共享单车站点画像与城市背景：基于不对称聚类的失衡理解

《Environment and Planning B: Urban Analytics and City Science》：Bike-sharing station profiles and urban context: Understanding imbalance with asymmetry-based clustering

　　

描述共享单车系统（Bike-Sharing System, BSS）的使用特征有助于实现更高效的规划与运营。站点层面的失衡通常被视为需要纠正的运营缺陷。然而，取车与还车之间的系统性不对称可能反映出稳定的行为与空间模式。本研究旨在将失衡重新定义为一种可以被系统刻画的行为与空间信号。本文提出了一个集成框架，用于分析基于站点的共享单车系统中的站点层面不对称性，并推导出可解释的行为站点画像。该框架结合了四个步骤：时间分析、绝对和相对不对称指数计算、基于不对称性的K-means站点聚类以形成特定画像，以及基于地理信息系统（GIS）的画像制图。该方法应用于布达佩斯的MOL Bubi公共共享单车系统的行程记录。结果揭示了工作日与周末之间的明显对比，以及工作日通勤高峰之间的对比，并在工作日内城区与周边住宅区之间存在稳健的源-汇模式。研究识别出五种行为站点画像，捕捉城市背景。住宅区的站点在早晨充当源，在下午充当汇；市中心区域的站点则相反。空间分析突出了重复出现的特征，包括铁路和地铁站点附近使用模式的变化。通过将基于不对称性的站点画像与城市结构和公共交通接口明确联系起来，该框架支持数据驱动的规划、再平衡策略和站点布局。布达佩斯案例研究从代表性不足的中东欧（Central and Eastern European, CEE）背景提供了新的经验证据，表明基于不对称性的画像能够产生稳定且与运营相关的见解。

**研究背景与问题**

共享单车系统（Bike-Sharing System, BSS）已成为可持续城市交通的关键组成部分，提供灵活、低排放的出行方式，并补充公共交通和步行。现有研究主要集中于需求预测、再平衡和系统设计。站点失衡通常被定义为取车与还车之间的差异，被视为需要纠正的运营缺陷，可能导致空站、满站或超载，降低服务可靠性。然而，取车与还车之间的系统性不对称可能反映稳定的行为和空间模式。目前站点层面的时空不对称研究不足，基于方向性使用（源、汇或平衡）定义站点画像并将其与空间模式联系的研究有限，且中东欧（Central and Eastern European, CEE）城市（包括布达佩斯）在实证研究中代表性不足。为此，本研究旨在将失衡重新定义为可被系统刻画的行为和空间信号，提出集成框架分析站点层面不对称性。该论文发表在《Environment and Planning B: Urban Analytics and City Science》。

**研究内容与意义**

研究人员利用布达佩斯交通中心（BKK）提供的2023年9月至2024年8月一整年匿名行程数据，原始数据包含3,816,160次骑行，数据清洗后得到3,481,606次，经工作日筛选后最终使用2,642,775次。研究提出四步框架：时间序列分析、不对称指数计算、基于不对称性的K-means聚类、基于GIS的制图。结果表明，工作日与周末存在显著差异，工作日通勤高峰明显，内城与周边住宅区之间出现稳健的源-汇模式。识别出五种行为站点画像，反映不同城市背景。研究将不对称性从运营问题重构为行为和空间信号，支持数据驱动的规划、再平衡策略和站点布局。布达佩斯案例为CEE背景提供了新的经验证据。

**关键方法**

研究人员使用布达佩斯交通中心提供的匿名行程记录，每条记录包含唯一行程编号、起止时间、站点代码、站点名称和地理坐标。方法分四步：第一步时间序列分析，按月度、周度、小时聚合；第二步计算绝对不对称指数（A_abs,i,t=DO_i,t?PU_i,t）和相对不对称指数（A_rel,i,t=（DO_i,t?PU_i,t）/（DO_i,t+PU_i,t））；第三步行为分析，利用总平方误差（SSE）方法确定典型时段，并对相对不对称维度进行K-means聚类，通过轮廓系数和bootstrap调整兰德指数验证聚类数，并测试峰值权重敏感性；第四步空间分析，使用GIS制图，并用卡方检验评估站点画像与城市背景类别的关联。

**研究结果**

**时间序列与不对称分析（步骤1–2）**：基于全年清洗数据，月度使用量呈明显季节性，高峰在5月（约418k）、6月（约400k）和9月（约409k），低谷在12月（约111k）和1月（约117k）。冬季相对不对称的标准差较高（约0.05–0.06），暖季较低（约0.03–0.04），表明冬季通勤出行占比更大，方向性更强。工作日与周末在日总量上无显著差异，但小时模式显著不同：工作日出现早晚高峰，周末使用更均匀。绝对与相对不对称指数互补：绝对指数适合识别高峰结构性失衡，相对指数可跨站点比较。

**行为与空间分析（步骤3–4）**：仅用工作日数据。通过SSE方法将一天划分为8个时间区间（0–5、5–7、7–9、9–11、11–16、16–18、18–20、20–24）。K-means聚类经验证后选择五类。五种画像中，两种为“早晨汇、下午源”型（Profile 1和2，强度不同），一种为全天准中性型（Profile 3），两种为“早晨源、下午汇”型（Profile 4和5，其中Profile 5强度大）。空间分布显示，市中心站点多为早晨汇、下午源，住宅区站点相反。铁路站点（如53、163）行为类似住宅区站点，而住宅区的地铁站点（如99、189）行为类似市中心站点，表明其承担“最后一公里”功能。站点画像与城市背景显著相关（χ²=80.68, df=12, p<0.001, N=213，Cramer's V=0.36）。此外，在Cs?rsz街和SOTE大学附近发现若干迷你枢纽-辐条结构，即多个反向不对称画像的站点围绕一个中心站点。

**讨论与结论**

讨论部分指出，站点不对称不应自动视为系统故障，某些源-汇模式是土地利用和通勤流的功能性预期结果。例如，住宅区站点早晨为源、下午为汇，反映常规通勤行为；商业/活动区站点早晨为汇、下午为源，反映其作为目的地的作用。画像的操作意义在于区分预期功能不对称和需要干预的失衡：若住宅区早晨源站点在早高峰前被取空，或商业区早晨汇站点达到满桩容量，则需要干预，如峰值前调度、峰值后重新分配、停车容量调整或用户激励。研究还发现，迷你枢纽-辐条结构并非稀疏区域固有，而是在强吸引点（如交通枢纽、大学校园）附近形成。

本研究旨在分析站点级共享单车使用的时间不对称性，基于方向性不平衡推导行为站点画像，并探索源-汇动态的空间结构，以支持规划和再平衡。研究人员提出了一个四步框架，结合时间序列分析、绝对和相对不对称指数、基于K-means的聚类和基于GIS的制图。不对称的双重表示区分了体量驱动效应和结构性失衡：绝对不对称捕捉站点活动方向性不平衡的幅度，而相对不对称通过总交通量对不平衡进行归一化。相对不对称能够比较不同使用水平的站点，揭示其独立于需求强度的行为角色。

以布达佩斯的MOL Bubi系统为案例研究，研究人员在中东欧城市背景下的广泛共享单车网络中测试了该框架。结果揭示了清晰的工作日-周末差异、显著的通勤高峰，以及市中心和住宅区之间稳健的源-汇模式。识别出五种站点画像，捕捉了不同角色，如内城汇、住宅源和公共交通相关吸引站。空间分析突出了重复出现的模式，包括在Cs?rsz街和SOTE大学附近等强吸引点周围的迷你枢纽-辐条结构，其中多个反向行为的邻居站点围绕一个中心站点。

作为主要贡献，研究人员将失衡重新定义为一种可系统刻画的行为和空间信号，而非仅仅是一个运营问题。贡献在于使用既有的流量不平衡测度来构建站点分类的时间方向性特征。通过基于源-汇行为定义站点画像并将其与城市结构和公共交通接口联系起来，该框架提供了实用视角，用于解释给定的失衡是功能性预期还是运营问题。这一区分可支持更有针对性的再平衡、更好的站点容量规划、更合适的激励设计和更明智的站点布局决策。布达佩斯案例为CEE城市增加了经验证据，并证明基于不对称性的画像能够产生稳定、可解释且与运营直接相关的模式。