摘 要：近年來，共享單車作為一種低碳環(huán)保的新興出行方式得到廣泛使用，能夠有效解決居民出行“最后一公里”問題。由于其使用環(huán)境開放、有利于保持社交距離等特點(diǎn)，突發(fā)公共衛(wèi)生事件背景下使用共享單車出行的特征成為研究熱點(diǎn)。文章以芝加哥市共享單車系統(tǒng)Divvy Bikes為研究對(duì)象，基于公開數(shù)據(jù)集，對(duì)2021年和2022年芝加哥共享單車出行時(shí)空特征進(jìn)行分析，結(jié)果發(fā)現(xiàn)：第一，2022年共享單車騎行量相比2021年有明顯下降，但其下降程度低于同時(shí)期的地面公交和軌道交通客流量；第二，在時(shí)間特征上，盡管受到突發(fā)公共衛(wèi)生事件的影響，共享單車騎行仍然呈現(xiàn)明顯的早晚高峰現(xiàn)象，騎行時(shí)長(zhǎng)以5～10分鐘為主；第三，在空間特征上，騎行距離以短中距離為主，騎行熱點(diǎn)區(qū)域主要集中在芝加哥市中心區(qū)域并呈現(xiàn)由市中心向郊區(qū)擴(kuò)散的趨勢(shì)。

關(guān)鍵詞：共享單車；時(shí)空特征；突發(fā)公共衛(wèi)生事件；公開數(shù)據(jù)

中圖分類號(hào)：F570；U491 文獻(xiàn)標(biāo)志碼：A DOI：10.13714/j.cnki.1002-3100.2024.18.022

Abstract： In recent years， bike-sharing has been widely used as a low-carbon and environmentally friendly emerging travel mode， which can effectively solve the "last kilometer"problem of residents' travel. Due to its characteristics such as open use environment and being good for social distancing， the characteristic of using bike-sharing to travel in the context of public health emergencies has become a hot topic. Based on the public data set， this paper analyzes the spatiotemporal characteristics of bike-sharing travel in Chicago in 2021 and 2022. The results show that in 2022， bike-sharing rides decreased significantly compared with 2021， yet the decrease of bike-sharing ridership was lower than buses and rail， that in terms of temporal characteristics， despite the impact of public health emergencies， bike-sharing riding still presented an obvious morning and evening peak phenomenon with 5～10 minutes cycling duration， and that in terms of spatial characteristics， the cycling distance was mainly short or medium， and the cycling hotspots appeared in the downtown area of Chicago and showed a trend of spreading from the downtown area to the suburbs.

Key words： bike-sharing; spatial-temporal characteristics; public health emergencies; public data

0 引 言

共享單車以其靈活性、低成本和便利性，成為城市居民短途出行的首選之一，在某種程度上解決了居民出行的“最后一公里”[1]。然而突發(fā)公共衛(wèi)生事件的爆發(fā)會(huì)給人們的生活習(xí)慣造成影響，隨之帶來出行結(jié)構(gòu)及出行特征的變化。由于突發(fā)公共衛(wèi)生事件具有較強(qiáng)的傳播性，共享單車作為一種使用環(huán)境開放、能夠保持一定社交距離的交通工具，成為部分城市居民出行的主要選擇之一。

目前對(duì)共享單車的研究主要可以分為以下幾個(gè)方面。首先，共享單車的時(shí)空特征研究，在這一方面，鄧力凡等發(fā)現(xiàn)共享單車的騎行存在不同的空間特征，總共包括五種不同的類型[2]；王璐等發(fā)現(xiàn)工作日熱點(diǎn)區(qū)域比休息日更集中，工作日存在明顯的早晚高峰和潮汐現(xiàn)象[3]；陳冰郎等以成都主城區(qū)為研究范圍，發(fā)現(xiàn)騎行活動(dòng)多集中在城區(qū)功能復(fù)合區(qū)域[4]。其次，對(duì)共享單車用戶屬性的研究，林雨平等對(duì)用戶屬性進(jìn)行了總結(jié)：騎行者以男性為主，且主要是中青年[5]；Wafic等發(fā)現(xiàn)用戶在溫暖的月份的使用時(shí)長(zhǎng)要長(zhǎng)于寒冷的月份[6]。再次，除了研究共享單車本身，學(xué)者們還分析了建成環(huán)境對(duì)共享單車的影響作用，周艷等認(rèn)為建筑密度、人口密度是共享單車起訖點(diǎn)分布的核心驅(qū)動(dòng)因子[7]；吳靜嫻等發(fā)現(xiàn)建成環(huán)境對(duì)早晚高峰時(shí)期的共享單車借、還車非線性作用差異明顯[8]；喻冰潔等發(fā)現(xiàn)騎行量與路網(wǎng)密度、人口數(shù)呈現(xiàn)顯著正相關(guān)[9]。最后，共享單車與其他交通工具之間的關(guān)系也受到學(xué)者熱議。Wang等研究了突發(fā)公共衛(wèi)生事件期間紐約市的共享單車和地鐵乘客量的變化，他發(fā)現(xiàn)在事件爆發(fā)初期共享單車和地鐵乘客量都急劇下降[10]；Ebrahimi等認(rèn)為在公交站點(diǎn)附近設(shè)置共享單車站點(diǎn)可以促進(jìn)可持續(xù)交通，減少汽車依賴[11]；Nicole 等分析了突發(fā)公共衛(wèi)生事件對(duì)俄勒岡州萊恩的公共交通和共享單車帶來的長(zhǎng)期影響[12]；Campbell等發(fā)現(xiàn)共享單車與其他交通方式之間是競(jìng)爭(zhēng)的關(guān)系，在共享單車附近的公交線路上，每天的公交乘客量顯著減少[13]。

上述研究表明共享單車的研究范圍較為廣泛，目前雖有學(xué)者探究共享單車出行的時(shí)空特征，但考慮到突發(fā)公共衛(wèi)生事件對(duì)共享單車出行影響的研究較少。因此，本文主要使用2021年和2022年的芝加哥市共享單車出行數(shù)據(jù)，研究突發(fā)公共衛(wèi)生事件期間的共享單車出行的時(shí)空特征。

1 研究區(qū)域與研究方法

1.1 研究區(qū)域

芝加哥是美國(guó)第三大城市，位于美國(guó)伊利諾伊州，密歇根湖西南岸，總面積約為606.2平方千米。芝加哥總共包括77個(gè)社區(qū)區(qū)域，這些區(qū)域涵蓋了芝加哥的文化、經(jīng)濟(jì)、綜合服務(wù)等重要職能。2013年，芝加哥交通部門推出了Divvy Bikes，這是芝加哥的一種共享單車系統(tǒng)，為城市居民提供了更多的交通選擇。芝加哥也是美國(guó)最早開始投放共享單車的城市之一。本次研究選取芝加哥77個(gè)社區(qū)作為研究區(qū)域（見圖1）。

1.2 數(shù)據(jù)來源

本研究使用的數(shù)據(jù)是公開數(shù)據(jù)集，包括芝加哥Divvy Bikes系統(tǒng)的歷史行程數(shù)據(jù)和芝加哥地圖數(shù)據(jù)。其中歷史行程數(shù)據(jù)為2021年至2022年Divvy Bikes訂單數(shù)據(jù)（https：//www.divvybikes.com/system-data），共計(jì)約1 120萬條數(shù)據(jù)。芝加哥的Divvy Bikes是有樁共享單車，訂單數(shù)據(jù)包括訂單ID、起始時(shí)間、結(jié)束時(shí)間、起始經(jīng)緯度、結(jié)束經(jīng)緯度、起始與結(jié)束的站點(diǎn)名稱等。芝加哥地圖數(shù)據(jù)來自O(shè)SM（https：//www.open－streetmap.org/）。騎行行為都是用戶自發(fā)進(jìn)行的，因此這些數(shù)據(jù)具有客觀性。

1.3 研究方法

本研究主要借助python語言來進(jìn)行分析，包括剔除異常值、統(tǒng)計(jì)分析等，首先利用pandas對(duì)數(shù)據(jù)進(jìn)行時(shí)間層面的統(tǒng)計(jì)，然后利用matplotlib來可視化數(shù)據(jù)，最后根據(jù)騎行的起始和結(jié)束經(jīng)緯度統(tǒng)計(jì)騎行的熱點(diǎn)區(qū)域以及熱門路線，并通過folium和Google Map可視化。

1.4 數(shù)據(jù)預(yù)處理

對(duì)共享單車進(jìn)行時(shí)空特征分析需要用到共享單車的訂單數(shù)據(jù)。在分析之前需要對(duì)數(shù)據(jù)進(jìn)行一些處理。首先，考慮到原始數(shù)據(jù)中可能存在重復(fù)值和缺失值，因此需要先剔除重復(fù)值和缺失值，剔除后的數(shù)據(jù)為8 957 662條；其次，將原始數(shù)據(jù)中的時(shí)間轉(zhuǎn)化為datetime數(shù)據(jù)類型的時(shí)間序列；最后，將日期拆分為工作日和周末并添加相應(yīng)的字段，同時(shí)添加騎行時(shí)長(zhǎng)，方便后續(xù)統(tǒng)計(jì)和分析。

2 共享單車騎行的整體特征

突發(fā)公共衛(wèi)生事件突然爆發(fā)給所有的出行方式都帶來了不小的影響。芝加哥市2019年地面公交和軌道交通的客流量分別為669 266人次和490 606人次，而2021年地面公交和軌道交通的客流量則為327 619人次和181 287人次。突發(fā)公共衛(wèi)生事件期間地面公交和軌道交通的客流量相比事件發(fā)生前分別下降了約51.09%和62.96%。共享單車在此期間的出行量相比之前則下降了約16.03%。由此可見，突發(fā)公共衛(wèi)生事件使地面公交和軌道交通的客流量大幅減少，共享單車雖然也受到了影響，但與其他交通方式相比影響較小。

為了清楚地展示和對(duì)比突發(fā)公共衛(wèi)生事件期間共享單車的總體騎行特征，本研究統(tǒng)計(jì)了2021年和2022年每月騎行次數(shù)，并利用matplotlib將數(shù)據(jù)可視化（見圖2）。根據(jù)統(tǒng)計(jì)結(jié)果，2021年的總騎行次數(shù)4 588 302次，2022年總騎行次數(shù)4 369 360次。2022年，總體騎行次數(shù)相較于2021年是有明顯的下降，但是芝加哥共享單車租賃點(diǎn)的數(shù)量卻從2021年的842個(gè)增加到了2022年的1 556個(gè)。由此可以推測(cè)，芝加哥2022年騎行量的減少并不是因?yàn)樽赓U點(diǎn)減少，而可能是受到了突發(fā)公共衛(wèi)生事件的影響，人們開始減少外出，共享單車的騎行量也相應(yīng)減少。

從圖2中可以發(fā)現(xiàn)，騎行高峰集中在6、7、8月，此時(shí)正好處于夏季，適合騎單車出行；騎行低谷集中在12月、1月、2月，由于寒冷的天氣，人們出行更愿意選擇乘坐公共交通工具。為了進(jìn)一步弄清楚2022年共享單車騎行次數(shù)減少的具體情況，計(jì)算了環(huán)比增長(zhǎng)率。表1展示了2022年相對(duì)比2021年的每月騎行量的環(huán)比增長(zhǎng)情況。從表1中可以看出，除了2月其余月份在2022年的騎行次數(shù)都是下降的。這可能是由于在突發(fā)公共衛(wèi)生事件期間，為避免受到感染，人們減少了外出和使用共享單車的頻率。

3 時(shí)間特征可視化分析

3.1 工作日與非工作日騎行量分析

針對(duì)芝加哥在突發(fā)公共衛(wèi)生事件期間的共享單車出行時(shí)段特征的分析，主要集中于不同時(shí)段的變化，將時(shí)段劃分為24小時(shí)，每小時(shí)是一個(gè)時(shí)段。由于前期統(tǒng)計(jì)和新增了工作日和周末，因此對(duì)周一至周日的共享單車的每個(gè)時(shí)段騎行量進(jìn)行統(tǒng)計(jì)，結(jié)果如圖3所示。

周一至周五為工作日，在這一時(shí)期共享單車的騎行量有兩個(gè)高峰，分別是7：00—8：00和17：00—18：00。這兩個(gè)時(shí)段正好對(duì)應(yīng)著通勤的早晚高峰。周末騎行量的曲線較為平滑，沒有明顯的高峰，大部分集中在10：00—18：00。這個(gè)時(shí)段正是人們休閑娛樂的時(shí)間。盡管處于突發(fā)公共衛(wèi)生事件期間，共享單車騎行的時(shí)段特征仍與事件發(fā)生前一樣存在明顯的早晚高峰。這可能是因?yàn)樵谕话l(fā)公共衛(wèi)生事件期間并不是所有的公司都實(shí)行線上辦公，一些人仍需要每天上班通勤，而在此期間，共享單車相較于公交、地鐵受感染的風(fēng)險(xiǎn)較小，所以人們會(huì)選擇騎行上下班，這就導(dǎo)致了騎行早晚高峰的存在。

3.2 騎行時(shí)長(zhǎng)分析

對(duì)時(shí)間特征進(jìn)行統(tǒng)計(jì)分析時(shí)需要考慮的一個(gè)重要的特征就是騎行時(shí)長(zhǎng)，在這部分的分析中，首先根據(jù)增加的trip duration字段統(tǒng)計(jì)了騎行時(shí)長(zhǎng)，但統(tǒng)計(jì)結(jié)果顯示騎行時(shí)長(zhǎng)存在異常值導(dǎo)致騎行時(shí)長(zhǎng)的長(zhǎng)尾分布過長(zhǎng)，因此新增騎行速度，通過計(jì)算騎行速度來剔除異常值得到新的騎行時(shí)長(zhǎng)如圖4所示。2021年和2022年的騎行時(shí)長(zhǎng)呈現(xiàn)長(zhǎng)尾分布，兩年的的騎行時(shí)長(zhǎng)都集中在0～30分鐘，其中5～10分鐘的騎行次數(shù)是最多的。此外，2021年的平均騎行時(shí)長(zhǎng)為19分鐘，而2022年平均騎行時(shí)長(zhǎng)則為16分鐘，平均騎行時(shí)長(zhǎng)相較上一年有所縮短。

4 空間特征可視化分析

4.1 騎行距離分析

Haversine公式是一種特定的球面距離計(jì)算公式，用于計(jì)算球面上兩點(diǎn)之間的距離。由于訂單數(shù)據(jù)中沒有給出軌跡數(shù)據(jù)，因此騎行距離的計(jì)算采用Haversine公式，計(jì)算兩點(diǎn)之間的球面距離，該距離不是實(shí)際距離。根據(jù)Haversine公式，lat1、lat2表示緯度、lon1、lon2表示經(jīng)度，兩點(diǎn)之間的距離算法如下。

式（1）中R表示球面半徑，在本公式中R=6 378*1 000m。在對(duì)騎行距離進(jìn)行統(tǒng)計(jì)時(shí)，將騎行距離劃分為了0～1km，1～2km，2～3km，3～4km以及4km以上。圖 5顯示了騎行距離的不同分布情況。2021年和2022年騎行距離中占比最大的都是1～2km，達(dá)到了35%左右，其次就是2～3km和0～1km，分別占比約21%和20%，占比最小的是4km以上，僅占不到10%。與2021年相比，2022年的0～2km的騎行占比有所增加，并且0～2km的騎行占比達(dá)到了50%以上。

為驗(yàn)證是否國(guó)內(nèi)城市在突發(fā)公共衛(wèi)生事件期間也存在類似的騎行特征，本研究與上海市的共享單車使用行為特征進(jìn)行對(duì)比，結(jié)果發(fā)現(xiàn)，突發(fā)公共衛(wèi)生事件期間上海市共享單車的騎行距離95%小于1～3km，84%騎行時(shí)長(zhǎng)小于30分鐘，小于15分鐘的出行和小于3km的出行相對(duì)于突發(fā)公共衛(wèi)生事件之前都有所縮減，短距離騎行的趨勢(shì)在減少，相比之下中長(zhǎng)距離的騎行在逐漸增加[14]。突發(fā)公共衛(wèi)生事件期間共享單車變成了一部分用戶的主要出行工具，因此被更多地使用在了中長(zhǎng)距離的出行中。由此可見，突發(fā)公共衛(wèi)生事件期間，芝加哥的出行主要是以短中距離出行為主，但是上海共享單車卻主要用于中長(zhǎng)距離的出行（見圖5）。

4.2 騎行熱點(diǎn)區(qū)域分析

共享單車騎行的空間特征是進(jìn)行城市道路規(guī)劃的一個(gè)重要依據(jù)。為了弄清楚突發(fā)公共衛(wèi)生事件期間共享單車的空間特征，本研究利用python對(duì)共享單車出行的起終點(diǎn)經(jīng)緯度進(jìn)行了統(tǒng)計(jì)，最終通過folium呈現(xiàn)出了2021年和2022年共享單車起終點(diǎn)的熱點(diǎn)區(qū)域（見圖6）。從圖6（a）和圖6（b）中可以看出，2022年相比于2021年共享單車起點(diǎn)的熱點(diǎn)區(qū)域呈現(xiàn)擴(kuò)散趨勢(shì)，從以密歇根湖沿岸為主向西邊擴(kuò)散，熱度最高的區(qū)域總體集中在盧普區(qū)、近西區(qū)和林肯公園等社區(qū)，這些社區(qū)正好是芝加哥的中心城區(qū)。圖6（c）和圖6（d）是共享單車終點(diǎn)的熱點(diǎn)區(qū)域，相比于起點(diǎn)，終點(diǎn)覆蓋的范圍要大于起點(diǎn)。芝加哥共享單車騎行的空間特征整體上從中心區(qū)域向郊區(qū)擴(kuò)散。2022年共享單車的終點(diǎn)的熱點(diǎn)區(qū)域相對(duì)于2021年更加集中，不斷爆發(fā)的突發(fā)公共衛(wèi)生事件使人們?cè)跍p少了長(zhǎng)距離的出行，出行區(qū)域更愿意集中在離中心城區(qū)較近的區(qū)域。

4.3 騎行熱門路線分析

突發(fā)公共衛(wèi)生事件的肆虐并沒有減少芝加哥人騎行共享單車的熱度，作為突發(fā)公共衛(wèi)生事件期間的一種重要的交通工具，對(duì)共享單車騎行路線的分析顯得十分重要。首先，基于熱門騎行區(qū)域，統(tǒng)計(jì)了兩年的熱門騎行站點(diǎn)。2021年排名前五的熱門騎行站點(diǎn)分別為Streeter Dr & Grand Ave、Michigan Ave & Oak St、Wells St & Concord Ln、Millennium Park和Clark St & Elm St； 2022年的熱門騎行站點(diǎn)包括Streeter Dr & Grand Ave、DuSable Lake Shore Dr & Monroe St、DuSable Lake Shore Dr & North Blvd、Michigan Ave & Oak St和Wells St & Concord Ln，這些站點(diǎn)均位于芝加哥市中心區(qū)域。其次，提取出不同時(shí)段熱門騎行路線的起始站點(diǎn)和結(jié)束站點(diǎn)的經(jīng)緯度，對(duì)起始點(diǎn)和結(jié)束點(diǎn)分別進(jìn)行聚類分析，合并起始點(diǎn)和結(jié)束點(diǎn)的聚類結(jié)果就得到了不同時(shí)段的熱門騎行線路。最后，利用Google Map的騎行路線規(guī)劃將這些熱門騎行路線可視化，但由于缺少騎行軌跡數(shù)據(jù)，這些路線只是用戶可能的騎行路線，并非真實(shí)路線。

圖7展示了Google Map模擬出的2021年和2022年的熱門騎行路線。從圖7中可以看出，這些路線都是在市中心移動(dòng)。附近有紐貝利圖書館、林肯公園、慕迪圣經(jīng)學(xué)院、洪堡公園等，這些區(qū)域既有居住區(qū)、購物區(qū)也有學(xué)校、景點(diǎn)，能夠?yàn)橛脩籼峁┬蓍e娛樂以及基本的生活服務(wù)。此外，一些熱門線路附近還有許多的地鐵站點(diǎn)和公交站點(diǎn)，能夠?yàn)榫用駬Q乘公交和地鐵提供方便。從城市規(guī)劃的角度來說，應(yīng)該加大這些路線附近站點(diǎn)數(shù)量的設(shè)置以及這些站點(diǎn)的單車投放量。

5 結(jié)論與展望

本研究主要針對(duì)突發(fā)公共衛(wèi)生事件期間芝加哥市共享單車騎行的時(shí)空特征進(jìn)行可視化分析，揭示了突發(fā)公共衛(wèi)生事件期間芝加哥市的共享單車騎行特征。第一，2022年共享單車騎行量相比2021年有明顯下降，但其下降程度低于同時(shí)期的地面公交和軌道交通客流量。第二，在時(shí)間特征上，盡管受到突發(fā)公共衛(wèi)生事件的影響，共享單車騎行仍然呈現(xiàn)明顯的早晚高峰現(xiàn)象；騎行時(shí)長(zhǎng)呈現(xiàn)長(zhǎng)尾分布，以5～10分鐘的騎行為主。第三，在空間特征上，突發(fā)公共衛(wèi)生事件期間騎行熱點(diǎn)區(qū)域主要集中在芝加哥市中心區(qū)域，并呈現(xiàn)由市中心向郊區(qū)擴(kuò)散的趨勢(shì)；騎行距離以短中距離為主；熱門站點(diǎn)和熱門線路都集中在市中心附近。

根據(jù)上述研究結(jié)論，可以給突發(fā)公共衛(wèi)生事件期間共享單車的管理提供一些啟示。由于突發(fā)公共衛(wèi)生事件對(duì)共享單車騎行量造成了明顯的影響，在面對(duì)突發(fā)公共衛(wèi)生事件時(shí)需要采取靈活的策略，如調(diào)整運(yùn)營(yíng)規(guī)模和資源分配，以適應(yīng)需求的變化；根據(jù)騎行量高峰和低谷時(shí)段的分析結(jié)果，可以針對(duì)不同時(shí)段采取不同的運(yùn)營(yíng)策略：在高峰時(shí)段增加車輛供應(yīng)量，確保用戶能夠方便地租賃和歸還單車；騎行熱點(diǎn)區(qū)域主要集中在芝加哥市中心區(qū)域，應(yīng)該加強(qiáng)對(duì)這些區(qū)域的管理和監(jiān)控，確保共享單車的供需平衡，避免過度擁堵或資源浪費(fèi)。但是，本研究?jī)H僅從時(shí)空分析的角度探討了突發(fā)公共衛(wèi)生事件期間的共享單車的特征，沒有考慮到共享單車與其他公共交通工具之間的聯(lián)系，并且以芝加哥作為研究區(qū)域具有一定的特殊性，共性不足。因此，之后的研究會(huì)著重圍繞共享單車與其他公共交通工具之間的聯(lián)系來進(jìn)一步探索共享單車的使用特征和管理方法，以期進(jìn)一步完善發(fā)現(xiàn)研究成果。

參考文獻(xiàn)：

[1] ZHANG Yongping，LIN Diao，MI Zhifu．Electric fence planning for dockless bike-sharing services[J]．Journal of CleanerProduction，2019，206：383-393.

[2] 鄧力凡，謝永紅，黃鼎曦． 基于騎行時(shí)空數(shù)據(jù)的共享單車設(shè)施規(guī)劃研究[J]．規(guī)劃師，2017，33（10）：82-88.

[3] 王璐，李斌，徐永龍，等． 基于共享單車數(shù)據(jù)的居民出行熱點(diǎn)區(qū)域與時(shí)空特征分析[J]． 河南科學(xué)，2018，36（12）：2010-2015.

[4] 陳冰郎，喻冰潔．共享單車出行特征及影響因素的空間異質(zhì)性研究——以成都市為例[C]//中國(guó)城市規(guī)劃學(xué)會(huì)．人民城市，規(guī)劃賦能——2023中國(guó)城市規(guī)劃年會(huì)論文集（06城市交通規(guī)劃）.深圳市城市規(guī)劃設(shè)計(jì)研究院，西南交通大學(xué)建筑學(xué)院，2023.

[5] 林雨平，方捷，邱美華，等．基于Logistic回歸的公共自行車騎行特征分析—以福州市為例[J]．交通運(yùn)輸研究，2017，3（3）：14-19.

[6] El-ASSI W，MSHMOUD M S，HABIB K N．Effects of built environment and weather on bike sharingdemand：Astation level analysis of commercial bike sharing in Toronto[J]．Transportation，2017，44：589-613.

[7] 周艷，邵海雁，靳誠(chéng).基于大數(shù)據(jù)的廈門島建成環(huán)境對(duì)共享單車起訖點(diǎn)分布的影響[J].南京師大學(xué)報(bào)（自然科學(xué)版），2024，47（1）：21-29.

[8] 吳靜嫻，唐桂孔，李文翔.建成環(huán)境對(duì)共享單車分時(shí)騎行量的非線性作用研究：以上海市為例[J].交通運(yùn)輸系統(tǒng)工程與信息，2024，24（1）：290-298，310.

[9] 喻冰潔，梁源，楊林川． 波士頓共享單車出行與街區(qū)建成環(huán)境的關(guān)系研究——基于廣義可加混合模型[J]．世界地理研究，2023，32（2）：48-58.

[10] WANG Haoyun， NOLAND R B． Bikeshare and subway ridership changes during the COVID-19 pandemic in New York City[J].Transport policy，2021，106：262-270.

[11] EBRAHIMI Z D，MOMRNITSBSR M， NASRI A A，et al. Using a GIS-based spatial approach to determine the optimallocations of bikeshare stations：The case of Washington D.C[J].Transport Policy，2022，127：48-60.

[12] NGO N S，MARTIN A．A case study on the impacts of COVID-19 on bus ridership，bikesharing，and equity in a smallU.S.county[J/OL].Journal of Public Transportation，2023，25：100065.[2023-12-15].https：//doi.org/10.1016/j.jpubtr.2023.100065.

[13] CAMPBELL K B，BRAKEWOOD C．Sharing riders：How bikesharing impacts bus ridership in New York City[J].Transportation Research Part A：Policy and Practice，2017，100：264-282.

[14] 惠英，廖佳妹，唐磊，等． 疫情期間共享單車的使用行為與意愿[J]． 城市交通，2020，18（6）：100-109.