公共自行車項目績效評價及優化運營

●北京零點有數數據科技股份有限公司

公共自行車項目績效評價及優化運營

●北京零點有數數據科技股份有限公司

近年來，不少城市開始推行“公共自行車”服務，但其運營往往處于困境之中，存在著站點位置規劃缺乏科學合理性、各個站點之間的協同作用無法體現、缺乏針對性的應急管理措施等問題。受H地區財政局委托，北京零點有數數據科技股份有限公司于2016年開始對H地區交通運輸局公共自行車服務系統建設項目進行財政績效評價，對公共自行車服務系統的相關數據進行挖掘，通過數據策略性重構后的挖掘分析，為該地區下一步公共自行車服務項目的財政資金投入及公共自行車服務系統優化提供決策依據。

公共自行車項目績效評價大數據

目前，許多城市的公共交通網絡已形成普通公交、BRT快速公交和出租車等形式多樣的發展態勢。為提升公共交通服務能力，更好地滿足市民近距離出行的需求，改善交通運行環境，倡導公眾綠色出行，各地政府高度重視公共自行車服務系統建設項目，部分城市已先后將其列入民生工程。據了解，杭州、西安、北京、寧波等城市均已建成公共自行車服務設施系統并投入運營。然而，公共自行車系統在不少城市的運營狀況并不理想，有的甚至成為擺設。各城市公共自行車的實際建設規模、車位車輛保有規模、日均實際使用人次、站點的運營效率和優化改良成果等數據外界無從知曉，運營方也不甚關注，導致運營情況不佳，帶來了一定的資源浪費。因此，如何進一步發揮公共自行車的服務效能，使其切實服務于人民大眾，避免成為一個面子工程或擺設，是相關部門亟需關注并解決的現實問題。

一、公共自行車運營管理的困境

中國是“自行車大國”，隨著經濟的發展，人民生活水平的提高，機動車保有量逐步增加，但中短途出行方面仍有不少居民使用自行車。為了增加居民出行的便利性，滿足居民的中短途出行需求，各城市相繼推出了“公共自行車”服務。但在實際運作中，多數城市公共自行車服務運營存在許多問題。對于政府管理部門而言，不僅缺乏對這些具體問題的量化評估，而且對從整體上如何解決效率的提升問題，也缺乏利用數據精準評估、通過預測進行規劃、綜合考慮提升運營效率的路徑和舉措。

（一）缺乏有效的站點評估，評估指標精細程度有待提高

效率提升的關鍵是找準限制效率的主要“癥結”和問題的“病根”，只有找出這些關鍵要素，才能探索改進優化的路徑。從實際操作來看，很多城市的公共自行車服務沒有完整的數據留存、整理、分析的機制，即便有的城市有意識地留存了數據，但數據的管理組織更多以“用戶”而非特定站點為核心，這也從側面反映出數據應用端更強調對居民個體應用情況的考量，而對各個公共自行車站點的評估尚不足，缺乏從站點視角對服務效率的評估，也缺乏利用數據進行合理預測，進而做好規劃、提升整體效率的意識。同時，我們也看到即便有些城市以“站點”為核心開展了相關的效率評估，但往往是通過“使用率增長”、“使用效率提升”等這樣常規籠統的綜合性指標，而缺乏更為精細的數據分析，不利于尋找核心關鍵要素進而改善提升整體效率。

（二）缺乏提升效率的系統性策略

因為數據留存的問題，以往的效率分析更多的是零散、孤立地來評估各個站點的效率，進而制定各個站點的優化策略。但實際上，作為一個“系統”，每個站點并不是孤立的，而是和周邊其他站點相互關聯、相互影響。傳統的“效率評估—優化改進”模型很難通過數據考慮這樣的相互關系，導致改進效率的方向也是孤立的、片段的，不能從系統上給出最優的解決策略。

二、大數據技術的引入

大數據分析通常被定義為企業或組織對其所創造的海量結構化數據進行儲存和使用的過程，其目的在于從復雜的數據中找到關聯與規律并加以利用。H地區公共自行車項目在啟動之初即開始積累大量用戶數據，包括租借歸還行為發生的時間、站點以及用戶的個人信息。我們將用戶信息、用戶行為數據等多個數據源整合重構，形成基于站點的數據庫，可以對站點效率進行全面有效評估，同時構建站點之間的影響關系模型，作為站點優化策略的重要參考依據。

（一）用戶數據向站點數據的重構，基于數據回歸預測的指導規劃

H地區自行車的基礎數據庫是基于個人用戶的數據字段，包括：流水號、借車時間、騎行時間、超時時間、站點號、自行車ID、借車卡號、還車站點、還車時間、還車車位等。如果要評估站點效率，就需要另外生成數據字段和數據表格，進行數據重構，基于站點的編號對站點數據構建相應指標，如：站點月增長率、周轉率、站點重要度、站點中心度等。在前期工作基礎之上，零點再利用各站點的用戶人口特征、站點的功能標簽，使用回歸模型預測未來日均使用量，使公共自行車運營方對于可能到來的高峰做到及時反應，準確應對。此外還可通過回歸結果對流量進行有效調控，從而有效改善公共自行車資源“浪費”與“不足”并存的失衡現象。

（二）構建站點關系，區分構建模型

根據每個站點周邊站點情況對站點進行分類，構建特定站點與周邊站點之間的關聯關系。如果特定站點周邊有臨近的站點，我們將該站點定義為“有近站點”，否則為“無近站點”。通過考慮這種關系構建的分析范式，從整體上區分“有近站點”和“無近站點”的評估、策略輸出方向的差異，“有近站點”將更多地納入“關系”作為一個重要的評估維度，而在策略方向上，“有近站點”的優化策略也更加關注不同站點之間的協同作用，最大化整體的運營效率。

三、大數據引入的效率優化策略設計創新

引入大數據后，不僅可以通過數據全面分析各個站點的運營情況，同時也引入新的數據維度（關系維度），從另外一個視角審視站點對于系統的重要程度，從而綜合評估站點效果。大數據分析得到的相關結論，為整體優化策略提供了新的研究課題，進一步指導了策略優化的完善。

（一）重構評估指標，全面描述各個站點的運營情況

基于數據庫中關于“用戶”的數據，重構評估指標，形成整套的評估體系，對各個站點的實際運營情況進行多維度綜合分析。

除了針對各個站點的分析外，我們還結合了站點本身的特點標簽（如所屬城市功能區特征），分析不同功能區類型的公共自行車站點的特征，為制定各個功能區的差異化運營管理策略提供依據，如圖1所示。

圖1 公共自行車各個功能區使用情況綜合分析

通過多個維度的數據分析，對每個站點的特點、客流情況、人流特點等信息進行全面了解，按照功能類型為站點分類，并描述其差異化特征，從而為整體效率評估、差異化優化策略設計奠定基礎。

（二）引入關系維度，綜合評估效果

大數據最大的價值是可以借助數據分析不同個體之間的關系，對于公共自行車系統而言，厘清每個站點之間的關系有助于尋找關鍵的節點，結合自身的效率，綜合評估站點的重要性與使用效果。在本次研究中，引入了站點與站點關系的維度，分析站點的重要性和關聯度，進而分析不同關系類型的站點的運營效率，綜合評定每一個站點的重要性程度，如圖2所示。

圖2 公共自行車各個站點聯系度與使用情況綜合分析

零點根據“有近站點”的站點和“無近站點”的站點的劃分，對于兩類站點從不同的思路分析，構建不同的優化策略架構，如圖3、圖4所示。

（三）提出新的研究課題，融合多源數據的策略優化

圖3 有近點的優化策略分析框架

圖4 無近點的優化策略分析框架

基于大數據挖掘，可以將各個站點進行策略化的分類，分析不同類別站點的效率表現，最大化還原每個站點的實際運營情況：用戶增長、周轉、高峰運營情況、與周邊站點之間的關聯和關系，超越了傳統的線下研究以及基于初步數據的宏觀綜合效率分析。因而，深度的數據挖掘又為效率優化提出了新的問題：為什么核心功能區中有些站點運營效率低于平均水平，是選址問題還是導流問題？為什么有些站點運營效率不高但對其他站點至關重要，這對未來選址規劃有哪些啟示？這些新的課題需要通過實地考察、訪問專業人士等方式進一步研究。這些課題的研究，不僅有助于現有站點優化策略的設計，同時也為未來的選址規劃設計提供了更多的參考。

四、大數據助力效率優化策略設計

效率效果評估與提升策略設計，是企事業單位及政府機構都非常關心的領域。當前階段，大數據的引入不僅僅是傳統效率評估的有效補充，而且是對新的維度、新的視角的引入和應用。傳統評估與大數據的有效結合，使效率評估更加系統化、精細化，為未來的效率提升與策略優化設計提供了更明確的方向。

（一）系統化的評估思維而非孤立的評估指標框架

本案例對各個站點運營效率的評估，不僅有增長、周轉等常規的評估性指標，同時還引入了站點與站點的關系維度，設計了站點聯系度、中心度等若干反映“關系”的指標。這不僅是對指標體系的豐富，更是在整體評估架構上系統化的設計，不再孤立地分析每一個站點的運營情況，而是綜合個體運營情況和系統當中的價值等多個維度，對一個站點進行系統性的評估。

（二）分類評估和設計優化策略實現系統化、精細化管理

在系統化的評估基礎上，不再設置簡單的“擴容”、“縮小規模”、“關閉”等執行策略，而是基于系統化的評估，制定精細化的優化路徑方案。針對系統化的評估，基于核心的關鍵維度將各個運營點區分成不同的類別，每一個類別都對應不同的優化策略，從而實現了系統性評估到精細化管理的策略設計。

（三）數據挖掘提出進一步課題，為效率提升與優化選址提供依據

在數據挖掘的基礎上，我們發現了需要進一步研究的課題，這些課題不僅需要大數據挖掘，同時也需要通過走訪、觀察等方式進一步考察，找到大數據挖掘結果背后的邏輯，進一步厘清問題的本質，找到核心要素，發現影響效率的客觀規律，為后期效率優化與選址決策提供依據。

五、大數據應用的未來展望

我國大數據在各個行業的應用仍處于起步階段，對數據的利用更多的是在描述性分析方面，而在實操應用策略設計上能夠發揮的效用仍處于探索階段，需要進一步的經驗總結和完善。展望未來，一方面需要完善數據留存體系與留存機制；另一方面，需要根據應用端的實際使用情況建模，實現數據的自動化，為決策提供支持。此外，本案例中的數據挖掘又提出了新的課題，多源數據、系統解決方案的設計價值進一步得到了彰顯。

（一）數據意識的提升，助推績效評價工作準確性改善

“任何的痕跡都可能有其價值”，這為數據的價值做了最好的注腳。從我國現狀來看，大數據應用之所以受到很多限制，除了所謂的數據孤島問題外，最大的問題是數據意識的淡薄：不能有意識的留存數據、沒有標準化的存儲數據流程、沒有按照應用構架整個數據存儲處理框架等，這些從底層數據架構上的無意識行為，為數據價值最大化設置了障礙與壁壘。隨著數據意識的進一步提升，有效地留存數據、按照應用的需求架構數據，勢必為大數據應用帶來更廣闊的空間和更多的機遇。諸多績效評價工作涉及到大數據分析的應用，提升數據意識，有效運用大數據分析思維，將有效助推績效評價工作的準確性與有效性的改善。

（二）“現象—分析—決策”模型設計與系統化實現

在應用層，數據本身并不足以發揮它的價值，根據應用層的業務需求將數據有機地組織、分析、挖掘，才能解決應用層的實際問題。在目前的大數據應用與業務的需求中，“描述性”問題仍然占據主流，但隨著從業人員數據意識的提升、對數據價值的進一步理解，更多問題導向、系統導向的需求成為了未來的應用方向，這也就意味著需要構建“現象—分析—決策”從數據到決策的模型路徑，真正實現數據驅動決策；數據的及時化、系統化、垂直化應用價值在構建一整套數據應用系統的過程中將更加凸顯，成為系統化、自動化的數據驅動運營管理的基礎。

（三）多源數據構架系統解決方案

在本案例中，大數據為后續的策略設計提出了進一步研究的課題，再一次契合了零點“不同數據有不同價值”的數據理念。這意味著，如果需要實現精細化的管理，依靠單一數據源勢必受到限制，未來仍需要對多源數據進行融合和整合，最大化挖掘不同數據源各自的價值，為整體性、系統化解決商業問題奠定基礎。因此，在未來的數據解決方案中，多源數據是重要的數據應用方向。

[1]夏凱,何波江.淺析大數據技術在財政支出績效評價領域的應用[J].財政監督，2016，(18).

[2]劉國永等.預算績效管理實踐指導[M].鎮江：江蘇大學出版社，2009.