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.     

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.     

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.     

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。     

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。     

“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。     

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.     

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。     

是共享还是吞钱?

正每一个时代总会有些标志性的景色,在步入"互联网+"的大浪潮后,共享单车在不知不觉间已经成为都市里一道奇特的风景线,从熙熙攘攘的地铁站里挤出来后,总能看到在路边停放着不少共享单车,摩拜单车、ofo、享骑等品牌已经成为我们日常生活中耳熟能详的词汇,随着我们亲切称呼着小红、小黄、小绿……共享单车已经渐渐地融入到我们生活中。对于许多年轻人来说,共享单车的出现意味着出行便利,地铁站到公司,办事地点到家、一些地铁和公交不发达的区域,共     

多元协同治理视角下城市共享单车治理机制研究——以厦门市为例

正研究前提1.城市发展使得共享经济应运而生随着信息化时代的来临,互联网的普及促进了共享经济的发展。党的十九大报告提出:"必须坚定不移贯彻创新、协调、绿色、开放、共享的发展理念。"共享经济符合这一新发展理念,是缓和社会资源供给矛盾的一把钥匙。共享单车作为共享经济的重要实现形式之一,自诞生之日起就饱受关注。2016年左右,共享单车在我国各大城市开始普及。2020年,突如其来的新冠疫情使得很多城市的地铁、公交等公共交通停运,共享单车成为人们短距离出行的首选方式~([1])。     

分时租赁自行车绿色使用行为的影响因素研究

我国分时租赁型自行车在绿色出行方面发挥了积极作用,但也产生了用户乱停乱放、随意破坏共享单车的问题。通过统计分析方法检验消费者特征、城市特征对共享单车使用行为数量与使用质量的影响,并对不同出行目的共享单车使用行为进行了比较。研究发现:积极生活方式、城市空气质量对共享单车使用数量有显著正向影响;消费者创新性、积极生活方式、消费者社会规范行为均对共享单车使用质量有显著正向影响;使用共享单车直接前往目的地的高社会规范用户、使用共享单车间接前往目的地的热爱骑行程度高的用户更可能爱惜共享单车。     

共享单车蓬勃发展,行业规范亟待出台

互联网共享单车服务自2016年出现以来,在资本的大力推动下实现了快速发展,作为该领域领先品牌的摩拜单车和ofo单车均在不足一年的时间里完成了多轮融资,且服务覆盖范围已经由一线城市向二线城市渗透。对于交通压力较大的一线城市而言,“公共交通＋共享单车”的出行方式确实为市民出行提供了经济高效的解决方案,但在蓬勃发展的同时,其背后的市政管理、押金监督和服务运营等三大主要问题也逐渐受到社会重视,在未来发展过程中亟待出台相关行业标准。     

基于大数据的南京市共享单车时空特征研究

共享单车的兴起极大地便利了人们的短距离出行,利用单车大数据来挖掘和分析短距离的出行规律已成为智慧城市和智慧交通的重要热点.利用南京市的摩拜单车时空数据,研究了单车的时空分布规律与差异,并重点挖掘了早晚高峰时刻以及区域间单车流动规律等,研究表明:(1)南京市整体早、晚高峰时间分别为7:10-8:37和17:15-18:25;副中心早高峰比主城区早35min开始,且晚高峰持续时间长;(2)早、晚高峰高强度骑行主要分布在以新街口、百家湖等为中心的区域;主城区和副中心区有着骑行差异,短距离骑行主城区相对副中心具有更高的比例,副中心则具有更多的长距离骑行;(3)单车骑行围绕地铁站而显现聚集趋势,并且集中于地铁1,2,3号线区域.     

基于全生命周期的共享产品管理

 共享经济是近年来在中国蓬勃发展的一种新型经济模式,共享单车作为一种成功的产品,一方面极大地方便了都市人群的出行,解决了最后一公里的出行难题,但在另外一方面也带来诸如产能过剩,管理混乱等问题。本文针对共享单车,研究其全生命周期的碳排放量和使用情况,得到1辆单车抵消其能源消耗的最短使用时长。结果表明,北京拥有近350万辆共享单车,在当前每辆单车1天被使用1次,1次行驶里程为2.1 km的情况下,每辆单车至少使用625天,才能实现真正意义上的"零碳排"和"绿色出行";目前北京将承担因共享单车过量投放带来的巨大环境风险。全生命周期碳排放核算成为基于环境角度制定合理的共享经济产品数量管控值的重要手段。     

中国共享单车多元治理模式探究 ——基于福州、深圳、成都的比较

在互联网+产业信息化的大背景下,共享单车作为新兴的交通方式对我国城市慢行交通系统建设具有重要意义。对于共享单车治理模式的研究可以为城市交通管理提供借鉴。本文基于治理理论提出3种共享单车治理模式,以福州、深圳、成都3市为案例对应分析了市场主导型、科层主导型和网络主导型共享单车治理模式的实践、特点和适用范围。     

共享单车治理演进探讨

近年来,共享单车广受欢迎。而已有研究着重强调通过协同治理解决共享单车问题,未能追踪到共享单车治理的最新实践。本文基于渐进决策理论视角,从治理主体与治理手段两大维度将共享单车治理划分为一元治理、协同治理、基于大数据治理的演进三阶段论,并从生成背景、现实需求、技术支持、平台接入、平台功能、线下运营方面等方面阐述共享单车基于大数据治理的内涵。最后,本文强调在充分发挥大数据对共享单车治理积极作用的同时,也要做好大数据安全防范措施。     

基于因果分析和相似日选择的共享单车需求量预测组合模型

共享单车的需求量预测是优化车辆系统布局、实现车辆合理调度的基础。为了提高共享单车需求量预测模型的精度，建立了基于格兰杰因果分析和相似日选择的组合预测模型，研究了时间和天气因素对共享单车出行需求的影响。应用格兰杰因果检验方法，筛选出影响共享单车需求量变化的关键天气指标。然后，基于天气特征向量的灰色关联度指标，提取待预测日各时段的相似日样本集。综合随机森林回归、支持向量回归等机器学习算法，建立了Stacking策略的组合预测模型，对区域分时共享单车需求量进行预测。最后，对北京市共享单车用户的骑行数据进行实例分析。结果表明相较单个机器学习预测模型，提出的组合预测模型的平均绝对百分比误差下降了9.1%，提高了共享单车短时需求预测的科学性和准确性，可为实际车辆调度提供参考依据。