天气与建筑环境对共享单车换乘量的影响分析

樊真龙

（广东工业大学 土木与交通工程学院，广东 广州）

引言

随着城市人口的增加和交通拥堵问题的日益严峻，公共交通换乘已成为提高出行效率和减轻交通压力的重要解决方案[1-2]。换乘不仅可以减少私家车的出行量，增强公共交通的吸引力，同时有效降低尾气排放和能源消耗，对改善城市环境质量和应对气候变化也起到积极作用[3-4]。全球各大城市都在积极推动公共交通换乘，鼓励市民选择多种交通方式相结合[5-7]。在中国，共享单车作为一种灵活方便的短途出行方式，是公共交通换乘时的重要选择[8]。当乘客从公共交通站点到达目的地附近时，共享单车可以作为最后一公里的解决方案，提供快速、便利的接驳服务。然而，使用共享单车换乘存在一些问题，包括不利天气、道路设施缺乏、空气污染、骑行风险等外界环境对骑行的影响。因此，确定哪些天气与环境因素会影响换乘，并探究这些因素之间与换乘量的关系对促进公共交通换乘，减少城市交通拥堵与碳排放具有重要指导意义。

现阶段，影响共享单车换乘量的因素主要有两大类，一类是天气因素，如环境温度和降雨。这是由于骑行者完全暴露在外界环境下，经常视天气条件而决定是否骑行。另一类则是建筑环境因素，包括道路设施和建筑密度。因为在城市不同功能区域下，居民的出行模式存在较大差异，共享单车的使用率也不同。尽管关于这两类主题的文献越来越多，但建筑环境与天气影响的交互作用尚未被完全探究。这主要是由于各个城市及其交通系统的独特性。因此，需要进一步研究建筑环境与天气对地铁和自行车共享系统的综合使用的影响。

1 研究区域及数据

1.1 研究区域

本文的研究区域为美国华盛顿特区，位于美国东海岸的中大西洋地区，属马里兰州和弗吉尼亚州的交界处，该地区是美国最早投放公共自行车的城市，系统运营时间已超过14 年。Capital bikeshare（CaBi）是该地区的公共自行车系统运营商，截至2023 年，CaBi 在华盛顿特区有超过5000 辆公共自行车和600 多个自行车停放站点。此外，该地区的轨道交通系统发达，客流量仅次于纽约地铁，截至2023 年，华盛顿地铁已有6 条地铁线路、97 个车站投入运营中。在该地区运输管理部门的规划发展下，华盛顿特区城市公共自行车系统逐渐成为接驳城市轨道交通系统的重要换乘方式之一，为了研究天气及建筑环境变量对换乘客流量的影响，将该区域按共享单车站点位置为中心划分为203 块1 km2面积大小区域。研究区域如图1 所示。

图1 研究区域和天气与建筑环境变量

1.2 数据处理

为了提取地铁站附近的共享单车订单数据，本文利用ArcGIS 地理处理软件，导入华盛顿特区地铁站点位置信息并设置缓冲区，将与该缓冲区位置相匹配的共享单车订单数据提取出来。然而，关于缓冲区距离如何设定尚未形成统一的标准，缓冲区的范围可能与各地铁站的离城市中心的距离、地铁服务能力、人口密度和周边用户组成等因素有关。参考以往学者的研究，本文引入空间网络密度的方式来确定地铁站缓冲区的范围。首先，该方法设定了基本假设，即地铁站对附近的公共自行车具有一定的吸引力并会形成缓冲区范围，随着缓冲区半径的增加，该范围内的共享单车订单密度会先增加后减少。

因此，从基本假设出发，我们需要建立地铁站附近共享单车订单密度的变化函数。由于华盛顿特区是有桩公共自行车系统，共享单车必须停放在指定站点，为简化计算，本文使用公共自行车站点密度替换共享单车订单密度，计算公式见式（1）和式（2）

式中：f(r)是地铁站k 的公共自行车站点空间密度变化函数，缓冲区的半径为r；Δ是最小搜索步长，我们设置为100 m；nk是大小为R 的最大缓冲区内的公共自行车站点数量，此处我们将R 设置为1 000 m；dDi,k是公共自行车站点到地铁站k 的欧氏距离，是指标函数。不同的缓冲区半径下，各地铁站f(r)数值的分布如图2（a）箱型图所示，点状数据表示各地铁站的站点空间密度。由于设置的最小搜索步长过大，未观察到公共自行车站点空间密度的先增后减的现象，但可以观察到，当缓冲区半径扩大到500 m 时，此时f(r)在均值与方差方面达到收敛，因此，本文将地铁站缓冲区距离设置为500 m。图2 （b）中McPherson Square 地铁站附近共享单车订单核密度分析结果也验证了这一点，半径500 m 能较好地覆盖了共享单车站点热点分布区域。

图2 （a） 不同缓冲区半径下地铁站附近公共自行车站点空间密度变化；（b） McPherson Square 地铁站附近共享单车订单核密度分析

1.3 数据分析

除去特定日期影响，共享单车换乘量的波动与气温增长趋势高度接近，共享单车的换乘量在夏季普遍较高。除7 月份出现的特大暴雨引起了共享单车换乘量的急剧变化外，湿度、降雨量和风速与共享单车换乘量在分布趋势上则不太明显。从共享单车换乘类别方面来看，公交与地铁共享单车换乘量的变化趋势差异略大，公交换乘量的波动远远大于地铁换乘量。这可能与公交换乘量数值远大于地铁换乘量有关，也反映出地铁与共享单车的联接方式更加稳定，因此，在受到天气因素影响时，地铁换乘量的波动小于公交。在夏季期间，共享单车换乘量趋于稳定，此时温度变化对换乘量的影响不大，证明温度在22～28 ℃区间，对共享单车出行的影响存在非线性效应。

图3 显示了研究区域的道路密度分布情况。在道路密度分布上，市中心区域主要道路密度远高于郊区，而郊区的次要道路密度分布则较为集中。在美国哥伦比亚特区，自行车专用道路的建设并不完善，因此，只有市中心以及西南郊区上有自行车专用道路。建筑道路密度能在一定程度上影响共享单车的换乘使用，人们在出行时往往也会考虑当地的道路条件，因此本文将研究区域的道路密度导出后在ArcGIS 中计算，并作为研究的建筑环境自变量之一。

图3 研究区域道路密度可视化分析

2 模型构建

本文采用多元线性回归模型来研究自变量与因变量之间的关系。研究自变量考虑基础天气变量和建筑环境变量两种。因此本文在回归模型中纳入温度、湿度、风速、能见度、紫外线强度、降雨量七种基础天气变量，建筑环境变量则主要考虑建筑物密度、道路密度以及离城市中心的距离。

换乘量和研究变量因素之间关系表示见公式（3）所示：

式中：Yit为第i 处站点区域和第t 天的共享单车换乘量，β0为模型的截距，β1、β2…β17为模型系数，X1、X2…X7为天气变量，分别是温度、湿度、风速、能见度、紫外线强度、降雨量七种连续性天气变量；Z1、Z2…Z8为建筑环境变量，分别是自行车道路密度、主要道路密度、次要道路密度、建筑物密度、商业区数量、学校数量、医疗场所数量和离城市中心距离。

3 结果分析

表1 为模型回归结果，多元线性回归的Adjust R2值为0.557，表明共享单车与地铁的换乘量与天气和建筑环境存在一定的关系，其中道路密度和离城市中心的距离等建筑环境因素是影响共享单车换乘量的最重要的变量，这表明建筑环境因素对共享单车与地铁的换乘的影响占据主导地位，天气则是影响换乘量的波动。在建筑物密度中，医疗场所和学校的数量对共享单车换乘量的影响占最主要的作用。在天气变量中，风速和平均能见度对共享单车换乘量的影响最主要，共享单车与公共交通联合出行方式更容易受到阻碍骑行的天气因素影响。

表1 共享单车与地铁换乘量模型结果