Part One —— 公共自行车在中国/苏州

公共自行车(BSs) 被公认为一种绿色、健康可持续的交通方式，并可提供与公交的最后一公里接驳服务。近年来，全世界范围的公共自行车发展迅速，截止2016年，已有超过1200个公共自行车系统部署在全世界范围，其中最大和发展最快的公共自行车国家就在中国——2016年底，中国已在430个城市和地区构建了公共自行车系统，意大利和美国紧随其后（无桩的共享单车不算在内）。

公共自行车最多的前十个国家 （截止2016年）

苏州公共自行车（SPBS）是第三代公共自行车系统，由永安公司运营，市容市政管理局主管、监督。在2010年8月投入之初，只有11个站点和200辆车辆，如今全市已有超过2千余处公共自行车站点，4万余辆车辆。每天的公共自行车使用次数在20万以上，也就是说每天每辆自行车要被使用4.7次。公共自行车在全市所有交通方式中所占比例为0.32%。作为一种独立的交通方式，其作用和地位日益凸显。

公共自行车站点在苏州的空间分布

小贴士:
1.拖动鼠标选择区域、滚动鼠标滚轮放大缩小
2.数字代表该区域的公共自行车站点数量
3.颜色说明
红色——区域站点超过100个
黄色——区域站点大于10小于100
绿色——区域站点小于10个

市民可以刷卡或扫码解锁公共自行车。2016年开始，全市的公共自行车逐渐实现智能手机APP扫码解锁，大大提高了便利性。也让苏州的公共自行车具备了“3代半”的实际功能。

对于收费政策，目前主要由押金和使用费用两部分构成。通过与国际上城市的横向比较可以发现，苏州的公共自行车具备压倒性的价格优势，促进了公共自行车的推广和使用。

Part Two: 大数据背后的公共自行车

通过对2016到2017一整年的两千余个站点，三千多万条公共自行车大数据进行深度挖掘和分析，苏州公共自行车的时空分布、用户特性可简述如下：

公共自行车站点取用情况空间分布

下图显示了公共自行车的“借”与“还”数量随时间变化的情况。工作日的早上7点到8点，晚上5点到6点是明显的高峰使用时段。且“借”与“还”呈现不平衡的特征——某些区域在早高峰“借”多于“还”，另外一些区域则相反。

小贴士:
1. 每一个点表示一处公共自行车站点
2. 不同颜色表示不同的借/还车数量
3. 左上角显示时间

公共自行车流量在路网中的分布

我们把2000多个站点当做自行车交通流的OD吸发源头点，根据其空间位置建立了一个公共自行车站点的矩阵。在我们已有的全市路网模型下，实现公共自行车交通的分配。在下面的视频中，全天（24小时）的公共自行车流量已被分配在相应路网，园区湖东、湖西，新区的中心城区的道路都是公共自行车最常用的道路。

[jwp-video n=”1″]

小贴士:
1. 红色线条越宽表示流量越大
2. 时间在右下角显示

公共自行车使用时间的年龄、性别分布

通过对全年数据的集计，我们对公共自行车用户的年龄和性别进行分布统计。结果显示，典型的苏州公共自行车用户是年轻的男性群体，5分钟以内的快速骑行是最多的骑行时间。

小贴士：
1. 图例在右侧，共有4个年龄分组
2. 移动鼠标至柱状图显示细节信息
3. X轴显示了骑行时间、Y轴显示不同组类的用户比例

公共自行车使用频次的年龄分布

每周出行频次的年龄分布呈现同样的特征——35岁以下年轻用户使用频次显著高于其他年龄层次的用户。

小贴士：
1. 图例在右侧，共有4个年龄分组
2. 移动鼠标至柱状图显示细节信息

公共自行车全年使用情况的年龄分布

下面的交互可视化表达的是2016-17全年12个月份用户的使用情况，由于不同月份的气候情况有差异，在下图可以明显看到不同季节、温度对公共自行车使用的影响——春节时间，受温度、回乡等原因影响，公共自行车的使用情况锐减。

小贴士：
1. 图例在右侧，共有4个年龄分组
2. 移动鼠标至柱状图显示细节信息

刷卡/扫码情况的全年分布

从2016年开始，全市的公共自行车逐渐开放手机扫码解锁借车，极大便利了公共自行车的使用。下面的交互可视化显示了扫码取车的人数的巨大增加，2017年2月后，扫码的人数甚至超过了刷卡的用户人数。

小贴士：
1. 图例在右侧
2. 拖动可视化下方的滑杆，选定特定的时间段

刷卡/扫码情况的一周分布

我们在2017年5月随机选择了一个星期，每天的刷卡和扫码人数可以直观的在下面的交互可视化中查看。有趣的是，早高峰刷卡的人数多，而晚高峰的扫码人数更多。这或许与早高峰分秒必争的情况有关。

小贴士：
1. 图例在右侧
2. 点击 play 观看交互可视化，红色点代表扫码人数，绿色点代表刷卡人数

Part Three: 当地铁遇上公共自行车

轨交4号线是苏州运营的第三条轨道交通线路，自北向南穿越相城、姑苏、吴中、吴江多个区域。具体的4号线开始运营时间为2017年4月15日，与目前我们掌握的公共自行车刷卡数据时间相互吻合，我们选择了4号线沿线500米内84个公共自行车站点，以轨道开通前后一个月的时间作为参考时间线，进行了一系列公共自行车在4号线开通前后运营情况前后变化的研究。

4号线引起的公共自行车使用量变化

4号线开通后，公共自行车的取用量有了较大提升——
全市公共自行车使用量从3月到5月增加了48%
四号线沿线的公共自行车使用量在同期增加了90%
此外，4号线开通后，沿线公共自行车站点的自行车使用量增加超过1倍以上，意味着新的轨道交通吸引的休闲骑行需求多余通勤骑行需求。

有意思的是，虽然4号线开通后，全市的公共自行车平均骑行时间增加了6.7%，轨道沿线范围的公共自行车骑行时间却下降了7.5%。使用量提高，骑行时间却下降，合理的解释是公共自行车与轨道交通形成了良好的接驳，乘坐轨道的时间替代了原来骑行的时间。

小贴士:
1. 图例位于上方，蓝色柱为轨道沿线范围公共自行车的变化比率，黄色柱为轨道沿线范围公共自行车的变化比率
2. 数字代表轨道开通前后，公共自行车使用量的前后数量之比

4号线沿线站点的公共自行车使用量变化

小贴士:
1. 蓝色柱表示增加的公共自行车使用量，红色的表示减少的用量，长度代表大小

4号线引起的公共自行车站点使用模式的变化

我们对4号线沿线84个公共自行车站点借出、借入的使用数据采用聚类分析，得到了两种典型的基于站点的公共自行车使用模式——“平衡模式”与“非平衡模式”。对于公共自行车站点，在一天的大部分时间借车和还车数量相近，则是平衡模式，如果借车和还车在每个时间段均有显著差异，则是“非平衡模式”。

典型的“平衡模式”公共自行车站点（北寺塔站）

小贴士:
1. 红色是站点还车数量，蓝色是借车数量，对该站点，每个时间段这两个数值差别不大
2. X轴是24小时时间序列，Y轴是借车/还车的数值

典型的“非平衡模式”公共自行车站点（活力岛站）

小贴士:
1. 红色是站点还车数量，蓝色是借车数量，对该站点，每个时间段这两个数值差别不大
2. X轴是24小时时间序列，Y轴是借车/还车的数值

四号线开通后，轨道沿线公共自行车站点有相当一部分的站点由“平衡模式”变成了“非平衡模式”。

4号线开通前后，轨道沿线公共自行车站点模式的变化

小贴士:
1. 左图是4号线开通之前的情况，右图是4号线开通之后的情况
2. 红点是非平衡模式的站点，蓝色的点是平衡模式的站点

在居住区，站点由“平衡模式”向“非平衡”模式转变（早高峰还车多，晚高峰借车多）是容易理解的，因为轨道沿线的居住区站点在早高峰时段通常会成为骑行的终点——换车后换乘地铁，晚上则相反。但是在商业区、混合用地的区域，作为出行的终点，理论上轨道站点已经作为后半程公共自行车出行的起点，借车应多于还车，而事实并非如此。轨道4号线开通后，商业区、混合用地区域的公共自行车站点同样呈现“早高峰还车多、晚高峰借车多”的情况。如下图所示意。

这种情况或许可以解释如下：早上出行者更愿意骑公共自行车去地铁站坐地铁，而不是从地铁站骑车去工作单位。也就是说公共自行车在早上更多的承担了与轨道交通“起始一公里”的接驳，而不是“最后一公里”的接驳。背后的原因可能与商业区更多的接驳方式有关，也有可能是因为早上时间紧张，出行者下地铁后不愿意冒险去找公共自行车，毕竟可能出现站点空车的情况。如下图所示。

4号线开通前后，公共自行车用户的变化

我们选了三个站点，分析轨道开通后，沿线公共自行车站点用户的变化情况，这三个站点所处区位、用地均不相同。

小贴士:
1. 蓝色代表新增用户及新增活跃用户，黄色为减少的用户及减少的活跃用户

活力岛公共自行车站位于相城区，毗邻居住区和四号线地铁站。4号线开通后，该站在半个月内新增了900多个公共自行车用户，减少了368位老用户。我们推测减少的用户是居住在周边近处的住户，4号线开通后，其直接用轨道通勤。

国际教育园位于城市南侧，用地性质较为单一。4号线开通后，新增用户和老用户的减少都很多——轨道在借助公共自行车扩大服务半径的同时，也有很多学生放弃公共自行车、直接用轨道进行接驳。

乐桥站位于城市核心，两条地铁交汇处，观前商圈南侧。4号线开通后的半月内，该公共自行车站涌入了大量的新用户，老用户减少的更多（超过1000人）。我们推测、由于乐桥区域汇集了便捷的公共交通设施和大量其他交通资源，因此4号线的开通综合效应是分流了原来的公共自行车用户。

4号线开通前后沿线站点公共自行车使用量24小时变化

我们采用了另一种聚类分析方法—层次聚类，其中组合距离采用了Average Linkage算法，对苏州地铁4号线开通前后沿线84个公共自行车站点的借还数据进行了分析。

4号线开通前沿线站点公共自行车使用量分布

由上图可以看出，层次聚类法根据24小时内自行车站点使用量变化情况将4号线沿线的公共自行车站点分为了三大类，其中站点编号2366-SM百货站表现出与其他站点不同的特性，从早晨7点到晚上8点保持着较大的借入借出量；站点编号629-创意产业园西，编号630-生物纳米园以及编号632-创意产业园东呈现出早晚高峰借还量比平日其他时段大很多的特点。

4号线开通后沿线站点公共自行车使用量分布

和上图4号线开通前沿线站点自行车站点使用量分布情况相比，可以看出4号线的开通使得沿线很多站点的使用量大幅增加。

小贴士：
1． 图中横坐标表示每天24小时自行车借还情况（例如：X0_In 表示0:00-1:00还车情况）
2． 图中黄色的深浅对应自行车借还量，颜色越深说明借还量越大
3． 图中纵坐标表示自行车站点编号

层次聚类分析法中不同距离计算方法比较

采用不同的距离计算方法对4号线开通前后沿线84站点的使用量进行分析，探索不同距离计算方法的相关性。其中距离计算方法包括，Complete-linkage, Single-linkage, Average linkage, Centroid linkage等。

4号线开通前不同算法比较

由上图看以看出，除了Ward.D和Ward.D2-linkage算法与其他算法相关性较小，其他算法获得层次聚类结果较为相似。

4号线开通后不同算法比较

随着4号线的开通，不同距离算法所得到的聚类结果也发生了变化。例如：Complex-linkage算法聚类得到的结果与其他算法（除了Ward.D和Ward.D2-linkage）有了一定的差别。

小贴士：
1. 横坐标的数值表示不同算法的相关系数，蓝色越深表示正相关性越大，红色越深表示负相关性越大。