基于WebGIS 的共享單車出行特征分析系統設計與實現

林曉生

（廣州市交通規劃研究院有限公司,廣東 廣州 510030）

0 引言

共享單車作為一種短距離出行的交通工具，以其靈活便捷、經濟環保的優點，為城市居民出行提供了一種綠色低碳的方式選擇，有效地解決了用戶短途出行問題，得到了出行者的青睞和廣泛應用，是城市交通系統的重要組成部分[1]。隨著私有化電動自行車對共享單車的沖擊，共享單車的使用效率明顯下滑，如何高質量地對共享單車使用進行規劃與管理，平衡騎行需求與設施供應是當前城市管理者面臨的重大挑戰。該文著眼于智能化信息技術，借助GIS 強大的時空信息數據處理分析能力，綜合運用WebGIS 技術構建共享單車出行特征分析系統，實現動態連續的共享單車出行特征監測，分析騎行總量、時間分布、距離分布、空間出行聯系與城市騎行通道等時空特征，輔助交通規劃與管理人員更好地了解居民的出行規律與需求，為城市慢行系統環境改善及城市規劃提供支撐，使城市交通出行更加綠色、智慧。

1 數據概況

1.1 數據來源

該文采用的數據為廣州市2023 年3 月非節假日一周7 天的共享單車訂單數據，空間覆蓋廣州市中心六區，日均騎行量40 余萬人次，日均使用車輛9 萬輛。數據結構如表1 所示，包含騎行日期、訂單ID、車輛ID、騎行開始和結束時間、騎行起點和終點位置經緯度等多個字段。

表1 數據示例

1.2 數據處理

面向系統應用的騎行特征分析數據處理流程主要包括3 個步驟。

（1）由于數據量較大，需要利用Python 及Pandas和NumPy 等類庫對原始數據進行清洗和去重，獲取有效的數據集合并將數據存儲至PostgreSQL 數據庫中。

（2）通過PostGIS 對數據集進行篩選，刪除騎行起訖點位置異常、騎行距離與時長異常的數據，對處理后的數據進行時間序列分析和空間聚類分析。

（3）結合平臺分析目標，統計騎行需求空間分布、騎行時耗、騎行距離與城市騎行通道等時空分布特征結果，為后期平臺應用提供成果數據集。

2 騎行指標分析

2.1 總體特征

2.1.1 騎行總量與頻率

根據騎行數據計算每天的騎行訂單量作為騎行總量，通過用戶ID 計算每個人每天的騎行次數作為騎行頻率。數據計算結果發現，大約49%的騎行者每天只騎車一次，人均日騎行次數約1.9 次/d。通過周一至周日7 d 日均騎行次數比較，工作日的騎行需求遠高于周末，周四人均騎行次數達到2.0 次/人。此外，大約有30.7%的人周騎行次數大于7 次，主要是與工作日通勤使用單車比例較高有關。

2.1.2 騎行距離

根據騎行數據計算每個騎行訂單的出行路徑長度作為騎行距離。數據計算結果發現，騎行距離平均1.47 km/次，騎行距離在1 km、2 km、3 km 范圍內的訂單占比分別為48%、82%、92%，充分反映共享單車主要服務于城市短距離出行的功能定位。

2.1.3 騎行時耗

根據騎行數據計算每個騎行訂單的出行時間長度作為騎行時耗。數據計算結果發現，騎行時間平均11 min/次，20 min 以內結束騎行的訂單占88%，且出行時間在4～7 min 占全部訂單約40%。

2.1.4 騎行速度

根據騎行數據計算每個騎行訂單的騎行距離和騎行時長比值作為騎行速度。數據計算結果發現，騎行速度平均8.4 km/h，騎行速度低于13 km/h 的騎行的訂單占90%，且速度為8～11 km/h 占全部訂單約47%。

2.2 時間特征

根據騎行數據計算周一至周日7 d 內每5 min 的騎行需求量，得到一周的騎行需求時間分布曲線。通過以工作日和周末兩個不同的視角，總結工作日和周末特征和不同時段分布特征。

2.2.1 工作日和周末特征

工作日由于通勤對騎行接駁需求較高，騎行總量上明顯高于周末，且早高峰騎行需求時間相對集中，晚高峰相對平緩但持續時間長。而周末騎行早晚高峰現象不明顯，時段分布相對均衡。

2.2.2 不同時段分布特征

通過工作日全天24 h 統計每5 min 的騎行需求量，數據計算結果發現，全天騎行高峰在8:15 左右，騎行次數約4 998 次/5 min；晚高峰發生在18:10 左右，騎行次數約4 384 次/5 min。早晚高峰騎行需求集聚，對騎行設施供應與交通管理帶來重大考驗。

2.3 空間特征

2.3.1 騎行交通熱點分布

根據騎行數據集計全市500 m 格網每5 min 的騎行需求量，通過不同時間切片的需求分布發現，騎行早高峰發生最早的區域在越秀荔灣老城區的居住區和大學城區域，上午7:30—8:00 之間出行占總量23%。出行晚高峰出現最晚的區域為棠下和大學城。

2.3.2 騎行交通走廊分布

通過騎行數據的定位信息進行的軌跡地圖匹配，結合騎行軌跡空間聚合方法分析騎行交通需求最為集中的路徑。騎行通道主要分布在老城區，且分布在騎行條件較好的干路上，如中山路、荔灣路、惠福西路、龍津路、人民北路。

2.3.3 騎行速度分布

通過途中的定位數據計算騎行在各條道路上的速度，分析道路騎行速度分布，全網工作日平均騎行速度為9.22 km/h，老城區平均騎行速度為9.18 km/h；以中山路為例，中山路平均速度為9.14 km/h，低于平均速度。

3 系統設計

3.1 技術路線設計

系統采用目前成熟的WebGIS 網絡信息系統的體系（見圖1），通過B/S（瀏覽器/服務器）分布式架構形成客戶端—服務器—數據庫的系統組成結構[2]。后臺基于Apache 服務器，使用Python 語言開發的輕量級Web 應用程序框架 Flask 進行服務接口開發。其中地圖空間數據的請求和分析調研通過地圖服務器采用Supermapiserver 接口執行，業務邏輯請求及屬性數據的調用通過Web 應用服務器使用Apache 負責響應，后端通過GIS 服務器與邏輯服務器分離部署運行，可以進一步提高系統的運行效率。在數據存儲方面，數據庫使用開源數據庫PostgreSQL，使用PostgreSQL 擴展PostGIS 實現地理信息數據的存儲、計算、查詢等數據操作功能。前臺客戶端為標準的Web 瀏覽器，主要使用開源的Layui、Vue、JQuery 等[3]框架進行構建，使用OpenLayersjavascript 包實現前端地圖訪問、地理信息要素的查詢、增加、刪除等操作，結合Openlayers 使用基于JavaScript 的數據可視化圖表庫Echarts 實現地理數據的可視化展示，提供直觀、生動、可交互、可個性化定制的數據可視化圖標。

圖1 WebGIS 架構

3.2 系統框架設計

該文基于WebGIS 技術構建了一個B/S 模式的服務平臺，采用四層結構模式：基礎數據層、服務管理層、指標分析層和應用服務層[4]。

（1）基礎數據層主要是指騎行相關的各類數據，包括基礎空間數據、導航路網數據、騎行訂單數據、單車心跳數據、POI 數據等。

（2）服務管理層是通過GIS 服務器與邏輯服務器構建系統需要的地圖服務、空間分析服務和各類指標的統計分析服務。

（3）指標分析層是通過對各類數據的深入挖掘和分析，為上層應用提供可靠的支持，包括流量指標、時耗指標、距離指標和運作指標等。

（4）應用服務層是為用戶提供各種服務的界面，包括地圖瀏覽、指標統計、設施分析、需求測算、騎行運作分析等功能（見圖2）。

圖2 系統總體框架

3.3 數據庫設計

數據庫是WebGIS 平臺的存儲中心，由于需要存儲和管理大量的空間數據，因此需要運用空間數據庫技術來實現高效的空間數據存儲、管理、計算和展示等操作。該文利用空間數據庫PostgreSQL 加上PostGIS，實現空間數據的存儲和查詢。根據系統的功能設計，數據表包含行政區劃信息表、道路信息表、騎行訂單信息表等。

3.4 功能模塊設計

平臺的功能模塊主要分為4 大應用功能模塊（見圖3），其中每個模塊都包含部分通用功能，如屬性查詢、指標統計、樣式編輯等功能。同時，不同的模塊對于對應的數據內容和分析工具有一定的差異，部分功能有較強的模塊針對性，能夠實現定制化設計開發。

圖3 系統功能模塊

4 系統功能實現

為更好地把握共享單車出行特征，基于廣州市單車騎行數據，實現了廣州市騎行特征數據的查詢與展示，及區域騎行特征的動態查詢與展示，對廣州共享單車騎行數據進行了深入挖掘分析，為城市管理與規劃工作提供支持。

4.1 指標統計模塊

指標是衡量城市騎行狀況的一把尺子，通過指標的計算，分析騎行整體情況，有利于使用人員把握全局特征。指標統計模塊主要實現全市或任意范圍內的騎行特征指標統計和數據展示功能，通過系統右側的指標表，測算不用區域的騎行特征指標，為規劃和管理人員全面把握騎行規律提供量化數據。系統統計指標包含單車投放量、車輛日均周轉、人均騎行次數、騎行總量、平均騎行距離、平均出行時間、工作日不同時間段騎行量分布、不同出行距離出行量分布、不同出行時間出行量分布等，從時空維度解析騎行特征。

4.2 設施分析模塊

為保障供需匹配，提升車輛使用率，共享單車在夜間進行大規模集中調度，將車輛投放至早高峰的用車熱點，用于供應用戶的騎行需求。設施分析模塊主要實現對城市道路信息與車輛停放位置的空間展示與查詢，系統對全市進行200 m 網格劃分，匯總不同時刻全市各格網內的共享單車停放數量，更直觀地展示單車的空間分布與動態變化。

4.3 需求測算模塊

在出行的高峰時段，很多區域出現供需失衡的現象，如何通過系統發現不同區域在時序上的出行需求變化，能夠為共享自行車調度與優化配置提供參考，有利于改善熱點騎行區域供需失衡的狀況。需求測算模塊通過將格網資源評價方法與WebGIS 技術緊密結合，對全市網格24 h 騎行需求進行聚合分析，以熱力專題圖的方法動態分析騎行需求的時空變化，再結合騎行結束后的停放位置，構建騎行出行OD 分布，進一步輔助研究騎行需求聯系情況。

4.4 騎行運作模塊

城市道路是出行工具使用的基礎，不少騎行者選擇騎至人行道，甚至騎行于機動車道，安全問題較為突出。騎行運作模塊對騎行訂單位置數據進行地圖匹配，按時間字段進行排序和軌跡聚合，還原真實的騎行路徑。系統基于Echart 等開源類庫，實現騎行軌跡聚合并識別城市騎行主要廊道，再結合騎行廊道和各路段騎行速度進行比對分析，識別騎行量較大且速度較低的路段，作為提升全市非機動車騎行速度的關鍵路段，以提出具有針對性的改善措施。

5 結束語

該文在廣州市交通規劃決策支持平臺[5]的基礎上，綜合利用WebGIS、Python、Flask、JavaScript 等技術和Supermapiserver 的API，研發了基于WebGIS 的共享單車出行特征分析系統，實現共享自行車騎行指標統計、設施分布分析、需求測算和騎行運作分析等功能。從數字化城市管理角度出發，運用地理時空大數據和信息化技術在城市規劃和管理方面的嘗試，從海量騎行數據中提取騎行指標與空間演變特征，深入挖掘分析出行特征，為慢行交通系統的完善提供科學的決策依據。