-
共享单车又称互联网租赁自行车，是指以移动互联网平台为依托，利用网络支付、GPS等网络技术手段，在公共服务区提供租赁自行车共享服务[1].但与北美地区常见的有固定的站点，需要定点取车，定点还车的“老式”共享单车不同，中国的共享单车目前仍处于可以随处取用和停放的状态[2].一方面，部分地区由于共享单车挤占公共空间、肆意停放，引发城市管理对共享单车使用的限制[3].另一方面，城市中不同区域建成环境对共享单车的适应性存在极大的差异，诸多地区出现共享单车无法发挥有效作用的现象，造成资源的浪费[4].进一步探索共享单车使用的空间状况，提升建成环境对共享单车使用的适宜性是保障共享单车可持续发展的重要基础.
现有文献已经广泛验证了建成环境对交通出行的影响，并对城市建成环境的评价与影响因素有着不同的理解，例如Maat等[5]发现工作地点的环境特征会对城市居民使用小汽车通勤产生重要影响；Frank等[6]发现出行起点、终点的建成环境都对交通出行有重要影响.周素红等[7]、陈博文等[8]通过对广州市的实证研究，揭示了城市土地利用特征对居民通勤行为的影响.纵观类似研究，土地利用的强度、土地混合使用的情况、居住地的人口密度、就业密度、到市中心的距离等建成环境因素被认为是影响居民交通出行的主要因素[9]，如何通过优化城市建成环境引导城市居民出行成为城市地理研究中的重要领域[10-11].共享单车不同时段的空间分布是居民出行需求与城市建成环境空间供给相互作用的结果：一方面，居民出行需求会引导自行车的投放数量与空间分布，另一方面，建成环境的功能与空间供给特征也引导了自行车的空间集散.需要说明的是，仅仅是某个时间段的单车空间分布格局不足以全面综合地反映不同类型的建成环境因素对共享单车使用的影响，也难以总结归纳普遍规律，造成质性研究部分中的单调性与刻板缺陷[12].本文中的共享单车使用空间分布与共享单车空间分布有所区别，前者是指共享单车在某个时间段内被使用的所在区域，研究的是共享单车在某时某地使用情况的空间分异现象.这一视角有利于摆脱对获取成本偏高的运营数据的依赖，充分利用开放大数据平台相对低廉易得的数据源，从整体上把握城市共享单车使用空间的分布规律，为认识居民使用共享单车出行行为特征与机制探索新的研究途径，对于规范共享单车运营管理和科学的城市规划也具有现实意义.
本文以长沙市中心城区为案例地开展实证研究，通过网络数据挖掘技术获取工作日不同时间段的共享单车定位和分布数据，结合空间兴趣点(Point of Interest，POI)和道路网络等地理空间数据，运用探索性回归、地理探测器、GWR等分析方法，定量分析研究区城市建成环境因素对共享单车使用空间分布产生的不同影响，为促进共享单车建成环境适宜性及优化城市空间结构提供科学依据.
HTML
-
长沙市是湖南省省会，是全国资源节约型社会与环境友好型社会建设综合配套改革试验区核心城市，中国中西部地区最具竞争力的城市[13].2017年末常住人口达791.81万人，其中城镇人口614.36万人，城镇化率达77.59%.随着城市社会经济的不断发展，基础设施、城乡建成环境、城市形象和品质的不断提升，长沙市的共享单车也从无到有、从有到多.截至2017年12月总投放量已超过48.5万辆，数量增长迅猛，为市民带来便利，但也给城市空间与环境带来管理难题.为化解共享单车发展与建成环境空间冲突，2018年1月长沙市政府出台了《长沙市促进互联网租赁自行车规范发展的指导意见(试行)》.本文研究区域包括芙蓉区全区、开福区、岳麓区、天心区、雨花区近市中心的主要区域，涉及桂花坪、桔子洲等50个街道.该区域面积约为230 km2，人口将近200万，由湘江水系将研究区划分为河东与河西2个部分，相较于河东老城区的发展，河西为湘江新区的核心所在地，主要团块状山体为岳麓山(图 1).将研究范围划分为500 m×500 m的网格进行分析，得到1 088个基本研究单元.
-
从空间供给的角度考虑，建成环境是指人为建设、改造的各种建筑物和场所，以及可以通过政策、人为行为改变的环境，由土地利用、交通组织、空间设计等一系列要素组合而成[14].本文分析框架中的5维度是指密度、多样性、设计、目的地可达性、到公共交通距离[15].每一维度内初步选择最具代表性的2个指标，以期探究不同维度之间的影响差异和同一维度内不同指标的影响差异.从密度维度来看，多数研究认为，采取非机动方式出行的概率与居民生活的社区人口密度之间存在显著的正向关系[16]，还与城市设施密度也紧密相关[17].多样性一直被认为是影响出行行为的重要建成环境要素，但其影响显著性存在争议[18]，本文从城市用地多样性和城市设施多样性分别考量.设计维度的分析主要从形态与功能2个角度展开，城市社区形态和空间所承载的功能会导致共享单车的使用存在差异，后者实际上是单个城市用地斑块的强主导功能，与用地多样性所强调的复合功能有所区别.目的地可达性、到公共交通距离具体可从距离市中心可达度[17]、道路可达性[19]、距地铁站点距离[20]和距公交站点距离[21]4种被普遍认为对出行选择有显著影响的因素考虑.
从居住出行行为看，城市居民以家为原点的出行活动会受到社区空间形态、居住地的规模和不同社区的人口密度大小的影响.开放社区对共享单车的容纳度在理论上比封闭社区要高[22].一定区域内，居住地的规模和不同社区的人口密度大小，间接暗示了居民个体往返家中的出行集散流向.从工作出行行为看，居民使用共享单车的特点会因工业、商业和服务业等不同生产活动规律而存在差异，以不同业态的用地规模量化这种差异具有合理性[23].其他单车使用行为具有强烈的不确定性和随机性，除了吸引游客往之的休闲游憩空间本身以外，还包含目的地可达性以及到公共交通距离两大维度的中介性因素，共享单车与其他交通方式的接驳与融合在此时显得尤为重要，任何一个区域都有可能促使居民骑单车出行，最终以城市土地利用类型与城市设施多样性展现居民游憩与娱乐活动的多样性[24].故本文进一步将指标分为居住类、工作类及其他类(图 2)，以便对比分析建成环境对共享单车使用的影响.
1.1. 研究区概况
1.2. 分析框架
-
本文使用的共享单车定位数据为摩拜单车数据，依据单车装载的GPS系统(Global Positioning System)，通过百度地图(http://lbsyun.baidu.com/)提供的API开放接口通过特定的计算机语言编写程序进行爬取.考虑天气情况和数据的代表性，分别爬取2017年11月15日(周三)和12月8日(周五)2个工作日数据，这两日天气晴朗少风，平均气温约为11~17 ℃，适宜自行车出行.考虑到共享单车出行的短距离性，爬虫程序每隔0.5 h爬取一次单车信息，包含单车ID(编号)、单车位置(经纬度)和定位时间等信息.结合实地调研与相关专家的意见，考虑所爬取数据的完整性、代表性和可操作性，本研究选择凌晨2：00-2：30段数据共计64 140条作为表征夜晚单车量的数据(yα)，白天15：30-16：00数据代表白天单车量的数据(yβ)共计78 924条.然后进行数据清洗：一是剔除掉不需要的字段或者为空的信息；二是以单车ID(编号)为条件剔除每个时间段重复出现的单车数据，使得每一辆单车在一个时间段内的数据具有唯一性，分别得到43 972，42 803条有效数据；三是进行坐标转换.最后借助ArcGIS工具进行可视化表达与空间分析.
建成环境数据中，封闭社区地块数据通过2017年Landsat TM卫星遥感影像与“天地图·湖南·长沙”围墙和大门信息的识别，结合百度街景与实地调研获取.各类用地数据是来源于2016年长沙市土地利用现状图以及对2016年Landsat TM卫星遥感影像数据的解译、校对等处理得到，一共15种类型.POI数据基于百度地图API抓取，涉及餐饮、住宿、休闲娱乐等12个大类共181 963条.其他各类社会经济统计数据来源于《2017长沙统计年鉴》 《中国城市统计年鉴2016》或实地调研获取，指标体系构建如表 1所示.
-
逐步回归是建立在OLS模型基础上的分析，而OLS模型的一个重要假设就是观测样本相互独立且误差项同方差，但是不同区域的共享单车使用度之间存在空间相关性，忽略这种空间关系无疑会降低模型结果的准确性，因此本文在逐步回归模型分析基础上选用地理加权回归进行探究，揭示系数在不同样本空间位置的变化规律[25]，公式为：
式中：因变量为Yi；自变量xm在空间位置i上的参数值为xim，空间位置i的坐标即(ui，vi)，回归方程的截距通过β0(ui，vi)表示；m代表模型自变量数目，εi则为误差项.
但由于地理加权模型没有较强的诊断性，且影响共享单车使用的因素较多，本文在城市建成环境分析框架的基础上，首先运用地理探测器中因子探测器方法检验各因素与因变量相关性的大小，解决以往研究方法在影响因子选择和处理上的选择度不高的问题，从而剔除相关系数较小的变量[26]，计算公式为：
式中：PD，H为影响因子D对共享单车的使用度H的解释力；nD，i代表在影响因子D的子区域i内的样本数，n代表整个区域格网单元；
${\sigma _H^2}$ 为整个研究范围内共享单车使用度的离散方差；PD，H的取值区间为[0, 1].进而采用逐步回归的方法排除回归模型中弱相关因子的干扰，消除自变量间多重共线性，逐步剔除和引入新变量，筛选出对因变量起关键解释作用的自变量，使最终模型中所有自变量均显著[27]，最后运行GWR模型，深入探究不同影响因素在不同区域的显著程度.
2.1. 数据来源
2.2. 研究方法
-
通过地理探测器的因子探测结果可知，变量公园绿地用地面积比重(X6)没有通过显著性水平为0.05的相关性检验，原因可能是由于公园绿地基本上是山地、河道两岸等自然景观覆盖的区域，共享单车难以进入，这也与长沙市实际情况相符.其余变量均对共享单车的使用有不同程度的影响，相关性较强，进而通过逐步回归与地理加权回归模型计算，以识别出影响共享单车使用的主要建成环境因素.
运用SPSS 20.0工具对其它影响因素进行逐步回归分析，结果显示各模型回归的F值均通过1%的显著性检验，表明模型设定较合理，回归结果具有可信性，但模型10最优，其R2为0.236，调整R2为0.229(表 2)，对于截面数据来说，R2系数和修正R2均显示方程具有较好的拟合程度[28].模型10进一步剔除掉了封闭地块面积指数(X1)、工业用地面积比重(X3)、人口密度(X7)3个建成环境因素，表明城市空间形态破碎程度与人口密度对共享单车使用的影响并不显著，更多居民在健康出行的理念下自主选择共享单车的交通方式，受城市建成环境潜在的滞后性影响较弱[29].工业用地较少且分布在城区外围，容易导致个体选择其他快速交通出行方式.其余变量的回归系数均通过了0.05的显著性检验(表 3)，并且所有变量的容差均大于0.5，VIF值均小于2，排除了变量之间存在的多重共线性问题[30].
由于研究数据空间分布的非均匀性，故采用GWR模型，以调整型空间核回归为基础，按交叉确认法(CV)确定带宽，运算得到结果，此时R2与修正R2分别为0.778与0.604.R2值越大意味着解释变量对影响共享单车使用的贡献度越高，而逐步回归模型只取得解释变量22.6%的作用效果，远低于GWR模型60.4%的拟合效果(表 4).此外，根据Fotheringham等[31]的评价标准，如果赤池信息准则(AICc)的下降值大于或等于3就可以比较不同种类的模型拟合显著程度的显著性，AICc值越小则表明模型拟合的显著性越好，再次证明基于局域统计的GWR模型比逐步回归模型性能优越.
-
1) 从总体来看，长沙市共享单车的使用度与居住、商业服务业、公管与公服用地面积比重、POI密度与多样性、路网密度、土地利用类型多样性等因素呈现明显的正相关关系，距地铁站距离因素也与共享单车使用度正向弱相关，距市中心距离和距公交站距离与共享单车使用度呈明显的负相关关系.共享单车使用度并没有随着离地铁站距离的减少而表现出明显的使用度增加，这与相关文献[17, 32]的研究结果存在一定的差异，但并不矛盾.关键原因是前述学者所选的研究区域皆为公共交通系统比较发达的一线城市，而长沙市目前投入运行的只有2条地铁线，未形成网络体系，地铁站偏少.在本文所划分的1 088个格网中，涉及有地铁站的格网只有31个，占总数的3%，从共享单车的整体使用来看影响不显著，这与黄晓燕等[33]的观点一致.此外，越靠近市中心或公交站，共享单车使用量越多，表明城市居民在选择使用共享单车时始终遵循就近原则.结合前述分析，对长沙市而言，共享单车更多的辅助是与公交站而不是地铁站的接驳，随着未来长沙城市地铁系统的完善，这一关系将发生变化.
2) 就5维度总体而言，设计维度中的指标保留最多，各个维度内部的指标有明显差异.具体来看，在设计维度内，城市空间的功能比城市社区形态更能影响居民对共享单车的使用，特别是居住、商服、公管与公服等功能.密度维度集中体现为POI密度的影响，说明城市设施密度比城市社区人口密度对共享单车使用的影响更有意义.多样性维度中的土地利用类型多样性与POI多样性均对共享单车使用有影响，但城市设施的多样性比城市用地的多样性影响更显著.目的地可达性维度中距市中心距离、路网密度与共享单车使用度存在反向相关性，且区位优势比道路的可达性更关键.公共交通距离维度中，在人为排除距地铁站距离因素的干扰后，距公交站距离成为影响长沙市共享单车使用的首要因素.
3) 从3类型因素来看，不同类型相关因素影响程度各异，回归系数空间异质性明显.居住相关因素中，居住用地面积比重对共享单车使用空间的影响较距市中心距离的作用显著.居住地用地面积比重影响力回归系数呈现河西大于河东的格局，最大系数位于长沙市中心城区西南部；工作相关因素中，商业服务业用地面积比重对共享单车使用空间的影响较公共管理与公共服务用地面积比重的作用显著.商服业用地面积比重的影响力也呈现河西大于河东的格局特征，且主要是在河西城区边缘(岳麓山除外).公共管理与公共服务用地面积比重影响力的空间异质性较小，只对城北区域影响较为显著；其他相关因素中，影响力从大到小排序为POI密度、距市中心距离、POI多样性、土地利用类型多样性、路网密度、距公交站距离.其中POI密度与POI多样性的影响力在空间上均呈现由主城区东北向西南逐渐递减的相似规律.距市中心城距离的影响力呈现中心最大，然后先减小后变增大的规律，形成环状格局，影响最明显的区域在以市中心为圆心的半径为3 000 m至5 000 m的区域.
4) 城市建成环境主要影响因素回归系数空间分异特征与建成环境空间供给条件、空间需求特征和空间基础有关.从空间供给条件来看，是否有充足的共享单车停放空间和单车使用的适宜环境对共享单车使用度影响较明显.如近几年重点建设的河西新区，配套居住区、商业设施、公共管理与服务设施建设的自行车停车场地、专用自行车道有效引导了自行车的使用(图 3a，b，c)；市中心区域交通便捷，出行方式可替代性强，对共享单车的停放空间供给有限，其使用共享单车对距市中心城距离这一要素敏感性反而降低(图 3d).从空间需求特征看，偏爱骑行的学生及年轻人聚集程度较高的河西居住区，共享单车使用度明显较高(图 3a).从空间基础看，老城区、新城区有明显差异(图 3e，f).新区受POI密度及多样性影响明显，设施投入带动共享单车使用的边际效益高于成熟地区.
-
城市建成环境作为城市建设者与居民共同存在的物质空间，包含了供给—需求的内在交互作用，共享单车的使用空间分布是建成环境空间供给与居民出行需求相互影响的结果(图 4)，其主要受到外引力、内生力和基础力的共同作用.
外引力主要来源于政府与企业.政府的政策管制和规划设施配置可能影响交通设施、公共服务设施空间的部署安排，并由此形成对共享单车存放的空间限制、空间供给及其使用的吸引.政府作为城市建设活动的主导者，往往从密度、多样性、设计等不同维度对空间进行主动式干预，具体表现为公共服务设施的数量及其组合配置、公共交通系统便利性的提升、共享单车停放区域的设置等.企业依据市场原则，会倾向于在空间供给条件好、成本低和空间需求高的区域进行单车的更多投放，种种行动的实施形成共享单车的使用空间分布的外引力.居民出行需求是共享单车使用的主要内生力，居民结合自身需求与偏好，更加关注微观层面上空间配置，个体结合出行动机有选择地对城市建成环境与空间进行识别与分类，以满足其职住通勤和消费休闲的需求.当然，每座城市都有一定的历史过程，不同地点既定的区位条件以及城市功能空间结构所形成的空间基础，成为共享单车使用的基础力.3种作用力交互作用，从而呈现出一定时期内城市内部共享单车使用空间的分布规律.政府、居民与企业是促发这一结果最具影响力的三大主体.政府会引导企业与居民的行为，企业依据市场原则，会倾向于在空间供给条件好、成本低和空间需求高的区域进行单车的更多投放，激发居民对共享单车的使用，或由于投放过度而受到政府的空间限制.这一系列的空间表现不断在政府、居民与企业之间反馈，从而直接或间接地对城市建成环境产生影响，形成一种循环反复的作用过程.这一过程中主体层、环境层、表现层三者有机融合，相辅相成.
3.1. 影响因素的识别
3.2. 影响因素分析
3.3. 影响因素的作用机制
-
本文以共享单车定位数据为基础，以长沙市为案例地，构建“5维度3类型”建成环境特征评价框架，初选14个影响因素，通过地理探测器分析、逐步回归分析排除变量间多重共线性问题，运用GWR分析，揭示城市建成环境对共享单车使用空间的影响因素与作用机制.研究发现：①从总体来看，长沙市共享单车的使用与居住、商业服务业、公管与公服用地面积比重、POI密度与多样性、路网密度、土地利用类型多样性等因素呈现明显的正相关关系，与距市中心距离和距公交站距离呈明显的负相关关系.②从建成环境的5维度来看，城市空间的功能、设施密度、设施多样性、区位优势、距公交站距离在其各自维度内的两两比较下影响更为显著.③不同类型建成环境因子对共享单车使用度的影响不同且呈现空间差异，其与建成环境空间主体特征、空间需求特征和空间实体特征有关.④城市建成环境对共享单车使用空间的影响是以政府、企业和居民为主体，在外引力、基础力和内生力共同作用下，主体层、环境层、表现层三者有机融合的结果.
-
共享单车为城市居民提供“最后一公里”的方便，低碳环保，且减小了公共交通压力，但共享单车市场竞争激烈，作为一种公共品充斥着城市空间，新事物与城市空间环境有待更好地融合.只有了解城市建成环境对共享单车使用空间的影响因素与作用机制，强化公共空间与环境对共享单车的适应性，专注于良好的城市维度把控，才能引导个体的时空行为选择，促进城市形态和功能结构的良性转变，推动低碳绿色城市的发展.当然，基于共享单车定位数据的研究与应用还处于初步探索阶段，未考虑个体的品牌偏好和共享单车的投放行为所引起的误差，对城市建成环境的具体情况(如停车情况、车道情况、社区情况等)还有待选取更多的指标来表征.未来宜结合建成环境及所涉及的个体社会、经济等微观层面调查进一步验证与探究.
DownLoad: