利用共享單車大數(shù)據(jù)的城市騎行熱點(diǎn)范圍提取

楊永崇，柳 瑩，李 梁

(1. 西安科技大學(xué)測繪科學(xué)與技術(shù)學(xué)院，陜西 西安 710054； 2. 西安市交通規(guī)劃設(shè)計(jì)研究院，陜西 西安 710082)

20世紀(jì)末中國城鎮(zhèn)每百戶自行車擁有量達(dá)180輛，之后的10多年中市民出行方式發(fā)生了翻天覆地的變化。軌道交通、公共汽車與私家車逐步代替自行車成為城市居民出行的主要交通方式，與此同時(shí)非機(jī)動(dòng)車道規(guī)劃也逐漸跟不上飛速建設(shè)的城市路網(wǎng)。在“創(chuàng)新、協(xié)調(diào)、綠色、開放、共享”的發(fā)展理念下，一方面共享單車以驚人的速度在城市中崛起，補(bǔ)充了傳統(tǒng)城市交通方式，并在覆蓋公交盲區(qū)、強(qiáng)化軌道交通優(yōu)勢(shì)、解決最后一千米及完善城市微循環(huán)中發(fā)揮了積極的作用[1]；而另一方面運(yùn)營公司對(duì)共享單車的飽和式投放、綠色出行的爆發(fā)式增長、市民騎行的離散式?？颗c建設(shè)不周的城市道路格局發(fā)生矛盾，政府的規(guī)劃不足與企業(yè)的管理缺失等因素使共享單車的綠色出行存在各種隱患。

荷蘭是最早開始重視非機(jī)動(dòng)車道路設(shè)施規(guī)劃的國家，1890年建設(shè)世界上第一條自行車專行道，之后不斷拓展完善，交通部對(duì)自行車專行道的修建制定了統(tǒng)一的標(biāo)準(zhǔn)，并鼓勵(lì)各種交通工具與自行車交通銜接[2]。1980年日本建設(shè)省以神奈川縣為試點(diǎn)開展共享單車業(yè)務(wù)，在神奈川縣平塚站與縣區(qū)設(shè)計(jì)了“車站—目的地—車站”軌跡方便人們出行，是世界上第一個(gè)基于共享單車的集約規(guī)劃解決方案[3]。2008年以后隨著有樁共享單車在全世界普及，越來越多的學(xué)者利用共享單車綁定GPS數(shù)據(jù)，分析數(shù)據(jù)蹤跡，研究城市居民單車出行的日常慣例、文化影響、交通汛期動(dòng)態(tài)特征[4]，以及站在運(yùn)營管理角度提出合理分配意見[5-7]。盡管如此，針對(duì)居民出行時(shí)空行為特征角度的探討規(guī)劃與引導(dǎo)無樁共享單車的研究少之又少，因此本文利用共享單車大數(shù)據(jù)，彌補(bǔ)傳統(tǒng)研究方法中數(shù)據(jù)滯后和準(zhǔn)確性不足的缺點(diǎn)，開展共享單車用戶騎行規(guī)律的研究，有利于在存量規(guī)劃的背景下，從動(dòng)態(tài)發(fā)展的角度考慮城市綠色交通空間布局，基于需求的視角去更好地推進(jìn)非機(jī)動(dòng)車道路規(guī)劃的合理化與高級(jí)化。

西安地處關(guān)中平原中部，市區(qū)內(nèi)地勢(shì)平坦，道路林蔭，文化古跡眾多。道路網(wǎng)繼承了唐代棋盤式的路網(wǎng)布局，是國內(nèi)為數(shù)不多的騎行友好(bike-friendly)指數(shù)較高的城市之一。西安擁有眾多高校，以學(xué)生為代表的年輕力量驅(qū)使西安的共享單車推廣熱度位居前列。因此共享單車使用規(guī)范化迫在眉睫，已經(jīng)成為主要的城市問題。在人本主義及后現(xiàn)代思潮影響下，城市問題的解決宗旨都離不開城市中“人”的社會(huì)行為特征分析[8]。隨著信息技術(shù)的發(fā)展，各種新的數(shù)據(jù)類型和來源也大大擴(kuò)展了城市規(guī)劃的數(shù)據(jù)視野，我們能獲取大量具有位置信息的動(dòng)態(tài)數(shù)據(jù)，使用新的處理模式洞察這些海量、高增長、多樣化的數(shù)據(jù)早已廣泛使用在各領(lǐng)域的研究管理中[9]，為科學(xué)規(guī)劃提供了新的工具與方法，使用大數(shù)據(jù)進(jìn)行城市道路規(guī)劃也是一次新的嘗試。

1 數(shù)據(jù)獲取與研究方法

1.1 數(shù)據(jù)獲取

城市人口活動(dòng)相關(guān)數(shù)據(jù)獲取的傳統(tǒng)方法是使用問卷調(diào)查、跟蹤調(diào)查或訪談等統(tǒng)計(jì)學(xué)的抽樣原理得到有限的隨機(jī)樣本，再使用隨機(jī)樣本的分析結(jié)果代表總體特征。但這種方法樣本的隨機(jī)性難以保證，也因此從根本上動(dòng)搖了總體特征分析的合理性與可靠性；另外使用隨機(jī)樣本的方法也只是在不可能收集所有數(shù)據(jù)信息的情況下做出的一種現(xiàn)實(shí)選擇[10]。網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)的發(fā)展為騎行特征研究提供了新的思路，本文使用Python語言編寫循環(huán)語句，將瀏覽器頭部偽裝成手機(jī)瀏覽器，通過共享單車APP接口，抓取整個(gè)西安市的ofo單車位置數(shù)據(jù)；然后利用ignore語句對(duì)所有記錄去重、存儲(chǔ)、導(dǎo)出；最終得到全天候全天時(shí)、涵蓋了西安市三環(huán)以內(nèi)大約23萬輛ofo共享單車的位置數(shù)據(jù)，可視化效果如圖1所示。這些數(shù)據(jù)基于市民自發(fā)的騎行行為，可以科學(xué)、客觀地反映城市騎行特征。

另外，大數(shù)據(jù)分析離不開公共基礎(chǔ)數(shù)據(jù)的支持，包括：①城市建筑物輪廓數(shù)據(jù)，來源于城市航拍的正射影像；②城市道路網(wǎng)數(shù)據(jù)、城市軌道交通數(shù)據(jù)，來源于剛更新的西安市交路矢量圖；③谷歌地圖網(wǎng)站下載的2.3 m分辨率的含有POI信息的城市混合遙感影像。

圖1 9月20日8時(shí)西安市ofo單車位置分布

1.2 數(shù)據(jù)處理

首先，通過將CSV數(shù)據(jù)的坐標(biāo)點(diǎn)依據(jù)經(jīng)緯度導(dǎo)入ArsGIS分析平臺(tái)，與西安市行政區(qū)圖疊加，刪除三環(huán)以外的數(shù)據(jù)。然后，導(dǎo)出SHP數(shù)據(jù)并建立屬性字段name、lng、lat和Z字段，其中Z字段為個(gè)體值為“1”的短整型字段，其目的是方便后期的定量密度分析。最后，導(dǎo)入建筑物輪廓數(shù)據(jù)、影像數(shù)據(jù)及路網(wǎng)數(shù)據(jù)，并進(jìn)行坐標(biāo)糾正及整合。路網(wǎng)數(shù)據(jù)是在個(gè)人地理數(shù)據(jù)庫環(huán)境下構(gòu)建網(wǎng)絡(luò)數(shù)據(jù)集，并使用網(wǎng)絡(luò)分析工具進(jìn)行路網(wǎng)聯(lián)通性檢查。

1.3 研究方法與模型

在行為特征問題上比較常用的研究方法是密度分析法[11]、聚類分析法[12]、距離或可達(dá)性分析法[13-14]。本次研究使用大量的點(diǎn)數(shù)據(jù)，通過點(diǎn)密度準(zhǔn)確衡量共享單車使用熱點(diǎn)，將不同等級(jí)熱點(diǎn)活躍范圍的值匹配進(jìn)路網(wǎng)數(shù)據(jù)，最后使用貪心算法[15]即以熱點(diǎn)為中心、路網(wǎng)為載體，根據(jù)等級(jí)擴(kuò)散提取騎行熱點(diǎn)路段。具體技術(shù)路線如圖2所示。

大數(shù)據(jù)空間分析的熱點(diǎn)分析或密度分析在可視化效果中常使用熱力圖、矩形(六邊形)格網(wǎng)專題圖來表示，而軌跡重建或OD分析一般用連線圖進(jìn)行表達(dá)。因此在數(shù)據(jù)挖掘與規(guī)劃實(shí)現(xiàn)部分，ArsGIS平臺(tái)的空間分析與數(shù)據(jù)管理、數(shù)據(jù)轉(zhuǎn)換工具集是本試驗(yàn)的操作關(guān)鍵。本試驗(yàn)的創(chuàng)新點(diǎn)在于使用格網(wǎng)對(duì)用車密度進(jìn)行統(tǒng)計(jì)獲取熱力圖，以及使用貪心算法改進(jìn)路徑緩沖原理提取熱點(diǎn)路段。

2 西安市騎行空間分布特征

2.1 基于時(shí)間維度的單車使用情況

將相鄰時(shí)刻的兩個(gè)數(shù)據(jù)相互擦除得到時(shí)間段內(nèi)活躍單車分布，進(jìn)行熱點(diǎn)分析。利用0—24：00的共享單車位置數(shù)據(jù)，對(duì)單日活動(dòng)強(qiáng)度動(dòng)態(tài)特征變化進(jìn)行統(tǒng)計(jì)，如圖3所示。6：00—10：00為早高峰時(shí)段，12：00—13：00的午休時(shí)段有較小的漲幅，17：00以后逐漸進(jìn)入晚高峰，受城市夜生活的影響，用車高峰從夜間22:00開始回落。整體來看，共享單車活動(dòng)特征隨時(shí)間規(guī)律變化，具有明顯的早晚高峰，與城市人口的日常作息規(guī)律呈正相關(guān)。這說明，一方面?zhèn)鹘y(tǒng)的作息規(guī)律仍然支配著居民的日?；顒?dòng)，時(shí)間與活動(dòng)內(nèi)容間的對(duì)應(yīng)關(guān)系仍然存在；同時(shí)共享單車大數(shù)據(jù)與居民行為的對(duì)應(yīng)關(guān)系，從而為后續(xù)研究提供依據(jù)。

圖2 技術(shù)路線

圖3 共享單車日活動(dòng)強(qiáng)度動(dòng)態(tài)特征變化折線

圖中1:00—2:00、4:00—5:00單車出發(fā)、到達(dá)數(shù)量存在明顯不一致，因此對(duì)1:00—2:00單車出發(fā)數(shù)據(jù)與單車到達(dá)數(shù)據(jù)依據(jù)單車編號(hào)進(jìn)行屬性的配對(duì)工作，發(fā)現(xiàn)大量單車信息無法配對(duì)，因此推測在這一時(shí)段，ofo共享單車公司對(duì)共享單車進(jìn)行故障自行車的收納與新車的投放調(diào)度工作，對(duì)這一猜想需要后期試驗(yàn)進(jìn)行OD線路提取模型來加以驗(yàn)證。

2.2 基于空間的用車熱點(diǎn)提取

熱力圖是一種基于密度換算的可視化表達(dá)，不同時(shí)段的單車活躍程度需通過密度分析運(yùn)算結(jié)果。以9月20日7：00—8：00活躍單車數(shù)據(jù)為例，傳統(tǒng)的核密度分析工具得到的單車活躍熱力圖的表達(dá)值都是相對(duì)的、無定量的極大或極小值(如圖4所示)，且不便于后續(xù)試驗(yàn)的精確統(tǒng)計(jì)與再分析。因此，本次熱點(diǎn)提取利用柵格數(shù)據(jù)特殊的格網(wǎng)屬性，計(jì)算出不同地區(qū)的活躍單車密度。數(shù)據(jù)預(yù)處理時(shí)添加的Z字段代表每一個(gè)單車的值，使用點(diǎn)轉(zhuǎn)柵格工具，選取SUM像元分配類型，得到以格網(wǎng)為定量的單車活躍熱力圖(如圖5所示)，正方形格網(wǎng)邊長為80 m，滿足城市規(guī)劃尺度。上述方法不僅能得到精確的結(jié)果，而且能對(duì)各時(shí)段的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，以方便后續(xù)分析。

圖4 基于核密度算法單車熱力圖

利用上述方法對(duì)全天時(shí)內(nèi)出發(fā)、到達(dá)的48組數(shù)據(jù)進(jìn)行熱力分析，定義單位像元面積內(nèi)活躍單車數(shù)大于100為高熱度區(qū)域。將其轉(zhuǎn)換為點(diǎn)數(shù)據(jù)并進(jìn)行整合，提取出全天候單車活躍熱點(diǎn)分布圖。結(jié)合時(shí)間尺度可以看出，共享單車出發(fā)、到達(dá)的集中時(shí)間為凌晨、早晚高峰與午休時(shí)間。

熱點(diǎn)提取之后就可以基于OD線段的放射、吸收模型匹配進(jìn)行分類與驗(yàn)證。OD線段數(shù)據(jù)來源于單位時(shí)間段內(nèi)同名出發(fā)、到達(dá)單車點(diǎn)的連線?？紤]到單車可能被利用多次，但在短時(shí)間內(nèi)仍然可以作為活動(dòng)趨勢(shì)的判定。提取的OD連線數(shù)據(jù)量大、重疊度高，無法進(jìn)行清晰直觀的觀察，就需要對(duì)海量線段進(jìn)行基于熱點(diǎn)范圍的提取。通過將全天出發(fā)、到達(dá)熱點(diǎn)區(qū)域的出發(fā)、到達(dá)點(diǎn)數(shù)據(jù)與其時(shí)段內(nèi)的OD連線進(jìn)行匹配，提取全天熱點(diǎn)區(qū)域放射、吸收模型圖，有利于更科學(xué)地判斷騎行熱點(diǎn)的形成與特征。熱點(diǎn)地區(qū)放射吸收模型分為3種表現(xiàn)方式，行為聚集型、運(yùn)輸位移型與內(nèi)部流動(dòng)型(如圖6所示)，所有模型信息見表1。

圖6 不同類型的聚集模型

類型地區(qū)分類聚集/擴(kuò)散規(guī)模運(yùn)輸位移型京昆高速漢城服務(wù)區(qū)物流出發(fā)西安華晨物流有限公司物流出發(fā)/到達(dá)普洛斯物流中心物流出發(fā)/到達(dá)永松路公交站住宅出發(fā)/到達(dá)西大新村住宅出發(fā)/到達(dá)行為聚集型丈八北路地鐵站交通出發(fā)/到達(dá)西安文理學(xué)院北門學(xué)校/住宅出發(fā)電子正街中段住宅出發(fā)西安軟件園寫字樓出發(fā)高新九號(hào)寫字樓出發(fā)/到達(dá)龍首原地鐵站交通出發(fā)/到達(dá)魚化寨地鐵站交通到達(dá)西北工業(yè)大學(xué)研究生院北門學(xué)校到達(dá)吉祥村地鐵站交通到達(dá)大明宮西地鐵站交通到達(dá)高新六路中段寫字樓到達(dá)勞動(dòng)路地鐵站交通出發(fā)/到達(dá)內(nèi)部流動(dòng)型西安交通大學(xué)思源閣食堂學(xué)校到達(dá)西北工業(yè)大學(xué)勇字樓學(xué)校到達(dá)西北工業(yè)大學(xué)西門學(xué)校到達(dá)

2.3 騎行時(shí)空特征分析

騎行時(shí)空特征是共享單車騎行特點(diǎn)的全面反映，也是非機(jī)動(dòng)車道路設(shè)施規(guī)劃的重要依據(jù)。通過分析結(jié)果結(jié)合實(shí)際，不考慮ofo公司對(duì)共享單車的運(yùn)輸行為及單位內(nèi)部用車行為，對(duì)其他數(shù)據(jù)進(jìn)行分析。6個(gè)用車熱點(diǎn)分布在地鐵站，地鐵站成為早晚高峰時(shí)段共享單車聚集點(diǎn)，這種現(xiàn)象在一定程度上反映了兩種交通方式的優(yōu)化搭配原則，也是軌道站點(diǎn)的交通一體化規(guī)劃設(shè)計(jì)的重要依據(jù)。另外，永松路周邊的市政府小區(qū)、崇德坊社區(qū)等住宅聚集區(qū)、電子正街中段北山門住宅聚集區(qū)、西北大學(xué)新村成為共享單車調(diào)度運(yùn)輸目的地、早高峰出發(fā)地，反映出綠色出行模式早已廣泛普及，共享單車成功地解決了居民出行的“最后一千米”問題。寫字樓、高校附近共享單車的聚集說明年輕群體是共享單車用戶的主力軍。此外，令人期待的西安城墻內(nèi)部的市中心區(qū)域騎行的空間聚集效應(yīng)無明顯特征，商業(yè)與住宅區(qū)域的錯(cuò)綜復(fù)雜關(guān)系、老城區(qū)功能區(qū)聚類程度低等因素是解釋這一現(xiàn)象的重要依據(jù)。

3 騎行熱點(diǎn)路段提取

通過對(duì)2017年9月20日每個(gè)時(shí)段的共享單車變化進(jìn)行空間可視化分析，得到20個(gè)用車熱點(diǎn)，對(duì)這些熱點(diǎn)再分析后利用可視化模型進(jìn)行分類。行為聚集型是市民自發(fā)的騎行行為在早晚高峰、午休等時(shí)段的聚集效應(yīng)；運(yùn)輸位移型是共享單車公司人為地對(duì)共享單車進(jìn)行調(diào)度、運(yùn)輸，這種類型的最大特點(diǎn)就是聚集點(diǎn)缺少OD線段的匹配；內(nèi)部流動(dòng)型是指在學(xué)校內(nèi)，校內(nèi)人員對(duì)共享單車具有規(guī)律性的使用情況，如午飯時(shí)間校內(nèi)單車向食堂聚集，下課時(shí)間向校門口聚集取快遞的行為。城市非機(jī)動(dòng)車用車熱點(diǎn)路段提取顯然需要依據(jù)行為聚集型模型進(jìn)行分析，因此對(duì)騎行熱點(diǎn)路段的提取就要圍繞行為聚集型熱點(diǎn)展開[16]。

基于大數(shù)據(jù)研究全天候的OD線狀模型數(shù)據(jù)量大、重疊度高，無法進(jìn)行分析與總結(jié)，在此利用核密度算法對(duì)OD線狀模型分布特征進(jìn)行提取分析[17]。具體思想是借助一個(gè)移動(dòng)窗口，計(jì)算并輸出每個(gè)柵格單元的OD線密度。設(shè)x1，x2，…，xn是從分布密度函數(shù)為f的總體中抽取的獨(dú)立分布樣本，估計(jì)f在某點(diǎn)x處的值f(x)[13]如下

式中，k( )為核函數(shù)；h>0，為帶寬；x-xi為估計(jì)點(diǎn)到樣本xi處的距離，完成的密度范圍在0～83 207.570 31之間。采用Jenks提出的自然間斷點(diǎn)分級(jí)法[18]將密度值分為7個(gè)等級(jí)后對(duì)結(jié)果進(jìn)行重分類，并將結(jié)果轉(zhuǎn)換為矢量面數(shù)據(jù)與路網(wǎng)數(shù)據(jù)進(jìn)行疊加求交集，這種方法可以將密度值轉(zhuǎn)為擴(kuò)散強(qiáng)度(φ)定義在路網(wǎng)數(shù)據(jù)屬性內(nèi)(見表2)，進(jìn)行貪心算法分析。參照其他城市共享單車騎行數(shù)據(jù)統(tǒng)計(jì)，從騎行距離來看，平均單次騎行距離約1.69 km，70%以上都在2 km以內(nèi)[19]。因此，定義的φ值來源于共享單車的騎行平均距離與距離累計(jì)百分比大于70%的騎行距離范圍，即1.69～2 km之間，如圖7所示，并定義緊鄰熱點(diǎn)的一級(jí)范圍區(qū)域在150～300 m之內(nèi)，作為規(guī)劃單車停放路段。

圖7 騎行距離分布

最后選取行為聚集型用車熱點(diǎn)放置網(wǎng)絡(luò)算法的目標(biāo)點(diǎn)，進(jìn)行貪心算法從而提取用車熱點(diǎn)路段。貪心算法又稱貪婪算法，在對(duì)問題求解時(shí)，總是做出在當(dāng)前某種意義上的局部最優(yōu)解，背包問題、Dijkstra算法都是貪心算法的經(jīng)典案例。提取熱點(diǎn)路段的第一步是基于目標(biāo)點(diǎn)的網(wǎng)絡(luò)緩沖分析，設(shè)道路網(wǎng)G=(V，E)，它采用鄰接矩陣作為存儲(chǔ)結(jié)構(gòu)，網(wǎng)結(jié)點(diǎn)i和j之間有直接邊，設(shè)其權(quán)值為Wij，并建立一個(gè)一維數(shù)組S，標(biāo)記已經(jīng)找到的最短路徑頂點(diǎn)。其中

S[i]=

表2 自然間斷點(diǎn)分級(jí)結(jié)果

計(jì)算定級(jí)因子最短路徑的距離時(shí)，權(quán)值Wij為網(wǎng)結(jié)點(diǎn)i和網(wǎng)結(jié)點(diǎn)j之間的直線距離，最短路徑的距離為其上各邊Wij的和。初始狀態(tài)時(shí)，S[0]=1，對(duì)于其余的網(wǎng)結(jié)點(diǎn)Vj(Vj=V0)，有S[j]=0；設(shè)置另一個(gè)一維數(shù)組distance存放源網(wǎng)結(jié)點(diǎn)到其余源網(wǎng)結(jié)點(diǎn)的當(dāng)前最短路徑長度，distance[i]=cost[orginal(V0)，i][20]。利用上述過程重復(fù)執(zhí)行n-1步就能得到按路徑長度遞增的順序求源網(wǎng)結(jié)點(diǎn)到其余各網(wǎng)結(jié)點(diǎn)的最短路徑。隨后依次連接網(wǎng)結(jié)點(diǎn)形成基于路徑緩沖的面數(shù)據(jù)。最后通過緩沖面數(shù)據(jù)提取熱點(diǎn)道路。依據(jù)不同φ值重復(fù)以上方法兩次，得到共享單車用車熱點(diǎn)一級(jí)、二級(jí)范圍，如圖8所示。

圖8 西安城區(qū)用車熱點(diǎn)路段提取

4 結(jié)論與討論

非機(jī)動(dòng)車道路設(shè)施規(guī)劃的重點(diǎn)就是熱點(diǎn)區(qū)域單車的停放與市民騎行的體驗(yàn)指數(shù)。本文利用大數(shù)據(jù)挖掘與利用、GIS分析方法提取了西安市用車熱點(diǎn)路段并且基于時(shí)間比例尺，最終合成西安城區(qū)用車熱點(diǎn)路段圖[21]。工作日用車熱點(diǎn)呈“三片一線”分布，以龍首原、大明宮西為直徑的圓形片區(qū)，以電子正街、含光路南口連線的橢圓片區(qū)，以科技路以南3 km帶狀片區(qū)，以及勞動(dòng)路沿線為西安市工作日共享單車騎行熱點(diǎn)地段。熱點(diǎn)區(qū)域包含一、二級(jí)范圍，一級(jí)范圍主要針對(duì)共享單車停放容量進(jìn)行控制，二級(jí)范圍旨在區(qū)域內(nèi)劃分非機(jī)動(dòng)車道，規(guī)范非機(jī)動(dòng)車道路設(shè)施、標(biāo)識(shí)，整治騎行交通規(guī)范。

當(dāng)然，共享單車位置數(shù)據(jù)質(zhì)量受數(shù)據(jù)抓取算法、數(shù)據(jù)清洗制約，研究維度受時(shí)間、統(tǒng)計(jì)算法制約，因此要想得到更為精準(zhǔn)的用車熱點(diǎn)，必須提高數(shù)據(jù)質(zhì)量、擴(kuò)展樣本周期、完善算法分析，以保證分析結(jié)果的可靠性。