摘 要：為了應(yīng)對私家車保有量激增所帶來的交通擁堵和污染問題，促進(jìn)可持續(xù)交通發(fā)展。中國多個城市開始實行鼓勵共享單車等多項綠色出行政策。基于2012—2022年中國18個典型城市的客觀數(shù)據(jù)，運用多時點雙重差分法分析對比政策實施的前后差異，驗證了共享單車鼓勵政策對居民公共交通出行的影響作用。研究表明：共享單車鼓勵政策的實施對公共交通出行有促進(jìn)作用，且這種促進(jìn)作用具有差異性，在人口更密集、經(jīng)濟(jì)發(fā)展水平更高的城市中表現(xiàn)更為明顯。

關(guān)鍵詞：共享單車鼓勵政策；公共交通出行；雙重差分法；可持續(xù)交通

一、引言

隨著工業(yè)化和城市化的快速發(fā)展，私家車保有量激增，二氧化碳排放量也隨之飛升。2012年到2022年間，中國碳排放量增加2億多噸，截止到2022年底，二氧化碳排放量達(dá)12億噸，同比增長9.1%[1]。一方面，交通堵塞、城市擁擠問題突出。另一方面，溫室效應(yīng)加劇、極端天氣頻發(fā)，人類賴以生存的生態(tài)環(huán)境面臨巨大的威脅。環(huán)境問題日益成為世界各國關(guān)注的焦點，各國政府也紛紛采取措施應(yīng)對環(huán)境惡化以實現(xiàn)社會可持續(xù)發(fā)展。

中國政府相繼出臺了倡導(dǎo)綠色出行等多項政策，旨在推動全社會范圍內(nèi)公眾積極采用主動交通和公共交通出行，降低碳排放，推動實現(xiàn)交通可持續(xù)發(fā)展[2～3]。其中，共享單車作為一種新型的綠色出行模式受到政府和公眾的廣泛推崇。自2015年起，隨著中國各大城市相繼推出《鼓勵共享單車發(fā)展試行意見》，共享單車在我國迅速興起并蓬勃發(fā)展。至今，這種新興的交通方式已廣泛覆蓋全國20余個省及50多個城市。數(shù)據(jù)顯示，截至2021年底，中國共享單車市場的累計用戶規(guī)模已突破3億人[4]。

《交通運輸部關(guān)于鼓勵和規(guī)范互聯(lián)網(wǎng)租賃自行車發(fā)展的指導(dǎo)意見》明確指出，互聯(lián)網(wǎng)租賃自行車，作為一種分時租賃營運的非機動車，已成為城市綠色交通體系中不可或缺的一環(huán)。它不僅為公眾提供了便捷的短距離出行方式，還成了公共交通接駁換乘的有力補充。因此，各地政府應(yīng)堅定優(yōu)先發(fā)展公共交通的策略，并在此基礎(chǔ)上，統(tǒng)籌規(guī)劃互聯(lián)網(wǎng)租賃自行車的發(fā)展。同時，應(yīng)積極推動公共租賃自行車與互聯(lián)網(wǎng)租賃自行車的有效結(jié)合，從而構(gòu)建一個豐富多樣、層次分明的城市出行服務(wù)體系，以進(jìn)一步發(fā)展和優(yōu)化城市的交通出行網(wǎng)絡(luò)。該政策充分體現(xiàn)了政府對低碳出行的重視，旨在通過多元化的手段推動城市交通可持續(xù)發(fā)展。

政策實施以來，根據(jù)我國各城市市政廳公共交通歷年統(tǒng)計年鑒，我國公共交通客流量顯著增加，但這種變化是多種因素綜合影響的結(jié)果。那么，一個重要且亟待解答的問題是：共享單車鼓勵政策的頒布在促進(jìn)共享單車出行的同時是否對公共交通出行產(chǎn)生影響？本文收集了中國18個城市的面板數(shù)據(jù)，致力于驗證2012—2022年期間共享單車政策對促進(jìn)城市居民公共交通出行是否有效。

本研究的邊際貢獻(xiàn)如下：第一，在研究視角上，基于共享單車鼓勵政策，從公共交通出行的視角，本文首次利用實證分析探討共享單車政策對公共交通出行的影響。第二，在研究方法上，本文基于城市層面的面板數(shù)據(jù)，利用多時點雙重差分模型驗證了中國共享單車政策對公共交通出行的影響。第三，本文提出的相關(guān)政策建議，有助于政府更加全面理解和把握綠色出行的規(guī)律，科學(xué)制定綠色出行相關(guān)政策，提升政策的有效性，以促進(jìn)城市可持續(xù)交通發(fā)展。

文章的其余部分組織如下：第二部分是文獻(xiàn)綜述；第三部分給出了模型的說明和變量的描述；在四部分中，描述并討論了研究結(jié)果，深入探討了共享單車鼓勵政策對公共交通出行影響的異質(zhì)性；最后給出結(jié)論及相關(guān)的政策建議。

二、文獻(xiàn)綜述

（一）共享單車鼓勵政策的相關(guān)文獻(xiàn)

近些年，隨著環(huán)境的日益惡化及各國政府對環(huán)境問題重視的加強，有關(guān)環(huán)境政策效應(yīng)的研究逐漸涌現(xiàn)出來，各類政策效應(yīng)也被新近的國內(nèi)外研究驗證[5～6]。學(xué)術(shù)界有關(guān)共享單車鼓勵政策的研究主要聚集在公共服務(wù)水平以及城市治理兩大層面。在公共服務(wù)水平方面，王鳳偉等人的研究表明：共享單車在政策的扶持下應(yīng)運而生，其發(fā)展與壯大對于深化公共交通領(lǐng)域的供給側(cè)結(jié)構(gòu)性改革具有重要意義[7]。王振坡等人研究發(fā)現(xiàn)，共享單車的成功模式為黨和政府提供了全新的視角，即借助市場力量來進(jìn)一步提升和優(yōu)化公共服務(wù)的質(zhì)量與效率[8]。在城市治理的層面，研究主要聚焦于共享單車的規(guī)范與治理。學(xué)者陳子奕認(rèn)為，共享單車作為一種市場化方式提供的公共服務(wù)，必然帶有公共物品的外部性特征。這種以市場為主導(dǎo)的模式，雖然有其優(yōu)勢，但也可能帶來超出市場調(diào)節(jié)能力的負(fù)面效應(yīng)，如公地悲劇、交通秩序混亂、押金風(fēng)險、管理難題以及投資過熱等問題，進(jìn)而可能導(dǎo)致市場失靈[9]。針對這些挑戰(zhàn)，研究明確指出，政府需積極運用政策法規(guī)工具，明確各方責(zé)任，促進(jìn)政府、企業(yè)和社會三方協(xié)同合作，共同推動新興行業(yè)的健康持續(xù)發(fā)展，從而加速構(gòu)建“共建、共治、共享”的新型城市治理模式。

（二）共享單車政策對公共交通影響的相關(guān)文獻(xiàn)

通過文獻(xiàn)梳理發(fā)現(xiàn)，對于共享單車鼓勵政策對公共交通出行的效應(yīng)研究，有學(xué)者認(rèn)為在共享單車鼓勵政策下，大批共享單車開始涌現(xiàn)在城市的各個角落，豐富了居民出行選擇，可替代公交和軌道交通。Fuller等通過電話調(diào)查發(fā)現(xiàn)，在蒙特利爾地區(qū)，共享單車對公共交通具有顯著的替代效應(yīng)[10]。Campbell等人采用了紐約市的公共汽車和共享單車系統(tǒng)的數(shù)據(jù)，通過構(gòu)建雙重差分模型，深入探究了紐約市共享單車與公共汽車之間的替代性關(guān)系[11]。也有學(xué)者指出，共享單車在解決“最初一公里”和“最后一公里”問題上為公共交通提供了極大的便利，它減少了公交換乘的需求，與公共交通在接駁上形成了互補關(guān)系。例如，中國學(xué)者曹雪檸認(rèn)為共享單車與公共交通之間存在競爭，但公共交通更適于服務(wù)固定的通勤路線，而共享單車對靈活性出行具有更大吸引力，顯示出二者之間的互補性[12]。葛麗娟對交通行為進(jìn)行深入研究后發(fā)現(xiàn)，共享單車在地鐵出行中主要承擔(dān)的是末端接駁的服務(wù)角色[13]。

由此可見，現(xiàn)有文獻(xiàn)鮮有基于共享單車政策對公共交通出行的影響研究，相關(guān)研究大多側(cè)重理論分析，實證研究較少，且研究數(shù)據(jù)多以電話、問卷調(diào)查數(shù)據(jù)為主，缺乏基于不同城市人口、經(jīng)濟(jì)、等客觀數(shù)據(jù)的實證研究[14～15]。因此，本文首次基于中國18個城市的面板數(shù)據(jù)進(jìn)行實證研究，致力于驗證2012—2022年期間共享單車鼓勵政策對促進(jìn)城市居民公共交通出行是否有效。此外，在政策影響的差異性分析方面，本文從不同人口密度和不同經(jīng)濟(jì)發(fā)展水平兩個方面，細(xì)致考察了共享單車鼓勵政策對公共交通出行影響的差異性。

三、研究設(shè)計

（一）數(shù)據(jù)來源與說明

關(guān)于公共交通概念的界定。公共交通是涵蓋公交車、地鐵及城市輕軌三種出行方式的統(tǒng)稱[16]，以公共交通作為出行方式分析的目標(biāo)方式，以日常出行如通勤和娛樂作為典型進(jìn)行研究，探討共享單車鼓勵政策對公共交通出行的影響。

關(guān)于研究對象的選擇。本文的研究對象指所選取城市的城鎮(zhèn)常住人口，以城市城區(qū)的常住人口為目標(biāo)研究群體。該類群體長居于市區(qū)，日常通勤較為固定，呈現(xiàn)出一定規(guī)律性，形成比較穩(wěn)定的個體交通使用偏好[17]。

本文以2012—2022年為研究區(qū)間，選取了中國18個城市進(jìn)行研究，其中包含12個實施了共享單車鼓勵政策的城市和6個未實施該政策的城市。關(guān)于樣本的篩選，剔除核心數(shù)據(jù)缺失的城市，選取了北京、上海、南京、杭州、合肥、鄭州、武漢、長沙、西安、蘭州、成都以及南寧12個城市作為對照組，重慶、大連、澳門、安陽、錦州和柳州等未實施政策的城市作為控制組，通過多時點雙重差分法進(jìn)行政策有效性分析。因為不同城市的共享單車鼓勵政策啟動時間不同，為便于后續(xù)實證分析，本研究定義首次政策實施年份作為該城市的政策發(fā)生時間即2015年。各城市共享單車鼓勵政策實施的情況如表1所示：

2012—2022年城市公共交通出行量數(shù)據(jù)均來源于各城市市政廳公共交通歷年統(tǒng)計年鑒。控制變量的數(shù)據(jù)來自中國各城市2012—2022年統(tǒng)計發(fā)展年鑒。

（二）變量測量

1. 被解釋變量

本研究通過公共交通出行量的研究視角來考察共享單車鼓勵政策的有效性。國內(nèi)外關(guān)于公共交通出行量的指標(biāo)選擇存在較大差異，學(xué)術(shù)界對該變量的衡量標(biāo)準(zhǔn)尚未統(tǒng)一。參考Luo等研究，被解釋變量用公共交通日均客流量（flow）作為公共交通出行量的替代變量來表示[18～19]。

2. 控制變量

考慮到其他潛在的因素對公共交通出行量的影響，為盡可能避免遺漏變量導(dǎo)致的內(nèi)生性偏差和虛假相關(guān)問題。參考Johnstone等的研究[20]，選取以下城市層面的控制變量：常住人口數(shù)（Population）；人均可支配收入（Income）；軌道公交線路總長度（length）；私家車保有量（Car）。如表2所示：

（三）模型構(gòu)建

在評估政策實施效果的方法中，雙重差分法近年來被廣泛使用，該方法的基本思想是將新政策的實施視為一種外生的“自然實驗”或“準(zhǔn)實驗”[21]。本文以2015年以來我國推行的共享單車鼓勵政策作為城市交通發(fā)展的一項外生政策沖擊，通過基于雙重差異的模型回歸估計，可以有效控制其他并行政策的影響，以及實施城市與未實施城市間的固有差異，進(jìn)而識別出共享單車鼓勵政策對公共交通的凈效應(yīng)。因此，本文采用雙重差分法研究其對公共交通出行量的影響作用。由于政策在不同城市的啟動時間不同，故采用多時點雙重差分模型來評估共享單車政策對公共交通出行量的影響。借鑒現(xiàn)有研究[22]，將多時點雙重差分模型設(shè)定如下：

[flowit=α0+α1Treatit×Timeit+α2Xit+ωi+φt+εit ] （1）

式（1）中，被解釋變量[flowit]代表城市i在t年的公共交通出行量，用公共交通日均客流量的對數(shù)表示。[Treatit]為政策實施的城市虛擬變量，若城市i執(zhí)行了共享單車鼓勵政策，則Treat賦值為1，否則為0；而[Timeit]代表政策實施的時間虛擬變量，政策執(zhí)行期間其值為1，非執(zhí)行期間則為0。在后文中，用DID表示政策實施的城市虛擬變量Treat和時間虛擬變量period的交互項。[Xit]為t年影響城市i公共交通出行量的一系列控制變量矩陣，[ωi]為城市固定效應(yīng)，[φt]為年份固定效應(yīng)，[εit ]為隨機誤差項。模型重點關(guān)注[α1]系數(shù)，若[α1]顯著為正，則說明共享單車鼓勵政策對實施該政策地區(qū)的公共交通出行有促進(jìn)作用；反之，則說明該政策對公共交通出行有抑制作用。

四、實證結(jié)果分析

（一）基準(zhǔn)回歸結(jié)果

表3的回歸結(jié)果顯示，在控制了城市和年份的固定效應(yīng)后，共享單車鼓勵政策的實施對公共交通出行量有顯著的提升作用。在第（1）列加入控制變量前，DID系數(shù)為0.4728，且通過了5%的顯著性水平檢驗。在引入控制變量后，回歸系數(shù)降低至0.3935。這表明，在控制了相關(guān)影響因素后，共享單車鼓勵政策促進(jìn)了地區(qū)公共交通客流量的增長。

（二）平衡趨勢檢驗

雙重差分模型雖然有助于緩解模型中的內(nèi)生性問題，但其應(yīng)用的前提是處理組和對照組必須滿足平行趨勢假設(shè)，即政策實施前，各城市的變化趨勢應(yīng)保持一致，且在統(tǒng)計學(xué)上無顯著差異。用stata軟件畫出平衡趨勢圖，其他變量定義與基準(zhǔn)回歸模型（1）一致。圖1為95%置信水平下的平行趨勢檢驗結(jié)果。可以看出，共享單車政策實施城市與未實施城市的公共交通出行量在政策發(fā)生之前的變化趨勢基本保持一致，即實驗組和對照組的公共交通出行量不存在顯著差異，研究樣本通過平行趨勢檢驗。此外，政策實施后的動態(tài)效應(yīng)估計值顯著為正，這表明共享單車政策對城市公共交通出行有積極的促進(jìn)作用。

（三）安慰劑試驗

為了降低遺漏變量對估計結(jié)果的干擾，并驗證基準(zhǔn)回歸結(jié)果是否受到不可觀測因素的影響，本文采用了非參數(shù)置換方法進(jìn)行安慰劑檢驗，采用2012—2022年的城市面板數(shù)據(jù)，隨機選擇城市作為處理組，并隨機分配政策實施年份進(jìn)行重新估計。為提升檢驗的可靠性，重復(fù)此過程500次，估計系數(shù)的分布情況如圖2所示。結(jié)果顯示，處理效應(yīng)的絕對值遠(yuǎn)離基準(zhǔn)回歸的估計結(jié)果（0.3935），且主要分布在0的兩側(cè)。同時，大多數(shù)回歸系數(shù)的p值超過0.1。這證明，觀測到的公共交通出行量變化確實是由共享單車鼓勵政策引起的。

（四）穩(wěn)健性檢驗

關(guān)于公共交通出行量的衡量，本文在穩(wěn)健性檢驗部分采用對數(shù)處理后的公共交通日均運行里程，并再次進(jìn)行回歸，在表4中第（2）列呈現(xiàn)。替換變量后交互項的系數(shù)依舊在5%顯著水平下為正。這表明共享單車鼓勵政策對公共交通出行量同基準(zhǔn)回歸一樣表現(xiàn)出正向的促進(jìn)作用，研究結(jié)論并未發(fā)生改變，通過了穩(wěn)健性檢驗。

（五）異質(zhì)性分析

1. 人口密集程度

人口密集程度。從總體通勤交通強度來看，人口密度越高，總體通勤交通的強度也越高[23]。本文采用每平方千米人口數(shù)來衡量人口密集程度。根據(jù)城市每平方千米的人口數(shù)是否高于樣本年度的中位數(shù)，將城市劃分為高水平組和低水平組。具體分組回歸的結(jié)果見表5中的第（1）和第（2）列，對于高人口密度組，DID的系數(shù)為0.328；對于低人口密度組，DID的系數(shù)為0.014，均通過了5%的水平的顯著性檢驗。由于兩組系數(shù)都顯著，高人口密度組估計系數(shù)大于低密度組，所以共享單車鼓勵政策對高人口密度的城市影響更大。換言之，人口密集度較高的城市，該政策對公共交通出行的推動作用更為顯著。原因如下，在人口密集的地區(qū)，人們的出行需求更為集中，交通流量也更大[24～25]。相比之下，公共交通出行強度和人口密度之間的擬合度較好，說明在人口密集地區(qū)，市民更傾向于采用公共交通作為通勤方式。

2. 經(jīng)濟(jì)發(fā)展水平

各地區(qū)的經(jīng)濟(jì)發(fā)展水平是影響當(dāng)?shù)毓步煌ǖ闹匾暧^因素[26]。由于經(jīng)濟(jì)發(fā)展水平會對公共交通的客流需求產(chǎn)生影響，在不同經(jīng)濟(jì)發(fā)展水平的地區(qū)，共享單車鼓勵政策對公共交通的影響可能會有所不同。因此，本文選取地區(qū)GDP作為衡量經(jīng)濟(jì)發(fā)展水平的指標(biāo)，將樣本按照經(jīng)濟(jì)發(fā)展水平劃分為高低兩組，估計結(jié)果展示見表5第（3）和第（4）列。根據(jù)分組回歸的結(jié)果，經(jīng)濟(jì)發(fā)展水平較高地區(qū)的政策效應(yīng)在5%的顯著性水平上顯著，而經(jīng)濟(jì)發(fā)展水平較低地區(qū)的政策效應(yīng)未通過顯著性檢驗。這表明共享單車鼓勵政策對不同經(jīng)濟(jì)發(fā)展水平城市的公共交通出行量影響存在差異。對此可能的解釋是，經(jīng)濟(jì)發(fā)達(dá)地區(qū)更加注重城市規(guī)劃、交通治理和環(huán)境保護(hù)等方面的工作，道路交通等基礎(chǔ)設(shè)施更加完善。而經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)可能受經(jīng)濟(jì)條件制約，道路交通等基礎(chǔ)設(shè)施不完善，從而弱化了共享單車鼓勵政策對公共交通的積極影響[15，27]。

五、結(jié)論與政策建議

（一）結(jié)論

本文選取了中國東、中、西三個區(qū)域18個城市2012—2022年的城市面板數(shù)據(jù)，運用多時點雙重差分法進(jìn)行政策效應(yīng)分析，通過控制相關(guān)變量，比較政策前后差異，驗證了共享單車鼓勵政策對公共交通的影響。實證結(jié)果顯示：第一，共享單車政策的實施顯著提高了公共交通出行量，即共享單車政策對公共交通出行有促進(jìn)作用；第二，共享單車鼓勵政策對公共交通出行量的影響具有差異性，共享單車政策對公共交通的促進(jìn)作用在人口更密集、經(jīng)濟(jì)發(fā)展水平更高的城市中表現(xiàn)更為明顯。研究結(jié)果與Penz保持一致，他的研究發(fā)現(xiàn)共享單車多作為末端出行方式接駁公共交通尤其是地鐵出行，占共享單車總出行的77%，公共交通客流量隨之提升了48%[28～29]。這表明中國共享單車鼓勵政策對公共交通出行存在顯著的正向影響。

（二）政策建議

為更好地實現(xiàn)綠色出行和交通可持續(xù)發(fā)展的“雙贏”目標(biāo)，本文提出以下政策建議：（1）為有效發(fā)揮共享單車鼓勵政策對公共交通出行的促進(jìn)作用，促進(jìn)整個城市范圍內(nèi)交通系統(tǒng)的優(yōu)化，政府應(yīng)科學(xué)計劃、統(tǒng)籌規(guī)劃，在分析城市區(qū)域人口密度、道路規(guī)劃、配套設(shè)施、氣候雨水條件的前提下精準(zhǔn)投放共享單車[30]。（2）倡導(dǎo)低密度城市邊緣區(qū)域“共享單車+軌道交通”無縫銜接，使居民騎行意愿提升的同時能夠有效緩解共享單車亂停亂放帶來的道路擁堵，改善市容市貌。在高密度城市中心區(qū)域，建立一種靈活調(diào)節(jié)的共享單車供給機制，以減輕中心城區(qū)在公共交通高峰時段的客流壓力，優(yōu)化城市公共交通[31]。（3）政府要全面把握共享單車鼓勵政策的影響作用，對后續(xù)共享單車和公共交通使用情況進(jìn)行跟蹤記錄，及時調(diào)整數(shù)量，綜合政策效應(yīng)考察其凈收益，從而提升政策實施效果，實現(xiàn)綠色出行和交通可持續(xù)發(fā)展的雙重目標(biāo)。

本文存在以下局限與不足：第一，由于政策特殊性，只選取了中國12個政策實施城市的樣本，樣本量尚未覆蓋全國城市，沒有針對城市共享單車發(fā)展時間和程度的不同進(jìn)行區(qū)別分析。第二，關(guān)于公共交通出行量的指標(biāo)選擇方面，本文選取公共交通日均客流量作為替代變量對于衡量公共交通出行量具有一定的局限性。此外，未來研究應(yīng)以更大的樣本量探討更加多元的政策效應(yīng)及政策效應(yīng)的機制。

參考文獻(xiàn)：

[1] 張晨怡，董會娟，耿涌.中國城市生活垃圾處理碳排放時空分布特征及減排潛力[J/OL].中國人口·資源與環(huán)境，2024（4）：23-35[2024-10-23].http：//kns.cnki.net/kcms/detail/37.1196.N.20240605.0

856.006.html.

[2] 蔡日升.綠色交通理念下的交通運輸規(guī)劃探究[J].工程技術(shù)研究，2019，4（20）：186-187.

[3] 陳文強，勾小梅.評估政策感知對居民綠色出行意向的影響[J].科學(xué)技術(shù)與工程，2024，24（7）：2966-2974.

[4] 韓羽西.共享電動單車的市場分析與可持續(xù)發(fā)展研究[J].商展經(jīng)濟(jì)，2024（8）：112-115.

[5] 徐林，凌卯亮.垃圾分類政策對居民的節(jié)電行為有溢出效應(yīng)嗎？[J].行政論壇，2017，24（5）：105-112.

[6] NILSSON A，BERGQUIST M，SCHULTZ W P.Spillover Effects in Environmental Behaviors， Across Time and Context：A Review and Research Agenda[J].Environmental Education Research，2017，23（4）：573-589.

[7] 王風(fēng)偉，張琎.北京市共享單車發(fā)展現(xiàn)狀與對策研究[J].交通世界，2022（2）：4-5.

[8] 王振坡，康海霞，王麗艷.共享單車對居民通勤方式選擇的影響研究——基于天津市微觀調(diào)查與大數(shù)據(jù)的實證分析[J].城市發(fā)展研究，2019，26（10）：57-66.

[9] 鐘子奕.多源流理論視域下我國共享單車監(jiān)管政策議程探析——以成都市為例[J].交通企業(yè)管理，2023，38（4）：34-36.

[10] FULLER D，GAUVIN L，MORENCY P，ET AL.The Impact of Implementing a Public Bicycle Share Program On The Likelihood of Collisions and Near Misses in Montreal，Canada[J]. Preventive Medicine，2013，57（6）：920-924.

[11] 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.

[12] 曹雪檸. 共享單車與公共自行車，各自為政還是合作共贏？[J].江蘇城市規(guī)劃，2017（2）：45-46.

[13] 葛麗娟，葛艷波，李楓.共享單車的用戶特征及其對城市交通出行的影響[J].綜合運輸，2018，40（4）：30-36.

[14] MA X，JI Y，YANG M，ET AL.Understanding Bikeshare Mode As a Feeder to Metro by Isolating Metro-bikeshare Transfers From Smart Card Data[J].Transport Policy，2018（71）： 57-69.

[15] CHIEN S，SCHONFELD P.Joint Optimization of a Rail Transit Line and Its Feeder Bus System[J].Journal of Advanced Transportation，1998，32（3）：253-284.

[16] 王玥.城市公共交通數(shù)字化轉(zhuǎn)型——未來我國城市出行可持續(xù)發(fā)展思考[J].城市公共交通，2024（3）：30-33.

[17] 李陳洋，雷愛國，吳嘯宇，等.城市公共交通出行方式選擇博弈模型[J].交通科技與經(jīng)濟(jì)，2022，24（3）：18-26.

[18] LUO D，CATS O，VAN LINT H. Can Passenger Flow Distribution Be Estimated Solely Based on Network Properties in Public Transport Systems？[J].Transportation，2020，47（6）：2757-2776.

[19] 陳靜，張昭沖，王琳凱，等.基于卷積長短時記憶網(wǎng)絡(luò)的短時公交客流量預(yù)測[J].系統(tǒng)仿真學(xué)報，2024，36（2）：476-486.

[20] JOHNSTONE N，HASCIV I，POIRTER J，ET AL.Environmental Policy Stringency and Technological Innovation：Evidence From Survey Data and Patent Counts[J].Applied Economics，2012，44（17）：2157-2170.

[21] 肖小虹，何蓋雷.低碳城市試點政策提升了重污染企業(yè)的環(huán)境績效嗎？——基于重污染企業(yè)的雙重差分檢驗[J].生態(tài)經(jīng)濟(jì)，2024，40（6）：141-147.

[22] 胡日東，林明裕.雙重差分方法的研究動態(tài)及其在公共政策評估中的應(yīng)用[J].財經(jīng)智庫，2018，3（3）：84-111+143-144.

[23] Saghapour T，Moridpour S，Thompson R G.Public Transport Accessibility in Metropolitan areas：A New Approach Incorporating Population Density[J].Journal of Transport Geography，2016（54）：273-285.

[24] 劉成帥，陳鵬.北京市地鐵出行特征及其影響因素分析[J].科學(xué)技術(shù)創(chuàng)新，2024（3）：92-95.

[25] 李榮.城市軌道交通接駁方式及規(guī)模研究[J].科學(xué)技術(shù)創(chuàng)新，2021（2）：143-144.

[26] 劉春榮，宮曉剛.軌道交通快速發(fā)展背景下的常規(guī)公交應(yīng)對策略[J].交通與港航，2019，6（2）：26-31.

[27] 劉傳明，毛廣雄，孫美潔.江蘇省基本公共服務(wù)與經(jīng)濟(jì)發(fā)展耦合協(xié)調(diào)性研究——以陸路交通設(shè)施為分析對象[J].淮陰師范學(xué)院學(xué)報（自然科學(xué)版），2018，17（4）：324-329.

[28] PENZ E，HARTL B，HOFMANN E.Explaining Consumer Choice of Low Carbon Footprint Goods Using The Behavioral Spillover Effect in German-speaking Countries[J].Journal of cleaner Production， 2019（214）： 429-439.

[29] Yang W，Wang W，Ouyang S.The Influencing Factors and Spatial Spillover Effects of CO2 Emissions From Transportation in China[J].Science of the Total Environment，2019（696）： 133900.

[30] 張穎麗.淺析共享經(jīng)濟(jì)經(jīng)營模式及發(fā)展建議——以共享單車為例[J].現(xiàn)代商業(yè)，2023（9）：15-18.

[31] DE CHARDON C M.The Contradictions of Bike-share Benefits，Purposes and Outcomes[J].Transportation Research Part A：Policy and Practice，2019（121）：401-419.