共享单车重新定义了“地铁房”
近两年来,在资本与科技力量双线驱动的共享单车忽然之间就闯入了我们的城市当中,成为日常城市景观的一部分。
而在数据的视角下,我们会看到完全不同的图景。
如果从天空中观察,我们可以看到一整座城市的共享单车,请看下图:
(上图是我们以摩拜单车数据为例,绘制出的2017年某天上午该品牌共享单车在上海市的大致空间分布图。从地图上可以看到,共享单车已经深入了城市的每一个角落,几乎毫无死角。)
如果从个体视角观察的话,我们可以看到普通市民的使用逻辑,请看下图:
这是一个短途骑行者。他高频流连于市中心与杨浦区。
这是一个两地骑行者,他似乎一半时间在虹口区流连,而另一半时间在徐汇和长宁活动。
这是一个长途骑行者,他曾经从杨浦区一口气骑到大虹桥。
虽然行程特征各种各样,但其实大家使用单车上还是有很强的时间逻辑的。请看下图:
在上图中,圆圈越大说明在该时段使用共享单车的人越多。很显然:
工作日的早晚高峰(早上7-9点,晚上17-20点)是共享单车的使用高峰期,该期间的使用占比约为36%。
在周末,共享单车是不存在早高峰的,但是却有非常明显的晚高峰。
大家使用单车的目的都是通勤吗?
我们抽样了两万位共享单车用户在工作日早晚高峰时段、和其他时段使用共享单车的次数,绘制出下图(每个点代表一位或一类用户):
可以看到,用户在通勤和非通勤两个时间段内使用共享单车的次数成正比。喜欢骑共享单车上下班的人,也更喜欢用共享单车的模式去完成别的出行。
在这个意义上来看,共享单车似乎已经成为了像地铁或者公交车一样的城市基础交通型设施。我们把共享单车数据和同时段的城市地铁使用数据比较一下,就能看得更清楚:
很显然,共享单车已经成为了与地铁在时间上几乎同步的城市通勤性交通工具。虽然在高峰时段上略有差异,但基本上展示出了极强的时间相关性。
那么,空间上呢?
首先,我们用从地铁站及周边300米为起讫点的共享单车轨迹数据,绘制出每个地铁站的骑行等时圈,请看下图:
(说明:上图的范围是上海中心城区的一部分;图中绿色圆点为地铁站,围绕地铁站的绿色曲线是以2分钟骑行间隔为单位作的等时圈;熟悉测绘或者地图学的小伙伴可以看到,这张地图清晰地为上海定义出了一个“骑行盆地”和“骑行山区”:在平坦的盆地里,大家可以使用地铁站周边的共享单车便捷地到达很大的范围,这是全市骑行环境最友好的地区;在山区则反之。)
可以看到,由于每个站点周边的道路情况、城市功能不尽相同,站点客流量和共享单车的使用人数差异很大,每个地铁站的等时圈形状各相迥异。我们将每个站点的20分钟骑行范围与泰森多边形做了交集,得到站点的实际骑行服务范围,如下图所示:
可以看到:
在中环线以内的市中心,站点密度较高,大部分地点步行20分钟都很容易到达某个地铁站。因此,虽然共享单车缩短了市民前往地铁站的时间,但并没有在实质上扩大地铁站的服务范围。所以无论有没有共享单车,地铁站的平均服务范围都在站点步行大约20分钟的范围(直线距离700m-800m、实际步行距离900m-1000m)。
在中环线以外区域,站点相对稀疏,共享单车的出现可以使得地铁站的服务半径大大增加。以骑行20分钟计算,地铁站的平均服务半径约为2km-2.3km(实际骑行距离约为2.6km-3km)。相比较步行,共享单车使得地铁站的覆盖面积扩大了大约9倍。
具体而言,在上海外环线周边的地铁站附近(注:“外环线周边”指的是 中环-沈海高速申嘉湖高速 的范围。这个范围内居住的人口最多、地铁站数目适中,且地铁站服务半径变化较为显著。):
服务面积从190平方公里扩展到了670平方公里;
服务的居住人口从350万扩展到了780万;
服务的就业人口从270万扩展到了580万。
然而,以上只是我们基于共享单车出行数据的一厢情愿的测算。市场是否认同“地铁站服务范围扩大”的现象呢?
以租房市场为例吧。我们先做一个假设:假如租房市场认同了地铁站服务范围的扩大,意味着一些原本离地铁站步行时间较长、骑行时间适中的“准地铁房”升级成了“新地铁房”。相应的,“新地铁房”与原本就在地铁站步行服务区内的“老地铁房”的租金差距将会变得平滑。
我们使用了2013-2017(共享单车是2016年规模性出现在上海的)的房租数据,绘制出上海市外环线周边历年房屋租金与地铁站距离的衰减曲线图。
在图中,我们可以观察到:2013-2015年,外环线周边从“老地铁房”到“新地铁房”的价格距离衰减是非常迅速的;而在共享单车进入城市后的2016、2017年,这一衰减速度却大大减缓了。
因此,假如我们设定租金衰减到80%时的距离范围就是所谓的“新地铁房”范围,那么所谓“新地铁房”的范围将从2013-2015年的地铁站周边900m,瞬间扩展到2016-2017年的1650m。
在某种程度上,我们可以这么简单地理解:在租房市场里,共享单车使得我们有了更多的地铁房、让更多的人居住或工作在地铁房里。
当然,这也可能只是一种时间上的巧合,还缺乏房租变化和共享单车出现的因果性。因此,我们必须更进一步,探究共享单车密度与地铁站服务半径是否存在空间一致性。
我们统计了外环线周边地铁站500m范围内的共享单车数量(2017年某工作日的上午11点),以及地铁站附近1500m范围内的人口数量(日夜人口数量的均值),以共享单车数量与人口数量的比值作为共享单车的密度指标。
可以看到,共享单车密度越高,地铁站的服务半径也越大(服务半径定义同上,为房租价格衰减到80%时的距离)。共享单车低密度地区的服务半径约为1600m,共享单车高密度地区的服务半径则接近1800m。(这种效应有一个阈值。当共享单车密度提升到极高水平时,对地铁站服务范围的影响不明显。)
至此,我们可以更有信心地说,在大多数情况下,共享单车很好地解决了地铁换乘的“最后一公里问题”,扩大了地铁站的服务范围,使更多市民便利地享受到了地铁的服务。而这一服务范围的扩大,也自然地扩大了“新地铁房”的范围,使得城市租赁住房市场发生了结构性的变化。更进一步说,共享单车作为一种基础型交通设施,在空间上重构了我们的城市结构,而重构的城市又从更多的方面影响了我们的生活。
毫无疑问,新技术和新模式的创新,将使得我们的城市不断地进化与变革,而且也会不断地改变我们的城市的认知,我们不得不花更多力气来认真观察和思考我们所生活的这个史无前例的巨大容器“城市”,对我们到底意味着什么?
当然,这也是城市数据研究的乐趣:
在这个复杂的、混沌的、且永远都在进化中的城市里,总是蕴藏着我们还未曾发现的秘密。这条城市认知与探索的路,永无尽头。
数据分析咨询请扫描二维码
数据分析工具推荐 数据分析工具的选择至关重要。不同工具适用于不同的需求和场景。以下是一些推荐的数据分析工具,根据您的需求 ...
2024-11-27选择适合您需求的数据分析工具 数据分析作为商业决策过程中的关键环节,工具的选择至关重要。不同的工具适用于不同的场景和需求 ...
2024-11-27数据架构文档的编写涉及多个方面,包括内容结构、编写原则和具体要求。遵循规范可以帮助团队更好地理解和管理数据架构,支持项目 ...
2024-11-27挑战与解决方案概述 在数字化时代,数据开放共享对于推动创新和发展至关重要。然而,这一进程面临诸多挑战。保护用户隐私、确保 ...
2024-11-27促进科学研究和创新 数据开放共享为研究人员提供更广泛的资源和合作机会,加速科学知识的发展。通过访问他人的数据集,验证研究 ...
2024-11-27数据组织与存储策略 数据模型是数据仓库和商业智能系统的核心,通过合理的数据组织和存储策略,确保高效、低成本、高质量地利用 ...
2024-11-27持续关注数据系统运行状态 - 数据设计与开发完成后,维护与优化工作成为至关重要的环节。这个过程需要持续且细致的关注,以确保 ...
2024-11-27数据服务未来的趋势 智能化和自动化: 随着人工智能和机器学习技术的飞速发展,数据服务领域正逐渐朝着更智能化和自动化的方向 ...
2024-11-27未来最有前景的行业主要集中在以下几个领域: 人工智能与机器学习:人工智能被认为是未来最具潜力的行业之一,其应用范围广泛 ...
2024-11-27根据多条证据,目前多个行业展现出良好的发展前景。以下是一些被认为具有最好发展前景的行业: 人工智能与机器学习:人工智能 ...
2024-11-27学习数据分析后,可以在多种类型的单位找到工作机会。这些单位包括但不限于: 政府机关:数据分析师在政府机构中扮演重要角色 ...
2024-11-27必备的职业技能 统计学基础 - 理解概率、假设检验、回归分析等统计概念。 - 运用统计方法对数据进行分析和解读。 编程能力 - 掌 ...
2024-11-27基础课程 - 统计学基础: 统计学是数据分析的基石,包括概率、假设检验、回归分析等基本知识。这有助于分析师更好地理解数据背后 ...
2024-11-27数据分析领域涉及众多工具软件,涵盖了从数据处理、分析到可视化的各个方面。在选择适合自己需求的工具时,需要考虑数据规模、分 ...
2024-11-27在数据分析领域,选择合适的工具至关重要。不同的软件适用于不同的需求和技能水平。以下是几款值得考虑的数据分析软件: - Table ...
2024-11-27数据分析中常用的Excel与Python函数公式涵盖了广泛的应用场景。掌握这些基础和高级技巧对于成为一名优秀的数据分析师至关重要。 ...
2024-11-27Python是一种高级编程语言,由荷兰程序员Guido van Rossum于1989年圣诞节期间开始开发,并于1991年首次发布。Python的设计哲学强 ...
2024-11-27课程内容 数学基础: 高等数学、线性代数、概率论与数理统计、微积分等为算法设计和数据分析打下基础。 编程与算法: 掌握 ...
2024-11-27爬虫工程师是互联网时代中至关重要的职业之一,他们的工作内容主要涉及编写和维护网络爬虫程序,进行数据采集与清洗,设计系统架 ...
2024-11-27技能需求 数据管理与建模 - 掌握SQL、HiveQL、Spark SQL等数据库语言,进行复杂数据查询和分析。 - 使用数据建模工具如ER/Studio ...
2024-11-27