研习社 | 学员作业：南京市地铁站周边区域共享单车分布特征分析
南京市地铁站周边区域共享单车分布特征分析
大家好，我叫项译，就职于苏州规划院昆山分院，主要从事交通规划方面的工作。今年6月刚毕业于东南大学交通学院，研究生期间运用手机信令数据分析旅游交通客流特征，培养了我数据分析的能力和兴趣。工作初期，出于公司领导的厚爱，希望我能顺应大数据潮流，继续在大数据方面有所探索，而我在学生期间的研究多停留在理论层面，为了更深入的学习GIS，探索数据在城市规划中的应用，在公司的大力支持下，我参加了城市数据研习社。通过学习城市数据研习社的所有课程，我对大数据的实际应用有了更全面更深入的了解。这一期的“共享单车定位数据”专题正好是我感兴趣的课题，而共享单车又是交通领域研究的热门课题，我毫不犹豫参加了本次学习计划，在城市数据研习社老师们的教导下，最终完成此次作业。需要注明的是，本次仅为作业成果，有许多不足之处，希望与大家讨论交流。
1 研究概述
1.1 研究背景
近年来，各大城市大力发展公共交通来缓解城市交通压力。城市地铁交通具有运量大、快捷舒适、安全准时的优点，已成为大城市公共交通体系的重要组成部分。但是轨道交通只能在主干路上运行，可达性不强，轨道交通与其它公共交通的衔接成为完善城市交通系统的关键。共享单车具有使用便捷、低碳环保、适宜短距离出行等优点，可以与轨道交通实现无缝衔接，解决轨道交通“最后一公里”的末端需求。
随着今年年初共享单车进入南京市场，有效的解决了轨道交通最后一公里的末端需求。然而地铁站周边共享单车需求量较大，且投放量大，常常出现无车可用，或地铁站车辆闲置过多等问题；究其原因是投放供需不匹配，一方面投放力度不足，容易导致共享单车不能满足使用需求，另一方面投放力度过大，容易导致共享单车资源过剩，挤占公共空间。因此有必要对地铁站周边的共享单车使用和接驳情况进行分析和研究，及时掌握地铁站周边共享单车供需，为地铁周边共享单车合理投放和使用提供依据，助力城市发展“轨道交通+共享单车”交通模式。
1.2 研究范围与时间
截止2017年10月低，南京市共开通8条线路，共139个地铁站，考虑到数据的可获得性，本文选取南京市中心城区104个地铁站作为研究对象。选取2017年11月2日（工作日）和11月4日6：00-22：00（周末）作为研究时间，选择这两天的单车数据，具有代表意义。
图1：研究范围图
1.3 研究思路
本文研究内容主要包括两部分：一是研究地铁站100m步行范围内的共享单车时间分布特征和空间分布特征，获取各地铁站单车投放量、使用率等指标，再结合指标采用聚类方法将地铁站分为四类：“高投放，高使用率”；“高投放，低使用率”；“低投放，高使用”“低投放，低使用率”。
二是研究地铁站1KM范围内共享单车分布特征，包括单车轨迹分布、单车密度分布，再结合地铁站1km范围内的用地POI，采用相关性分析研究地铁1km范围内住宅、餐饮、娱乐、办公等用地与共享单车接驳使用的相关性，判断区域投放共享单车的适宜性。
图2：研究技术路线图
2 数据预处理方法
2.1 研究数据
本次作业采用的数据包括共享单车数据、南京市行政边界数据、南京市地铁站数据、南京市POI数据。其中，共享单车数据为共享单车抽样数据。行政边界数据通过在城市数据研习社群里填申请表格获得，地铁站数据和POI数据通过高德地图API爬取获得。
图3：单车原始数据 图4：POI数据
2.2 共享单车数据预处理
第一步进行数据清洗，一是剔除掉不需要的字段或者为空的字段；二是剔除每个时间段重复出现的单车数据，通过数据清洗，单车数据去重率为11.8%。
第二步进行坐标转换，通过共享单车APP和高德地图爬取的数据均为火星坐标系，使用脉策坐标转换工具，将数据转换为地理坐标系，再在GIS里将地理坐标转换成投影坐标。
第三步进行数据筛选，通过arcgis缓冲区和相交工具，搜索地铁站100m和1km范围内的单车数据；再通过相同的方法搜索地铁站1km范围内的POI数据，提取出相应的数据，便于后续的处理分析。
第四步进行研究范围划分，研究地铁站周边单车使用特征的研究范围是地铁站100m范围，研究地铁站最后一公里接驳特征的研究范围是地铁站1km范围。通过ARCGIS缓冲区工具，搜索地铁站一百米无重叠，而搜索1km是有重叠部分的，为了保证每个地铁站服务的区域到达该地铁站距离最近，且服务范围能覆盖一公里内能到达地铁站的所有区域，本文采用泰森多边形划分地铁站1km服务范围，划分后的服务区域如图所示。
图5：数据预处理
3 地铁站周边单车使用特征分析
3.1 单车时间分布特征分析
将工作日地铁站周边的单车数据分时段统计，得到单车时间分布特征。如图所示，地铁站周边单车数量呈现明显的两个特征。单车数量较多的时段为8：00-15：00以及17：00-22：00，这是由于这段时间人出行较频繁，单车使用量较高；单车数量较少的时段为6：00-8：00与15：00-17：00，可以认为这段时间人的出行较少。单车数量最高峰出现在13：00-14：00，这段时间地铁站周边单车使用最为频繁，而晚上21：00-22：00单车数量较多与这个时间段单车调度有关。
通过ARCGIS将相邻时间段的单车ID相关联，未匹配的数据即为被使用的单车数，统计地铁站周边单车使用数量，如图所示单车使用数量呈现四个高峰，其中受通勤交通影响，地铁换乘单车在早高峰8：00-9：00和晚高峰18：00-19：00单车使用量较大，此外中午上班时段13：00-14：00也有明显的高峰，在夜间21：00-22：00也有明显的高峰，这与单车运营调度有关。
图6：单车时间分布特征
3.2 单车空间分布特征分析
分析工作日南京市地铁站100m范围内单车空间分布。如图所示，每个红圆代表一个地铁站，红圆越大代表单车数量越多。南京市地铁站单车空间分布由市中心向外围整体呈现“少-多-少”的特征，即市中心和外围的单车数量偏少，而中间区域的单车数量较多，与南京市中心单车管理力度较大有关。而浦口大学城和江宁区域的地铁站虽处在南京市外围地铁站，但呈现单车数量较多的特点，即单车数量与大学城与城市副中心有关。
分析周末南京市地铁站100m范围内单车空间分布。由南京市中心向外围整体呈现“少-多-少”的分布特征更加明显。大学城及城市副中心地铁站依然存在单车数量较多的特征。
图7：单车数量分布
图8：单车空间分布特征
将工作日与周末地铁站周边的单车分布进行对比，左图红圈代表工作日增加的单车，红圈越粗代表增加的单车数量越多；右图蓝圈代表周末增加的单车数量。周末单车增加主要在三个区域，一是河西的绿博园、奥体中心、中胜有明显增加，二是玄武湖周边的鸡鸣寺地铁站和浮桥站有明显增加，三是江宁的九龙湖、天元西路，周末单车出行集中在景区或大学城周边；而工作日增加的单车明显分布于1号线和2号线沿线，尤其是软件大道、花神庙、明发广场、胜太路站等，与沿线多分布办公设施有关。
图9：周末节假日单车分布对比
对工作日早高峰和晚高峰单车空间分布进行对比，图中每个圆代表一个地铁站，圆的大小代表该地铁站周边单车数量的多少，每个时间段单车数量呈现不同的分布特征，可见高峰间段地铁站周边的单车数量使用率较高。
图10：高峰小时单车分布特征
地铁周边单车使用率可用某一时间段地铁站周边使用的单车数量除以该时间段地铁周边总的单车数量计算，对早晚高峰地铁站周边单车使用率进行分析8：00-9：00、17：00-19：00单车使用率均大于90%；其中油坊桥、大明路、奥体东、花神庙、钟灵街、宏运大道、明发广场、龙眠大道、胜太路、小市、西安门、南京林业大学新庄、兴隆大街，共13个地铁站使用率均到达100%，而吉印大道地铁站使用率最低，未使用单车数量较多，单车配置数量超过使用数，存在资源浪费。
表1：高峰小时单车使用情况
以地铁站周边单车数量和使用率为特征指标，采用聚类分析，探索地铁站类型。将地铁站分为四类：1高投放，高使用率；2高投放，低使用率；3低投放，高使用率；4低投放，低使用率。
针对不同类型地铁站，研究空间分布特征，如图所示，四种颜色对应四种地铁类型，可见不同类别的地铁站呈现圈层分布；以新街口为中心，两公里范围内地铁站使用情况主要为低投放，高使用。中心区2~8km范围以内为高投放，高使用率的地铁站外围区的地铁站多为高投放、低使用率。
图11：地铁站分类
4 地铁站最后一公里单车接驳特征分析
4.1 单车接驳轨迹分析
分析工作日地铁站“最后一公里”单车出行轨迹，如图所示，每条蓝线代表单车运行轨迹，根据轨迹密度分析地铁站一公里范围内单车出行强度，一是受地形影响，雨山路、文德路（北侧为老山国家森林公园）林场（南侧为珍珠泉景区）蒋王庙、王家湾、聚宝山（南侧为钟山风景区）地铁站单车出行强度低；二是受周围地块开发强度影响，高新开发区、临江地铁站单车出行强度较低。
对比工作日与周末地铁站一公里内车行轨迹，发现工作日地铁2号线沿线单车活动强度显著高于周末，这是由于河西的人群工作日出行较多，周末出行较少。
图12：工作日周末单车轨迹对比
4.2 单车密度分析
通过ARCGIS核密度分析函数对工作日和周末单车数量分布进行核密度计算，对比地铁一公里范围内单车空间分布特征，如图所示，由蓝到红颜色渐变代表由小到大的单车密度，工作日总体密度较大，而周末明显玄武湖地铁站周边区域密度较大，其余区域密度较小，单车出行与工作娱乐的设施分布存在一定的关联性。
图13：工作日周末单车密度对比
4.3 单车密度与POI相关性分析
对地铁一公里内单车密度与住宅、办公、餐饮POI的分布关系分析，将不同地铁站服务范围内的单车密度与不同用地性质的POI数量进行匹配，如图所示，三维拉伸地形图和柱状图由蓝到红颜色渐变分别代表由小到大的单车密度和POI数量，可见南京市整体POI分布均呈现中间多四周少的特征。住宅数量与单车分布匹配度较高的是玄武门、龙江、鼓楼、云南路地铁站；而新街口、三山街、中华门、上海路、汉中门住宅数量较高、而单车数量低；办公数量在三山街、新街口、张府园地铁站周围与单车分布匹配度较高，而中心区匹配度较低；餐饮数量与单车分别匹配度均较低。
图14：单车与餐饮
图15：单车与办公
图16：单车与餐饮
采集单车数量排名前十的地铁站周边对应的服务设施数量，发现对应住宅数量较高的地铁站占到50%以上，而单车数量与餐饮和办公数量没有明显关联。
采用Pearson相关性检验，对单车数量与服务设施POI的相关性进行分析。Pearson相关系数越接近于1或-1,相关的越强，相关系数越接近于0，相关度越弱，分析结果显示单车数量与住宅呈现弱相关性，与办公和餐饮几乎无相关性。
图17：单车与POI数量对比
表2：单车与POI相关性分析
5 小结
本文研究结论与建议有：
1）地铁站周边单车不同时间和空间呈现不同的分布特征，单车管理者应关注地铁站周边单车数量的实时变化，根据使用率和投放情况及时调整单车配置。对于高使用率，低投放的地铁站应增加单车投放数量；对于低使用率、高投放量的地铁站应及时调度一部分单车，减少资源浪费，避免占用公共空间。
2）单车数量仅与住宅的分布有弱相关性，与办公和餐饮几乎无相关性。因此在单车投放过程中，要注意并不是发展规模越大的地区单车需求越大，而是要从数据的角度去分析，注重单车投放的适宜性，更加合理的规划和管理共享单车，使共享单车有效、规范的运行。
最后要感谢城市数据团为本次研究提供数据和技术支持！如有疑问或好的建议，发邮件至本人邮箱：491838528@qq.com，希望与大家探讨交流！
项译，已参加由国匠城和城市数据团共同举办的《面向规划实践的数据能力增强计划》，具备城市数据综合分析能力，特此颁发认证，以资鼓励。
证书查询网址：www.caup.net/cert
城市数据研习社
2016年8月，由国匠城与城市数据团联合成立城市数据研习社，发起了面向城市规划行业的数据学习社群。城市数据研习社“面向规划实践的城市数据应用综合课程”是一门能切实提升规划师职场竞争力，给大家带来改变的课程。截止到目前，课程已经有1700多名学员加入，这1600余名学员已覆盖国内外218所高校，180所设计院、142家设计公司和44家其它企事业单位。
城市数据研习社咨询群：413942566
长按识别二维码，腾讯课堂
报名加入城市数据研习社