任曉紅, 柳春花

(重慶交通大學(xué)經(jīng)濟(jì)與管理學(xué)院， 重慶 400074)

共享出行是共享經(jīng)濟(jì)的一個(gè)方面[1-2]，作為一種創(chuàng)新的交通策略，共享出行能夠讓用戶在需要時(shí)短期共同使用某種交通方式[3]，以最大限度地利用社會能夠?qū)嶋H提供的出行資源[4]。20世紀(jì)40年代，共享出行在美國出現(xiàn)，進(jìn)入21世紀(jì)，隨著智能手機(jī)和智能交通系統(tǒng)(intelligent traffic system，ITS)技術(shù)的發(fā)展，以Uber、Lyft和Didi等為代表的共享出行服務(wù)在過去十年中獲得了空前的快速增長。目前，共享單車、共享汽車、網(wǎng)約車和其他共享交通服務(wù)正在改變?nèi)藗兊某鲂蟹绞?，并對交通和地方?guī)劃產(chǎn)生變革性的影響[5]。作為一種重要的交通出行方式，共享出行受到越來越多關(guān)注，并日益成為一個(gè)研究熱點(diǎn)。

中外諸多學(xué)者分析了共享出行對減少溫室氣體的排放[6-8]、節(jié)約能源[7-8]、改善公共交通服務(wù)不足的地區(qū)和社區(qū)的連通性[9]、減少人們的汽車擁有量[10]等產(chǎn)生的影響，以及出行者社會屬性和動機(jī)因素[11]、感知利得和感知利失心理權(quán)衡過程[12]等影響出行者選擇共享出行的因素。同時(shí)，解決共享單車[13]和共享汽車[14]的再平衡問題，合乘的動態(tài)定價(jià)與空車匹配[15]和網(wǎng)絡(luò)設(shè)計(jì)問題[16]，城市故障共享單車回收路徑優(yōu)化問題[17]，站點(diǎn)選址問題[18-19]，以及共享出行與其他交通工具的接駁問題(如城市軌道交通社區(qū)接駁共享單車?？奎c(diǎn)規(guī)劃[20])等也受到不少關(guān)注。

通過文獻(xiàn)梳理等方法，F(xiàn)ishman[21]研究發(fā)現(xiàn)，現(xiàn)有共享單車的研究包括用戶偏好和人口統(tǒng)計(jì)、使用率和地理空間可視化、安全性、再分配選擇和技術(shù)創(chuàng)新等幾個(gè)關(guān)鍵主題。Agatz等[22]綜述了優(yōu)化動態(tài)合乘系統(tǒng)的相關(guān)運(yùn)籌學(xué)模型。Hu等[23]分析了網(wǎng)約車、共享汽車和共享單車在中國的發(fā)展趨勢、影響因素，治理政策以及對低碳轉(zhuǎn)型的影響。鄭小紅等[24]全面地總結(jié)了從手機(jī)約車到網(wǎng)絡(luò)打車方式中的訂單分配策略以及相應(yīng)的評估指標(biāo)。陳喜群[25]從網(wǎng)約共享出行行為機(jī)理、平臺管理優(yōu)化、政府監(jiān)管政策、系統(tǒng)仿真優(yōu)化4個(gè)方面對中外網(wǎng)約共享出行研究的基礎(chǔ)理論前沿、交通運(yùn)輸管理實(shí)踐成果和存在的問題作了歸納與總結(jié)。葛穎恩等[26]梳理了共享交通的內(nèi)涵和外延，并就全球?qū)蚕斫煌▎栴}的研究和共享交通未來的發(fā)展趨勢做了概述與分析。唐紹祥等[27]基于CiteSpace對比分析了中外運(yùn)輸經(jīng)濟(jì)的研究熱點(diǎn)及發(fā)展趨勢。梁凱麗等[28]利用信息可視化軟件CiteSpace對公共自行車出行的文獻(xiàn)信息進(jìn)行分析，并指出了現(xiàn)有研究的熱點(diǎn)主題。曹小曙等[29]采用知識圖譜分析方法，對電動汽車充電站選址研究的研究進(jìn)展進(jìn)行了研究。

綜上所述，現(xiàn)有研究主要針對各類共享出行方式分開進(jìn)行，綜述性文獻(xiàn)也多是對其中某種出行方式的相關(guān)文獻(xiàn)進(jìn)行梳理總結(jié)，從整體定量分析共享出行研究態(tài)勢的文獻(xiàn)較少。因此，為迅速把握共享出行領(lǐng)域的研究現(xiàn)狀、熱點(diǎn)主題與研究前沿，文章以Web of Science核心合集的SCI-expand和SSCI數(shù)據(jù)庫1900—2021年收錄的文獻(xiàn)作為研究對象，利用CiteSpace可視化工具進(jìn)行可視化分析，繪制相關(guān)知識圖譜，結(jié)合統(tǒng)計(jì)分析，探析共享出行領(lǐng)域研究現(xiàn)狀、熱點(diǎn)與前沿，以期為共享出行研究提供參考。

1 數(shù)據(jù)來源與研究方法

1.1 研究方法

文獻(xiàn)計(jì)量法是一種視覺技術(shù)，是對已發(fā)表文獻(xiàn)進(jìn)行統(tǒng)計(jì)分析和定量分析以顯示知識領(lǐng)域的現(xiàn)狀和動態(tài)，是信息可視化的重要分支[30]。文獻(xiàn)計(jì)量學(xué)起源于20世紀(jì)初出現(xiàn)的對文獻(xiàn)的定量研究，基于文獻(xiàn)計(jì)量學(xué)的文獻(xiàn)分析在學(xué)術(shù)研究中得到了廣泛應(yīng)用[31]。目前已有CiteSpace、SATI、Ucinet、NetDraw、Pajek、Vosviewer等多種文獻(xiàn)分析可視化分析工具被開發(fā)。其中，由陳超美教授團(tuán)隊(duì)開發(fā)的CiteSpace是功能最全面、使用最廣泛的工具之一[32]，它能夠?qū)⒛硞€(gè)知識領(lǐng)域的核心作者、機(jī)構(gòu)、期刊類型、關(guān)鍵詞、引文節(jié)點(diǎn)文獻(xiàn)等內(nèi)容清晰展現(xiàn)在圖譜上[33]。因此，利用CiteSpace可視化軟件分析共享出行的研究現(xiàn)狀、熱點(diǎn)與前沿。

1.2 數(shù)據(jù)來源

Web of Science是最優(yōu)秀的文獻(xiàn)數(shù)據(jù)庫之一[34-35]，其中包含對本研究至關(guān)重要的引文信息來源。為確保文獻(xiàn)數(shù)據(jù)獲取的可靠性與權(quán)威性，選取Web of Science 核心合集的SCI-expand和SSCI數(shù)據(jù)庫[36]。為分析更全面系統(tǒng)，不僅以“共享出行”為主題進(jìn)行檢索，還以共享出行的主要方式：“共享汽車”“網(wǎng)約車”“共享單車”“合乘”等為主題進(jìn)行檢索。由于相關(guān)詞匯英文表達(dá)方式存在多種形式，為盡可能檢索全面，參考Hu等[37]和Cohen等[5]的研究結(jié)果，再結(jié)合Web of Science核心合集數(shù)據(jù)庫的檢索特點(diǎn)(Web of Science檢索不區(qū)分大小寫，會自動應(yīng)用“詞形還原”和“詞干提取”規(guī)則；雙引號可精確查找詞組；帶連字符的檢索詞可以檢索帶連字符的單詞和不帶連字符的短語)，確定檢索詞如表1所示。檢索語種為“English”(英語)，文獻(xiàn)類型為“Article”。為保證共享出行研究脈絡(luò)的完整性，不限時(shí)間跨度，默認(rèn)為1900—2021年。檢索及下載時(shí)間為2021年5月13日，共檢索到文獻(xiàn)3 698篇，人工刪減不相關(guān)文獻(xiàn)604篇，通過CiteSpace軟件對檢索結(jié)果進(jìn)行去重，最終得到2 557篇文獻(xiàn)，時(shí)間分布于1975—2021年。

表1 檢索詞

2 研究現(xiàn)狀

2.1 發(fā)文量分析

如圖1所示，早期關(guān)于共享出行的研究較少，模式單一，直到進(jìn)入21世紀(jì)，相關(guān)研究才開始增多，并高速增長。共享出行領(lǐng)域的研究可以分為3個(gè)發(fā)展階段：①緩慢發(fā)展階段(1975—2008年)：主要研究合乘和共享汽車。此階段發(fā)文量少且周期長，每年發(fā)文量不超過10篇，關(guān)注的學(xué)者較少；②平穩(wěn)增長階段(2009—2016年)：主要研究合乘、共享汽車和共享單車。此階段發(fā)文數(shù)量穩(wěn)步增長且周期較短，2009年發(fā)文量為10篇，2016年達(dá)到了116篇，說明共享出行領(lǐng)域已經(jīng)引起學(xué)者較多關(guān)注；③高速增長階段(2017年至今)：主要研究合乘、共享汽車、共享單車和網(wǎng)約車。此階段發(fā)文量極速上升，2020年達(dá)到最高峰，為737篇，是2017年(187篇)的近4倍，2021年文獻(xiàn)數(shù)量為非全時(shí)段數(shù)據(jù)，此處不做分析。這一階段共享出行處于高速發(fā)展階段，受到學(xué)界廣泛關(guān)注。

圖1 1975—2021年共享出行領(lǐng)域文獻(xiàn)發(fā)表情況Fig.1 Literature published in the field of shared mobility from 1975 to 2021

2.2 研究地域及機(jī)構(gòu)分析

為明確共享出行領(lǐng)域研究的地域分布與機(jī)構(gòu)分布的情況，在CiteSpace軟件中設(shè)定運(yùn)行時(shí)間為1975—2021年，時(shí)間分區(qū)值為1，分別以國家(Country)和機(jī)構(gòu)(Institution)為節(jié)點(diǎn)類型(Node Types)，閾值設(shè)定為“TOP 50 per slice”，表示選取每個(gè)時(shí)間切片前50個(gè)節(jié)點(diǎn)。運(yùn)行得到共享出行領(lǐng)域研究的國家和機(jī)構(gòu)可視化結(jié)果，如圖2和圖3所示，并統(tǒng)計(jì)出發(fā)文量排名前10的國家和機(jī)構(gòu)，結(jié)果如表2所示。圖2、圖3中每個(gè)節(jié)點(diǎn)代表一個(gè)國家或機(jī)構(gòu)，節(jié)點(diǎn)越大，表示該國家或機(jī)構(gòu)的發(fā)文量越多；節(jié)點(diǎn)之間的連線表示國家或機(jī)構(gòu)之間的合作關(guān)系，連線的粗細(xì)與合作論文數(shù)量成正比[38]；帶有紫色光圈的節(jié)點(diǎn)為重要節(jié)點(diǎn)，具有高中心性(≥0.1)，紫色越厚重，中心性越大，節(jié)點(diǎn)越重要

由圖2可知，國家共現(xiàn)知識圖譜中共有75個(gè)節(jié)點(diǎn)，353條邊，網(wǎng)絡(luò)密度為0.127 2，表明共有75個(gè)國家對共享出行領(lǐng)域的研究有所貢獻(xiàn)，并產(chǎn)生了353次國家間的合作，且國家間的合作較為緊密。產(chǎn)出文獻(xiàn)量排名前10的國家依次為美國、中國、英國、加拿大、澳大利亞、德國、意大利、瑞士、法國和新加坡，其中，僅中國為發(fā)展中國家，且除中國和新加坡屬于亞洲國家外，其他國家均為西方發(fā)達(dá)國家。美國和中國的發(fā)文量遠(yuǎn)遠(yuǎn)高于其他國家，兩者的總和超過總文獻(xiàn)數(shù)的1/2，為研究最熱點(diǎn)的地區(qū)。整體上國家間的合作相對較多，但東南亞國家的影響力不如西方國家。

圖2 國家共現(xiàn)知識圖譜Fig.2 Visualization of the co-country network

圖3 研究機(jī)構(gòu)共現(xiàn)知識圖譜Fig.3 Visualization of the co-institute network

由圖3可知，機(jī)構(gòu)共現(xiàn)知識圖譜中共有602個(gè)節(jié)點(diǎn)，971條邊，網(wǎng)絡(luò)密度為0.005 4，表明共有602個(gè)機(jī)構(gòu)對共享出行領(lǐng)域的研究有所貢獻(xiàn)，并產(chǎn)生了971次機(jī)構(gòu)間的合作，可以看出對共享出行領(lǐng)域研究有貢獻(xiàn)的機(jī)構(gòu)較多，但機(jī)構(gòu)間的合作不夠緊密，且發(fā)文較多的機(jī)構(gòu)多屬于美國和中國。結(jié)合表2可知，發(fā)文量排名前10的機(jī)構(gòu)都屬于大學(xué)，其中4所美國大學(xué)，4所中國大學(xué)。中心性大于等于0.1的機(jī)構(gòu)為中國的同濟(jì)大學(xué)(Tongji University)和美國的加州大學(xué)伯克利分校(University of California, Berkeley)與密歇根大學(xué)(University of Michigan)。

2.3 共被引來源期刊統(tǒng)計(jì)分析

期刊的被引頻次反映出期刊所屬學(xué)科領(lǐng)域?qū)τ谘芯繜狳c(diǎn)的關(guān)注程度[38]。對文獻(xiàn)的引文來源期刊進(jìn)行分析，可以發(fā)現(xiàn)共享出行領(lǐng)域的重要期刊。以共被引期刊(Cited Journal)為節(jié)點(diǎn)，設(shè)置閾值“TOP 50 per slice”，統(tǒng)計(jì)出被引頻次超過400次的15個(gè)重要期刊，如表3所示。排名前3的期刊分別為TransportationResearchRecord、TransportationResearchPartA-PolicyandPractice和TransportationResearchPartC-EmergingTechnologies，被引次數(shù)均超過了1 000次，是共享出行領(lǐng)域內(nèi)最重要的刊物。

可以看出，除TransportationResearchRecord外，其他期刊的影響因子均高于2.5，最高的為JournalofCleanerProduction，其影響因子達(dá)到7.246。另外，除EuropeanJournalofOperationalResearch、Sustainability和JournalofCleanerProduction外，其他期刊都是交通領(lǐng)域的核心期刊。EuropeanJournalofOperationalResearch是管理科學(xué)與運(yùn)籌學(xué)領(lǐng)域的著名國際權(quán)威期刊，JournalofCleanerProduction專注于清潔生產(chǎn)、環(huán)境和可持續(xù)性研究與實(shí)踐，Sustainability涉及人類的環(huán)境、文化、經(jīng)濟(jì)和社會可持續(xù)性。可見，關(guān)于共享出行領(lǐng)域的研究主要集中于交通科學(xué)、工程技術(shù)、管理科學(xué)與運(yùn)籌學(xué)、環(huán)境科學(xué)與生態(tài)學(xué)等學(xué)科領(lǐng)域，呈現(xiàn)多學(xué)科交叉的特點(diǎn)。

表2 發(fā)文量排名前10的國家和機(jī)構(gòu)

表3 共享出行領(lǐng)域重要期刊

2.4 高影響力作者分析

共享出行領(lǐng)域研究的繁榮發(fā)展是眾多學(xué)者共同努力的結(jié)果，在該領(lǐng)域?qū)W術(shù)成果較多的作者對該領(lǐng)域了解更深、更廣泛，高被引作者在共享出行領(lǐng)域也具有較高的學(xué)術(shù)影響力。節(jié)點(diǎn)分別設(shè)置為“Author”和“Cited Author”，閾值為“TOP 50 per slice”。

作者合作網(wǎng)絡(luò)圖譜如圖4所示，共有1 925個(gè)節(jié)點(diǎn)，3 158條連線，密度為0.001 7。作者間最大的合作網(wǎng)絡(luò)由Daniel Fuller、Hai Yang、Jieping Ye、Yu Zhang等作者組成，其他合作網(wǎng)絡(luò)則由2～5個(gè)作者組成，還有很多獨(dú)立作者。整體上作者間的合作網(wǎng)絡(luò)較分散，作者主要與固定的幾個(gè)作者進(jìn)行合作，難以形成復(fù)雜的合作網(wǎng)絡(luò)，作者之間應(yīng)該加強(qiáng)合作。

高發(fā)文作者和高被引作者排名前10位的如表4所示，Susana A Shaheen節(jié)點(diǎn)最大，被引次數(shù)最高，達(dá)到了993次，也是發(fā)文最多的作者，表明其在共享出行領(lǐng)域具有非常高的學(xué)術(shù)地位。Susana A Shaheen就職于加州大學(xué)伯克利分校土木與環(huán)境工程和運(yùn)輸可持續(xù)性研究中心，主要研究方向?yàn)楣蚕沓鲂?、自動駕駛汽車、可持續(xù)交通、交通政策、出行行為等。其他作者的共被引次數(shù)也都超過了190次，對共享出行領(lǐng)域的研究起到了重要作用。

圖4 作者合作網(wǎng)絡(luò)圖譜Fig.4 Visualization of the co-author network

3 研究熱點(diǎn)與前沿

3.1 研究熱點(diǎn)

關(guān)鍵詞是文章內(nèi)容的高度凝練和總結(jié)，具有高出現(xiàn)頻次的關(guān)鍵詞也反映了這一領(lǐng)域的研究熱點(diǎn)。以“Keyword”為節(jié)點(diǎn)，設(shè)置閾值“TOP 30 per slice”，通過“Pathfinder”剪枝方法修剪全局網(wǎng)絡(luò)，生成關(guān)鍵詞共現(xiàn)圖譜，如圖5所示。在此基礎(chǔ)上，選取對數(shù)似然比(log-likelihood ratio，LLR)算法，以關(guān)鍵詞作為聚類標(biāo)簽，生成如圖6所示的關(guān)鍵詞聚類圖譜，其中，圖譜信息模塊性(Q值)為0.871 7>0.3，圖譜輪廓系數(shù)(S值)為0.955 5>0.5，說明該關(guān)鍵詞聚類圖譜聚類效果好，聚類結(jié)果較為合理，基本可以反映出研究領(lǐng)域的總體情況。

由圖5和圖6可知，共享出行領(lǐng)域的研究主要圍繞共享汽車、共享單車、合乘、網(wǎng)約車等模式展開，再結(jié)合關(guān)鍵詞節(jié)點(diǎn)包含的文獻(xiàn)內(nèi)容(CiteSpace中可以查看每個(gè)節(jié)點(diǎn)的具體信息，包括來源文獻(xiàn)及其摘要)，可以發(fā)現(xiàn)研究熱點(diǎn)大致可以分為以下3個(gè)方面。

3.1.1 共享出行帶來的影響

首先，共享出行的出現(xiàn)豐富了人們的出行方式選擇，但也對傳統(tǒng)出行方式(出租車、私家車、公共交通等)產(chǎn)生了挑戰(zhàn)，它們之間的具體關(guān)系也一直是一個(gè)有爭議的問題，諸多學(xué)者在這方面的研究一直保有熱情。有學(xué)者發(fā)現(xiàn)個(gè)人開始使用共享出行后會減少使用公共交通[39]，但也有學(xué)者發(fā)現(xiàn)出行者使用共享出行越頻繁，他們使用公共交通的可能性就越高[40-41]。Hall等[42]通過建立雙重差分模型評估Uber對公共交通出行的影響，發(fā)現(xiàn)Uber的出現(xiàn)增加了公共交通的使用，并且這種影響隨著時(shí)間的推移而增長。Rayle等[43]調(diào)查發(fā)現(xiàn)，網(wǎng)約車出行不僅取代了出租車出行，還替代了公共交通和私家車。其次，作為一種分享協(xié)作型的綠色、可持續(xù)性的交通出行方式[44]，共享出行對環(huán)境、擁堵等方面的影響也一直是研究的熱點(diǎn)問題。Firnkorn等[45]基于定量調(diào)查數(shù)據(jù)，計(jì)算發(fā)現(xiàn)平均每個(gè)Car2go用戶的二氧化碳排放量將減少，而且Car2go可以減少城市的汽車數(shù)量，從而減少靜態(tài)土地消耗。另外，共享出行的出現(xiàn)也對出行需求管理產(chǎn)生了影響。Habib等[46]基于埃德蒙頓通勤者的調(diào)查數(shù)據(jù)，研究了在整體通勤方式選擇偏好的背景下的車輛合乘方式選擇，并揭示了不同的出行需求管理(transport demand management，TDM)工具與車輛合乘方式之間的交互作用在不同的決策水平(選擇集形成水平和最終決策水平)是不同的。

表4 共享出行領(lǐng)域排名前10的高影響力作者

transportation為交通；impact為影響；bike-sharing為共享單車；model為模型；car-sharing為共享汽車；system為系統(tǒng)；ride-sharing為合乘；demand為需求；optimization為優(yōu)化；behavior為行為；bike-sharing system為共享單車系統(tǒng)；bike為單車；sharing economy為共享經(jīng)濟(jì)；mobility為出行；service為服務(wù)；algorithm為算法；ride-hailing為網(wǎng)約車；travel為出行；taxi為出租車；choice為選擇；public transit為公共交通；city為城市；shared mobility為共享出行；carpooling為小轎車合乘；uber為優(yōu)步；framework為框架；pattern為模式；vehicle為交通工具；design為設(shè)計(jì)；autonomous vehicle為自動駕駛車輛；electric vehicle為電動車輛；location為位置/定位圖5 關(guān)鍵詞共現(xiàn)圖譜Fig.5 Visualization of the keyword co-citation network

lagrangian relaxation為拉格朗日松弛；micromobility為微交通；socio-cultural context為社會文化環(huán)境；ridesourcing為網(wǎng)約車；carsharing為共享汽車；transport demand management為交通需求管理；congestion為交通擁堵；transportation economics為運(yùn)輸經(jīng)濟(jì)學(xué)；joint econometric model為聯(lián)合計(jì)量經(jīng)濟(jì)模型；attitudes為態(tài)度；attitude and perception為態(tài)度和感知圖6 關(guān)鍵詞聚類圖譜Fig.6 Visualization of the keyword clusters

3.1.2 影響共享出行的因素分析

出行者選擇共享出行的影響因素一直是研究者所關(guān)注的熱點(diǎn)話題，了解其具體影響機(jī)制有利于共享出行的長遠(yuǎn)發(fā)展。Kim等[47]提出了一種基于隨機(jī)后悔最小化的混合選擇模型，以估計(jì)潛在的滿意度對當(dāng)前出行選擇和共享汽車決策的不確定性的影響。Dias等[48]通過建立二元有序probit模型以分析各種外生社會經(jīng)濟(jì)和人口變量對網(wǎng)約車和共享汽車服務(wù)使用頻率的影響。El-Assi等[49]建立站點(diǎn)對(起點(diǎn)-終點(diǎn))回歸模型，探討了社會人口屬性、土地利用、建成環(huán)境、服務(wù)屬性水平和不同的天氣措施對共享單車用戶的影響。Shen等[50]采用空間自回歸模型研究了共享單車使用的時(shí)空格局，探討了共享單車車隊(duì)規(guī)模、周圍建筑環(huán)境、公共交通可達(dá)性、共享單車基礎(chǔ)設(shè)施和天氣條件對無樁共享單車使用的影響。張圓等[51]建立了有序Logit模型和多項(xiàng)Logit模型，從個(gè)體特征、出行特征和出行者對共享汽車服務(wù)水平的主觀感知3個(gè)方面定量分析影響使用共享汽車出行的主要因素。

3.1.3 共享出行優(yōu)化研究

共享出行在近十年得到了快速發(fā)展，這離不開信息技術(shù)(智能手機(jī)、定位系統(tǒng)、移動支付等)的進(jìn)步。但共享出行還存在很多問題，如系統(tǒng)優(yōu)化、定位、車輛再平衡、站點(diǎn)設(shè)置、線路優(yōu)化、乘車匹配等問題。很多學(xué)者利用數(shù)學(xué)知識、運(yùn)籌學(xué)知識等提出了各種優(yōu)化算法和模型來解決問題。Forma等[52]利用基于數(shù)學(xué)規(guī)劃的啟發(fā)式算法來解決共享單車的靜態(tài)再定位問題。Pal等[53]提出了一種混合嵌套大鄰域搜索和變鄰域下降算法，以解決大規(guī)模共享單車項(xiàng)目的靜態(tài)完全再平衡問題。Schuijbroek等[54]提出一種新的先聚類再排序啟發(fā)式算法以尋找最優(yōu)車輛路線實(shí)現(xiàn)共享單車系統(tǒng)庫存再平衡。Boyaci等[55]開發(fā)并求解了一個(gè)考慮車輛遷移和電動汽車充電需求的單向車輛共享系統(tǒng)規(guī)劃的多目標(biāo)混合整數(shù)線性規(guī)劃模型。Correia等[56]提出了一種解決3種行程選擇方案下車輛庫存不平衡問題的單向汽車共享系統(tǒng)的車站位置優(yōu)化方法。Yan等[57]采用時(shí)空網(wǎng)絡(luò)流技術(shù)建立了一個(gè)多車輛類型和多人員類型的多對多汽車合乘問題模型(該模型被表述為整數(shù)倍商品網(wǎng)絡(luò)流問題)，并提出了一種基于拉格朗日松弛法、次梯度法和上界解啟發(fā)式的求解算法來求解模型。Ma等[58]提出了在線充電分配模型，并將其集成到電動汽車動態(tài)合乘服務(wù)的快速充電位置問題中以最小化車隊(duì)的每日充電作業(yè)時(shí)間。Hou等[59]開發(fā)了一種大型鄰域搜索算法以優(yōu)化乘車匹配和行走線路。

綜觀而言，現(xiàn)有研究主要專注于各類共享出行方式帶來的影響，影響共享出行的因素，以及運(yùn)營與管理的優(yōu)化問題。前兩者主要基于實(shí)際調(diào)查數(shù)據(jù)，建立相關(guān)模型進(jìn)行分析，后者主要從管理科學(xué)和運(yùn)籌學(xué)的角度建立模型，并運(yùn)用智能算法進(jìn)行求解，以優(yōu)化現(xiàn)有共享出行系統(tǒng)。

growth為增長；program為程序/項(xiàng)目；mode choice為模式選擇；a ride problem為乘車問題；travel demand為出行需求；travel behavior為出行行為；physical activity為體育活動；walking為步行；one-way carsharing為單程共享汽車；health為健康；cycling為騎自行車；policy為政策；operation為運(yùn)營；simulation為仿真；station為站點(diǎn)；weather為天氣；sharing system為共享系統(tǒng)；scheme為方案/計(jì)劃；network為網(wǎng)絡(luò)圖7 關(guān)鍵詞突現(xiàn)圖Fig.7 Map of theburst keywords

3.2 研究前沿

突現(xiàn)詞是在某一時(shí)間段內(nèi)出現(xiàn)頻率突然增加的關(guān)鍵詞，一般為某一時(shí)間段內(nèi)的新興研究熱點(diǎn)[36]，關(guān)鍵詞突現(xiàn)分析可以根據(jù)突變詞的時(shí)間分布和變化趨勢來辨識共享出行領(lǐng)域研究前沿和發(fā)展趨勢[32]，突變強(qiáng)度越大，說明圍繞該關(guān)鍵詞展開的相關(guān)主題研究前沿趨勢越明顯[60]。文章使用CiteSpace軟件中的“Burst term”功能，得到突現(xiàn)關(guān)鍵詞29個(gè)，如圖7所示，發(fā)現(xiàn)所有突現(xiàn)詞的突現(xiàn)強(qiáng)度均超過了3，且突現(xiàn)時(shí)間均持續(xù)到了2021年，可能還會繼續(xù)持續(xù)下去，這意味著共享出行研究本身可能就是一個(gè)前沿問題。通過對突現(xiàn)詞的分析，結(jié)合突現(xiàn)詞來源的文獻(xiàn)內(nèi)容，可以發(fā)現(xiàn)共享出行領(lǐng)域的研究前沿主要包括以下4個(gè)方面。

3.2.1 共享出行方式

共享出行領(lǐng)域的研究多是基于不同共享出行方式開展，每個(gè)方式突現(xiàn)時(shí)間不一，但從開始突現(xiàn)起都持續(xù)到了2021年，圍繞它們的研究一直處于領(lǐng)域前沿。相關(guān)突現(xiàn)詞按突現(xiàn)開始時(shí)間有合乘(carpooling)、單程共享汽車(one-way carsharing)、騎自行車(cycling)、電動車輛(electric vehicle)、自動駕駛車輛(autonomous vehicle)。其中，electric vehicle和autonomous vehicle最近幾年開始突現(xiàn)，突現(xiàn)時(shí)間分別為2018年和2019年，突現(xiàn)強(qiáng)度分別為11.48、10.28。在共享出行方式中，大部分共享汽車均是采用的電動汽車，部分網(wǎng)約車也開始使用電動車輛。面對資源匱乏問題和日益惡化的環(huán)境問題，電動車輛作為新能源車輛的一種，它與共享出行的結(jié)合是值得研究的一個(gè)前沿問題。自動駕駛車輛的出現(xiàn)還會催生出共享自動駕駛汽車[61]，且很多學(xué)者已經(jīng)對此展開了相關(guān)研究，F(xiàn)agnant等[62]研究發(fā)現(xiàn)共享自動駕駛汽車不僅可以改善交通安全和交通擁堵，還可以改善環(huán)境問題?？梢姡蚕黼妱榆囕v和共享自動駕駛車輛將是未來共享出行方式的研究前沿。

3.2.2 共享出行的優(yōu)勢分析

共享出行出現(xiàn)早期，學(xué)者就開始關(guān)注它們帶來的好處，直到2021年仍然備受關(guān)注。相關(guān)突現(xiàn)詞有擁堵(congestion)、體力活動(physical activity)、健康(health)、優(yōu)勢(benefit)等。擁堵(congestion)從1990年開始突現(xiàn)，并一直持續(xù)到了2021年，突現(xiàn)強(qiáng)度為4.13。交通擁堵一直是城市交通待解決的一個(gè)問題，共享出行有著減少汽車擁有量的潛力，一定程度上可以緩解交通擁堵，但其具體影響一直沒有一個(gè)定論，有學(xué)者認(rèn)為可以緩解擁堵[63]，也有學(xué)者認(rèn)為可能會增加擁堵[42]，從1990年開始，這一直是學(xué)者關(guān)注的前沿問題。共享出行對人們健康的影響也備受關(guān)注，健康(health)和體力活動(physical activity)的突現(xiàn)強(qiáng)度分別為6.15、7.78，這方面的研究主要與共享單車有關(guān)。共享單車對健康的影響主要是通過體力活動、空氣微粒污染和道路交通事故等進(jìn)行衡量[64]，其具體的影響機(jī)制和在不同社會群體之間的影響差異備受學(xué)者關(guān)注[65]。另外，共享出行還帶來了其他好處，如可以降低能源消耗[63,66]，減少二氧化碳等有害氣體的排放[67-68]。

3.2.3 出行行為分析

1997年開始，學(xué)者開始關(guān)注人們的共享出行行為，以了解出行時(shí)對共享出行的選擇情況，并分析其影響因素。相關(guān)突現(xiàn)詞有模式選擇(mode choice)、出行需求(travel demand)、出行行為(travel behavior)等，突現(xiàn)強(qiáng)度均超過了6。交通出行選擇行為受出行主體自身需求及城市客運(yùn)交通環(huán)境的綜合影響而產(chǎn)生[69]。共享出行選擇行為也受出行者出行需求和其他交通方式的影響。出行者個(gè)人和家庭屬性特征、出行特征、共享出行服務(wù)供給屬性及需求管理政策等因素共同影響著出行者的共享出行行為，它們對共享出行行為選擇的作用機(jī)制值得研究。值得一提的是，天氣(weather)對共享出行的影響從2014年起開始突現(xiàn)，且備受歡迎，天氣對共享單車的影響尤其如此[70-71]。也有學(xué)者對共享出行需求進(jìn)行分析與預(yù)測。曹旦旦等[72]通過爬取紐約市Citi Bike共享單車的天氣特征數(shù)據(jù)信息，分析了時(shí)間因子、氣象因子等對單車需求量的影響，并采用長短期記憶(long short-term memory，LSTM)神經(jīng)網(wǎng)絡(luò)模型預(yù)測共享單車的短期需求量。此外，由于共享出行為出行者提供了更多的出行方式選擇，影響了出行者對其他交通工具(公共交通、出租車等)的選擇，它們之間的關(guān)系及其影響機(jī)制也是學(xué)者討論的焦點(diǎn)。

3.2.4 管理與運(yùn)營優(yōu)化研究

相關(guān)突現(xiàn)詞有管理(management)、乘車問題(a ride problem)、運(yùn)營(operation)、仿真(simulation)、站點(diǎn)(station)、設(shè)計(jì)(design)、位置/定位(location)、網(wǎng)絡(luò)(network)、框架(framework)等。共享出行是隨著信息技術(shù)發(fā)展起來的新興出行方式，其管理與運(yùn)營還不成熟，涉及問題較多，自1990年起，學(xué)者就開始關(guān)注這方面的問題。學(xué)者最早關(guān)注乘坐問題，包括如何匹配車輛和乘客，并以最優(yōu)路線接送乘客等問題。隨著共享出行的發(fā)展，一些新的問題開始出現(xiàn)。如共享單車和共享汽車的站點(diǎn)選址問題，如何保證站點(diǎn)車輛庫存量滿足出行需求，以及如何實(shí)現(xiàn)動態(tài)定位等問題。部分學(xué)者嘗試設(shè)計(jì)一些模型框架以對現(xiàn)有系統(tǒng)進(jìn)行優(yōu)化，如設(shè)計(jì)決策支持系統(tǒng)[73-76]、仿真模型[73,77-78]等解決車輛遷移問題，實(shí)現(xiàn)庫存再平衡。

整體上，早期學(xué)者更加關(guān)注共享出行帶來的好處和出行者共享出行行為，近年來，對共享出行管理與運(yùn)營方面的優(yōu)化問題的關(guān)注逐步增多。另外，學(xué)者們在近幾年也開始關(guān)注電動車輛和自動駕駛車輛在共享出行中的應(yīng)用。

4 結(jié)論

基于CiteSpace軟件，對Web of Science核心合集中1975—2021年發(fā)表的2 557篇文獻(xiàn)進(jìn)行可視化分析，探究共享出行領(lǐng)域研究的研究現(xiàn)狀、熱點(diǎn)及前沿，得到以下結(jié)論。

(1)基于基礎(chǔ)數(shù)據(jù)的時(shí)空分析和共現(xiàn)分析，發(fā)現(xiàn)共享出行領(lǐng)域的研究成果主要出現(xiàn)在近十年，且呈現(xiàn)快速增長態(tài)勢，其中美國和中國的發(fā)文量遠(yuǎn)遠(yuǎn)高于其他國家，發(fā)文量排名前10的機(jī)構(gòu)也多為美國和中國的大學(xué)。重要作者包括Susana A Shaheen、Hai Yang、Elliot Fishman等，但作者間的合作網(wǎng)絡(luò)較為分散。對重要刊物進(jìn)行分析，發(fā)現(xiàn)共享出行領(lǐng)域的研究主要集中于交通科學(xué)、工程技術(shù)、管理科學(xué)與運(yùn)籌學(xué)、環(huán)境科學(xué)與生態(tài)學(xué)等學(xué)科領(lǐng)域，呈現(xiàn)多學(xué)科交叉的特點(diǎn)。

(2)基于關(guān)鍵詞和施引文獻(xiàn)的分析，發(fā)現(xiàn)共享出行領(lǐng)域的研究熱點(diǎn)主要圍繞共享單車、共享汽車、網(wǎng)約車、合乘等方式展開，聚焦在3個(gè)方面：共享出行帶來的影響、影響共享出行的因素、共享出行的優(yōu)化研究。對突現(xiàn)詞的分析表明，共享出行優(yōu)勢分析、出行行為分析和管理與運(yùn)營優(yōu)化研究一直處于研究前沿，共享電動車輛和共享自動駕駛車輛將成為共享出行方式的未來發(fā)展趨勢。

(3)相對于共享出行的影響因素及其帶來的影響，中外學(xué)者在最近幾年對共享出行管理與運(yùn)營方面的優(yōu)化問題關(guān)注日益增多，鑒于中國共享交通發(fā)展還面臨法規(guī)政策不健全與管理模式滯后、缺乏鼓勵共享交通發(fā)展的政策措施、共享交通配套服務(wù)發(fā)展不平衡等諸多問題[79]，未來可能成為一個(gè)關(guān)注的熱點(diǎn)。此外，隨著“雙碳”目標(biāo)的提出和自動駕駛技術(shù)的發(fā)展，在共享出行方式中，對共享電動車輛和共享自動駕駛車輛的研究也將受到越來越多的關(guān)注。最后，關(guān)于各類共享出行方式，現(xiàn)有研究主要是分開進(jìn)行的，而出行往往是多種交通方式共同完成[26]，因此，把它們放在一起，研究它們之間的互補(bǔ)或替代關(guān)系及其影響機(jī)制也可能是未來需要關(guān)注的焦點(diǎn)。

本研究還存在某些局限和不足，如只對Web of Science核心合集的SCI-expand和SSCI數(shù)據(jù)庫收錄的相關(guān)論文進(jìn)行分析，在研究范圍和數(shù)量上存在一定的局限，可能不能完全代表共享出行領(lǐng)域的研究情況。其次，僅是針對整個(gè)共享出行領(lǐng)域進(jìn)行研究，每種共享出行方式的具體研究情況和進(jìn)展可能并不一致，這也是下一步需要討論的內(nèi)容。