地球信息科学学报 ›› 2022, Vol. 24 ›› Issue (7): 1337-1348.doi: 10.12082/dqxxkx.2022.210775
收稿日期:
2021-12-03
修回日期:
2021-12-19
出版日期:
2022-07-25
发布日期:
2022-09-25
通讯作者:
* 邬群勇(1973—),男,山东诸城人,博士,研究员,研究方向为时空大数据分析、地理信息服务。 E-mail: qywu@fzu.edu.com作者简介:
邝嘉恒(1996—),男,河南周口人,硕士生,研究方向为时空大数据分析。E-mail: kuangjh33@163.com
基金资助:
KUANG Jiaheng1,2,3(), WU Qunyong1,2,3,*(
)
Received:
2021-12-03
Revised:
2021-12-19
Online:
2022-07-25
Published:
2022-09-25
Contact:
WU Qunyong
Supported by:
摘要:
共享单车是接驳地铁出行的最有效选择之一,但共享单车的时空分布不均问题对使用者和管理者造成了很大的不便,尤其是早高峰期间出现这种问题更会大大降低2个交通系统的运行效率。因此,研究用于接驳地铁出行的共享单车的时空均衡性特点对提升早高峰期间的通勤效率有一定意义。为了了解接驳地铁骑行的时空均衡性特点,本文以厦门市作为实验区,将厦门市早高峰期间接驳地铁站的骑行作为主要研究对象,基于出行OD提出了新的地铁站吸引区域建立方法,基于出行特点提出了考虑地铁站点的单车聚类方法。本文还从潮汐比统计角度和吸引区域角度对各个地铁站的早高峰整体出行均衡性做了分析,从时空角度对早高峰中不同时段的地铁站接驳骑行的时空均衡性做了分析, 通过分析得出了3种角度下各个地铁站点均衡性的相似点与不同点,结果表明:① 根据潮汐比特点,地铁站对骑行的接驳职能可划分为4类,分别为起始型,均衡型,到达型和不适合接驳地铁出行型,反映了各地铁站点的总体接驳特征;② 地铁站对接驳骑行的吸引区域与潮汐比特点有所差别,其主要影响因素为地铁站点的地理位置及周边土地利用类型;③ 对于时空均衡性分析结果而言,潮汐比对时空均衡性层面没有显著影响,其最大影响因素为周边土地利用类型。该分析结果能体现出厦门市早高峰期间与各地铁站接驳骑行的共享单车运行的差异性以及与地铁接驳效率的高低,以此来支持共享单车企业的重点区域调度和监管。
邝嘉恒, 邬群勇. 接驳地铁站的共享单车时空均衡性分析与吸引区域优化[J]. 地球信息科学学报, 2022, 24(7): 1337-1348.DOI:10.12082/dqxxkx.2022.210775
KUANG Jiaheng, WU Qunyong. Spatial-temporal Equilibrium Analysis and Attraction Area Optimization of Dockless Sharing Bicycles Connected to Subway Stations[J]. Journal of Geo-information Science, 2022, 24(7): 1337-1348.DOI:10.12082/dqxxkx.2022.210775
[1] |
高楹, 宋辞, 郭思慧, 等. 接驳地铁站的共享单车源汇时空特征及其影响因素[J]. 地球信息科学学报, 2021, 23(1):155-170.
doi: 10.12082/dqxxkx.2021.200351 |
[ Gao Y, Song C, Guo S H, et al. Spatial-temporal Characteristics and Influencing Factors of Source and Sink of Dockless Sharing Bicycles Connected to Subway Stations[J]. Journal of Geo-information Science, 2021, 23(1):155-170. ] DOI: 10.12082/dqxxkx.2021.200351
doi: 10.12082/dqxxkx.2021.200351 |
|
[2] |
王陆一, 吴健生, 李卫锋. 中小城市公共自行车出行模式与驱动机制研究[J]. 地球信息科学学报, 2019, 21(1):25-35.
doi: 10.12082/dqxxkx.2019.180199 |
[ Wang L Y, Wu J S, Li W F. Usage patterns and driving mechanisms of public bicycle systems in small and medium-sized cities based on space-time data mining[J]. Journal of Geo-information Science, 2019, 21(1):25-35. ] DOI: 10.12082/dqxxkx.2019.180199
doi: 10.12082/dqxxkx.2019.180199 |
|
[3] |
申犁帆, 王烨, 张纯, 等. 轨道站点合理步行可达范围建成环境与轨道通勤的关系研究——以北京市44个轨道站点为例[J]. 地理学报, 2018, 73(12):2423-2439.
doi: 10.11821/dlxb201812011 |
[ Shen L F, Wang Y, Zhang C, et al. Relationship between built environment of rational pedestrian aatchment Areas and URT Commuting Ridership:Evidence from 44 URT Stations in Beijing[J]. Acta Geographica Sinica, 2018, 73(12):2423-2439. ] DOI: 10.11821/dlxb201812011
doi: 10.11821/dlxb201812011 |
|
[4] | 王家川, 欧阳松寿. 北京市轨道交通站点周边区域共享自行车运行不均衡性研究[J]. 交通运输系统工程与信息, 2019, 19(1):214-221. |
[ Wang J C, Ouyang S S. Disequilibrium of bicycle-sharing in rail rransit station areas in Beijing[J]. Journal of Transportation Systems Engineering and Information Technology, 2019, 19(1):214-221. ] DOI: 10.16097/j.cnki.1009-6744.2019.01.032
doi: 10.16097/j.cnki.1009-6744.2019.01.032 |
|
[5] | 杨永崇, 柳莹, 李梁. 利用共享单车大数据的城市骑行热点范围提取[J]. 测绘通报, 2018(8):68-73. |
[ Yang Y C, Liu Y, Li L. Urban cycling hot spot extraction based on sharing-bikes' Big Data[J]. Bulletin of Surveying and Mapping, 2018(8):68-73. ] DOI: 10.13474/j.cnki.11-2246.2018.0247
doi: 10.13474/j.cnki.11-2246.2018.0247 |
|
[6] |
Gu Z, Zhu Y, Zhang Y, et al. Heuristic bike optimization algorithm to improve usage efficiency of the station-free bike sharing system in Shenzhen, China[J]. ISPRS International Journal of Geo-Information, 2019, 8(5):239. DOI: 10.3390/ijgi8050239
doi: 10.3390/ijgi8050239 |
[7] | 付学梅, 隽志才. 时间维度下上海市共享单车骑行模式研究[J]. 交通运输系统工程与信息, 2020, 20(3):219-226. |
[ Fu X M, Juan Z C. Unraveling mobility pattern of dockless bike-sharing use in Shanghai[J]. Journal of Transportation Systems Engineering and Information Technology, 2020, 20(3):219-226.] DOI: 10.16097/j.cnki.1009-6744.2020.03.033
doi: 10.16097/j.cnki.1009-6744.2020.03.033 |
|
[8] | 刘冬旭, 董红召. 共享自行车系统动态调度时间域的获取方法[J]. 交通运输系统工程与信息, 2018, 18(2):177-182. |
[ Liu D X, Dong H Z. Algorithm of dynamic rebalance time ranges for bicycle sharing system[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(2):177-182. ] DOI: 10.16097/j.cnki.1009-6744.2018.02.027
doi: 10.16097/j.cnki.1009-6744.2018.02.027 |
|
[9] | 刘冬旭, 董红召. 共享自行车系统调度区域的分形树自平衡划分算法[J]. 浙江大学学报(工学版), 2018, 52(7):1275-1283. |
[ Liu D X, Dong H Z. Fractal tree based self-balanced partitioning algorithms for bike sharing system[J]. Journal of Zhejiang University(Engineering Science), 2018, 52(7):1275-1283. ] DOI: 10.3785/j.issn.1008-973X.2018.07.007
doi: 10.3785/j.issn.1008-973X.2018.07.007 |
|
[10] |
Yu Q, Li W, Yang D, et al. Policy Zoning for Efficient Land Utilization Based on Spatio-Temporal Integration between the Bicycle-Sharing Service and the Metro Transit[J]. Sustainability, 2021, 13(1):141. DOI: 10.3390/su13010141
doi: 10.3390/su13010141 |
[11] |
Zhao D, Ong G P, Wang W, et al. Effect of built environment on shared bicycle reallocation: A case study on Nanjing, China[J]. Transportation Research Part A: Policy and Practice, 2019, 128:73-88. DOI: 10.1016/j.tra.2019.07.018
doi: 10.1016/j.tra.2019.07.018 |
[12] |
Wang K, Chen Y. Joint analysis of the impacts of built environment on bikeshare station capacity and trip attractions[J]. Journal of Transport Geography, 2020, 82:102603. DOI: 10.1016/j.jtrangeo.2019.102603
doi: 10.1016/j.jtrangeo.2019.102603 |
[13] |
El-Assi W, Salah Mohamed M, Nurul Habib K. Effects of built environment and weather on bike sharing demand: a station level analysis of commercial bike sharing in Toronto[J]. Transportation, 2017, 44(3):589-613. DOI: 10.1007/s11116-015-9669-z
doi: 10.1007/s11116-015-9669-z |
[14] | 厦门市统计局. 厦门经济特区年鉴—2021[M]. 北京: 中国统计出版社, 2021. |
[ Bureau of Statistics of Xiamen. Yearbook of Xiamen Special Economic Zone—2021[M]. Beijing: China Statistics Press, 2021. ] | |
[15] | 刘冰, 曹娟娟, 周于杰, 等. 城市公共自行车使用活动的时空间特征研究——以杭州为例[J]. 城市规划学刊, 2016(3):77-84. |
[ Cao J J, Zhou Y J, et al. A study on the temporal-spatial features of bicycle-Sharing activities: A Case of Hangzhou[J]. Urban Planning Forum, 2016(3):77-84. ] DOI: 10.16361/j.upf.201603009
doi: 10.16361/j.upf.201603009 |
|
[16] |
Cao M, Cai B, Ma S, et al. Analysis of the cycling flow between origin and destination for dockless shared bicycles based on singular value decomposition[J]. ISPRS International Journal of Geo-Information, 2019, 8(12):573. DOI: 10.3390/ijgi8120573
doi: 10.3390/ijgi8120573 |
[17] | 徐建闽, 秦筱然, 马莹莹. 公共自行车多层次分区调度方法研究[J]. 交通运输系统工程与信息, 2017, 17(1):212-219. |
[ Qin X R, Ma Y Y. Public bicycle multilevel partition scheduling method[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(1):212-219. ] DOI: 10.16097/j.cnki.1009-6744.2017.01.031
doi: 10.16097/j.cnki.1009-6744.2017.01.031 |
|
[18] |
Hu L, Lu H. Study on the cycling attraction area of metro station based on sharing bike riding data: An empirical study in Beijing[C]. 19th COTA International Conference of Transportation Professionals. 2019:4194-4206. DOI: 10.1061/9780784482292.362
doi: 10.1061/9780784482292.362 |
[19] |
Beh E J. Elliptical confidence regions for simple correspondence analysis[J]. Journal of Statistical Planning and Inference, 2010, 140(9):2582-2588. DOI: 10.1016/j.jspi.2010.03.018
doi: 10.1016/j.jspi.2010.03.018 |
[20] | 黄钢, 瞿伟斌, 许卉莹. 基于改进密度聚类算法的交通事故地点聚类研究[J]. 交通运输系统工程与信息, 2020, 20(5):169-176. |
[ Huang G, Qu W B, Xu H Y. Traffic accident location clustering based on improved DBSCAN algorithm[J]. Journal of Transportation Systems Engineering and Information Technology, 2020, 20(5):169-176. ] DOI: 10.16097/j.cnki.1009-6744.2020.05.025
doi: 10.16097/j.cnki.1009-6744.2020.05.025 |
|
[21] | 邹智杰. 数据驱动的公交调度分析与优化研究——以厦门市为例[D]. 福州: 福州大学福建省空间信息工程研究中心, 2018:8. |
[ Zou Z J. Data driven bus scheduling analysis and optimization: A case study of Xiamen City[D]. Fuzhou: Spatial Information Research Center of Fujian, Fuzhou University, 2018:8. ] |
[1] | 柯日宏, 吴升, 柯玮文. 一种识别共享单车潮汐点的时空模型和基于KNN-LightGBM的租还需求预测方法[J]. 地球信息科学学报, 2023, 25(4): 741-753. |
[2] | 吴琼, 李志刚, 吴闽. 城市口袋公园研究现状与发展趋势[J]. 地球信息科学学报, 2023, 25(12): 2439-3455. |
[3] | 姜晓, 白璐斌, 楼夏寅, 李梅, 刘晖. 基于多尺度时空聚类的共享单车潮汐特征挖掘与需求预测研究[J]. 地球信息科学学报, 2022, 24(6): 1047-1060. |
[4] | 黄洁, 石雯茜, 陈娱. 居民出行视角下的北京市双枢纽机场可达性研究[J]. 地球信息科学学报, 2022, 24(5): 914-924. |
[5] | 朱秋圳, 邬群勇, 姚铖鑫, 孙豪宇. 基于DBI和稀疏轨迹数据的交通状态精细划分与识别[J]. 地球信息科学学报, 2022, 24(3): 458-468. |
[6] | 邓雅文, 侯鹏, 蒋卫国, 彭凯锋, 荔琢, 邓越. 基于多特征指标和层次聚类分析的河源区范围自动划分方法研究[J]. 地球信息科学学报, 2022, 24(3): 469-482. |
[7] | 肖中圣, 许奇, 毛保华, 魏润斌, 冯佳. 不同测算方法下行程时间不确定性对可达性的影响分析[J]. 地球信息科学学报, 2022, 24(11): 2102-2114. |
[8] | 王琳, 钟泓文, 许章华, 王武林. Luojia-01夜光数据和“点轴发育”理论支持下的夜间经济集聚区定量识别与分类方法[J]. 地球信息科学学报, 2022, 24(11): 2141-2152. |
[9] | 张子威, 黄秋昊, 陆羽, 李满春, 陈振杰, 李飞雪. 中国居民预期寿命及其影响因素的空间差异分析[J]. 地球信息科学学报, 2021, 23(9): 1575-1585. |
[10] | 许研, 纪雪洪, 叶玫. 基于出行时空数据的分时租赁汽车与网约车出行场景比较研究[J]. 地球信息科学学报, 2021, 23(8): 1461-1472. |
[11] | 王杏锋, 李代超, 吴升, 谢晓苇, 卢嘉奇. 水稻种植环境综合适宜性评价方法研究[J]. 地球信息科学学报, 2021, 23(8): 1484-1496. |
[12] | 李清嘉, 彭建东, 杨红. 武汉市不同站域建成环境与轨道交通站点客流特征关系分析[J]. 地球信息科学学报, 2021, 23(7): 1246-1258. |
[13] | 寇世浩, 姚尧, 郑泓, 周剑锋, 张嘉琪, 任书良, 王瑞凡, 关庆锋. 基于路网数据和复杂图论的中国城市交通布局评价[J]. 地球信息科学学报, 2021, 23(5): 812-824. |
[14] | 谭佩珊, 麦可, 张亚涛, 涂伟. 利用多源城市数据划定地铁站点吸引范围[J]. 地球信息科学学报, 2021, 23(4): 593-603. |
[15] | 陈子龙, 王芳, 李少英, 冯艳芬, 陈建国. 基于多源数据的县域主导功能类型划分及其空间结构模式识别[J]. 地球信息科学学报, 2021, 23(12): 2215-2231. |
|