交通运输工程学院
COLLEGE OF TRANSPORTATION ENGINEERING
运输经济学 大作业1:无桩共享单车使用量预测
沈煜
综合交通信息与控制工程系
嘉定校区交通运输工程学院311室
yshen@tongji.edu.cn http://yushen.scripts.mit.edu/home/
几个基本概念
• 边际效应(marginal utility) • 弹性
• 需求预测
• ……
需求预测
经济预测的唯一功能就是让占星术看起来更靠谱。 ——埃兹拉·所罗门;约翰·加尔布拉斯
背景:无桩共享单车 • 2017年:
• 在全球1328个城市 中，有桩共享单车 总共约134万辆。
• 仅上海，无桩共享 单车投放量约为178 万辆。全国共投放 至少2000万辆共享 单车。
• ofo、mobike等陆续 进入新加坡市场
背景:数据获取
• 通过共享单车APP获 取空闲车辆ID、经纬 度坐标，得到共享单 车的投放总量
• 通过多个服务器进行 查询，记录区域内所 有车辆的GPS位移信 息，推断出共享单车 的使用情况
• 此外，还采集到交通 基础设施、城市建成 环境、天气等数据
背景:数据时段(2017.04-05)
sun mon
tue wed thu fri
sat
1
2345678
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 1 2 3 4 5 6
背景:空间分布
工作目标 • 定量研究
• 研究共享单车投放量与使用率的关系，理解边际效应 递减的规律;
• 结合投放量、交通基础设施、城市建成环境、天气等 因素，对共享单车使用需求进行预测;
• 估算这些因素对共享单车使用需求的弹性影响。 • 定性讨论
• 结合自己的理解，讨论共享单车这一运营模式是否可 持续。
数据文件
Excel表格(主要数据文件)
数据文件
Shapefile地图(供参考)
数据解释
• ID:数据库中的主键值(不用管)
• CELL_ID:土地块ID，对应shp文件中“id” • DAYS:日期
• HOURS:小时
• SEQ:以2017.04.26 0:00为0，每小时+1
• MOVE:土地块在这一小时内被使用的单车数 • TOTAL:土地块在这一小时内的单车总数
数据解释
• HDB:土地块公有住宅建筑的容积率
• PRIVATE:土地块私有住宅建筑的容积率
• COMM:土地块商业建筑的容积率
• INDU:土地块工业建筑的容积率
• CYCLPATH:土地块内自行车道总长(米) • BUS_STOP:土地块内公交站点总数
• ROADINT:土地块内交叉口总数
• ROAD_LIN:土地块内路段总数
数据解释
• ENTROPY:熵(计算方法见论文)
• MRTDIST:距离最近的地铁站距离(米)
• DISTCEN:距离市中心的距离(米)
• RAIN:土地块在这一小时内的降雨量(厘米) • TEMPO:土地块在这一小时内的温度(°C)
• LABORFREE:五一节免费骑活动(01变量) • WENDFREE:周末免费骑活动(01变量)
工作流程
• 需求变化的描述性分析
• 共享单车使用量在一日内以及一周内的变化规律 • 共享单车投放量与使用量的关系
• 任选一个时段(如多日、一日、多日的同一时段等)， 分析共享单车投放量与使用量的关系
• 拟合共享单车使用量随投放量增加的边际效应变化函 数，结合所学的运输经济学知识，并加以讨论
工作流程
• 建立需求预测的数学模型
• 结合投放量、交通基础设施、城市建成环境、天气等 因素，建立关于共享单车使用需求的数学模型
• 估算这些因素对共享单车使用需求的弹性影响 • 讨论与思考
• 根据以上工作，结合自己的理解与课上所学知识，讨 论共享单车这一运营模式是否可持续
报告内容要求
1. 报告概述:工作目标，工作内容和技术路线; 2. 数据情况简介与描述性分析;
3. 共享单车使用量随投放量的边际效应变化规律; 4. 共享单车使用需求预测模型
5. 模型预测结果分析 6. 讨论与思考
报告内容要求
• 以上仅是报告中需要有的内容
• 报告结构组织、侧重点大家可自由发挥
• 应做到图文并茂
• 不能是数据的简单堆砌，多一些文字分析
报告内容要求
• 严禁抄袭
• 抄袭者与被抄袭者该次作业或报告都以0分处理
报告撰写要求
• 最后一节课上课时带来，计10分
• 封面页注明作业标题、姓名、学号
• 不许超过16页(封面1+正文15)超一页扣一分
• 双面打印(8张纸)
• 默认页边距、小四(12号)、1.5倍行距
• 宋体(英文、数字可以是Times New Roman或 其他衬线字体)
参考文献
• Shen, Y., Zhang, X. and Zhao, J., 2018. Understanding the usage of dockless bike sharing in Singapore. International Journal of Sustainable Transportation, 12(9), pp.686-700.
• Xu, Y., Chen, D., Zhang, X., Tu, W., Chen, Y., Shen, Y. and Ratti, C., 2019. Unravel the landscape and pulses of cycling activities from a dockless bike-sharing system. Computers, Environment and Urban Systems, 75, pp.184-203.
Spatial autoregressive model
𝐵𝐵𝑖𝑖𝑖𝑖 =𝑓𝑓 𝑆𝑆𝑖𝑖𝑖𝑖 +𝐵𝐵𝐸𝐸𝑖𝑖 +𝑇𝑇𝑖𝑖 +𝐶𝐶𝑖𝑖𝑖𝑖 +𝑂𝑂𝑖𝑖 +𝜌𝜌𝜌𝜌𝐵𝐵𝑖𝑖𝑖𝑖 +𝑒𝑒
• Usage of bikes in land i at time t is a function of • Supply of bikes
• Built Environment
• Transportation related factors
• Weather Conditions
• Other factors like temporal/event factors • Spatial autocorrelation
• Spatial structure according to robust LM: Lag
Decreasing marginal benefit
Model (1) Model (2)
Available stationless bike fleet as Square root of available stationless independent variable bike fleet as independent variable
All other independent variables keep the same
Spatial lag structure
Number of observations: 100,122
Coefficient: 0.036 (110.34) Coefficient: 0.225 (118.73)
Spatial pseudo R2: 0.207 Spatial pseudo R2: 0.224
Other factors
Variables Impacts Variables Impacts
Length of cycling path + Distance to MRT station –
Accessibility to bike racks + Number of bus stops +
FAR of HDB – Accumulated precipitation –
FAR of private residence 0 Temperature of 31°C –
FAR of commercial area + Unlimited free ride +
FAR of industrial area – Weekend and holiday +
Shannon entropy + Late afternoon +
Count of road intersections 0 Spatial lag +