用户名
密码
(30天内有效)
注册
注册
首页 > 案例资料 >

【学术论文】基于共享单车骑行GPS记录数据的研究成果

我要收藏
2021-06-10

论文题目:


Understanding the modifiable areal unit problem in dockless bike sharing usage and exploring the interactive effects of built environment factors


论文作者:

高枫(第一作者),李少英(通讯作者),谭章智,吴志峰,张晓明,黄冠平,黄姿薇


关注城市数据派微信号,回复“ 0609 ”可获得该论文下载地址


1623306189646189.png



01  内容导读


近年来,共享单车凭借其高效便捷、低碳绿色等优势逐渐成为人们的重要出行方式。一方面,共享单车出行通常受到城市交通规划者的支持,因为共享单车有许多好处,例如促进公共交通使用,减少交通拥堵,利于居民身体健康。研究共享单车使用的影响机制可以为城市规划者提供在土地利用开发、道路设计等方面的启示。



另一方面,与政府主导的有桩公共自行车不同,企业主导的无桩共享单车提供无站租赁服务,其使用更加方便灵活。然而,如果没有准确地对共享单车使用需求进行预测和并进行有效地调度,则可能导致供需不匹配,从而带来一些潜在城市问题。例如,当共享单车供过于求时,就会出现占用公共空间;反之,供不应求可能则导致服务不足。因此,了解共享单车使用的影响机制,可以为共享单车使用预测和调度提供科学依据,对提高共享单车的管理和服务水平具有重要意义。


近年来许多学者逐渐开展研究探讨建成环境对共享单车骑行的影响。然而,已有研究在数据聚合和建模时较少考虑MAUP(Modifiable Areal Unit Problem)。此外,已有研究通常采用回归模型分析影响因子的独立影响力,尚未涉及对因子交互作用的分析。


为此,本研究拟回答以下问题:(1)MAUP如何影响共享单车骑行OD时空分布影响因素的建模结果?建成环境因子在不同空间尺度下对骑行的影响有何差异?(2)各因子对骑行OD影响因素的交互作用与独立作用有何差异?


本研究以2018年10月第一周深圳市所有运营商的共享单车骑行GPS记录数据为研究对象并进行预处理;首先,利用多源时空数据构建建成环境影响因子体系(图1);其次,基于地理探测器模型(因子探测器&交互探测器)探究骑行OD时空分布影响因素建模中的MAUP问题(尺度效应&分区效应),并选出最适宜空间尺度与分区方法,进一步得出各建成环境因子对骑行行为的独立影响与交互影响,为科学认识共享单车使用规律,改善城市规划、促进慢行交通提供科学建议与参考。本文探究地理探测器建模结果空间尺度敏感性的框架,可为相关交通地理、时空行为机制尺度效应探讨提供思路与参考。


1623306218143712.jpg


图1 建成环境影响因子体系



02  研究方法

对于有桩公共自行车影响因素建模而言,通常选择各个站点的借还量作为模型因变量,而自变量则是以站点为中心一定范围缓冲区或泰森多边形内的各种建成环境因子。而对于无桩共享单车而言,其因变量和自变量均需要基于一定的空间单元进行统计聚合,通常采用格网。



然而,随着聚合数据的网格尺寸大小变化,共享单车骑行建模结果会随之变化,这种现象称为尺度效应,是地理学研究中普遍存在的可塑性面积单元问题(MAUP)之一。分区效应也是MAUP的另一方面,分区效应是指当使用不同的方法重新排列给定区域单元组的数据分区时,可能会得出不同的结论。


MAUP探讨目的:

(1)比较各建成环境因子在不同空间尺度上对共享单车骑行的影响力差异,从而为城市规划或慢行交通规划提供细化到具体空间尺度各建成环境因素的规划建议;

(2)确定适合的空间尺度,基于此得出独立及交互影响因素分析结果,为共享单车运营商及相关部门提供调度建议。


MAUP探讨方法:

(1)选择三种常用的分区方法检验分区效应:自然间断法(NB)、等间隔法(EI)和分位数法(QU);

(2)选取10种候选格网尺度(100m至1000m,间距100m)检验尺度效应(因子数值分类类别均为5),如图2所示。


最适宜格网尺度与分区方法判断标准:

(1)相对重要性:q值越大,各因子影响力值越高;

(2)相对稳定性:各因子q值排序紊乱度越低,模型综合结果解释力越强;

(3)骑行作为一种时空行为,建模尺度应尽可能精细。


1623306243630429.jpg图2 MAUP探讨后候选格网数据聚合分布



03  骑行影响因素MAUP探讨

综合考虑相对重要性和相对稳定性,选择600m以及自然断点法作为较适宜空间格网尺度与分区方法(图3),原因如下:



(1)格网尺度小于600 m时,q值的增长率相对较高,格网尺度大于600 m时,q值的增长率则开始放缓;

(2)格网尺度小于600 m时,各因子q值大小排序变化幅度较大,格网尺度小于600 m时,排序趋于相对稳定;

(3)共享单车骑行作为一种个体时空行为,其建模尺度应尽可能精细,以便更准确量化周边建成环境因子,而过大尺度可能会隐藏一些空间异质性规律。


1623306276840540.jpg

图3 地理探测器建模尺度效应结果


MAUP探讨结果发现:

(1)各建成环境因子对共享单车使用的影响的空间尺度敏感性存在差异。其中,公交和道路这两个因素对共享单车骑行影响力的空间尺度敏感性较低;其他因子的q值及其排序对尺度更为敏感,包括地铁、工作地、居住、娱乐、混合与人口因子。因此,建议规划者在对这些尺度敏感因素进行规划设计时,应注意其空间尺度。


(2)服务设施因子方面,如居住、工作地与娱乐因子,它们对共享单车骑行影响力随着格网尺度的变小而降低,尤其是当格网尺度小于600 m时。这意味着在小于600 m的格网尺度下,增加这些设施的密度并不一定会导致共享单车骑行的显著增加。


(3)土地利用因子方面,当格网尺度小于600m时,土地利用混合度因子的相对重要性随着格网尺度的变大而降低,说明了在较小的空间单元上进行土地利用混合规划对促进共享单车骑行更有意义。


(4)对于实时人口和地铁站可达性因子而言,当格网尺度大于600m时,其相对重要性随格网尺度的变大而降低,说明了在格网尺度小于600m时,城市规划者应重视人口密度这一因素以及地铁站点的相关规划。



04  建成环境因子独立影响与交互影响分析

因子独立影响结果发现(图4):


(1)实时人口(与骑行数据时间对应的微信宜出行实时人口密度)是影响共享单车骑行使用最强的因素,其影响力高于设施、交通与土地利用因素,印证了人口密度越集中的地区吸引或产生共享单车使用需求的能力越强;


(2)交通可达方面,地铁站点分布因子对共享单车骑行起点、终点分布的影响力最大,表明深圳市共享单车骑行的主要换乘接驳方式是地铁换乘,而非公交换乘。共享单车与地铁接驳这一出行特点,与纽约、首尔和明尼苏达已有研究结论一致,说明了共享单车与地铁接驳出行是大都市普遍存在的一种出行方式,地铁站可达性与共享单车使用存在正相关关系。


然而,与已有研究类似,仅依靠各影响因子对骑行的独立影响力进行分析难以获取更多关于骑行影响因素的规律。这需要进一步研究各建成环境因子对共享单车骑行的交互影响力。


1623306306172953.jpg

图4 建成环境因子独立影响力结果


因子交互影响结果发现(图4):

周末早高峰时段“工作地∩地铁”因子组对骑行终点的交互影响力比工作地的独立影响力提高了超过100%;周末晚高峰时段,“工作地∩地铁”因子组对骑行起点的交互影响力比工作地因子独立影响力q值提高了92.36%。这反映了深圳市周末加班工作现象,且当公司企业附近有地铁站点时,周末加班的人仍依赖地铁和共享单车接驳出行方式。因此,周末高峰时段的共享单车骑行职住通勤需求不应忽视。其他研究发现详见论文全文。


1623306328739087.png

表1 建成环境因子交互影响结果(周末模型)


参考文献

Feng Gao, Shaoying Li*, Zhangzhi Tan, Zhifeng Wu, Xiaoming Zhang, Guanping Huang, Ziwei Huang. Understanding the modifiable areal unit problem in dockless bike sharing usage and exploring the interactive effects of built environment factors. International Journal of Geographical Information Science,2021,

https://doi.org/10.1080/13658816.2020.1863410


本站声明

本文仅代表作者观点,不代表城市数据派立场;
本文系作者授权城市数据派发表,未经许可,不得转载;
本网站上的所有内容均为虚拟服务,一经购买成功概不退款,请您理解。

点赞0