本文需阅读 - 32分钟
一览众山小
Sustainable
Cities &
Mobility
城市规划与发展战略
城市综合交通
公共交通与非机动化出行
活力街区、街道与城市设计
量化城市与大数据
「」
2019年 | 4月30日期
团队成员
原文 | Daniel I. Patterson
翻译 | 黄思琪Tina、钟明佳
文献 | 夏荣 校核 | 众山小
编辑 | 众山小 排版 | 孙伟
微博 | weibo.com/
导
读
共享单车作为可持续交通的重要一环无疑已经为中国人的出行带来了翻天覆地的变化。这种共享的模式不仅仅为人们提供了出行方便,也为城市规划和交通管理者了解城市骑行活动提供了丰富的数据资源。本文详细介绍了一种基于有桩公共自行车数据来推测用户骑行路径偏好的思路和具体框架步骤(连具体代码都有哦~)。本文作者对近50万年度骑行数据进行了可视化和分析。那么这些分析结果对城市建设和环境改善有什么具体意义呢,让我们一起来看看吧!
阅读
正文
图一、双子城Nice Ride 公共自行车项目近50万骑行数据可视图(来源:作者)
一、导言
城市和交通规划师都想知道人们都在哪骑自行车。众包型路网级自行车骑行数据可提供高空间和时间精准度的数据。然而,一些数据源像Stravo Metro(参考文献1,请后台留言联系我们索取)因数据偏见性 受到质疑。地面和其他本地传感器可在高时间分辨率下,计数所有通过的自行车。但是除非我们在每个街角都安装上传感器,地面传感器无法提供高水平空间分辨率。
本研究提供了另一个视角,探讨了如何利用众包数据深入了解不同自行车骑行者是如何使用当地交通系统的。作者利用了双子城的Nice Ride MN共享自行车数据,以生成网络层级的分析,具体用GraphHopper (用R软件里面的stplanr package) 探索骑行路径偏好(更多信息请前往https://www.graphhopper.com,https://cran.r-project.org/web/packages/stplanr/index.html)如果您想了解有关GraphHopper的更多信息,可以查看此注释(https://discuss.graphhopper.com/t/which-properties-are-taken-into-account-for-bike-routing/2924)或Java源代码(https://github.com/graphhopper/graphhopper/blob/master/core/src/main/java/com/graphhopper/routing/util/BikeCommonFlagEncoder.java)。
本文所介绍的研究方法扩展了Robin Lovelace之前的研究成果(https://cran.r-project.org/web/packages/stplanr/vignettes/introducing-stplanr.html)。本研究将之前的研究方法运用在共享自行车数据上。具体来说,基于起点-终点数据推测公共自行车用户可能骑行路段的热门性。研究结果可用于深度理解各骑行者在不同的时段上的骑行路线偏好。此类型的研究可用于公共自行车管理,例如公共自行车项目优化,(针对不同骑行人群的)个性化宣传,自行车系统扩张,骑行廊道分析,道路规划,可行性研究,总体规划等等。
本文会先提供Nice Ride MN 公共自行车项目的简介,再介绍数据和研究方法,最后讨论数据结果。
二、Nice Ride MN公共自行车项目简介
Nice Ride MN是明尼苏达州Minneapolis- St. Paul双子城的公共自行车项目。该项目于2010年作为非营利项目启动,旨在为人们提供健康和可持续的出行方式。在推出的第一年,4月至11月期间,Nice Ride MN在全市运营200多个停靠站点以及1800多辆公共自行车,提供一周7天24小时自行车共享服务。 租赁者购买单次骑行,也可购入24小时卡、30天月卡或年卡会员。2018年3月,Nice Ride MN系统将移交给Motivate运营。(https://www.motivateco.com/,北美最大公共自行车运营公司)
三、数据和介绍方法
本文使用了Nice Ride MN项目2017年的起点-终点OD数据(共46.0718万条数据)。数据来源为Nice Ride MN的数据库,该数据库包含自2010年运营以来的所有公共自行车使用数据。分析软件为QGIS和R。
四、自行车骑行数据可视化
在本研究中,stplanr工具包需要位置和骑行数据。此工具包可处理空间对象(shapefiles)。因此,在我开始R之前,我先在QGIS中创建了自行车站的shapefile。 之后,我转移到R并且在Workspace中装载所需的library。
接下来,我把“画图”(drawing)模式调成“观看”(view)模式。这样可以帮助在底图上可视化数据。
这个名叫“cents”的对象是从自行车站点shapefile 中创建的。我还利用自行车租赁数据创建了名为“bike_share_hires”的租赁数据。
现在,我开始将GraphHopper API 加载到系统环境中。
自行车租赁数据是单次租赁数据,而我想要的是年度起点-终点总数,因此我创建了名为“hire”的变量,并给予每次租赁为1的值,然后把每个起点-终点之间产生的租赁相加。
紧接着,我把在(我觉得在)Nice Ride MN总部产生的158次租赁都删除了,因为数据源里没有总部的坐标数据。
下面开始可视化自行车站点。
图二、自行车站点可视化(来源:作者, OpenStreetMap)
然后我开始试着把2017年产生的第一次骑行作为“预期骑行路线”(desire line) 进行可视化,以确保工具包正在正确运行。其中,预期路线暂时用直线距离表示。
图三、2017年第一条预期骑行路线(来源:作者, OpenStreetMap)
紧接着我创建了一个object,里面包括所有2017内的预期骑行路线。
在开始具体的可视化工作前,我还删除了所有起点和终点相同的骑行旅程。因为如果把这些旅程加入之后的分析会浪费相当多的计算时间。
现在我开始对所有“预期路线”进行可视化。
图四、预期路线进一步可视化(来源:作者, OpenStreetMap)
也可以基于租赁数量赋予线路不同的颜色。
图五、基于路线热门度的可视化(来源:作者, OpenStreetMap)
我想消除上图中一些重合的地方,所以我筛选了前25%热门车站到车站之间的骑行路线,来进行之后的可视化工作。 这样做大大提高了简明性。
图六、前25%热门骑行路线(来源:作者, OpenStreetMap)
图七、前25%热门骑行路线特写(来源:作者, OpenStreetMap)
我用GraphHopper中的专门计算自行车骑行路线的算法创建了一个object。之后,我将租赁数据和路径数据整合并可视化就得到了“真正”的预测骑行路径地图。
图八、路径信息(来源:作者, OpenStreetMap)
咱们近一点看这张图
图九、路径信息特写(来源:作者, OpenStreetMap)
为了提供很多背景信息,我给予以上的骑行路线信息创建了一个shapefile,把它拖进QGIS中,然后插入标题,指北针,比例尺,图例,并对可视化选项坐了一些调整(选择graduated size visualization)。
图十、2017年Nice Ride MN骑行旅程可视化图(来源:作者, OpenStreetMap)
这类的可视化可用于识别潜在用户骑行路线偏好然后用来拥护(或反对)公共自行车最优化,个性化宣传,自行车系统扩张,骑行廊道分析,道路规划,可行性研究,总体规划等等。
五. 针对特定群体和时间段的数据可视化
以下地图展示了对不同群体在不同时间段偏好路径的推测。这一步极大拓展了Minneapolis- St. Paul交通系统中我们对不同时段公共自行车使用模式的理解。
01
临时用户汇总(Total Casual)
图十一、临时旅程(Casual Trips)指账户名类别标记为“临时”(Casual)的用户所产生的行程记录。2017年,该类行程记录(170,646条)占总行程记录的37%。来源:作者, OpenStreetMap)
临时用户的路径偏好集中在双子城的水域附近。而靠近Minneapolis,数据显示Bde Maka Ska (aka Lake Calhoun) 区域的到访频率更高。以上区域都非常适合开展针对临时用户的特别项目。
其他受临时用户欢迎的路线包括Minnehaha的公园绿道。这条路线连接了Hiawatha湖、Nokomia、密西西比河及沿岸区域。同时,数据也显示在明尼苏达大学和市中心东部也有一些较受欢迎的路径。作者猜测可能与市中心东部与美国银行体育场相连有关。
02
会员用户汇总(Total Member)
图十二、会员旅程(Member Trips)指账户名类别标记为“会员”(Member)的用户所产生的行程记录。2017年,该类行程记录(290,070条)占总行程记录的63%。来源:作者, OpenStreetMap)
会员用户的路径偏好集中在明尼苏达大学和华盛顿大道桥附近。其他一些比较受欢迎的路径集中在密西西比河和Bde Maka Ska周围,但更多的行程记录却散布在Dinkytown, Saint Anthony Main, and Marcey-Holmes这些社区内。
03
会员用户早高峰
图十三、早高峰行程的可视化地图是基于工作日早晨6-9点会员用户的行程记录数据。该类数据(46,252条)站总数据10%。(来源:作者, OpenStreetMap)
与会员用户行程汇总地图对比,早高峰用户的路径分布显得更加均匀,散布在城市各处。通过可视化我们能够看有更多的路径集中在Minneapolis城中心区域。这一事实说明目前整个公共自行车项目拥有均衡的用户群体,同时满足大学学生和城中心上班族的需求。
04
会员用户晚高峰
图十四、晚高峰行程的可视化地图是基于工作日下午4-6点会员用户的行程记录数据。该类数据(61,704条)站总数据13.4%。(来源:作者, OpenStreetMap)
晚高峰中最受欢迎的路径集中在华盛顿桥和明尼苏达大学的附近,已经几条通向城中心的干道。其中值得注意的是第三大道附近有很多高质量的骑行基础设施。
六. 总结
该分析结果集中展示了一种来推测公共自行车路径偏好的方法。该方法从各层面利用起点-终点位置,GraphHopper API, 和R语言中的stplanr 来完成可视化。可视化地图反映了四大用户群体的路径选择,包括临时用户和会员,早晚高峰的通勤者。这些分析成果对当地城管和交通部门优化城市骑行系统和环境和很强的借鉴意义。另外,这成果也对设计骑行基础设施和共享系统有很重要的参考价值。同时,该分析结果也可以作为讨论基础资源配置是否公平合理的基本资料。
该案例的分析成果保证了他人按照本文提供的方法再次进行分析后可得到一致的结果。文中提供了的一部分代码,如需下载完整代码请在Github搜索作者(https://github.com/)。为了完成分析,本文建议读者阅读stplanr指南(参考文献2,请后台留言联系我们索取),并购买GraphHopper API token(https://www.graphhopper.com/products/)。 其他路径算法可通过stplanr 工具包获得。其中,我推荐关注cyclestreets.net提供的一种算法,但是该算法只能在英国和部分欧洲境内获得。另外,我认为Transport API和osrm也值得推荐。
更多关于公共自行车使用的案例请见Institute for Transportation & Development Policy 颁布的Bike-share Planning Guide(参考文献3,请后台留言联系我们索取)及National Association of City Transportation Officials 颁发的Bike Share Siting Guide (参考文献4,请后台留言联系我们索取)。希望提到的文件资源(以及很多别的文件)和本文可以帮助读者加深对公共自行车使用分析的理解。
Keep riding!!
免费下载
免费下载一览众山小提供的原文资料:
微信公众号 后台留言
或电邮 Daizongliu@qq.com
利用众包自行车数据绘制出骑车量图
Stplanr指南
ITDP公共自行车规划导则
NACTO公共自行车站点布局指南
— ABOUT US
我们作为独立的专业志愿者团体,秉承专业理想与价值观,不依托任何机构,信守非盈利原则,帮助中国城市可持续发展。我们关注的领域包括但不限于:城市规划与发展战略、城市交通、公共交通与非机动化出行、活力街区、街道与城市设计、量化城市与大数据。至今我们已经拥有遍布全球近350名志愿者网络,并推送1500篇专业微文。作为微信公众号平台最大的线上专业志愿者团体,我们感谢您对我们的关注和支持,并欢迎加入我们!
-
更多内容
请戳一戳
微博:https://weibo.com/
2014-2019 ? 转载请注明:
转载自公众号“”