国外城市建成环境与共享单车研究评述与展望

　　文／张云汉四川大学建筑与环境学院硕士研究生

　　张鲲四川大学建筑与环境学院教授（通讯作者）

　　李可西南石油大学土木工程与测绘学院

　　林晶晶西南石油大学土木工程与测绘学院

　　摘要：文章对国外城市建成环境与共享单车的研究主题、研究方法、研究趋势展开了综述。首先阐述了交通路网、社会经济因素、土地利用、绿化空间四类建成环境与共享单车的联系；其次，对比了传统与新兴的研究方法，并分析各类研究方法的适用性以及不足；最后，总结了国外共享单车的研究现状，并对未来的研究重点进行了探究与展望。

　　关键词：建成环境；共享单车；地铁接驳；街景图像；地理加权回归

　　引言

　　当前增量型的城镇化给城市带来了巨大负担，城市的交通环境遭到破坏，这引起了较多学者的关注。而新兴的共享单车，作为与地铁接驳骑行的重要工具，已逐步成为城市年轻群体的重要通勤方式。目前，国内对于城市建成环境与共享单车骑行的相关研究仍刚刚起步。在2017年后，国内关于城市建成环境与共享单车的研究呈现井喷式增长，但更多的是基于共享单车本身的经济效应或技术进行的分析，很少会基于城市规划的角度去思考这些因素之间的联系。共享单车与地铁接驳是一种常见的城市出行方式，也是公共交通和非机动车交通结合的体现，可以作为一种便捷的“最后一公里”解决方案，缓解地铁交通高峰期的拥堵情况，从而改善城市的交通现状。为了塑造更好的人居环境，优化城市轨道交通与共享单车的接驳，本文将基于国外的相关研究，对城市建成环境与共享单车领域进行文献综述。

　　1共享单车与城市建成环境的研究主题

　　国内外学者研究发现了共享单车的骑行受到交通路网、土地利用、天气状况、社会因素、设施可达性、房价、绿化空间、碳排放等多方面的影响。例如：LI发现土地的混合利用可以提高共享单车的利用率[1]，Ahmadreza发现商业、娱乐、餐馆POI、公共交通设施的可达性能促进共享单车的使用[2]。

　　但是，基于研究范围、研究数据、研究方法、研究时段的差异，一些学者发现了有偏差，甚至是完全相反的结果。Zhang发现公共交通设施的可达性对共享单车的供需比并无显著影响，并指出可能是由于当地的运营模式导致的[3]。Lin通过对北京、台北、东京的跨城市研究，发现就业密度、人口密度、学生密度对于北京的共享单车使用呈正相关，却对台北、东京地区无影响[4]。因此，本文首先归纳了交通路网、社会经济因素、土地利用、绿化空间四大常见影响因素与共享单车的联系；其次总结了传统与新兴的研究方法，最后展望了未来的研究趋势。由于多数学者在实验中已经避开不利天气的特殊情况，本文不再讨论气候对共享单车的影响。

　　1.1共享单车与交通设施

　　对于建设骑行友好环境，强大的交通基础设施是十分必要的。由于早期的实验受限于骑行矢量数据的获取（大多的研究数据是通过问卷调查的方式获得的），实验的设计有着一些不足，且更多的是对于自行车的研究，而非共享单车。但是，早期的研究结论对于后续共享单车的研究有着强力支撑。Dill曾通过对比美国43个城市的数据，发现自行车骑行设施（自行车道、支路）水平较高的城市，骑行通勤水平也较高[5]。Garder对瑞典哥德堡44个路口的进行前后建设对比研究，发现自行车专用骑行路口、自行车骑行车道有效促进了自行车的流量，且提升了道路安全性能[6]。Habib的研究结果表明，街区中的自行车道对自行车的使用有着积极影响，且对于男性骑行者影响更加明显[7]。Akar的后续研究指出，自行车道的增加不仅方便了骑行者的使用，非骑行者也同样受益[8]。此外，国内学者张思佳等通过Logit-SUE的多方式接驳网络配流模型，计算出在与地铁接驳网络中，自行车和公交方式、步行方式的概率，从数据上支撑了自行车与地铁接驳方式的重要性[9]。

　　但是，上述的研究都忽略了空间异质性，且数据本身存在缺陷。在共享单车兴起以后，Martin通过对比美国拥有不同类型路网两座城市，发现在交通网络不密集的区域（例如文中提到的明尼阿波利斯、盐湖城），共享单车弥补了“最初/最后一公里”的换乘问题，而在人口密度和交通网络密集的地区，共享单车在短距离出行中有着更快、更便宜、更直接的特点[10]。Guo先是研究了共享单车与地铁接驳的联系，发现专用自行车道能在下午通勤高峰期促进共享单车的接驳使用，且许多道路交叉口抑制了其使用[11]。学界内虽得出交通路网对于共享单车的使用有着正向影响，但并未详细阐述不同类型路网对于共享单车的影响。

　　1.2共享单车与社会经济因素

　　社会经济因素也是影响共享单车使用的重要指标，既有研究已发现人群的收入、性别、年龄、学历、职业、种族均会对共享单车产生一定的影响，但部分学者依旧秉承怀疑态度。例如：大量的研究证明人口密度、就业密度与共享单车的使用呈正相关。Rixey发现人口密度、收入水平、非白人人口比例也是影响共享单车骑行的关键因素[12]。Feng发现性别（女性）、汽车持有状况（否）、工作（高收入）对于南京共享单车的使用有着正向影响，但文中缺少更多分层的社会经济变量（例如教育背景、收入水平等）[13]。国内袁朋伟等学者通过Nested Logit的共享单车选择模型，发现年龄与性别对于共享单车的选择也有一定的影响[14]。

　　尽管以往的研究甚多，但近几年的研究结论与之前的发现有所出入。Lin通过对北京、台北、东京的跨城市研究对比发现就业密度、人口密度、学生密度对台北、东京地区无影响[4]。Guo发现在早高峰通勤期间，深圳就业密集的地区与地铁接入骑行并不相关，这是由于此类地区的住宅较少，对于此类骑行需求也较少[11]。Zhao发现北京的年轻群体和低收入者骑行的可能性较小，然而高收入者更倾向于骑行而不是开车出行[15]。Ji也有类似发现，南京的高收入者使用共享单车作为轨道交通接驳方式的人数更多，低收入者较少[16]。此外，该研究还发现女性更偏向于使用私人自行车作为接驳方式（由于女性通常需要花费更多时间承担家务、购物、育儿等工作，而简陋的共享单车并不能提供相应的后座以及随身携带的篮子）。Ma文中同样也表明南京18岁以下的人群抑制了一周的骑行活动空间，而46岁至退休年龄之间的人群则促进了工作日的骑行活动空间，且当地居民比例显著促进了周末骑行活动空间[17]。Wang在纽约市的研究中，分析了多个年龄段对共享单车的使用情况，发现不同年龄组需求各异[18]。由此可见，社会因素对于共享单车的影响是至关重要的，但是鲜有研究对不同类型的地区做对比研究，这也导致各类研究结论截然不同。Guo与近年来的研究也与笔者观点相符——不同类型的地铁站承担着不同的作用[11]，且周边的人群分布也是不同的，因此对共享单车影响有所差异。

　　1.3共享单车与土地利用

　　在各类用地数据、遥感数据、POI数据大范围公开之后，土地利用成为热门讨论话题。而新兴的共享单车，其骑行的OD点位很大程度上受到周边用地性质的影响——不同土地利用类型对不同出行目的和方式选择的出行需求的影响不同，因此学者们对于这方面的研究也是各抒己见。其中，传统研究中坡度是最重要的自然土地变量（女性用户受到的影响极大），共享单车的数量往往在坡度超过4%的时候骤减[19]。在基于多源数据的研究中，Guo发现住宅用地、公园、广场用地会在不同时间段对不同接驳骑行产生影响[11]。曹雅萍等学者运用BP神经网络建立土地利用和共享单车的预测模型发现公司企业、金融服务、零售类和住宅对单车配置具有较大的影响力[20]。Li发现无论是工作日还是周末，北京的酒店与住宅POI密度对共享单车使用都有着正向影响，到CBD的距离对共享单车使用在五环内外分别为正负相关[21]。然而，Zhao却发现，过度拥挤的住宅区甚至会造成交通拥堵，较低的工作住房平衡和较少的土地使用多样性往往会减少自行车的使用，并且密度较高的住宅区并不影响共享单车的骑行，因为廉价的地铁与公交措施弥补了通勤缺口[22]。在之后的研究中[15]，其观点认为在人口极为密集的北京，住宅区对于共享单车与地铁接驳综合使用的影响甚微。

　　1.4共享单车与绿化空间

　　城市绿化是城市重要的建成环境指标，对于骑行影响有着一定的影响，然而对于其结论仍存在一定分歧。早期的研究发现，城市绿化正向促进了共享单车的骑行。例如，Krenn通过对奥地利113名实际骑行者的路线选择，发现骑行者经常使用自行车道、平坦小径和绿地，而这些道路往往分布更多的绿色空间，而不是选择最短的骑行路径[23]。这凸显了城市社区发达的自行车基础设施的重要性。Cole-Hunter也有着同样的发现，在西班牙的研究发现学习地址周边的绿化程度是骑行通勤的显著正向因素，且绿色空间极有可能增加成年人通勤的骑行[24]。国内古维迎学者等以深圳市为例，通过大样本共享单车实际骑行数据，证实了绿视率对骑行的积极影响[25]。然而，部分研究有着不同的结论：Christiansen发现交通骑行与公园数量并没有显著关系[26]；Mertens发现在那些树木分布较少的社区中，人们每周骑自行车出行的时间更多[27]。因此，城市绿化对骑行行为的影响机制还有待深入探究，部分学者将其复杂性归因于绿化测量技术、分析尺度等问题[28]。

　　随着街景地图的技术愈发成熟，一些学者结合了街景图像数据以及共享单车骑行数据，展开了一系列量化研究，同时也为共享单车的研究提供了全新的研究视角。最初，Lu利用归一化植被指数（NDVI）和谷歌街景图像（GSV）的绿视率[29]，从俯视和人视两种角度探究了城市绿化与共享单车骑行概率的关系；紧接着，Wang发现街景绿视率对地铁周边的共享单车骑行频率有着显著的促进作用[30]，Chen的研究也再次证实了街景绿视率对共享单车的使用有着积极影响，并发现NDVI并未有着显著影响[31]；最后，Gao发现街景绿视率与工作日、周末、节假日的共享单车使用率呈正相关，而NDVI在周末和节假日与共享单车使用率呈负相关，工作日无显著性[32]。显而易见，新兴的百度街景技术，很大程度上弥补了传统调研问卷的局限性，使得研究者能够更精确地研判更大尺度的绿化空间对共享单车的影响。

　　2国内外共享单车研究方法概况

　　2.1传统与新兴的回归模型对比

　　早期的研究多是基于问卷调查的数据，具有一定局限性，且从模型的选择来看，使用的模型多采用全局回归模型，包括普通最小二乘法回归模型（OLS）、多元线性回归模型、空间滞后模型（SLM）、空间误差模型（SEM）、线性混合效应模型、负二项回归模型、空间滞后模型、空间误差模型、线性混合效应模型、负二项回归模型、多元负二项回归模型、二元逻辑回归模型。

　　上述的全局回归模型，忽略了空间异质性，无法有效地解释不同地域各类要素之间的联系，进而影响实验结论的准确性。近几年来，一些学者开始结合地理时间加权回归模型（GTWR）、地理加权回归模型（GWR）来分析建成环境对共享单车的影响，以此解决空间异质性的问题。还有一些学者开始使用非线性回归模型，探讨了各类建成环境指标在一定范围内对于共享单车骑行的影响，使得结论更加可靠。

　　2.2地铁站点骑行吸引范围的构建方法

　　随着各类实验的深入，小部分学者将重心转移到共享单车与地铁接驳的研究中，并有了一定成效。但是，对于地铁站点的骑行吸引范围构建方法并不统一。最初的方式是简单地构建缓冲区，例如，Guo随机抽取了深圳多个地铁站的问卷数据，发现大多数受访者在骑行接驳过程中将共享单车停放在地铁站100m内，因此实验中将缓冲区直接设置为100m，并将此区域视为地铁站最有可能的停车区域[33]。除此以外，在自变量的选取阶段，仅通过对前人的研究对比分析，将800～1500m视为影响共享单车的区域，这种方式同样也缺乏实际骑行的数据支撑；随后的研究中，学者们开始构建泰森多边形来确定地铁站的吸引范围，例如Hu的研究中构建的吸引区域，但此类方法依旧是基于地铁站简单的空间分布，且800m的参数设定与实际地铁站的吸引范围是相违背的，这种方法相较于缓冲区有着一定优势，但仍旧欠妥[34]；因此，Yu使用了置信椭圆的方法，并运用到地铁站的骑行吸引范围，其方法是根据实际的骑行散点来构建置信椭圆，此种方法凭借实际的OD点位，尽可能地反映了真实吸引区域以及骑行方向[35]。但是，由于置信椭圆并非参照实际的交通路网，其构建的范围依旧不完全准确。综上，地铁站骑行接驳的吸引范围仍需更加科学的方法来构建，未来将结合实际路网以及实际骑行数据来构建合理的吸引区域。

　　3结论与展望

　　3.1研究述评

　　基于本文的分析，发现目前国外城市建成环境与共享单车的研究均存在以下特点。

　　（1）研究边界的划定差异较大：由于实验中的各种阈值设定也很难结合前期的实地调研来调整，导致研究范围的划分多依赖于主观判定，使得研究边界划定不准确。

　　（2）评价指标类型相似：既有研究更倾向使用单一的调研问卷或骑行OD数据来分析建成环境对骑行的影响，未充分结合地铁刷卡数据、手机信令、热力图等精细化数据做相应的量化分析。此外，各类实验的自变量指标多为平面型的建成环境指标，仅有少量研究考虑了人本视角下的骑行环境，这对于骑行用户的路径选择有着较大影响。

　　（3）数据处理标准不一：在数据预处理中，数据清洗标准并未统一，对实验结论的影响较大。更值得注意的是，多数研究尚未考虑空间异质性的问题，对实际的城市骑行环境讨论较少，导致实验结论过于“数据理性化”。

　　3.2研究展望

　　基于目前的研究状况，笔者将未来的研究重点分为以下四点。

　　（1）人本视角下的骑行研究：随着百度与谷歌街景的技术逐步成熟，街景图像的运用也会更加广泛。未来可以结合共享单车的骑行数据，更深入地探究人视街景指标对骑行的影响。

　　（2）多类型城市的骑行对比研究：因为数据获取的局限性，国内共享单车的研究选址集中于深圳、北京、上海、南京，国外集中于纽约、芝加哥、旧金山、华盛顿这几座城市，但鲜有将不同的类型城市进行对比实验，未来海湾型城市、山地城市、平原城市等多类型城市的骑行对比研究将会是重点。

　　（3）疫情前后的骑行对比研究：目前国内外的实验多使用连续一周至一个月的共享单车骑行数据，且尚未有学者探究重大公共卫生事件前后的骑行对比研究，未来可能以疫情为时间节点，进行切片式的骑行时空演变分析。

　　（4）共享单车骑行对碳排放的影响分析：虽然国外已有较多学者探讨了汽车、地铁、航运等多种类型交通对城市碳排放的影响，但共享单车在这方面的研究仍旧缺失，这也是未来的研究重点之一。

　　结语

　　综上所述，城市建成环境对于共享单车的骑行有着重要的影响。目前，国外在此领域的研究已相较成熟，但仍有部分细分领域值得探索，而国内则刚刚起步。本研究建议，为了打造骑行友好型的城市环境，城市规划师应更加关注人本视角下的骑行环境建设，针对不同类型的城市进行科学的量化评估，因地制宜去布置骑行专用道、街道周边绿植、各类服务设施，从而减缓城市的交通压力。

　　参考文献：

　　[1]LI Aoyong,ZHAO Pengxiang,HUANG Yizhe,等.无桩共享单车使用及其解释因素的实证分析：以中国上海为例[J].城市规划学刊,2022,267(01):119-120.

　　[2]Faghih-Imani A,Hampshire R,Marla L,et al.An Empirical Analysis of Bike Sharing Usage and Rebalancing:Evidence from Barcelona and Seville[J].Social Science Electronic Publishing,2017,97:177-191.

　　[3]Zhang Y,Thomas T,Brussel M,et al.Exploring the impact of built environment factors on the use of public bikes at bike stations:Case study in Zhongshan,China[J].Journal of Transport Geography,2017,58:59-70.

　　[4]Lin J J,Zhao P,Takada K,et al.Built environment and public bike usage for metro access:A comparison of neighborhoods in Beijing,Taipei,and Tokyo[J].Transportation Research Part D:Transport and Environment,2018,63:209-221.

　　[5]Dill J,Carr T.Bicycle Commuting and Facilities in Major U.S.Cities:If You Build Them,Commuters Will Use Them[J].Transportation Research Record Journal of the Transportation Research Board,2003,1828:116-123.

　　[6]Gårder P,Leden L,Pulkkinen U.Measuring the safety effect of raised bicycle crossings using a new research methodology[J].Transportation Research Record,1998,1636(1):64-70.

　　[7]Habib K N,Mann J,Mahmoud M,et al.Synopsis of bicycle demand in the City of Toronto:Investigating the effects of perception,consciousness and comfortability on the purpose of biking and bike ownership[J].Transportation Research Part A Policy and Practice,2014,70:67-80.

　　[8]Akar G,Clifton K J.Influence of individual perceptions and bicycle infrastructure on decision to bike[J].Transportation research record,2009,2140(01):165-172.

　　[9]张思佳,贾顺平,王瑜琼,等.考虑地铁站点多方式接驳范围的接运网络配流模型[J].交通运输系统工程与信息,2018,18(05):38-45.

　　[10]Martin E W,Shaheen S A.Evaluating public transit modal shift dynamics in response to bikesharing:a tale of two US cities[J].Journal of Transport Geography,2014,41:315-324.

　　[11]Guo Y,He S Y.Built environment effects on theintegration of dockless bike-sharing and the metro[J].Transportation Research Part D Transport and Environment,2020,83:102335.

　　[12]Rixey R A.Station-level forecasting of bikesharing ridership:Station network effects in three US systems[J].Transportation research record,2013,2387(01):46-55.

　　[13]Feng P,Li W.Willingness to use a public bicycle system:An example in Nanjing City[J].Journal of Public Transportation,2016,19(01):6.

　　[14]袁朋伟,董晓庆,翟怀远,等.基于Nested Logit模型的共享单车选择行为研究[J].交通运输系统工程与信息,2018,18(05):191-196+210.

　　[15]Zhao P,Li S.Bicycle-metro integration in a growing city:The determinants of cycling as a transfer mode in metro station areas in Beijing[J].Transportation research part A:policy and practice,2017,99:46-60.

　　[16]Ji Y,Fan Y,Ermagun A,et al.Public bicycle as a feeder mode to rail transit in China:The role of gender,age,income,trip purpose,and bicycle theft experience[J].International Journal of Sustainable Transportation,2017,11(04):308-317.

　　[17]Ma X,Ji Y,Jin Y,et al.Modeling the factors influencing the activity spaces of bikeshare around metro stations:A spatial regression model[J].Sustainability,2018,10(11):3949.

　　[18]Wang K,Akar G,Chen Y J.Bike sharing differences among millennials,Gen Xers,and baby boomers:Lessons learnt from New York City’s bike share[J].Transportation research part A:policy and practice,2018,116:1-14.

　　[19]Lu W,Scott D M,Dalumpines R.Understanding bike share cyclist route choice using GPS data:Comparing dominant routes and shortest paths[J].Journal of transport geography,2018,71:172-181.

　　[20]曹雅萍,张兴凯,李芬,等.轨道交通站点周边土地利用与共享单车的耦合关系分析——以西安市为例[J].综合运输,2022,44(11):163-170.

　　[21]Li Z,Shang Y,Zhao G,et al.Exploring the Multiscale Relationship between the Built Environment and the Metro-Oriented Dockless Bike-Sharing Usage[J].International Journal of Environmental Research and Public Health,2022,19(4):2323.

　　[22]Zhao P.The impact of the built environment on bicycle commuting:Evidence from Beijing[J].Urban studies,2014,51(05):1019-1037.

　　[23]Krenn P J,Oja P,Titze S.Route choices of transport bicyclists:a comparison of actually used and shortest routes[J].International journal of behavioral nutrition and physical activity,2014,11(1):1-7.

　　[24]Cole-Hunter T,Donaire-Gonzalez D,Curto A,et al.Objective correlates and determinants of bicycle commuting propensity in an urban environment[J].Transportation Research Part D:Transport and Environment,2015,40:132-143.

　　[25]古维迎,范婉怡,陈义勇.深圳城市街景绿化对共享单车使用的影响研究[J].现代城市研究,2022(08):59-63.

　　[26]Christiansen L B,Cerin E,Badland H,et al.International comparisons of the associations between objective measures of the built environment and transport-related walking and cycling:IPEN adult study[J].Journal of transport&health,2016,3(04):467-478.

　　[27]Mertens L,Compernolle S,Deforche B,et al.Built environmental correlates of cycling for transport across Europe[J].Health&place,2017,44:35-42.

　　[28]Franchini M,Mannucci P M.Mitigation of air pollution by greenness:A narrative review[J].European journal of internal medicine,2018,55:1-5.

　　[29]Lu Y,Yang Y,Sun G,et al.Associations between overhead-view and eye-level urban greenness and cycling behaviors[J].Cities,2019,88:10-18.

　　[30]Wang R,Lu Y,Wu X,et al.Relationship between eye-level greenness and cycling frequency around metro stations in Shenzhen,China:A big data approach[J].Sustainable Cities and Society,2020,59:102201.

　　[31]Chen Y,Chen Y,Tu W,et al.Is eye-level greening associated with the use of dockless shared bicycles?[J].Urban Forestry&Urban Greening,2020,51:126690.

　　[32]Gao F,Li S,Tan Z,et al.How Is Urban Greenness Spatially Associated with Dockless Bike Sharing Usage on Weekdays,Weekends,and Holidays?[J].ISPRS International Journal of Geo-Information,2021,10(04):238.

　　[33]Guo Y,Yang L,Lu Y,et al.Dockless bike-sharing as a feeder mode of metro commute?The role of the feeder-related built environment:Analytical framework and empirical evidence[J].Sustainable Cities and Society,2021,65:102594.

　　[34]Hu L,Lu H.Study on the Cycling Attraction Area of Metro Station Based on Sharing Bike Riding Data:An Empirical Study in Beijing[C]//19th COTA International Conference of Transportation Professionals.American Society of Civil Engineers,2019.

　　[35]Yu Q,Li W,Yang D,et al.Policy zoning for efficient land utilization based on spatio-temporal integration between the bicycle-sharing service and the metro transit[J]Sustainability,2020,13(01):141.

　　[36]Pucher J,Buehler R.Integrating bicycling and public transport in North America[J].Journal of Public Transportation,2009,12(03):79-104.

　　[37]Kim D J,Shin H,Im H,et al.Factors influencing travel behaviors in bikesharing[C]//Transportation Research Board 91st Annual Meeting,2012:1-14.

　　[38]Gu T,Kim I,Currie G.Measuring immediate impacts of a new mass transit system on an existing bike-share system in China[J].Transportation Research Part A:Policy and Practice,2019,124:20-39.

关注读览天下微信， 100万篇深度好文， 等你来看……