基于GIS的昆明市区共享单车运维资源分配研究

秦红富，谈树成*，施旖奇，王 超，金小海

（1.云南大学地球科学学院，云南 昆明 650500）

目前昆明市区的共享单车运维调度主要是依靠人工，运维资源空间分配的合理性将直接影响共享单车的空间分布[1-5]。因此，运用GIS方法对昆明市区共享单车进行空间分布特征分析和共享单车运维资源分配研究[6-14]，为昆明市区共享单车运维调度管理提供技术支撑。

1 研究区域和数据来源

1.1 研究区域

昆明市中心城区包括五华区、官渡区、盘龙区、度假区、高新区、西山区、经开区、呈贡区等8个区，本文的研究区域（图1）主要包括高新区、度假区、五华区以南、呈贡区以北等，面积合计311.36 km2，位于昆明市区的中心区域。

图1 研究区位置

1.2 数据来源

本文的主要数据来源于2018年8月—2020年8月，昆明市第三方考核评估机构实地考核数据，经初步预处理后共计10 641条数据，涉及问题车辆25 101辆。第三方考核评估机构对共享单车的考核主要涉及车辆性能是否良好，是否按要求上牌，是否违规停放，超范围停放等问题。实地考核数据主要包含考核时间，问题点经纬度，各类问题车辆的数量等信息。总体而言，第三方考核评估采集的数据都是共享单车问题数据（以下简称问题点数据），所涉及的车辆均需要调度或者回收，所以将各项问题对应的车辆数求和，即可得到该点需要运维调度的车辆数。基于此，本研究将主要采用此数据进行分析，其他运维资源分布数据来源于各运营企业，路网数据及行政区划数据来源于OpenStreetMap，研究区矢量来源于各企业运营区范围矢量化。

1.3 研究思路

基于第三方野外实测数据，通过统计分析发现昆明市共享单车运营过程当中存在的主要问题；再基于昆明市行政区划和道路路网矢量数据利用核密度分析、聚类和异常值分析、叠置分析等GIS方法，对昆明市区共享单车问题进行系统的诊断分析，并得出共享单车问题的空间分布特征；最后根据问题的空间分布和综合诊断分析的结果，得出适合昆明市区运维资源空间布局优化的科学性建议。为各共享单车企业的运维调度提供决策支持，以期为昆明市政府开展共享单车运维服务管理工作，以及其他学者开展相关研究提供参考。

2 研究方法

2.1 聚类和异常值分析

聚类和异常值分析是一种基于Z得分和置信度的聚类分析方法，该方法通过计算要素Z得分来确定聚类类型。Z值越高，聚类程度就越高。Z得分接近零，则表示研究区域内不存在明显的聚类。Z得分为正表示高值的聚类，Z得分为负表示低值的聚类。在ArcGIS10.7中，要素的Z得分是一个较高的正值，表示周围的要素拥有相似值，输出要素类中的COType字段将具有显著统计性的高值聚类表示为HH，将具有统计显著性的低值聚类表示为LL，高值要素四周围绕低值要素表示为HL，低值要素四周围绕高值要素表示为LH。要素的Z得分是一个较低的负值，表示一个具有统计显著性的空间异常值[17]。

2.2 核密度分析

每个点上方均覆盖着一个平滑曲面，在点所在位置处表面值最高，随着与点的距离增大，表面值逐渐减小，在与点的距离等于搜索半径的位置处表面值为零，允许使用圆形邻域，在其领域曲面与平面所围成的空间的体积等于此点的Population值，将此字段值指定为NONE则体积为1。每个像元的密度为该像元位置中心及所在邻域内像元值之和。核密度分析主要用于计算要素在其周围领域中的密度，本文采用点要素的核密度分析，对研究区共享单车问题数据进行核密度分析，得出昆明市共享单车问题的空间分布特征。

3 昆明市区共享单车运维资源分配分析

3.1 共享单车问题统计分析

第三方考核评估机构在对昆明市进行野外考核时，主要针对车辆的质量管理、投放、停放、运维、调度管理等方面进行考核。考核过程中将需调度或维修的问题细分为车辆性能是否良好，车身是否整洁，是否按要求上牌，是否违规停放，超范围停放等13类问题。通过对预处理后的10 641条野外数据进行统计描述，可得各类问题的占比情况（表1）。

表1 问题占比统计表

通过表1可知，在25 101辆问题车辆中，乱停乱放情况所占的比例最大为60.98%；其次是车身张贴小广告占比18.62%；性能不完好和允许停放区域违规停放情况各占比10.28%和10.12%。

3.2 共享单车问题空间分布特征分析

运用ArcGIS10.7中的核密度分析工具，基于预处理后昆明市区2018年8月—2020年8月的共享单车问题点数据进行核密度分析，得出共享单车在昆明市区象元大小为1 m的核密度图（图2左）。接着采用线密度分析工具，基于道路矢量数据以车道数为权重，生成初始密度成果，格式为栅格数据；使用栅格转面工具，将栅格单元转为矢量面单元，再使用相交工具与道路矢量求交集；采用自然间断法将路网分为4个级别：I、II、III、IV（Ⅰ表示路网密度最低，Ⅳ表示路网密度最高），得出研究区道路路网密度分级图（图2右）。

图2 问题热点与路网密度空间分布图

根据问题热点图和路网密度分级图，可以得出昆明市区的共享单车问题点分布具有以下特征：

1）交通路网越密集的地方，越容易成为热点区。

2）西山区、官渡区以南核密度值较低，问题车辆相对较少。

3）经开区、呈贡区核密度值整体较低，没有明显问题热点区，问题车辆数较少。

采用重分类工具基于自然间断法将核密度分析的结果分为4类，分别记为I、II、III、IV；IV类代表共享单车问题最严重区域，I类代表共享单车问题相对较少区域，分类结果（图4）；再根据分类的结果可得各类区域涉及的问题车辆数及其占比（表2）。

表2 自然间断法分类结果

由表2可知，IV类问题区域即问题最严重区域共涉及问题车辆7 579辆，占总问题车辆数的30.19%，主要分布于高新区、度假区、五华区盘龙区以南、西山区官渡区以北；Ⅰ类问题区域是问题最不严重区域，分布区面积占运维区面积最大，但是涉及问题车辆数最少为2 335辆。结合图3可知昆明市区大部分问题车辆主要集中于五华区、盘龙区、西山区、官渡区4个区的交汇处（市中心），存在问题的区域共享单车问题点的分布呈现从中心向四周逐渐减少的趋势；经开区和呈贡区共享单车问题点分布较少；市中心和高新区、度假区共享单车问题点分布最为密集，最容易成为问题热点区域。

图3 问题热点空间分布图

3.3 运维资源分配分析

根据以上研究可知，由于昆明市区问题点空间分布的特殊性，传统的运维调度资源分配方法不适用于昆明市区。本研究将基于共享单车问题点数据采用聚类和异常值分析法将问题点数据进行聚类分析，拟采用聚类结果来对运维资源进行优化，即聚高值聚类区和高值异常聚类区个数的多少决定运维资源的多少。

首先采用ArcGIS10.7生成研究区100 m×100 m的规则格网（图4）

图4 100 m×100 m格网示意图

从图4中落入每个格网单元的共享单车问题点数，将生成的规则网格由线文件转为面文件，与问题点数据进行空间联合，得到空间联合后的面图层，然后对得到的数据进行聚类和异常值分析，领域搜索阈值采用默认值为101.19 m，得出昆明市区共享单车聚类结果(表3）。

表3 聚类结果按统计表

由表3可知高值聚类区和高值异常聚类区占总问题车辆数的69.01%，高值聚类区表明该区域是共享单车问题最严重的区域。通过分析，发现高值聚类区绝大部分位于路网密集，人流量大的区域，这些区域占问题车辆数的47.62%，高值异常区周围大都是地铁站、大型商场市场周边等。这些区域占问题车辆数的21.39%，其他区域占问题车辆数的30.99%。分别用各区的行政界线对聚类的结果进行裁剪，可得昆明市8个主城区共涉及HH、HL聚类区1 762个，表3得出的8个主城区共有HH、HL聚类区1 658个，显示各区的边界上存在HH、HL聚类区，导致裁剪时将一个HH或HL聚类区划分为多个。故运维资源的优化不能采用HH、HL聚类区的个数，优化后的资源分配的占比采用的是面积占比，即各区HH、HL聚类区面积占8区总HH、HL聚类区的比例确定。最终按各区的行政区划边界进行重新优化分配可得运维资源优化分配表（表4）和优化后区级运维资源的空间分布图（图5）。

表4 运维资源优化分配表

由表4和图5可知，运维资源的空间分布官渡区、五华区、盘龙区、西山区占比最多，都达到了15%以上，经开区最少运维资源占比仅为5.94%。高新区和度假区虽然运维资源的占比都为10%左右，但高新区和度假区的行政区面积远小于其他区，单位面积的运维资源占比高新区最大，度假区次之，所以高新区和度假区一样也是问题热点分布区。

4 结论

本文以昆明市三家企业的运维区为研究区，基于昆明市第三方共享单车考核评估机构实地考核数据，采用核密度分析，聚类和异常值分析等方法对昆明市区共享单车的空间分布、运维资源的分配做了深入研究。研究结果表明：

1）昆明市区共享单车存在主要问题是乱停乱放和人为损坏车身。

2）共享单车的问题严重区域主要集中于昆明市中心、高新区、度假区等。

3）优化后运维资源空间分布于官渡区、五华区、盘龙区、西山区占比最多，都达到了15%以上，经开区最少运维资源占比仅为5.94%；高新区和度假区，运维资源的占比为10%左右。

目前第三方考核评估机构的问题点数据只能得出研究区空间尺度运维资源优化分配，时间尺度运维资源优化分配还有待于进一步研究。