基于相關性分析的共享單車長期需求影響因素探討

張純

摘 要：探討長期需求的影響因素是預測共享單車需求量的一個獨特視角。經濟發展水平，商業、文娛中心數量，城市軌道交通密度等都會影響城市所需共享單車數量。基于此，本文使用相關性分析的知識考慮了影響20個城市共享單車長期需求的因素，拋磚引玉，為之后共享單車長期需求的預測奠定了基礎。

關鍵詞：共享單車 ?長期需求 ?相關性分析

中圖分類號：F252.5 文獻標識碼：A ? 文章編號：2096-0298（2020）02（a）--03

隨著共享經濟的迅速發展，共享單車作為一種新的共享經濟的商業模式也由此應運而生。目前，共享單車項目普及迅速：2016年，有超過1000個城市正在運營共享單車項目，300多個項目正在計劃和建設中。共享單車的快速發展除了給市民的生活帶來便利之外，也暴露了很多問題：很多共享單車企業為了爭奪市場，過度投放單車，導致共享單車儼然成了城市新的“共享垃圾”。多地政府意識到單車供給過剩問題，暫停共享單車新增投放，制定共享單車運營服務標準，其中很重要的一條量化指標是確定城市準入的共享單車總數量。

影響一個城市所需共享單車數量的因素有很多，經濟發展水平，商業、文娛中心數量，城市軌道交通密度等都可能共同作用。對此，本文采集20個不同城市的數據，分析探討影響長期需求量的因素，為之后有關共享單車長期需求量計算的研究打下夯實的基礎。

目前，研究國內各地共享單車需求影響因素的論文較少，僅有的幾篇也集中在短期個體需求上，從長期角度系統依據我國現實情況進行需求因素探討的極少。杜威銘[1]提出共享單車投放過程中應該考慮時間因素、交通網絡分布、人口數量、人均可支配收入、天氣因素和其他因素。馬新衛[2]等分析了南京市共享單車需求三大影響因素，揭示了公共自行車使用量、土地利用、社會經濟人口因素對于共享單車出行需求的影響。王宇洋[3]采用python語言編寫網絡爬蟲程序，實時獲取共享單車使用情況，驗證了大數據方法的實用性。基于上述已有研究，本文將系統探討各城市影響因素，搜集20個不同城市的數據，基于相關系數來探討其影響程度。

1 因素搜集與數據來源

在國內共享單車的需求預測中，影響各地區共享單車需求波動的因素很多。本文參考國內外大量文獻，找到影響共享單車長期需求的因素，記錄于表1。

由表1可得，目前提出的共享單車需求的影響因素主要集中在經濟水平因素、地理水平因素和可達性因素3個方面，由此本文探討國內共享單車長期需求因素，在全國20個大中小型城市中，利用城市發展報告、實地調研、python爬蟲等途徑收集影響長期需求的數據，進行相關性分析。其中，20個城市分別為：鄭州，長沙，無錫，佛山，合肥，昆明，北京，上海，廈門，福州，南昌，石家莊，東莞，深圳，廣州，南京，成都，武漢，杭州，沈陽。

通過python爬蟲可得：共享單車保有量，商業、文娛中心數量，風景區數量，公交車站點密度（個/平方公里），機動車道路擁擠程度;通過各市統計年鑒可知：建成區面積占比，國民生產總值（GDP），人口密度，公路總里程、機動車道路長度，高等院校數量，第二、三產業增加值比重;從中國國家地理網可知平原面積占比;從《中國交通發展綜合報告（2018）》可獲取軌道交通密度（公里/平方公里），城市軌道交通運營里程。

2 相關性分析

在此次分析中我們感興趣的是共享單車需求量與影響因素之間的密切程度和方向，因此在這里采用相關性分析。本文對于搜集到的共300份數據，進行相關系數計算，得到表2。

由表2可知，商業、文娛中心數量，國民生產總值，城市軌道交通密度，風景區數量，機動車道路擁擠程度，公路總里程、機動車道路長度，這六個因素與共享單車需求量有顯著關系，且成正相關性。在這里值得一提的是商業、文娛中心數量與共享單車數相關系數趨近于1，意味著二者之間的相關性極大。由圖1可看出，共享單車需求量基本與商業文娛中心數量的變化趨勢一致。大致可以推斷，因商業文娛中心的人口流量極大，傳統汽車等交通方式到達此處頗為不便，此時共享單車的輕便性將大大凸顯，人們更愿意選擇共享單車這一較為方便靈活的出行方式。

建成區面積占比，人口密度，第二、三產業增加值比重的相關系數較小，與共享單車需求量的相關性也較差。公交站點密度與共享單車需求量呈現負相關關系，本文在這里解釋為當公交站點密度過大時，人們可以通過步行很快到達站點，因而共享單車的接駁性便會下降。

3 結語

本文通過國內外大量文獻確定影響共享單車長期需求量的14個因素，搜集了20個不同城市的數據，計算各影響因素與共享單車需求量之間的相關系數，判斷其與共享單車需求量之間的相關性。系統分析了前人未曾系統分析的具有普遍意義的影響因素，為未來共享單車長期需求量的進一步討論打下堅實的基礎。