摘 要：近年來，共享單車作為一種低碳環(huán)保的新興出行方式得到廣泛使用，能夠有效解決居民出行“最后一公里”問題。由于其使用環(huán)境開放、有利于保持社交距離等特點，突發(fā)公共衛(wèi)生事件背景下使用共享單車出行的特征成為研究熱點。文章以芝加哥市共享單車系統Divvy Bikes為研究對象，基于公開數據集，對2021年和2022年芝加哥共享單車出行時空特征進行分析，結果發(fā)現：第一，2022年共享單車騎行量相比2021年有明顯下降，但其下降程度低于同時期的地面公交和軌道交通客流量；第二，在時間特征上，盡管受到突發(fā)公共衛(wèi)生事件的影響，共享單車騎行仍然呈現明顯的早晚高峰現象，騎行時長以5～10分鐘為主；第三，在空間特征上，騎行距離以短中距離為主，騎行熱點區(qū)域主要集中在芝加哥市中心區(qū)域并呈現由市中心向郊區(qū)擴散的趨勢。

關鍵詞：共享單車；時空特征；突發(fā)公共衛(wèi)生事件；公開數據

中圖分類號：F570；U491 文獻標志碼：A DOI：10.13714/j.cnki.1002-3100.2024.18.022

Abstract： In recent years， bike-sharing has been widely used as a low-carbon and environmentally friendly emerging travel mode， which can effectively solve the "last kilometer"problem of residents' travel. Due to its characteristics such as open use environment and being good for social distancing， the characteristic of using bike-sharing to travel in the context of public health emergencies has become a hot topic. Based on the public data set， this paper analyzes the spatiotemporal characteristics of bike-sharing travel in Chicago in 2021 and 2022. The results show that in 2022， bike-sharing rides decreased significantly compared with 2021， yet the decrease of bike-sharing ridership was lower than buses and rail， that in terms of temporal characteristics， despite the impact of public health emergencies， bike-sharing riding still presented an obvious morning and evening peak phenomenon with 5～10 minutes cycling duration， and that in terms of spatial characteristics， the cycling distance was mainly short or medium， and the cycling hotspots appeared in the downtown area of Chicago and showed a trend of spreading from the downtown area to the suburbs.

Key words： bike-sharing; spatial-temporal characteristics; public health emergencies; public data

0 引 言

共享單車以其靈活性、低成本和便利性，成為城市居民短途出行的首選之一，在某種程度上解決了居民出行的“最后一公里”[1]。然而突發(fā)公共衛(wèi)生事件的爆發(fā)會給人們的生活習慣造成影響，隨之帶來出行結構及出行特征的變化。由于突發(fā)公共衛(wèi)生事件具有較強的傳播性，共享單車作為一種使用環(huán)境開放、能夠保持一定社交距離的交通工具，成為部分城市居民出行的主要選擇之一。

目前對共享單車的研究主要可以分為以下幾個方面。首先，共享單車的時空特征研究，在這一方面，鄧力凡等發(fā)現共享單車的騎行存在不同的空間特征，總共包括五種不同的類型[2]；王璐等發(fā)現工作日熱點區(qū)域比休息日更集中，工作日存在明顯的早晚高峰和潮汐現象[3]；陳冰郎等以成都主城區(qū)為研究范圍，發(fā)現騎行活動多集中在城區(qū)功能復合區(qū)域[4]。其次，對共享單車用戶屬性的研究，林雨平等對用戶屬性進行了總結：騎行者以男性為主，且主要是中青年[5]；Wafic等發(fā)現用戶在溫暖的月份的使用時長要長于寒冷的月份[6]。再次，除了研究共享單車本身，學者們還分析了建成環(huán)境對共享單車的影響作用，周艷等認為建筑密度、人口密度是共享單車起訖點分布的核心驅動因子[7]；吳靜嫻等發(fā)現建成環(huán)境對早晚高峰時期的共享單車借、還車非線性作用差異明顯[8]；喻冰潔等發(fā)現騎行量與路網密度、人口數呈現顯著正相關[9]。最后，共享單車與其他交通工具之間的關系也受到學者熱議。Wang等研究了突發(fā)公共衛(wèi)生事件期間紐約市的共享單車和地鐵乘客量的變化，他發(fā)現在事件爆發(fā)初期共享單車和地鐵乘客量都急劇下降[10]；Ebrahimi等認為在公交站點附近設置共享單車站點可以促進可持續(xù)交通，減少汽車依賴[11]；Nicole 等分析了突發(fā)公共衛(wèi)生事件對俄勒岡州萊恩的公共交通和共享單車帶來的長期影響[12]；Campbell等發(fā)現共享單車與其他交通方式之間是競爭的關系，在共享單車附近的公交線路上，每天的公交乘客量顯著減少[13]。

上述研究表明共享單車的研究范圍較為廣泛，目前雖有學者探究共享單車出行的時空特征，但考慮到突發(fā)公共衛(wèi)生事件對共享單車出行影響的研究較少。因此，本文主要使用2021年和2022年的芝加哥市共享單車出行數據，研究突發(fā)公共衛(wèi)生事件期間的共享單車出行的時空特征。

1 研究區(qū)域與研究方法

1.1 研究區(qū)域

芝加哥是美國第三大城市，位于美國伊利諾伊州，密歇根湖西南岸，總面積約為606.2平方千米。芝加哥總共包括77個社區(qū)區(qū)域，這些區(qū)域涵蓋了芝加哥的文化、經濟、綜合服務等重要職能。2013年，芝加哥交通部門推出了Divvy Bikes，這是芝加哥的一種共享單車系統，為城市居民提供了更多的交通選擇。芝加哥也是美國最早開始投放共享單車的城市之一。本次研究選取芝加哥77個社區(qū)作為研究區(qū)域（見圖1）。

1.2 數據來源

本研究使用的數據是公開數據集，包括芝加哥Divvy Bikes系統的歷史行程數據和芝加哥地圖數據。其中歷史行程數據為2021年至2022年Divvy Bikes訂單數據（https：//www.divvybikes.com/system-data），共計約1 120萬條數據。芝加哥的Divvy Bikes是有樁共享單車，訂單數據包括訂單ID、起始時間、結束時間、起始經緯度、結束經緯度、起始與結束的站點名稱等。芝加哥地圖數據來自OSM（https：//www.open－streetmap.org/）。騎行行為都是用戶自發(fā)進行的，因此這些數據具有客觀性。

1.3 研究方法

本研究主要借助python語言來進行分析，包括剔除異常值、統計分析等，首先利用pandas對數據進行時間層面的統計，然后利用matplotlib來可視化數據，最后根據騎行的起始和結束經緯度統計騎行的熱點區(qū)域以及熱門路線，并通過folium和Google Map可視化。

1.4 數據預處理

對共享單車進行時空特征分析需要用到共享單車的訂單數據。在分析之前需要對數據進行一些處理。首先，考慮到原始數據中可能存在重復值和缺失值，因此需要先剔除重復值和缺失值，剔除后的數據為8 957 662條；其次，將原始數據中的時間轉化為datetime數據類型的時間序列；最后，將日期拆分為工作日和周末并添加相應的字段，同時添加騎行時長，方便后續(xù)統計和分析。

2 共享單車騎行的整體特征

突發(fā)公共衛(wèi)生事件突然爆發(fā)給所有的出行方式都帶來了不小的影響。芝加哥市2019年地面公交和軌道交通的客流量分別為669 266人次和490 606人次，而2021年地面公交和軌道交通的客流量則為327 619人次和181 287人次。突發(fā)公共衛(wèi)生事件期間地面公交和軌道交通的客流量相比事件發(fā)生前分別下降了約51.09%和62.96%。共享單車在此期間的出行量相比之前則下降了約16.03%。由此可見，突發(fā)公共衛(wèi)生事件使地面公交和軌道交通的客流量大幅減少，共享單車雖然也受到了影響，但與其他交通方式相比影響較小。

為了清楚地展示和對比突發(fā)公共衛(wèi)生事件期間共享單車的總體騎行特征，本研究統計了2021年和2022年每月騎行次數，并利用matplotlib將數據可視化（見圖2）。根據統計結果，2021年的總騎行次數4 588 302次，2022年總騎行次數4 369 360次。2022年，總體騎行次數相較于2021年是有明顯的下降，但是芝加哥共享單車租賃點的數量卻從2021年的842個增加到了2022年的1 556個。由此可以推測，芝加哥2022年騎行量的減少并不是因為租賃點減少，而可能是受到了突發(fā)公共衛(wèi)生事件的影響，人們開始減少外出，共享單車的騎行量也相應減少。

從圖2中可以發(fā)現，騎行高峰集中在6、7、8月，此時正好處于夏季，適合騎單車出行；騎行低谷集中在12月、1月、2月，由于寒冷的天氣，人們出行更愿意選擇乘坐公共交通工具。為了進一步弄清楚2022年共享單車騎行次數減少的具體情況，計算了環(huán)比增長率。表1展示了2022年相對比2021年的每月騎行量的環(huán)比增長情況。從表1中可以看出，除了2月其余月份在2022年的騎行次數都是下降的。這可能是由于在突發(fā)公共衛(wèi)生事件期間，為避免受到感染，人們減少了外出和使用共享單車的頻率。

3 時間特征可視化分析

3.1 工作日與非工作日騎行量分析

針對芝加哥在突發(fā)公共衛(wèi)生事件期間的共享單車出行時段特征的分析，主要集中于不同時段的變化，將時段劃分為24小時，每小時是一個時段。由于前期統計和新增了工作日和周末，因此對周一至周日的共享單車的每個時段騎行量進行統計，結果如圖3所示。

周一至周五為工作日，在這一時期共享單車的騎行量有兩個高峰，分別是7：00—8：00和17：00—18：00。這兩個時段正好對應著通勤的早晚高峰。周末騎行量的曲線較為平滑，沒有明顯的高峰，大部分集中在10：00—18：00。這個時段正是人們休閑娛樂的時間。盡管處于突發(fā)公共衛(wèi)生事件期間，共享單車騎行的時段特征仍與事件發(fā)生前一樣存在明顯的早晚高峰。這可能是因為在突發(fā)公共衛(wèi)生事件期間并不是所有的公司都實行線上辦公，一些人仍需要每天上班通勤，而在此期間，共享單車相較于公交、地鐵受感染的風險較小，所以人們會選擇騎行上下班，這就導致了騎行早晚高峰的存在。

3.2 騎行時長分析

對時間特征進行統計分析時需要考慮的一個重要的特征就是騎行時長，在這部分的分析中，首先根據增加的trip duration字段統計了騎行時長，但統計結果顯示騎行時長存在異常值導致騎行時長的長尾分布過長，因此新增騎行速度，通過計算騎行速度來剔除異常值得到新的騎行時長如圖4所示。2021年和2022年的騎行時長呈現長尾分布，兩年的的騎行時長都集中在0～30分鐘，其中5～10分鐘的騎行次數是最多的。此外，2021年的平均騎行時長為19分鐘，而2022年平均騎行時長則為16分鐘，平均騎行時長相較上一年有所縮短。

4 空間特征可視化分析

4.1 騎行距離分析

Haversine公式是一種特定的球面距離計算公式，用于計算球面上兩點之間的距離。由于訂單數據中沒有給出軌跡數據，因此騎行距離的計算采用Haversine公式，計算兩點之間的球面距離，該距離不是實際距離。根據Haversine公式，lat1、lat2表示緯度、lon1、lon2表示經度，兩點之間的距離算法如下。

式（1）中R表示球面半徑，在本公式中R=6 378*1 000m。在對騎行距離進行統計時，將騎行距離劃分為了0～1km，1～2km，2～3km，3～4km以及4km以上。圖 5顯示了騎行距離的不同分布情況。2021年和2022年騎行距離中占比最大的都是1～2km，達到了35%左右，其次就是2～3km和0～1km，分別占比約21%和20%，占比最小的是4km以上，僅占不到10%。與2021年相比，2022年的0～2km的騎行占比有所增加，并且0～2km的騎行占比達到了50%以上。

為驗證是否國內城市在突發(fā)公共衛(wèi)生事件期間也存在類似的騎行特征，本研究與上海市的共享單車使用行為特征進行對比，結果發(fā)現，突發(fā)公共衛(wèi)生事件期間上海市共享單車的騎行距離95%小于1～3km，84%騎行時長小于30分鐘，小于15分鐘的出行和小于3km的出行相對于突發(fā)公共衛(wèi)生事件之前都有所縮減，短距離騎行的趨勢在減少，相比之下中長距離的騎行在逐漸增加[14]。突發(fā)公共衛(wèi)生事件期間共享單車變成了一部分用戶的主要出行工具，因此被更多地使用在了中長距離的出行中。由此可見，突發(fā)公共衛(wèi)生事件期間，芝加哥的出行主要是以短中距離出行為主，但是上海共享單車卻主要用于中長距離的出行（見圖5）。

4.2 騎行熱點區(qū)域分析

共享單車騎行的空間特征是進行城市道路規(guī)劃的一個重要依據。為了弄清楚突發(fā)公共衛(wèi)生事件期間共享單車的空間特征，本研究利用python對共享單車出行的起終點經緯度進行了統計，最終通過folium呈現出了2021年和2022年共享單車起終點的熱點區(qū)域（見圖6）。從圖6（a）和圖6（b）中可以看出，2022年相比于2021年共享單車起點的熱點區(qū)域呈現擴散趨勢，從以密歇根湖沿岸為主向西邊擴散，熱度最高的區(qū)域總體集中在盧普區(qū)、近西區(qū)和林肯公園等社區(qū)，這些社區(qū)正好是芝加哥的中心城區(qū)。圖6（c）和圖6（d）是共享單車終點的熱點區(qū)域，相比于起點，終點覆蓋的范圍要大于起點。芝加哥共享單車騎行的空間特征整體上從中心區(qū)域向郊區(qū)擴散。2022年共享單車的終點的熱點區(qū)域相對于2021年更加集中，不斷爆發(fā)的突發(fā)公共衛(wèi)生事件使人們在減少了長距離的出行，出行區(qū)域更愿意集中在離中心城區(qū)較近的區(qū)域。

4.3 騎行熱門路線分析

突發(fā)公共衛(wèi)生事件的肆虐并沒有減少芝加哥人騎行共享單車的熱度，作為突發(fā)公共衛(wèi)生事件期間的一種重要的交通工具，對共享單車騎行路線的分析顯得十分重要。首先，基于熱門騎行區(qū)域，統計了兩年的熱門騎行站點。2021年排名前五的熱門騎行站點分別為Streeter Dr & Grand Ave、Michigan Ave & Oak St、Wells St & Concord Ln、Millennium Park和Clark St & Elm St； 2022年的熱門騎行站點包括Streeter Dr & Grand Ave、DuSable Lake Shore Dr & Monroe St、DuSable Lake Shore Dr & North Blvd、Michigan Ave & Oak St和Wells St & Concord Ln，這些站點均位于芝加哥市中心區(qū)域。其次，提取出不同時段熱門騎行路線的起始站點和結束站點的經緯度，對起始點和結束點分別進行聚類分析，合并起始點和結束點的聚類結果就得到了不同時段的熱門騎行線路。最后，利用Google Map的騎行路線規(guī)劃將這些熱門騎行路線可視化，但由于缺少騎行軌跡數據，這些路線只是用戶可能的騎行路線，并非真實路線。

圖7展示了Google Map模擬出的2021年和2022年的熱門騎行路線。從圖7中可以看出，這些路線都是在市中心移動。附近有紐貝利圖書館、林肯公園、慕迪圣經學院、洪堡公園等，這些區(qū)域既有居住區(qū)、購物區(qū)也有學校、景點，能夠為用戶提供休閑娛樂以及基本的生活服務。此外，一些熱門線路附近還有許多的地鐵站點和公交站點，能夠為居民換乘公交和地鐵提供方便。從城市規(guī)劃的角度來說，應該加大這些路線附近站點數量的設置以及這些站點的單車投放量。

5 結論與展望

本研究主要針對突發(fā)公共衛(wèi)生事件期間芝加哥市共享單車騎行的時空特征進行可視化分析，揭示了突發(fā)公共衛(wèi)生事件期間芝加哥市的共享單車騎行特征。第一，2022年共享單車騎行量相比2021年有明顯下降，但其下降程度低于同時期的地面公交和軌道交通客流量。第二，在時間特征上，盡管受到突發(fā)公共衛(wèi)生事件的影響，共享單車騎行仍然呈現明顯的早晚高峰現象；騎行時長呈現長尾分布，以5～10分鐘的騎行為主。第三，在空間特征上，突發(fā)公共衛(wèi)生事件期間騎行熱點區(qū)域主要集中在芝加哥市中心區(qū)域，并呈現由市中心向郊區(qū)擴散的趨勢；騎行距離以短中距離為主；熱門站點和熱門線路都集中在市中心附近。

根據上述研究結論，可以給突發(fā)公共衛(wèi)生事件期間共享單車的管理提供一些啟示。由于突發(fā)公共衛(wèi)生事件對共享單車騎行量造成了明顯的影響，在面對突發(fā)公共衛(wèi)生事件時需要采取靈活的策略，如調整運營規(guī)模和資源分配，以適應需求的變化；根據騎行量高峰和低谷時段的分析結果，可以針對不同時段采取不同的運營策略：在高峰時段增加車輛供應量，確保用戶能夠方便地租賃和歸還單車；騎行熱點區(qū)域主要集中在芝加哥市中心區(qū)域，應該加強對這些區(qū)域的管理和監(jiān)控，確保共享單車的供需平衡，避免過度擁堵或資源浪費。但是，本研究僅僅從時空分析的角度探討了突發(fā)公共衛(wèi)生事件期間的共享單車的特征，沒有考慮到共享單車與其他公共交通工具之間的聯系，并且以芝加哥作為研究區(qū)域具有一定的特殊性，共性不足。因此，之后的研究會著重圍繞共享單車與其他公共交通工具之間的聯系來進一步探索共享單車的使用特征和管理方法，以期進一步完善發(fā)現研究成果。

參考文獻：

[1] ZHANG Yongping，LIN Diao，MI Zhifu．Electric fence planning for dockless bike-sharing services[J]．Journal of CleanerProduction，2019，206：383-393.

[2] 鄧力凡，謝永紅，黃鼎曦． 基于騎行時空數據的共享單車設施規(guī)劃研究[J]．規(guī)劃師，2017，33（10）：82-88.

[3] 王璐，李斌，徐永龍，等． 基于共享單車數據的居民出行熱點區(qū)域與時空特征分析[J]． 河南科學，2018，36（12）：2010-2015.

[4] 陳冰郎，喻冰潔．共享單車出行特征及影響因素的空間異質性研究——以成都市為例[C]//中國城市規(guī)劃學會．人民城市，規(guī)劃賦能——2023中國城市規(guī)劃年會論文集（06城市交通規(guī)劃）.深圳市城市規(guī)劃設計研究院，西南交通大學建筑學院，2023.

[5] 林雨平，方捷，邱美華，等．基于Logistic回歸的公共自行車騎行特征分析—以福州市為例[J]．交通運輸研究，2017，3（3）：14-19.

[6] El-ASSI W，MSHMOUD M S，HABIB K N．Effects of built environment and weather on bike sharingdemand：Astation level analysis of commercial bike sharing in Toronto[J]．Transportation，2017，44：589-613.

[7] 周艷，邵海雁，靳誠.基于大數據的廈門島建成環(huán)境對共享單車起訖點分布的影響[J].南京師大學報（自然科學版），2024，47（1）：21-29.

[8] 吳靜嫻，唐桂孔，李文翔.建成環(huán)境對共享單車分時騎行量的非線性作用研究：以上海市為例[J].交通運輸系統工程與信息，2024，24（1）：290-298，310.

[9] 喻冰潔，梁源，楊林川． 波士頓共享單車出行與街區(qū)建成環(huán)境的關系研究——基于廣義可加混合模型[J]．世界地理研究，2023，32（2）：48-58.

[10] WANG Haoyun， NOLAND R B． Bikeshare and subway ridership changes during the COVID-19 pandemic in New York City[J].Transport policy，2021，106：262-270.

[11] EBRAHIMI Z D，MOMRNITSBSR M， NASRI A A，et al. Using a GIS-based spatial approach to determine the optimallocations of bikeshare stations：The case of Washington D.C[J].Transport Policy，2022，127：48-60.

[12] NGO N S，MARTIN A．A case study on the impacts of COVID-19 on bus ridership，bikesharing，and equity in a smallU.S.county[J/OL].Journal of Public Transportation，2023，25：100065.[2023-12-15].https：//doi.org/10.1016/j.jpubtr.2023.100065.

[13] CAMPBELL K B，BRAKEWOOD C．Sharing riders：How bikesharing impacts bus ridership in New York City[J].Transportation Research Part A：Policy and Practice，2017，100：264-282.

[14] 惠英，廖佳妹，唐磊，等． 疫情期間共享單車的使用行為與意愿[J]． 城市交通，2020，18（6）：100-109.