多源大數(shù)據(jù)支持下的共享單車出行與空間品質(zhì)耦合研究*

楊林川 喻冰潔 梁 源 趙桂林

0 引言

綠色、低碳交通是實(shí)現(xiàn)“雙碳”發(fā)展目標(biāo)的重要發(fā)展路徑[1-2]，為全社會深度脫碳提供了關(guān)鍵補(bǔ)充。共享單車作為新時(shí)期共享經(jīng)濟(jì)的典型代表和“互聯(lián)網(wǎng)+共享”的綠色、低碳交通工具，有助于解決公共交通出行“最后一公里”[3-4]，緩解交通擁堵、環(huán)境污染以及溫室氣體排放等問題[5-7]。此外，共享單車在促進(jìn)居民體力活動、提升人群和社會健康等方面也發(fā)揮了積極作用[8-9]。2016年，共享單車開始在中國興起，并在多個(gè)大中城市快速發(fā)展。智研咨詢公布的《2022—2028年中國共享單車行業(yè)競爭格局分析及未來發(fā)展?jié)摿?bào)告》顯示，2021年中國共享單車用戶規(guī)模達(dá)到3億，較2020年增加了0.18億，同比增長6.38%。然而，城市建成環(huán)境與空間治理未能及時(shí)響應(yīng)共享單車的高速擴(kuò)張，這導(dǎo)致了共享單車停放無序、供需失衡等一系列問題。因此，在“雙碳”發(fā)展目標(biāo)以及騎行需求增長的社會語境下，合理優(yōu)化共享單車與空間資源的配置，保障城市建成環(huán)境良性適配居民騎行特征，對實(shí)現(xiàn)騎行友好、建設(shè)低碳城市具有重要意義[10-11]。

國內(nèi)外學(xué)者對共享單車出行時(shí)空特征與影響因素等方面開展了廣泛的研究。有學(xué)者通過共享單車數(shù)據(jù)對騎行時(shí)長、騎行距離以及OD（origin-destination，即起點(diǎn)—訖點(diǎn)）網(wǎng)絡(luò)等進(jìn)行分析[12-14]，發(fā)現(xiàn)工作日的騎行存在明顯的早晚高峰聚集特征[12-13]，具有典型的潮汐分布現(xiàn)象[14]。有學(xué)者研究發(fā)現(xiàn)共享單車出行與居住、公共服務(wù)用地面積比重、POI密度、土地多樣性等因素正相關(guān)，與到市中心距離和到公交站距離負(fù)相關(guān)[15]；在短距離出行中，共享單車與公交巴士容易形成競爭關(guān)系，與軌道交通形成共生關(guān)系[16]。還有部分研究采用調(diào)查問卷的方法收集相關(guān)數(shù)據(jù)，從年齡、性別、職業(yè)、受教育程度等不同因素與共享單車出行的關(guān)聯(lián)，研究發(fā)現(xiàn)女性、年輕人、受教育程度越高的人群更傾向于共享單車出行[17]。

騎行環(huán)境（主要指街道環(huán)境）的品質(zhì)對居民的共享單車騎行意愿有較大的影響。國內(nèi)外學(xué)者主要從騎行者角度出發(fā)，解析個(gè)人/家庭社會經(jīng)濟(jì)屬性（如年齡、性別、就業(yè)特征、騎車經(jīng)歷）、建成環(huán)境等因素與騎行行為的關(guān)聯(lián)，探究居民對騎行環(huán)境要素的偏好規(guī)律，并構(gòu)建出行品質(zhì)評價(jià)模型與方法[18-21]。相關(guān)的建成環(huán)境要素可分為：路段要素，如道路等級、機(jī)動車路邊停車、自行車設(shè)施類型、機(jī)動車流量、地形、路面寬度、街道綠化、街道景觀；路徑要素，如自行車道連續(xù)性、路徑上的紅燈數(shù)量、交叉路口的數(shù)量、自然景觀。有學(xué)者通過敘述性偏好（stated-preference, SP）方法對虛擬騎行路徑進(jìn)行調(diào)查，并建立離散選擇模型對騎行環(huán)境因素進(jìn)行分析[22-24]。結(jié)果表明，騎行者最關(guān)注的環(huán)境要素包括自行車道類型、機(jī)動車流量、機(jī)非隔離設(shè)施、機(jī)動車路邊停車和街道景觀[24]；更長的騎行時(shí)間會對自行車的吸引力產(chǎn)生顯著的負(fù)面影響[20,23]。也有學(xué)者通過顯示性偏好（revealed-preference, RP）方法對共享單車使用特征進(jìn)行分析，挖掘騎行環(huán)境偏好規(guī)律[25-26]。近年來，城市街景數(shù)據(jù)也被廣泛用于共享單車出行影響的研究。例如，埃文斯·考利（Evans-Cowley）等采用StreetSeen騎行偏好調(diào)查工具來分析騎行者的環(huán)境要素偏好，并建立離散選擇模型來解析路段級因素產(chǎn)生的影響，結(jié)果表明人行道、行人、交通穩(wěn)靜化（traffic calming）設(shè)計(jì)符合受訪者的騎行偏好[27]。

由于共享單車出行存在較強(qiáng)的時(shí)空差異，很多街道的騎行環(huán)境無法較好地適配單車出行。單車出行和空間品質(zhì)的不匹配影響著居民的騎行意愿與便利性，因此亟需開展兩者的耦合研究，但現(xiàn)有研究付之闕如。此外，關(guān)于騎行空間品質(zhì)的測度，僅有少數(shù)學(xué)者關(guān)注“人本尺度”的建成環(huán)境指標(biāo)，例如綠視率、天空率、建筑色彩等街景視覺體驗(yàn)指標(biāo)?；诖耍疚囊詮B門島為例，挖掘共享單車數(shù)據(jù)，解析共享單車使用規(guī)律，利用POI、公交線網(wǎng)、街景圖像等多源大數(shù)據(jù)，通過深度學(xué)習(xí)與熵權(quán)法建立騎行空間品質(zhì)測度模型。最后基于四象限法與地理加權(quán)回歸（GWR）模型研究“單車出行—空間品質(zhì)”的耦合關(guān)系，實(shí)現(xiàn)騎行友好空間優(yōu)化的定點(diǎn)定向。本文可為騎行友好城市/社區(qū)（cycling-friendly city/community）的設(shè)計(jì)實(shí)踐需求背景下，城市街道空間的慢行適應(yīng)性更新與重塑提供理論依據(jù)與規(guī)劃啟示。本文的技術(shù)路線如圖1所示。

圖1 技術(shù)路線Fig.1 research roadmap

1 共享單車出行的時(shí)空特征

本文的研究范圍為廈門島。廈門島已經(jīng)擁有地鐵、BRT（bus rapid transit，即快速公交）、常規(guī)公交等多種公共交通方式。共享單車于2016年進(jìn)入廈門島，現(xiàn)已成為居民的重要出行方式。本研究使用的主要數(shù)據(jù)包括共享單車軌跡數(shù)據(jù)和多源城市空間數(shù)據(jù)。共享單車數(shù)據(jù)為2020年12月21—25日5天內(nèi)的單車數(shù)據(jù)，包括車輛及開關(guān)鎖時(shí)間、單車使用起始時(shí)間、起點(diǎn)和終點(diǎn)坐標(biāo)等基本信息。此外，結(jié)合相關(guān)文獻(xiàn)與研究成果，搜集行政邊界數(shù)據(jù)、街景數(shù)據(jù)、公交線網(wǎng)數(shù)據(jù)、POI數(shù)據(jù)、路網(wǎng)數(shù)據(jù)、建筑輪廓等數(shù)據(jù)便于后續(xù)分析。

1.1 共享單車出行的分時(shí)段特征

由于共享單車位置數(shù)據(jù)準(zhǔn)確度受到GPS定位精度的影響，因此根據(jù)軌跡分割算法將軌跡切分為多次出行（trip）。輸出根據(jù)分割算法處理后平均的訂單時(shí)長累計(jì)分布，與訂單數(shù)據(jù)計(jì)算的訂單時(shí)長累計(jì)分布反復(fù)校核，確定最終的分割參數(shù)，完成軌跡分割。最后，利用隱馬爾可夫快速地圖匹配算法對軌跡數(shù)據(jù)進(jìn)行處理，將其匹配到具體路段。

共享單車出行的時(shí)空分布如圖2所示。廈門島的共享單車出行在6:00—10:00形成了“多點(diǎn)一軸”的空間格局。熱點(diǎn)分布于江頭和呂厝地鐵站、觀音山商務(wù)區(qū)、火炬園片區(qū)等地段，并沿湖濱南路區(qū)域形成共享單車出行帶狀軸。其中單車流量較大路段為湖濱南路、廈禾路、環(huán)島南路、呂嶺路、仙岳路以及枋湖北二路等。這些路段涵蓋了廈門島的主要生活圈與核心干道。從整體上看，廈門島共享單車的時(shí)空區(qū)域分配不均衡，一定程度上影響了城市交通運(yùn)行效率，加劇了出行密集地段的交通擁堵，不利于居民的騎行體驗(yàn)。

圖2 6:00—10:00廈門島共享單車路段流量Fig.2 bike-sharing usage during 6 a.m. and 10 a.m. in Xiamen Island’s road segments

1.2 共享單車出行距離與時(shí)長分布

對騎行用戶的單車出行距離、出行時(shí)長進(jìn)行統(tǒng)計(jì)，得到單車出行距離與時(shí)長的概率密度分布和累計(jì)分布（圖3）。在公交接駁、休閑娛樂以及校園出行等主要出行需求的分異下，廈門島單車出行距離的時(shí)空變化顯著。其中，共享單車出行距離主要集中在500～1 500 m（約占39%）；5 km以下的共享單車出行約占整體出行的90%。

圖3 共享單車出行距離和時(shí)長分布Fig.3 distribution of bike-sharing trip distance and duration

從廈門島單車出行時(shí)長的概率密度分布圖來看，共享單車出行時(shí)長主要集中在5～10 min（約占40%）；20 min是多數(shù)騎行者的最長忍受時(shí)間；20 min以內(nèi)的出行約占93%。這表明，共享單車的使用者更傾向于短時(shí)間出行。

1.3 共享單車出行OD時(shí)空分布

對每小時(shí)內(nèi)用戶騎行的起點(diǎn)和終點(diǎn)進(jìn)行空間可視化分析，得到每小時(shí)共享單車出行OD（圖4）。結(jié)果顯示騎行網(wǎng)絡(luò)密度在7:00—8:00達(dá)到早高峰，騎行多以地鐵站點(diǎn)為起訖點(diǎn)，受到商業(yè)、辦公、餐飲、居住等空間要素的影響，并具有明顯集聚特征。基于廈門島地鐵與BRT線路，對共享單車出行OD進(jìn)行解讀，發(fā)現(xiàn)其形成了以下幾種典型OD關(guān)系：一是居住地—地鐵站，如火炬園、烏石浦等區(qū)域的通勤者以站點(diǎn)為核心，形成了密集的單車出行OD；二是地鐵站—工作地，當(dāng)就業(yè)人群到達(dá)觀音山、軟件園、呂厝等位于商業(yè)商務(wù)區(qū)的站點(diǎn)時(shí)，他們使用共享單車前往工作地；三是BRT站—地鐵站，大型BRT站與地鐵站之間形成了大量的騎行交通流，主要原因是不少出行者需要先后使用BRT與地鐵進(jìn)行通勤?？梢钥闯?，高密度開發(fā)區(qū)域、核心路段的交叉口和地鐵站域是騎行的熱點(diǎn)區(qū)域，說明人流高密度、公交可達(dá)性高、商業(yè)商務(wù)設(shè)施發(fā)達(dá)的區(qū)域更易形成共享單車出行高峰區(qū)。隨著共享單車的快速普及，城市交通系統(tǒng)、街道空間、服務(wù)設(shè)施也需要響應(yīng)變化。

圖4 共享單車出行OD分布Fig.4 bike-sharing trip OD distribution

2 街道騎行空間品質(zhì)評價(jià)

2.1 騎行空間品質(zhì)指標(biāo)選取與評價(jià)體系構(gòu)建

本文在選取騎行空間品質(zhì)指標(biāo)時(shí)，充分考慮了國內(nèi)外相關(guān)文獻(xiàn)研究、慢行系統(tǒng)設(shè)計(jì)規(guī)范以及廈門島街道的實(shí)際情況，以及塞維諾（Cervero）等提出的建成環(huán)境5Ds測度模型（密度density、多樣性diversity、設(shè)計(jì)design、目的可達(dá)性destination accessibility、公交可達(dá)性distance to transit）。因此，選取了三類指標(biāo)：第一，傳統(tǒng)的非機(jī)動車道寬度、自行車停車設(shè)施等慢行設(shè)施指標(biāo)；第二，交通可達(dá)性、各類POI服務(wù)設(shè)施密度指標(biāo)；第三，綠視率、天空率等騎行視覺體驗(yàn)“人本尺度”指標(biāo)。

評價(jià)指標(biāo)被分為五類，包括服務(wù)設(shè)施密度、功能多樣性、交通可達(dá)性、騎行視覺舒適度、騎行設(shè)施完整度（表1）。其中，服務(wù)設(shè)施密度指標(biāo)包括生活服務(wù)、公共設(shè)施、購物娛樂、公司企業(yè)、容積率；功能多樣性指標(biāo)包括設(shè)施混合度；交通可達(dá)性指標(biāo)包括緩沖區(qū)內(nèi)地鐵、常規(guī)公交、BRT站點(diǎn)數(shù)量；騎行視覺舒適度指標(biāo)包括綠視率和天空率；騎行設(shè)施完整度指標(biāo)包括人行道寬度、非機(jī)動車道寬度、自行車停車設(shè)施、連續(xù)非機(jī)動界面寬度。通過熵權(quán)法求得各指標(biāo)要素的權(quán)重?；诮志皵?shù)據(jù)的騎行視覺舒適度測度案例如圖5所示。

表1 街道騎行空間品質(zhì)評價(jià)體系Tab.1 evaluation system of the cycling space quality of roads

圖5 基于街景數(shù)據(jù)的騎行視覺舒適度測度案例Fig.5 example of visual variables measurement based on street view imagery data

2.2 街道騎行空間品質(zhì)評價(jià)流程及結(jié)果

2.2.1 騎行空間品質(zhì)評價(jià)流程

本文選取了廈門島共享單車使用強(qiáng)度最高的中心區(qū)來進(jìn)行街道騎行空間品質(zhì)評價(jià)（圖6）。街道服務(wù)設(shè)施密度、功能多樣性、交通可達(dá)性、騎行視覺舒適度、騎行設(shè)施完整度的主要指標(biāo)的計(jì)算流程如下。

圖6 中心區(qū)共享單車出行分布Fig.6 bike-sharing trip distribution in the central area

首先，將路網(wǎng)、POI、地鐵站點(diǎn)、BRT站點(diǎn)及建筑輪廓數(shù)據(jù)輸入GeoPandas地理信息分析平臺，對每條街道建立50 m緩沖區(qū)，利用ArcGIS通過數(shù)據(jù)融合等方式，運(yùn)用核密度、自然斷裂點(diǎn)模塊，分析公交站點(diǎn)、居住服務(wù)、商業(yè)服務(wù)等設(shè)施在路段周邊的分布密度，解析路段周邊開發(fā)密度、服務(wù)能力、可達(dá)性等空間特征。此外，本文還采用廣泛使用的熵值來衡量功能多樣性。功能多樣性的計(jì)算公式如下：

式中，Mix是指該街道的功能多樣性（值域區(qū)間為0～1），Pi為某類POI設(shè)施的數(shù)量占所有POI數(shù)量的比值，n為POI類型數(shù)量。

其次，將采集的百度街景圖片輸入基于DeepLab V3+深度學(xué)習(xí)架構(gòu)的語義分割模型，對全島各路段的街景圖片進(jìn)行了識別，包括路面、天空、綠視率、建筑、車輛、行人等街景要素[28]。結(jié)果顯示算法識別效果良好，可用于街道慢行空間評價(jià)的數(shù)據(jù)分析。其中，綠視率（GVI）和天空可視率（SVI）的計(jì)算公式與識別流程如下：

式中，GVI為綠視率，SVI為天空可視率，Greenery Pixelsi為綠植視覺像素面積，Sky Pixelsi為天空視覺像素面積，Total Pixelsi為總像素面積。結(jié)合人工評價(jià)，完成騎行視覺舒適度與騎行設(shè)施完整度指標(biāo)的評價(jià)。

最后，為減小主觀性對評價(jià)結(jié)果的影響，本文基于熵權(quán)法進(jìn)行騎行空間品質(zhì)綜合評價(jià)。當(dāng)評價(jià)對象在某項(xiàng)指標(biāo)上的值相差較大時(shí)，熵值?。丛撛u價(jià)指標(biāo)包含的信息量越大），權(quán)重大，即該指標(biāo)的重要性越高。最后以路段為統(tǒng)計(jì)單元，通過ArcGIS得到路段現(xiàn)狀綜合評分，利用熵權(quán)法對所有指標(biāo)進(jìn)行匯總并綜合打分（圖7）。熵權(quán)法計(jì)算流程如下。

圖7 中心區(qū)騎行空間品質(zhì)得分Fig.7 cycling space quality score in the central area

第一步，通過對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以消除不同指標(biāo)之間的量綱差異。指標(biāo)一般可分為正向指標(biāo)和負(fù)向指標(biāo)兩類。正向指標(biāo)數(shù)值越大越好，越小越差。負(fù)向指標(biāo)越小越好，越大越差。指標(biāo)的標(biāo)準(zhǔn)化計(jì)算公式如下：

式中rij是第i個(gè)街道的第j項(xiàng)指標(biāo)標(biāo)準(zhǔn)化之后的值，uij是第i個(gè)街道的第j項(xiàng)指標(biāo)原始值，和分別代表所有街道第j項(xiàng)指標(biāo)中的最大值和最小值。

第二步，計(jì)算第i個(gè)街道的第j項(xiàng)指標(biāo)的比重：

式中m是街道數(shù)量。

第三步，計(jì)算第j項(xiàng)指標(biāo)的信息熵：

第四步，計(jì)算指標(biāo)權(quán)重。該步驟需確保所有指標(biāo)權(quán)重總和為1，由信息熵得到的權(quán)重表示為：

式中n是指標(biāo)個(gè)數(shù)。

根據(jù)上述步驟，完成街道騎行空間品質(zhì)評價(jià)具體各指標(biāo)層因子見表1，基于自然斷裂點(diǎn)法將騎行空間品質(zhì)評價(jià)劃分為5個(gè)等級（圖7）。

2.2.2 騎行空間品質(zhì)評價(jià)結(jié)果

中心城區(qū)騎行空間品質(zhì)得分分布結(jié)果如下。

第一，典型的高分路段有：南山路、嘉禾路（呂厝—烏石浦段）、呂嶺路（呂厝—江頭段）等。這些路段較為寬闊，生活、就業(yè)等服務(wù)設(shè)施密度較大，附近的地鐵和公交站點(diǎn)較多，交通可達(dá)性較高。此外，這些路段綠化建設(shè)較早，綠視率也較高。但是，這些路段也存在一定的問題。首先，大部分路段盡管有寬闊的人行道，但缺少自行車道及過街設(shè)施，使得騎行者不得不和機(jī)動車爭奪路權(quán)，帶來安全隱患。另外，這些路段服務(wù)設(shè)施密度整體較大，但缺少自行車停車設(shè)施，不利于單車運(yùn)營管理與統(tǒng)一調(diào)度?？傮w而言，高分路段的空間本底好、功能設(shè)施完整、騎行視野開闊，只需進(jìn)行街道層面的微更新，便可較好地提升騎行空間品質(zhì)。

第二，典型的低分路段有：松岳路、新豐路、馬壟路等。這些路段的道路空間較窄，且缺少非機(jī)動車道。這不僅影響騎行便利性，而且慢行改造難度較大。此外，部分路段的路旁停滿了機(jī)動車，進(jìn)一步壓縮自行車的騎行空間，不但不利于騎行的安全性，而且極大地影響舒適性。因此，這類型的道路改造難度較大，需要對道路進(jìn)行拓寬，完善各類服務(wù)設(shè)施，提升區(qū)域的公交可達(dá)性與空間活力，并增強(qiáng)這類道路與高分道路的連通性，發(fā)展連貫完整的騎行友好社區(qū)。

3 “單車出行—空間品質(zhì)”耦合性分析及規(guī)劃響應(yīng)

3.1 “單車出行—空間品質(zhì)”的空間耦合模式：優(yōu)化定點(diǎn)

空間品質(zhì)低并非騎行空間優(yōu)化考慮的唯一要素。若某條街道的空間品質(zhì)低，單車出行強(qiáng)度也低（甚至為0），那么該街道也沒有優(yōu)化的必要性。換言之，除了考慮空間品質(zhì)之外，還需考慮出行強(qiáng)度這一重要維度。因此，將以上的街道騎行空間品質(zhì)與單車出行量進(jìn)行四象限分析。橫坐標(biāo)為路段騎行流量，縱坐標(biāo)為街道空間品質(zhì)評價(jià)指數(shù)，并根據(jù)中位數(shù)將坐標(biāo)平面劃分為四個(gè)象限，分別對應(yīng)高出行—高品質(zhì)、低出行—高品質(zhì)、高出行—低品質(zhì)、低出行—低品質(zhì)四種類型（圖8）。研究選取四種類型的典型街道進(jìn)行空間特征解析，包括嘉禾路、仙岳路、香蓮路、長青路、新豐路等。

圖8 “單車出行—空間品質(zhì)”的空間耦合四象限分析與空間分布Fig.8 “bike-sharing usage-cycling space quality” four-quadrant analysis and spatial distribution

基于GIS將結(jié)果投影至各路段，結(jié)果顯示如下。

首先，高出行—高品質(zhì)路段主要包括嘉禾路、仙岳路、育秀東路、體育路、廈門海洋學(xué)院以及體育中心等區(qū)域（圖9）。這些路段位于廈門島的中心區(qū)域，兩側(cè)擁有大量的就業(yè)崗位與商業(yè)設(shè)施，就業(yè)、接駁等出行強(qiáng)度較高。另外，它們由于區(qū)位優(yōu)勢，街道周邊的交通可達(dá)性、開發(fā)密度均較高，同時(shí)騎行設(shè)施也十分完善。總之，騎行空間品質(zhì)與出行強(qiáng)度的適配性較好。

圖9 典型路段的單車出行與空間品質(zhì)得分Fig.9 bike-sharing usage and cycling space quality of typical road segments

其次，高出行—低品質(zhì)路段主要包括僑岳東路、長青路等地段（圖9），分布于中心區(qū)的老舊社區(qū)。這些社區(qū)居住人口密度較高，早晚高峰共享單車出行流量大。但是，由于道路較窄且建筑密度較高，這些社區(qū)的改造難度較大。因此，社區(qū)建成環(huán)境已經(jīng)難以適應(yīng)居民的騎行特征，不利于居民綠色出行。這些社區(qū)的街道是騎行空間改造的重點(diǎn)地段。

再次，低出行—高品質(zhì)路段主要包括江華路、香蓮路等，緊鄰呂厝、蓮花路口以及塘邊等地鐵站。這個(gè)區(qū)域交通可達(dá)性高，接駁距離短，居民可輕松步行至地鐵站，因此使用共享單車的次數(shù)相對較少。

最后，低出行—低品質(zhì)路段主要包括成功大道、仙岳山路、興隆路、新豐路以及低密度老舊小區(qū)附近。成功大道、仙岳山路主要以高架為主，不適宜騎行。而中心城區(qū)的低密度老舊小區(qū)由于開發(fā)密度較低，人口較少，因此出行強(qiáng)度低、騎行環(huán)境也較差。

3.2 “單車出行—空間品質(zhì)”的空間耦合效應(yīng)：優(yōu)化定向

為進(jìn)一步探究單車出行與空間品質(zhì)因子的耦合效應(yīng)，了解各空間品質(zhì)要素對共享單車騎行影響的空間異質(zhì)性，本研究利用GWR模型，分析服務(wù)設(shè)施密度、功能多樣性、交通可達(dá)性、騎行視覺舒適度、騎行設(shè)施完整度等五個(gè)加權(quán)空間品質(zhì)指標(biāo)對路段單車流量影響的空間異質(zhì)性。其中，模型系數(shù)估計(jì)值為正時(shí)，表示該解釋變量與因變量正相關(guān)；模型參數(shù)估計(jì)值為負(fù)時(shí)，則負(fù)相關(guān)；參數(shù)絕對值越大，影響越大。

下面選取功能多樣性、騎行設(shè)施完整度以及交通可達(dá)性三類指標(biāo)進(jìn)行重點(diǎn)解析（圖10）。結(jié)果如下：第一，功能多樣性的系數(shù)在嘉禾路、湖濱東路、體育路、育秀東路等路段差異較大；在育秀東路等地段的正向系數(shù)較大，說明在這些地段提升設(shè)施多樣性可有效促進(jìn)居民騎行。第二，交通可達(dá)性系數(shù)在火炬路等地段的正向系數(shù)較大，因此提高這些地段的交通便利性，可促進(jìn)居民低碳出行。以上分析有助于定位各路段亟需提升的指標(biāo)類型，實(shí)現(xiàn)騎行空間優(yōu)化的定向。第三，騎行設(shè)施完整度在廈禾路等地段的正向系數(shù)較大，說明這些地段亟需增加非機(jī)動基礎(chǔ)設(shè)施，為居民提供良好的騎行環(huán)境。

圖10 單車流量部分影響要素的GWR系數(shù)分布圖Fig.10 GWR coefficients of selected variables in predicting bike-sharing usage

3.3 規(guī)劃響應(yīng)

3.3.1 構(gòu)建層級化的站域慢行“微中心”

本研究發(fā)現(xiàn)城市軌道站點(diǎn)周邊是共享單車出行的熱點(diǎn)區(qū)域。相關(guān)研究也表明共享單車已成為各大城市地鐵接駁的重要方式之一[3-4]。因此，需要建設(shè)連續(xù)成網(wǎng)、便捷接駁、環(huán)境友好的騎行環(huán)境，對地鐵、BRT、常規(guī)公交的高效接駁，實(shí)現(xiàn)居民出行方式的便捷換乘（圖11）。具體策略如下：一是依據(jù)不同地鐵站點(diǎn)的單車出行強(qiáng)度、“15 min公服圈”與TOD設(shè)計(jì)要求[12-13]，可以結(jié)合站域公共空間（綠地等）設(shè)置功能混合的層級化慢行“微中心”，以構(gòu)建慢行友好的TOD社區(qū)；二是根據(jù)騎行者的來源地與目的地，合理劃定站域共享單車停放電子圍欄與停車設(shè)施；三是基于站域周邊騎行軌跡的分布，“微中心”負(fù)責(zé)統(tǒng)一、高效、精準(zhǔn)地調(diào)度共享單車，減少地鐵站域的共享單車亂停亂放、堵塞人行通道等問題，從而實(shí)現(xiàn)騎行的高效流動，進(jìn)而發(fā)揮“騎—乘”模式的效益；四是由于軌道站域的共享單車騎行往往具有很強(qiáng)的“潮汐流動性”，應(yīng)結(jié)合地鐵站點(diǎn)客流特征，因地制宜地對站域周邊的停車空間進(jìn)行高峰小時(shí)動態(tài)增減（動態(tài)調(diào)度）。

圖11 騎行友好的規(guī)劃響應(yīng)措施Fig.11 cycling-friendly planning responses

3.3.2 開展差異化的街道空間重塑

基于“單車出行—空間品質(zhì)”的耦合分析，根據(jù)道路等級、主導(dǎo)功能確定亟需更新的社區(qū)或街道，并通過GWR模型探究需要優(yōu)化的建成環(huán)境要素，實(shí)現(xiàn)差異化的街道空間重塑。針對僑岳東路等“高出行—低品質(zhì)”居住型支路，這些路段的機(jī)動車流量相對較低，街道空間的可改造能力較高，可以通過增加非機(jī)動車道、單向交通組織等方式增加非機(jī)動車交通空間，有效釋放道路兩側(cè)慢行空間，并構(gòu)建完整、連續(xù)、高質(zhì)量的慢行“毛細(xì)血管”；或?qū)⑷诵锌臻g挪至道路內(nèi)側(cè)，并在拓寬人行道空間的基礎(chǔ)上新增自行車道（綠道），并通過車樁、綠植等方式實(shí)現(xiàn)騎行與人行的“微隔斷”，進(jìn)而提高街道空間活力；根據(jù)道路的早晚車流大小，分時(shí)段開放非機(jī)動車道，實(shí)現(xiàn)路權(quán)共享。

針對低出行—低品質(zhì)的街道空間，如興隆路、新豐路等，則應(yīng)該更多關(guān)注街道空間品質(zhì)的提升，促進(jìn)居民低碳綠色出行。GWR結(jié)果顯示這些路段的功能多樣性、生態(tài)空間與出行強(qiáng)度正相關(guān)，因此可通過增加功能設(shè)施豐富度、優(yōu)化綠色植物搭配、合理營造空間圍合感等方式優(yōu)化街道空間品質(zhì)，進(jìn)而增大街道的騎行活力，實(shí)現(xiàn)“單車出行—空間品質(zhì)”的耦合發(fā)展。

針對出行強(qiáng)度最高的軌道站域（烏石浦站、呂厝站等），由于它們通常位于商業(yè)中心、辦公中心附近，周邊道路往往改造較為困難。為減少騎行與車行混行，可以適當(dāng)進(jìn)行核心道路交叉口改造，例如增加自行車專用信號燈和待轉(zhuǎn)區(qū)等方式提供“綠色通道”，保障“大流量”路段騎行的安全性與通暢性。

4 結(jié)語

在大數(shù)據(jù)時(shí)代，海量數(shù)據(jù)分析為規(guī)劃師提供了功能要素高效配置、社會資源精準(zhǔn)投放的有力工具。傳統(tǒng)慢行系統(tǒng)規(guī)劃方法忽視了騎行的時(shí)空特征與空間匹配?；诙嘣创髷?shù)據(jù)與深度學(xué)習(xí)，開展共享單車出行與街道空間品質(zhì)耦合研究，有利于精準(zhǔn)、精確、精細(xì)地指導(dǎo)城市慢行系統(tǒng)優(yōu)化，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)設(shè)計(jì)。

本文利用廈門島共享單車軌跡數(shù)據(jù)，從出行強(qiáng)度、距離、出行OD網(wǎng)絡(luò)層面解析了廈門島共享單車出行時(shí)空特征。并基于深度學(xué)習(xí)、大數(shù)據(jù)分析以及GWR模型等新興分析技術(shù)，探索了“人本尺度”設(shè)計(jì)實(shí)踐需求的社會語境下，城市街道空間品質(zhì)與單車出行的耦合關(guān)系。研究發(fā)現(xiàn)：廈門島的共享單車出行形成了“多點(diǎn)一軸”的空間格局，騎行網(wǎng)絡(luò)以地鐵站點(diǎn)為核心向外擴(kuò)散。出行具有短距離、短時(shí)長的出行特征。騎行空間品質(zhì)評價(jià)的典型高分區(qū)有南山路、嘉禾路等路段（設(shè)施齊全、道路寬闊），典型低分區(qū)有松岳路、新豐路等路段（改造困難、設(shè)施缺乏、非機(jī)混行）。“單車出行—空間品質(zhì)”的四象限分析將各路段分為了高出行—高品質(zhì)、低出行—高品質(zhì)、低出行—低品質(zhì)、高出行—低品質(zhì)四類。GWR模型揭示了騎行空間品質(zhì)要素對單車出行的正負(fù)影響。本文提出構(gòu)建層級化的站域慢行“微中心”、開展差異化的街道空間重塑的規(guī)劃響應(yīng)策略，為城市慢行系統(tǒng)多尺度空間優(yōu)化提供了“定點(diǎn)”與“定向”的理論支撐與優(yōu)化思路。

本文采用多源空間大數(shù)據(jù)以及海量共享騎行數(shù)據(jù)，探討了共享單車出行與街道空間品質(zhì)的耦合關(guān)系，方法與視角具有一定創(chuàng)新性，但仍存在以下不足。首先，街道空間品質(zhì)的指標(biāo)體系豐富且廣泛，本文主要從服務(wù)設(shè)施密度、功能多樣性、交通可達(dá)性、騎行視覺舒適度、騎行設(shè)施完整度等維度建立了街道騎行空間品質(zhì)指標(biāo)體系，下一步研究可拓展指標(biāo)體系的維度（人口密度、空間句法分析指標(biāo)等），從而更全面、更精準(zhǔn)地評估街道騎行空間品質(zhì)，并制定更為精細(xì)的優(yōu)化策略。其次，受數(shù)據(jù)可獲得性的影響，本文僅使用2020年5天內(nèi)的共享單車軌跡數(shù)據(jù)，未開展多季節(jié)、多時(shí)段的對比研究。這有待在未來研究中持續(xù)深化。

致謝:感謝佛羅里達(dá)大學(xué)張嘯建博士研究生對本文提出的寶貴意見。

圖表來源：

圖1-11：作者繪制

表1：作者繪制