王亞歌 王洪海 韋良芬

摘? 要：在綠色低碳理念逐漸興起的時(shí)代大背景下，共享出行應(yīng)運(yùn)而生，挖掘用戶(hù)多種出行方式的時(shí)空規(guī)律是城市管理與規(guī)劃研究的有效方法。基于美國(guó)舊金山灣區(qū)BayWheels公開(kāi)的時(shí)空軌跡數(shù)據(jù)集，從時(shí)間和空間的角度出發(fā)，采用數(shù)據(jù)可視化方式直觀揭示用戶(hù)騎行時(shí)空分布特征。研究發(fā)現(xiàn)，用戶(hù)出行情況與工作日和非工作日關(guān)系密切，工作日用戶(hù)出行具有明顯的潮汐現(xiàn)象等時(shí)空特征。文章通過(guò)對(duì)用戶(hù)出行時(shí)空軌跡數(shù)據(jù)的研究，多角度分析用戶(hù)共享出行的時(shí)空規(guī)律特征，為完善城市管理與提高共享運(yùn)營(yíng)企業(yè)效率提供理論支撐，進(jìn)而更好地推動(dòng)城市的可持續(xù)發(fā)展。

關(guān)鍵詞：共享出行；共享單車(chē)；共享電單車(chē)；時(shí)空數(shù)據(jù)分析

中圖分類(lèi)號(hào)：TP391? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）17-0015-06

Visualization Analysis of Spatiotemporal Data for Multiple Shared Travel Modes

WANG Yage， WANG Honghai， WEI Liangfen

（School of Computer and Artificial Intelligence， Chaohu University， Hefei? 238024， China）

Abstract： In the context of the gradual rise of green and low-carbon concepts， shared travel has emerged. Exploring the spatiotemporal patterns of users' various travel modes is an effective method for urban management and planning research. Based on the publicly available spatiotemporal trajectory dataset of BayWheels in the San Francisco Bay Area of the United States， the spatiotemporal distribution characteristics of user cycling are intuitively revealed through data visualization from a temporal and spatial perspective. Research has found that user travel is closely related to both working and non working days， and user travel on working days exhibits significant spatiotemporal characteristics such as tidal phenomena. The paper analyzes the spatiotemporal characteristics of user shared travel from multiple perspectives through the study of user travel spatiotemporal trajectory data， providing theor

0? 引? 言

近年來(lái)，隨著移動(dòng)互聯(lián)網(wǎng)、綠色出行理念和基于位置服務(wù)的發(fā)展，共享出行這種新興的交通方式的發(fā)展突飛猛進(jìn)，同時(shí)也正改變著城市交通結(jié)構(gòu)。隨著機(jī)動(dòng)車(chē)保有量的持續(xù)增長(zhǎng)和人口的聚集，城市公共交通問(wèn)題日益突出，相較于其他出行方式，共享出行方式是一種值得提倡的新興出行方式。共享出行方式旨在減少交通工具碳排放，為城市的中短途出行提供解決方案。由于其具有高效、便捷、綠色、靈活和價(jià)廉等優(yōu)勢(shì)，既能夠滿(mǎn)足用戶(hù)需求，又能夠避免閑置資源浪費(fèi)，迅速受到廣大用戶(hù)和資本的追捧和喜愛(ài)。

國(guó)內(nèi)公共自行車(chē)是最早共享出行方式且多數(shù)由政府出資投入使用的，推行的初衷在于綠色交通、低碳出行的理念。公共自行車(chē)的出現(xiàn)，為城市增添了靚麗，方便了城市短途出行，讓大眾重拾對(duì)自行車(chē)的喜愛(ài)。但是，由于公共自行車(chē)帶有固定的停車(chē)樁，會(huì)存在停車(chē)樁的設(shè)置并不合理、停車(chē)樁不能夠便捷快速地找到或者停車(chē)的時(shí)候找不到停車(chē)樁的種種問(wèn)題[1]。

隨著移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，一種新的共享出行方式即共享單車(chē)呼之欲出。在城市各個(gè)角落都可以發(fā)現(xiàn)色彩斑斕的共享單車(chē)，使用靈活便捷且老少皆宜，能夠有效地解決人們出行“最后一公里”的問(wèn)題[2]，與其他公共交通出行產(chǎn)生協(xié)同效應(yīng)。共享單車(chē)的出行數(shù)據(jù)迅速成為位置服務(wù)的熱門(mén)研究對(duì)象，能夠從大量的出行數(shù)據(jù)中挖掘出用戶(hù)的時(shí)空出行特征[3]和共享單車(chē)減排效應(yīng)的時(shí)空分析[4]，突顯其具有較高的研究?jī)r(jià)值和現(xiàn)實(shí)意義。相較于公共自行車(chē)、共享單車(chē)不存在停車(chē)樁的束縛，車(chē)輛的投入量大，共享單車(chē)使用表現(xiàn)更加便捷，受眾普及率更高一些[5]。

繼共享單車(chē)后，在共享運(yùn)營(yíng)的催化下共享電單車(chē)應(yīng)運(yùn)而生，它是集合互聯(lián)網(wǎng)技術(shù)的新型交通工具，用戶(hù)可通過(guò)網(wǎng)絡(luò)租賃的方式，循環(huán)共享使用，比如熟知的美團(tuán)、哈啰、電斑馬等。共享電單車(chē)發(fā)展得如火如荼，出行需求與技術(shù)進(jìn)步為共享電單車(chē)提供發(fā)展土壤，并助力推廣新能源、智能化、數(shù)字化、輕量化交通裝備。

共享電單車(chē)主要服務(wù)于高校校園、景區(qū)和城市部分區(qū)域，例如高校校區(qū)規(guī)模日漸擴(kuò)大，隨著共享電單車(chē)涌入大學(xué)校園，滿(mǎn)足大學(xué)生學(xué)習(xí)、社交和日常出行需求，提高了出行效率，能夠一定程度上促進(jìn)大學(xué)生積極參加各種活動(dòng)，更加豐富校園生活[6]。

共享電單車(chē)相較于公共自行車(chē)和共享單車(chē)，除了具備二者的相同優(yōu)點(diǎn)外，還具備電子圍欄功能，能夠規(guī)范有序停車(chē)，騎行體驗(yàn)更佳，服務(wù)管理效果更好。但是，共享電單車(chē)仍然面臨車(chē)輛電池技術(shù)突破、維護(hù)成本高、安全保障和交通管理難等問(wèn)題，涉及多方面管理問(wèn)題，曾一度被叫停，隨著行業(yè)發(fā)展的規(guī)范化共享電單車(chē)發(fā)展仍未來(lái)可期[7]。國(guó)內(nèi)共享電單車(chē)公開(kāi)數(shù)據(jù)集并未對(duì)外公開(kāi)，相關(guān)理論認(rèn)識(shí)和研究不夠完善。

近年來(lái)共享出行方式發(fā)展的蒸蒸日上，離不開(kāi)物聯(lián)網(wǎng)、人工智能和大數(shù)據(jù)技術(shù)的發(fā)展。隨著公共自行車(chē)的出現(xiàn)、共享單車(chē)的發(fā)展以及共享電單車(chē)的爆發(fā)式增長(zhǎng)，這三種共享出行方式進(jìn)一步完善了城市慢行系統(tǒng)，不斷推動(dòng)智慧城市建設(shè)發(fā)展。

但是，由于用戶(hù)出行數(shù)據(jù)隱私保護(hù)、數(shù)據(jù)采集機(jī)制落后等，使得目前國(guó)內(nèi)關(guān)于共享出行的數(shù)據(jù)公開(kāi)有限，研究較少且相關(guān)研究比較單一，即缺少將多種共享出行方式進(jìn)行綜合分析研究，而且目前國(guó)內(nèi)共享單車(chē)和共享電單車(chē)的用戶(hù)使用群體大，分布率和使用頻率高。通過(guò)對(duì)三種共享出行方式的出行時(shí)空數(shù)據(jù)進(jìn)行挖掘和分析，既能明確用戶(hù)的出行規(guī)律，以可視化的方式解讀用戶(hù)出行時(shí)空特征，明確用戶(hù)的實(shí)際出行需求，便于用戶(hù)合理安排出行，避開(kāi)出行高峰時(shí)間段。研究分析有助于為用戶(hù)提供更多元化、個(gè)性化服務(wù)[8]，有助于為城市決策者客觀地評(píng)估共享出行方式的情況，有助于企業(yè)運(yùn)營(yíng)管理提出理論依據(jù)，有助于城市交通管理部門(mén)掌握慢行道路的使用現(xiàn)狀以及趨勢(shì)。

1? 數(shù)據(jù)預(yù)處理

1.1? 數(shù)據(jù)集概況

共享數(shù)據(jù)集選用的是美國(guó)舊金山地區(qū)的Bay Wheels公司公開(kāi)的軌跡數(shù)據(jù)，包含2021年1月1日至12月31日一年的公共自行車(chē)、共享單車(chē)和共享電單車(chē)的經(jīng)緯度出行數(shù)據(jù)。

官方提供的數(shù)據(jù)是按月公布的，因此需要利用Python中的Pandas模塊對(duì)數(shù)據(jù)進(jìn)行解析和讀取，將全年的數(shù)據(jù)進(jìn)行合并，合并后的數(shù)據(jù)集有2 035 151條。數(shù)據(jù)集共有ride_id、rideable_type、started_at、ended_at、start_station_name、start_station_id、end_station_name、end_station_id、start_lat、start_lng、end_lat、end_lng、member_casual 13個(gè)字段，即共享車(chē)輛的編號(hào)及類(lèi)型、開(kāi)始及結(jié)束時(shí)間、終點(diǎn)站和起點(diǎn)站的ID及經(jīng)緯度坐標(biāo)和用戶(hù)類(lèi)型，其中只有公共自行車(chē)才有start_station_name、start_station_id、end_station_name、end_station_id 四字段。

1.2? 數(shù)據(jù)預(yù)處理

數(shù)據(jù)集存在數(shù)據(jù)冗余、錯(cuò)誤數(shù)據(jù)和異常數(shù)據(jù)等情況，由于數(shù)據(jù)集直接影響后續(xù)的相關(guān)分析，數(shù)據(jù)預(yù)處理這一環(huán)節(jié)就顯得尤為重要。

對(duì)數(shù)據(jù)進(jìn)行清洗，先設(shè)置經(jīng)緯度的過(guò)濾條件，即舊金山地區(qū)的經(jīng)緯度范圍，將不在此經(jīng)緯度范圍的數(shù)據(jù)點(diǎn)作為異常數(shù)據(jù)進(jìn)行剔除；調(diào)用Python模塊中的drop dduplicates和drop函數(shù)，去除共享單車(chē)數(shù)據(jù)中冗余重復(fù)以及重復(fù)的記錄。另外，針對(duì)數(shù)據(jù)中存在的缺失值，采用的缺失值補(bǔ)全的方法，即使用某些值進(jìn)行替代。

另外，為了方便后續(xù)的分析和研究需要對(duì)原始軌跡數(shù)據(jù)中的時(shí)間字段進(jìn)行解析，獲取不同時(shí)間周期內(nèi)的出行情況，即將開(kāi)始時(shí)間分解成，開(kāi)始年、開(kāi)始月、開(kāi)始日、開(kāi)始小時(shí)、開(kāi)始分鐘等字段，結(jié)束時(shí)間也同樣如此。同時(shí)，計(jì)算出騎行時(shí)間、騎行距離并生成相應(yīng)的字段，最后將處理好的數(shù)據(jù)進(jìn)行存儲(chǔ)。

2? 時(shí)空數(shù)據(jù)可視化分析

數(shù)據(jù)可視化以一種更加直觀、清晰的方式增加對(duì)數(shù)據(jù)的理解，主要以圖形的方式呈現(xiàn)，針對(duì)要分析的具體問(wèn)題，挖掘出數(shù)據(jù)中隱藏的關(guān)系，有助于提取有用的特征，具有很大的應(yīng)用價(jià)值。尤其當(dāng)數(shù)據(jù)量比較大的時(shí)候，常規(guī)的統(tǒng)計(jì)方法會(huì)出現(xiàn)數(shù)據(jù)崩潰的現(xiàn)象，使用Python的Pandas工具集，如直方圖可以通過(guò)用pyplot的hist方法進(jìn)行繪制。

基于三種共享出行方式的時(shí)空軌跡數(shù)據(jù)，對(duì)公共自行車(chē)、共享單車(chē)和共享電單車(chē)的這三種共享方式的騎行數(shù)據(jù)從時(shí)間和空間兩個(gè)角度進(jìn)行可視化分析。具體來(lái)說(shuō)，先分析全年出行量、工作日和非工作日的騎行情況、騎行距離、時(shí)長(zhǎng)時(shí)速以及用戶(hù)畫(huà)像的，然后通過(guò)熱力圖渲染分析用戶(hù)出行區(qū)域情況。

2.1? 時(shí)間特征可視化分析

2.1.1? 全年騎行量分析

在圖1中，docked_bike為公共自行車(chē)，classic_bike為共享單車(chē)，electric_bike為共享電單車(chē)。數(shù)據(jù)集的時(shí)間范圍是2021年1月1日至2021年的12月31日。

總體來(lái)看，這三種共享出行方式中公共自行車(chē)的全年出行量相對(duì)較少，出行量波動(dòng)較為平穩(wěn)，這是因?yàn)榕f金山每平方英里只有1.5個(gè)樁式公共自行車(chē)停車(chē)樁，華盛頓是其4倍多，說(shuō)明公共自行車(chē)投放量有限，需求量大于供給。共享電單車(chē)出行量在這三種共享出行方式中屬于最大的，同樣在6—10月較其他月份出行量大，出行峰值在10月份，日出行量接近7 000。共享單車(chē)出行量介于以上二者之間，同樣在6—10月的出行量較其他月份增長(zhǎng)明顯。可見(jiàn)，在寒冷季節(jié)用戶(hù)使用量較少，溫度相對(duì)較高的6—10月更適合用戶(hù)選擇共享方式出行，每月出行量與季節(jié)和溫度有關(guān)。

2.1.2? 工作日與非工作日騎行情況分析

將2021年6月內(nèi)一周的騎行數(shù)據(jù)按照日期的星期屬性進(jìn)行劃分，得到工作日的騎行量大于非工作日，三種共享出行方式的出行情況大致相同，因此這三種共享出行方式的出行量均與星期屬性存在較強(qiáng)的相關(guān)性，作為日常通勤工具，用戶(hù)在工作日選擇共享出行方式用于出勤、上課等，在非工作日可能多用于游玩等，一周的騎行情況如圖2所示。

分別計(jì)算2021年6月份工作日和非工作日在每個(gè)時(shí)間段騎行量，并總結(jié)分析工作日和非工作日的騎行情況。

在工作日，共享車(chē)騎行呈現(xiàn)出比較明顯的多高峰出行，即出行早高峰和晚高峰，存在午間小高峰但不夠明顯。公共自行車(chē)在12點(diǎn)、14點(diǎn)和17點(diǎn)這幾個(gè)時(shí)間段出現(xiàn)多個(gè)峰值，午間高峰較為突出。共享單車(chē)和共享電單車(chē)的騎行量在早上7點(diǎn)后快速增加，在早上8點(diǎn)達(dá)到高峰；在中午12點(diǎn)出現(xiàn)午間小高峰，在17至18點(diǎn)出現(xiàn)了騎行晚高峰。在晚高峰之后，共享單車(chē)和共享電單車(chē)的騎行量逐漸呈下降趨勢(shì)，如圖3所示。

在非工作日，三種共享出行方式并未出現(xiàn)明顯的騎行早高峰和晚高峰，騎行量較高的時(shí)間段主要集中在10至17點(diǎn)，由于這三種共享方式均是全天不限時(shí)間使用，在下午和晚上的騎行量較工作日更受歡迎，因而在周末的凌晨0至2點(diǎn)這個(gè)時(shí)間段，三種共享出行方式均出現(xiàn)騎行高潮，該時(shí)段公交車(chē)處于停運(yùn)狀態(tài)且出租車(chē)數(shù)量較少，因而共享單車(chē)和共享電單車(chē)填補(bǔ)了公交和出租車(chē)運(yùn)營(yíng)的“空窗期”，如圖4所示。

2.1.3? 騎行時(shí)長(zhǎng)時(shí)速分析

根據(jù)2021年6月份的三種共享出行方式的騎行數(shù)據(jù)，繪制騎行時(shí)長(zhǎng)時(shí)速分布圖。公共自行車(chē)、共享單車(chē)和共享電單車(chē)這三種共享出行方式的時(shí)間分布情況基本一致，工作日騎行時(shí)間的峰值區(qū)間在5至10分鐘之間，而從非工作日騎行情況來(lái)看騎行時(shí)間則相對(duì)較長(zhǎng)一些，騎行時(shí)間的峰值區(qū)間在5至12分鐘之間，圖5則以共享電單車(chē)為例進(jìn)行說(shuō)明。

根據(jù)騎行時(shí)間和騎行距離計(jì)算得到這三種共享出行方式的騎行時(shí)速情況，如圖6所示。公共自行車(chē)用戶(hù)騎行時(shí)速近九成的時(shí)速都低于10 km。共享單車(chē)用戶(hù)的騎行時(shí)速的高峰區(qū)間在8至12 km，在時(shí)速10 km出現(xiàn)峰值。共享電單車(chē)騎行時(shí)速的高峰區(qū)間在10至15 km，在時(shí)速13 km出現(xiàn)峰值，時(shí)速遠(yuǎn)低于新國(guó)標(biāo)最高限速的一半，與公共自行車(chē)和共享單車(chē)的城市慢行交通出行方式互為補(bǔ)充。三種共享出行方式的全程騎行速度大致相同，均屬“慢行”范疇。

2.2? 騎行空間特征可視化分析

2.2.1? 騎行距離分析

數(shù)據(jù)集中的數(shù)據(jù)是經(jīng)緯度坐標(biāo)，屬于球面坐標(biāo)系統(tǒng)，而球面兩點(diǎn)間距離計(jì)算不同于平面，因此采用haversine函數(shù)求解共享騎行數(shù)據(jù)中起點(diǎn)和終點(diǎn)之間的距離，其中，dij表示數(shù)據(jù)點(diǎn)起點(diǎn)和終點(diǎn)間的騎行距離，r表示地球平均半徑；αi、αj表示數(shù)據(jù)點(diǎn)xi、xj的經(jīng)度值，βi、βj表示數(shù)據(jù)點(diǎn)xi、xj的緯度值，且均轉(zhuǎn)化為弧度形式表示。如式（1）所示：

根據(jù)2021年6月一個(gè)月的騎行距離數(shù)據(jù)，由圖7和圖8可知，工作日和非工作日的騎行距離分布情況相差不大。公共自行車(chē)騎行量少且騎行距離較短，可見(jiàn)用戶(hù)的使用頻率較低。共享單車(chē)在1 km的騎行數(shù)量達(dá)到峰值，騎行量隨著距離增加而減少，屬于短途出行。共享電單車(chē)的騎行距離的變化趨勢(shì)與共享單車(chē)基本一致，騎行距離在1.5 km達(dá)到峰值，較共享單車(chē)的峰值增加了0.5左右。這三種共享出行方式的用戶(hù)騎行距離都屬于中短距離出行。

共享單車(chē)解決了用戶(hù)在1至2 km范圍內(nèi)的出行需求，而針對(duì)2 km以上的出行距離則更多選擇共享電單車(chē)，共享電單車(chē)騎行距離3至5 km以上也占一定比例，這也說(shuō)明公共自行車(chē)和共享單車(chē)屬于短途出行，共享電單車(chē)屬于中短途出行方式，這就對(duì)續(xù)航能力要求不是很高，一定程度上降低了成本，而對(duì)于中長(zhǎng)途的距離用戶(hù)更可能選擇機(jī)動(dòng)車(chē)的方式。

箱形圖能夠反映原始數(shù)據(jù)的分布情況且可以將多組數(shù)據(jù)進(jìn)行比較，箱線圖中，箱體的中間有一條線則為中位數(shù)xm，箱子的上下底為數(shù)據(jù)的上四分位數(shù)Q3和下四分位數(shù)Q1，上邊緣和下邊緣分別是Q3+1.5IQR和Q1-1.5IQR，其中IQR為Q3與Q1的差值。在圖9中，呈現(xiàn)出三種共享出行方式的騎行距離分布情況，根據(jù)圖中的中位數(shù)可知共享電單車(chē)的平均距離相比較大。根據(jù)箱型圖的形狀得到共享單車(chē)的騎行距離分布比較集中，因?yàn)橄湫蛨D的高較小。根據(jù)箱型圖中位數(shù)和上下四位數(shù)的間距可以得到，公共自行車(chē)和共享單車(chē)騎行距離主要分布在1 km左右，而共享電單車(chē)騎行距離主要分布在2 km左右，且只有共享電動(dòng)車(chē)Q1的值高于1 km。

2.2.2? 騎行熱力圖可視化分析

熱力圖通過(guò)用戶(hù)騎行量渲染地圖顏色，以描繪出用戶(hù)騎行量及分布情況，區(qū)域顏色越深則用戶(hù)越熱衷出行該地區(qū)。通過(guò)BDP數(shù)據(jù)可視化平臺(tái)繪制公共自行車(chē)、共享單車(chē)和共享電單車(chē)的起點(diǎn)和終點(diǎn)騎行熱力圖，數(shù)據(jù)以2021年6月份為例進(jìn)行分析。

根據(jù)舊金山三種共享出行的熱點(diǎn)區(qū)域，其中公共自行車(chē)和共享電單車(chē)騎行熱點(diǎn)區(qū)域主要集中在城市東北部密集的城區(qū)和城市周邊景點(diǎn)。共享電單車(chē)起點(diǎn)騎行熱點(diǎn)區(qū)域分布更加分散且按照城市路網(wǎng)方格布局，基本上車(chē)輛已布滿(mǎn)城市的各個(gè)地方，金金山東北角相較于其他區(qū)域放置更多的車(chē)輛，城市南邊和西邊主要是景區(qū)、新興的綜合區(qū)和住宅區(qū)和學(xué)校等。終點(diǎn)騎行熱點(diǎn)區(qū)域更加集中，這是因?yàn)楣蚕韱诬?chē)屬于新能源需要充電，也能夠說(shuō)明共享電單車(chē)存在車(chē)輛調(diào)度管理以保證用戶(hù)能夠有車(chē)可以騎，需要工作人員在夜間將車(chē)輛回收并放回規(guī)定區(qū)域，如圖10所示。

3? 結(jié)? 論

通過(guò)對(duì)多種共享出行時(shí)空軌跡數(shù)據(jù)的研究分析，多方面多角度的解讀用戶(hù)共享出行的時(shí)空規(guī)律特征。具體來(lái)說(shuō)，從騎行時(shí)間特征上來(lái)看，每個(gè)月份的騎行量波動(dòng)可能與季節(jié)溫度差異有關(guān)；工作日的騎行量存在明顯的騎行早晚高峰，而非工作日沒(méi)有；公共自行車(chē)的騎行量最少，騎行距離和時(shí)速都相對(duì)較低；公共自行車(chē)和共享單車(chē)都為“最后一公里”服務(wù)，均屬于短途出行。共享電單車(chē)大部分的出行距離在2至5 km之間，屬于中短途出行的最佳選擇，比共享單車(chē)和公共自行車(chē)更加省時(shí)省力，騎行時(shí)速相對(duì)較快。

從騎行空間特征來(lái)看，共享出行主要集中服務(wù)于城市的商業(yè)區(qū)、住宅區(qū)、景區(qū)和學(xué)校等區(qū)域，能夠?yàn)橥ㄇ谡吆透咝W(xué)生帶來(lái)極大便利。其中，公共自行車(chē)騎行量受限于停車(chē)樁的規(guī)劃，使用不夠靈活，存在找停車(chē)樁的苦惱。共享單車(chē)解決這一局限，用戶(hù)使用更加靈活，即用即掃，即停即放。共享電單車(chē)，需要更換電池和調(diào)度管理，需要工作人員在晚上將共享電單車(chē)托運(yùn)到規(guī)定的區(qū)域，工作量和工作范圍比較大，涉及的維護(hù)管理成本也比較大。

共享出行是新興的綠色出行方式，憑借其便捷、經(jīng)濟(jì)、共享的特點(diǎn)，為用戶(hù)的中短途出行提供多元化選擇，踐行綠色減排理念，助力構(gòu)建智慧和低碳交通體系。充實(shí)城市公共交通的配套體系，讓更多的用戶(hù)參與到低碳出行中來(lái)，助力實(shí)現(xiàn)交通運(yùn)輸?shù)目沙掷m(xù)發(fā)展。同時(shí)為城市管理和建議者提升共享出行服務(wù)水平、巡查管理、及時(shí)充電、合理規(guī)劃停車(chē)區(qū)域等提供理論支撐和建議。

參考文獻(xiàn)：

[1] 蔡顥琳，徐健，朱利蓉，等.共享經(jīng)濟(jì)下公共自行車(chē)發(fā)展中的問(wèn)題及對(duì)策 [J].現(xiàn)代商貿(mào)工業(yè)，2019，40（4）：59-61.

[2] 王家寶，余園園，敦帥.共享單車(chē)：現(xiàn)狀、問(wèn)題與對(duì)策 [J].管理現(xiàn)代化，2018，38（5）：99-101.

[3] 周超，周亞男，李振世，等.基于大數(shù)據(jù)的南京市共享單車(chē)時(shí)空特征研究 [J].西南師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2018，43（10）：66-73.

[4] 李文翔，唐桂孔，劉博，等.基于摩拜騎行數(shù)據(jù)的上海市共享單車(chē)減排效益時(shí)空分析 [J].環(huán)境科學(xué)學(xué)報(bào)，2021，41（11）：4752-4759.

[5] 翟永，劉津，陳杰，等.基于馬爾可夫鏈的無(wú)樁共享單車(chē)車(chē)輛投放規(guī)模分析 [J].北京交通大學(xué)學(xué)報(bào)，2019，43（5）：27-36.

[6] 王丹.基于大學(xué)城調(diào)查數(shù)據(jù)的校園共享電單車(chē)用戶(hù)出行行為分析 [J].統(tǒng)計(jì)與管理，2020，35（3）：96-99.

[7] 周若蘭，鄭琰.共享電單車(chē)發(fā)展現(xiàn)狀的問(wèn)題及對(duì)策分析 [J].物流科技，2021，44（2）：78-80.

[8] 李想，李亞男，馬紅光.考慮乘客效用的多元化共享出行平臺(tái)協(xié)同定價(jià)策略研究[J/OL].中國(guó)管理科學(xué)，2022：1-10.[2023-03-04].https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD67s_kBxcpWeyaeLZSIuMe9jAVB8l8GgZhSpT7OmB-tQvwbFDZGvKeOz&uniplatform=NZKPT.

作者簡(jiǎn)介：王亞歌（1993—），女，漢族，河南泌陽(yáng)人，助教，碩士，研究方向：數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)；王洪海（1975—），男，漢族，安徽壽縣人，教授，碩士，研究方向：智能數(shù)據(jù)分析；韋良芬（1975—），女，漢族，安徽舒城人，教授，碩士，研究方向：計(jì)算機(jī)硬件系統(tǒng)研究。

etical support for improving urban management and improving the efficiency of shared operation enterprises， thereby better promoting the sustainable development of cities.

Keywords： shared travel; shared bicycle; shared electric bicycle; spatiotemporal data analysis