 和 12.92%，并且具有明显的阈值效应。其中居住人口密度和教育设施密度对于单车净流出率具有正向影响，分别在 11 600 人/km²和 8 个/km²达到最大；住宅设施密度对单车净流出率具有负向影响，对应的阈值为 40 个/km²。各变量对周末单车流率的解释度差异较小，但非线性关系仍不可忽视。具体来说，到市中心的距离和公交线数密...     

考虑建成环境交互影响的共享单车需求预测

共享单车的发展有利于交通的节能减排绿色发展。建成环境是影响共享单车出行需求的重要因素,然而很少有学者探究考虑其交互作用。为了准确分析建成环境中各影响因素的交互作用以达到精确预测共享单车出行需求的目的,本文使用了深圳市共享单车出行数据、兴趣点数据（point of interest,POI）、路网数据和公交线路数据等多源数据,采用梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型预测共享单车出行需求,并与BP(Back Propagation)神经网络模型预测结果进行比较;最后借助SHAP(SHapley Additive explanation)方法解释GBDT模型中各种影响因子对共享单车出行需求产生的影响,并分析各影响因素及其交互作用。实验结果表明：GBDT模型预测结果平均绝对误差为0.683,均方根误差为0.728,较BP神经网络模型预测准确性更高;通过SHAP方法发现自行车道密度、公交站点数等交通属性因素对于共享单车出行需求作用明显,土地利用中土地利用混合度不是简单线性作用且不同POI间存在复杂交互关系。可见通过借助GBDT模型和SHAP方法可以用来共享单车出行需求预测以及影响因素分析,从而为共享单车发展提出改善建议。     

基于需求调度模型对我国共享单车的调度研究——以南京市为例

在共享经济及绿色出行的背景下,共享单车因其零排放、灵活性高等特点逐步成为人们偏爱的出行工具.但在其数量迅速增加的同时,使用效率低下、资源分配不当等问题也日益严峻.本文以南京市为例,利用所得数据分时段探究不同时空下共享单车的需求量,并依据需求调度模型给出不同地区共享单车的分配方法.最后设计出单车最优经营模式,为共享单车行业的发展提供理论借鉴.     

高雄推动共享单车管理机制对城市公共运输发展之挑战与机会

共享单车是一种新型交通方式,具有随借随还的特性。高雄市是台湾较早通过共享单车管理规章之城市,有别于其他城市,高雄市在管理原则上更注重有效管理,以降低违停、乱停等问题,如取消使用服务区权利金收取、取消投放数量下限、不用划设专用服务区,并要求业者将用户骑乘数据、碳足迹及减碳计算数据提供给相关管理部门以进行整体大众运输之整合与协调。然而,从海外经验可知,高雄市在共享单车管理上尚有进步之空间,该文通过海外相关共享单车管理机制之整理归纳,从公私协力角度对相关单位提出后续拟定与推动共享单车管理政策的建议。     

基于大数据技术的吉林市共享单车出行选择意向研究

在互联网发展的大背景下,"互联网+自行车"模式的共享单车颇受用户喜爱.本文通过大数据技术分析吉林市共享单车出行选择意向调查问卷数据,了解吉林市民出行现状,研究共享单车在吉林市的发展趋势,对其前景进行了分析并对其现存问题提出了合理性建议.     

共享单车管理及其所引发的新环保问题研究

随着社会经济的发展和绿色出行的倡导,共享单车的服务应运而生。共享单车是政府与城市、地铁站、公交站等多方合作提供的自行车租赁服务。文章将梳理共享单车在城市公共管理中所存在的问题,从立法与实践两方面入手,对政府监管情况加以介绍,对政府的监管行为做出客观公正的评价,结合潜藏于其中的问题,有针对性地提出优化策略。     

基于AM-LSTM模型的共享单车时空需求预测

为准确预测城市不同区域的共享单车需求量,解决区域间供需不平衡问题,在对上海市共享单车数据进行时空特征可视化分析的基础上,研究共享单车的出行分布规律. 针对时间出行分布的非严格周期性,提出了一种引入注意力机制的长短时记忆网络预测模型AM-LSTM. 利用Spearman相关性分析法分析特征影响因素,提取模型特征值. 分别构建不同输入序列的预测模型,与传统时序预测模型进行对比分析. 结果表明,采用30 min时间间隔的输入序列具有较高的预测精度,AM-LSTM模型能够较好地预测共享单车的出行需求量,预测精度优于单一的LSTM模型. 最后对预测曲线进行相关度分析,验证了AM-LSTM模型的预测性能,可以为城市共享单车的调度及分配提供有效信息.     

基于影响因素分析的公共自行车系统可持续发展研究——以呼和浩特市为例

自行车是绿色出行的主要交通方式之一。我国许多城市的公共自行车系统存在调度不合理、硬件设施不完善造成的难以可持续发展问题。因此,在深入剖析公共自行车系统影响因素的基础上,研究其可持续发展问题。首先,基于问卷调查数据,建立Logit模型,定量描述各因素对居民选择自行车出行的影响;接着对系统的效益进行分析与优化;最终基于影响因素给出系统可持续发展的相关建议。研究表明,出行距离、离单车或站点距离、租借方式、是否有自行车专用道、是否保有机动车对租借概率具有显著影响;公共自行车系统应借鉴共享单车运营模式,向有电子围栏、扫码租借和刷卡租借共存的新型自行车系统发展。研究结果可帮助有关部门有效掌握新形势下自行车选择行为的显著性影响因素,为提高公共自行车的利用率和可持续发展提供决策依据。     

改进计划行为理论下的电单车通勤意向

为探讨特大城市电单车出行持续增长的内在原因,采用意愿调查+行为调查(SP+RP)问卷在北京市开展数据调查,以计划行为理论结合技术接受理论形成理论框架,选取感知有用性、感知易用性、出行态度、知觉行为控制、主观规范和行为意向6个心理潜变量,提出12条心理潜变量的作用关系路径假设,建立多指标多因果模型,分析个人社会经济属性和心理潜变量对电单车通勤出行意向的影响作用关系。研究结果表明：性别对出行者的电单车通勤出行态度和感知有用性有显著的正向影响;受教育程度对主观规范有显著的负向影响;个人月收入对知觉行为控制有显著的负向影响;是否拥有驾照对感知易用性有显著的正向影响;感知有用性、出行态度和知觉行为控制均对电单车行为意向存在显著的正向影响;主观规范对行为意向的影响不显著,但是通过出行态度和知觉行为控制间接影响行为意向;感知易用性通过感知有用性和出行态度间接影响行为意向;感知有用性是行为意向的最显著影响因素,其次是感知易用性;基于电单车的低出行成本和高出行便利性,通勤者对继续且经常使用电单车持肯定态度,也愿意向身边其他人推荐使用;自身能力和骑行技能对电单车出行效率起决定性作用,出行时间、路线选择自由...     

新冠疫情下政务APP服务质量、满意度及使用行为分析——以“i厦门”为例

结合政务APP特性改进信息系统成功模型，构造政务APP服务质量、满意度及使用行为模型，应用SmartPLS30对调查问卷进行分析。结果表明:信息质量、系统质量和应急服务功能对政务APP服务质量有显著正向影响，服务质量对用户满意度有显著正向影响，用户满意度对使用行为有显著正向影响，技术素养在用户满意度与使用行为之间有负向调节作用。政府应加强政务APP应急服务功能，将应急服务视为常态化工作；从信息语言表达、内容和版面设计，系统功能完善、更新和维护角度提高政务APP信息质量和系统质量；提供“一站式”服务，优化各模块服务操作流程，不断提升用户服务质量感知与满意度，促进用户使用。     

基于K-means的城市轨道交通社区接驳共享单车停靠点规划

研究基于K-means的城市轨道交通社区接驳共享单车停靠点规划问题。首先,在分析现有共享单车停靠存在问题基础上,对其骑行数据挖掘,采用K-means算法聚类后进行二次划分,得到候选停靠点;然后建立在可供选择和容量限制的共享单车停靠点双层规划模型,上层为政府追求出行者广义出行成本最小化、共享单车出行量最大化模型,下层为出行者不同接驳方式和站点选择的交通分配模型;最后采用遗传算法优化求解,通过实例予以验证。结果表明:该方法确定共享单车停靠点与规模,方便共享单车出行,增加其出行量,同时解决了停放混乱问题,提高了接驳服务水平。