天氣與建筑環境對共享單車換乘量的影響分析

樊真龍

（廣東工業大學 土木與交通工程學院，廣東 廣州）

引言

隨著城市人口的增加和交通擁堵問題的日益嚴峻，公共交通換乘已成為提高出行效率和減輕交通壓力的重要解決方案[1-2]。換乘不僅可以減少私家車的出行量，增強公共交通的吸引力，同時有效降低尾氣排放和能源消耗，對改善城市環境質量和應對氣候變化也起到積極作用[3-4]。全球各大城市都在積極推動公共交通換乘，鼓勵市民選擇多種交通方式相結合[5-7]。在中國，共享單車作為一種靈活方便的短途出行方式，是公共交通換乘時的重要選擇[8]。當乘客從公共交通站點到達目的地附近時，共享單車可以作為最后一公里的解決方案，提供快速、便利的接駁服務。然而，使用共享單車換乘存在一些問題，包括不利天氣、道路設施缺乏、空氣污染、騎行風險等外界環境對騎行的影響。因此，確定哪些天氣與環境因素會影響換乘，并探究這些因素之間與換乘量的關系對促進公共交通換乘，減少城市交通擁堵與碳排放具有重要指導意義。

現階段，影響共享單車換乘量的因素主要有兩大類，一類是天氣因素，如環境溫度和降雨。這是由于騎行者完全暴露在外界環境下，經常視天氣條件而決定是否騎行。另一類則是建筑環境因素，包括道路設施和建筑密度。因為在城市不同功能區域下，居民的出行模式存在較大差異，共享單車的使用率也不同。盡管關于這兩類主題的文獻越來越多，但建筑環境與天氣影響的交互作用尚未被完全探究。這主要是由于各個城市及其交通系統的獨特性。因此，需要進一步研究建筑環境與天氣對地鐵和自行車共享系統的綜合使用的影響。

1 研究區域及數據

1.1 研究區域

本文的研究區域為美國華盛頓特區，位于美國東海岸的中大西洋地區，屬馬里蘭州和弗吉尼亞州的交界處，該地區是美國最早投放公共自行車的城市，系統運營時間已超過14 年。Capital bikeshare（CaBi）是該地區的公共自行車系統運營商，截至2023 年，CaBi 在華盛頓特區有超過5000 輛公共自行車和600 多個自行車停放站點。此外，該地區的軌道交通系統發達，客流量僅次于紐約地鐵，截至2023 年，華盛頓地鐵已有6 條地鐵線路、97 個車站投入運營中。在該地區運輸管理部門的規劃發展下，華盛頓特區城市公共自行車系統逐漸成為接駁城市軌道交通系統的重要換乘方式之一，為了研究天氣及建筑環境變量對換乘客流量的影響，將該區域按共享單車站點位置為中心劃分為203 塊1 km2面積大小區域。研究區域如圖1 所示。

圖1 研究區域和天氣與建筑環境變量

1.2 數據處理

為了提取地鐵站附近的共享單車訂單數據，本文利用ArcGIS 地理處理軟件，導入華盛頓特區地鐵站點位置信息并設置緩沖區，將與該緩沖區位置相匹配的共享單車訂單數據提取出來。然而，關于緩沖區距離如何設定尚未形成統一的標準，緩沖區的范圍可能與各地鐵站的離城市中心的距離、地鐵服務能力、人口密度和周邊用戶組成等因素有關。參考以往學者的研究，本文引入空間網絡密度的方式來確定地鐵站緩沖區的范圍。首先，該方法設定了基本假設，即地鐵站對附近的公共自行車具有一定的吸引力并會形成緩沖區范圍，隨著緩沖區半徑的增加，該范圍內的共享單車訂單密度會先增加后減少。

因此，從基本假設出發，我們需要建立地鐵站附近共享單車訂單密度的變化函數。由于華盛頓特區是有樁公共自行車系統，共享單車必須停放在指定站點，為簡化計算，本文使用公共自行車站點密度替換共享單車訂單密度，計算公式見式（1）和式（2）

式中：f(r)是地鐵站k 的公共自行車站點空間密度變化函數，緩沖區的半徑為r；Δ是最小搜索步長，我們設置為100 m；nk是大小為R 的最大緩沖區內的公共自行車站點數量，此處我們將R 設置為1 000 m；dDi,k是公共自行車站點到地鐵站k 的歐氏距離，是指標函數。不同的緩沖區半徑下，各地鐵站f(r)數值的分布如圖2（a）箱型圖所示，點狀數據表示各地鐵站的站點空間密度。由于設置的最小搜索步長過大，未觀察到公共自行車站點空間密度的先增后減的現象，但可以觀察到，當緩沖區半徑擴大到500 m 時，此時f(r)在均值與方差方面達到收斂，因此，本文將地鐵站緩沖區距離設置為500 m。圖2 （b）中McPherson Square 地鐵站附近共享單車訂單核密度分析結果也驗證了這一點，半徑500 m 能較好地覆蓋了共享單車站點熱點分布區域。

圖2 （a） 不同緩沖區半徑下地鐵站附近公共自行車站點空間密度變化；（b） McPherson Square 地鐵站附近共享單車訂單核密度分析

1.3 數據分析

除去特定日期影響，共享單車換乘量的波動與氣溫增長趨勢高度接近，共享單車的換乘量在夏季普遍較高。除7 月份出現的特大暴雨引起了共享單車換乘量的急劇變化外，濕度、降雨量和風速與共享單車換乘量在分布趨勢上則不太明顯。從共享單車換乘類別方面來看，公交與地鐵共享單車換乘量的變化趨勢差異略大，公交換乘量的波動遠遠大于地鐵換乘量。這可能與公交換乘量數值遠大于地鐵換乘量有關，也反映出地鐵與共享單車的聯接方式更加穩定，因此，在受到天氣因素影響時，地鐵換乘量的波動小于公交。在夏季期間，共享單車換乘量趨于穩定，此時溫度變化對換乘量的影響不大，證明溫度在22～28 ℃區間，對共享單車出行的影響存在非線性效應。

圖3 顯示了研究區域的道路密度分布情況。在道路密度分布上，市中心區域主要道路密度遠高于郊區，而郊區的次要道路密度分布則較為集中。在美國哥倫比亞特區，自行車專用道路的建設并不完善，因此，只有市中心以及西南郊區上有自行車專用道路。建筑道路密度能在一定程度上影響共享單車的換乘使用，人們在出行時往往也會考慮當地的道路條件，因此本文將研究區域的道路密度導出后在ArcGIS 中計算，并作為研究的建筑環境自變量之一。

圖3 研究區域道路密度可視化分析

2 模型構建

本文采用多元線性回歸模型來研究自變量與因變量之間的關系。研究自變量考慮基礎天氣變量和建筑環境變量兩種。因此本文在回歸模型中納入溫度、濕度、風速、能見度、紫外線強度、降雨量七種基礎天氣變量，建筑環境變量則主要考慮建筑物密度、道路密度以及離城市中心的距離。

換乘量和研究變量因素之間關系表示見公式（3）所示：

式中：Yit為第i 處站點區域和第t 天的共享單車換乘量，β0為模型的截距，β1、β2…β17為模型系數，X1、X2…X7為天氣變量，分別是溫度、濕度、風速、能見度、紫外線強度、降雨量七種連續性天氣變量；Z1、Z2…Z8為建筑環境變量，分別是自行車道路密度、主要道路密度、次要道路密度、建筑物密度、商業區數量、學校數量、醫療場所數量和離城市中心距離。

3 結果分析

表1 為模型回歸結果，多元線性回歸的Adjust R2值為0.557，表明共享單車與地鐵的換乘量與天氣和建筑環境存在一定的關系，其中道路密度和離城市中心的距離等建筑環境因素是影響共享單車換乘量的最重要的變量，這表明建筑環境因素對共享單車與地鐵的換乘的影響占據主導地位，天氣則是影響換乘量的波動。在建筑物密度中，醫療場所和學校的數量對共享單車換乘量的影響占最主要的作用。在天氣變量中，風速和平均能見度對共享單車換乘量的影響最主要，共享單車與公共交通聯合出行方式更容易受到阻礙騎行的天氣因素影響。

表1 共享單車與地鐵換乘量模型結果