交通部署案例集/自行车共享系统
自行车共享在 21 世纪初兴起，成为城市增加替代性、主动交通方式、减少交通拥堵和改善空气质量的一种方式（ITDP，2013 年）。虽然这个想法在 1960 年代的阿姆斯特丹与白色自行车计划一起出现，但直到 2000 年代初，该系统才成为全球现象。第一代自行车共享系统位于阿姆斯特丹，非常原始：未经监控，普通自行车随意放置在社区使用。今天，大多数城市都有第三代或第四代系统。它们的特点是指定的分配点、集中监控、支付和安全系统，以及专门设计和品牌的自行车 [1][2]
自行车共享系统是一种交通服务，它为用户提供了一个非机动化的点对点出行选择，在相互连接的关键目的地网络之间 [3]。用户可以在网络中的任何车站取用专门指定的自行车，并将其归还到靠近其目的地的任何车站。自行车共享不需要用户等待车辆（如公交车或火车），也不需要浪费时间寻找停车位（如私家车）。因此，它被认为是短途（少于 3 英里）的、自发的旅行的理想选择，因为它旅行时间相对较短。
阿姆斯特丹人！
机动化资产阶级的沥青恐怖已经持续了足够长的时间。每天都有牺牲者献给了这个白痴们最新的偶像：汽车动力。它的香气是令人窒息的一氧化碳，它的形象污染了数千条运河和街道。
Provo 的自行车计划将使我们从汽车怪兽中解放出来。Provo 推出了白色自行车，这是公共财产的一部分。
白色自行车永远不会被锁起来。白色自行车是第一个免费的公共交通工具。白色自行车是对资本主义私有财产的挑衅，因为白色自行车是无政府主义的。
任何需要它的人都可以使用白色自行车，并且必须为其他人留着它。将会有越来越多的白色自行车，直到每个人都能使用白色交通工具，汽车的危险将不复存在。白色自行车是简单和清洁的象征，与专制汽车的虚荣和污秽形成对比。换句话说：自行车是某种东西，但几乎一无是处！——Provo 的Provokatie（小册子）#5 - Witte Fietsenplan（白色自行车计划）
自行车共享的原型系统是 1960 年代由一个名为 Provo 的荷兰反文化运动提出的。Provo（Provotariat 的缩写——荷兰语中的无产阶级）聚集了许多政治活动家，他们宣称反对资本主义、以汽车为主导的文化，这种文化在过去的几十年中已经渗透到各个角落。
荷兰历史上与自行车文化有着深厚的关系，以至于被认为是国家文化象征 [4]。1950 年代和 1960 年代，欧洲的骑自行车人数急剧下降，因为机动化率迅速上升，城市化开始蔓延。在此期间，许多欧洲城市专注于通过扩大道路容量和停车供应来促进汽车的使用，同时系统地忽视了行人和骑自行车者的需求。 [5]
工业设计师和 Provo 活动家 Luud Schimmelpennink 创建的白色自行车计划是各种“白色计划”之一，这些计划倡导有限的商业发展和对污染者的重税，等等。自行车计划被提议为应对阿姆斯特丹交通拥堵的务实解决方案，同时也是一种政治批评，将汽车发展与不公正的资本主义基础设施、环境污染和消费主义意识形态联系起来 [4]。
该计划建议将阿姆斯特丹中心区域对所有机动交通工具封闭，以将交通方式份额提高到至少 40%。 [6] Provo 还敦促阿姆斯特丹市每年购买 20,000 辆自行车，供居民免费使用，以补充公共交通。该市拒绝了该计划，但 Provo 仍然坚持该系统，并开始在城市周围留下白色涂漆的自行车，没有上锁，免费使用。 [7] 然而，警方没收了这些自行车，因为它们违反了禁止公民将私人财产留在没有安全保障的地方的市政法规 [6]。
Schimmelpennink 是一位有远见的人，他在接下来的几十年里，他的共享个人交通系统理念，如白色自行车和白色汽车（类似于今天的汽车共享计划）变成了现实。白色自行车计划激发了国际兴趣，类似的白色自行车计划开始出现在一些欧洲城市，如 1973 年的 Velos Jaunes（法国拉罗谢尔），以及 1994 年的美国黄自行车项目（俄勒冈州波特兰）。然而，由于缺乏安全性和系统正式性，大多数自行车被盗，系统很快崩溃。
自行车共享系统不同于传统的租赁服务，因为它们旨在用于短途和短期旅行。自行车租赁服务倾向于更受休闲用户，如游客的青睐。相反，自行车共享系统针对当地居民，通常设计在一个更大的交通网络中，通常作为多模式旅行的补充，在公交车或地铁旅行的开始和结束部分（通常称为第一英里/最后一英里路段），或作为更短途旅行的替代（通常少于 3 英里）。此外，传统的自行车租赁系统要求用户将自行车归还到取车时的同一车站，而自行车共享则允许用户在一个更大的互联系统中，在不同的点取车和还车。 [2] 使用特殊的泊位系统减少了用户在旅行结束后为自行车提供安全的责任，从而将用户责任降到最低。 [3]
第一代自行车共享系统主要是一些小型、非正式的试点项目，由倡导团体和政治团体发起，旨在使城市地区的自行车旅行能够为更广泛的人群所使用，并减少汽车的使用。
直到 1995 年，自行车共享系统才获得了“第二次机会”。1995 年，哥本哈根启动了“Bycyklen”（城市自行车）计划，成为欧洲首个大规模自行车共享计划 [2]。这些新系统，也称为“硬币押金系统”，通过要求用户支付 20 丹麦克朗（约合 3 美元）的硬币来解锁自行车，并在租用结束时归还自行车时退还，解决了之前系统的一些主要问题 [2]。自行车也为高强度使用而设计，配备了实心橡胶轮胎，并在车轮板上添加广告来帮助降低运营成本 [1]。尽管比之前的系统更加正规，但由于用户匿名性和押金金额相对较低，盗窃现象仍然很普遍 [1]。
20 世纪末，人们试图利用智能技术和集中式系统（IT）来解决这些缺陷，从而允许详细的用户数据和车辆跟踪 [2]。这些变化构成了新一代自行车共享，也称为“基于 IT 的一代”。基于技术的系统允许进行各种改进：用户识别、电子锁定架、自动化无人售货亭、电子支付系统和电子用户界面 [3]。第一代第三代自行车共享系统是 1996 年在朴茨茅斯大学（英国）推出的“Bikeabout”，并在随后的几年里慢慢发展，在法国（Vélo à la Carte，雷恩，1998 年）和德国（Call A Bike，慕尼黑，2000 年）推出相关计划。在接下来的几年里，法国推出了当时两个主要的大规模发展项目：里昂的 Vélo'v（2005 年）和巴黎的 Vélib’（2007 年）。Velib’ 最初推出了 7000 辆自行车，后来增加到 23900 辆，仍然是欧洲最大的自行车共享系统 [8]。这些计划在交通运输领域产生了明显的反响，成为自行车共享发展的里程碑。它们还促使欧洲、亚洲和美洲出现多个新的系统。
RFID 技术的引入也使现有计划能够追踪自行车使用情况和用户数据，帮助遏制自行车盗窃，而自行车盗窃是之前几代系统的主要弊端 [3]。第三代系统中要求使用信用卡注册既是支付方式又是押金，进一步减少了盗窃行为。此外，还建立了激励自行车周转的定价结构，通常允许用户在固定会员价格下享受前 30 分钟的免费服务，之后根据时间进行收费 [9]。最后，一些第三代系统包括 GPS 技术，使它们能够实时跟踪乘客模式，进而推动日常重新分配工作，并为规划系统扩展提供有用的数据 [3]。
第三代自行车共享系统的主要挑战是自行车重新分配和与公共交通系统的整合 [7][2][10]。车队重新平衡（将自行车从供应量高/需求量低的区域转移到供应量低/需求量高的区域）可能会抵消环境效益和汽车使用量的减少，因为供应商需要将自行车四处搬运，消耗燃料并增加汽车行驶里程数（VMT）。[span>9]。与其他公共交通系统的缺乏整合也是一个主要阻碍：例如，大多数自行车共享系统使用自己的支付和卡系统，未与当前的交通支付系统（如智能卡）集成 [span>3]。
第四代的兴起：新兴趋势
[edit | edit source]自 2010 年以来，新一代自行车共享系统已开始慢慢兴起，通常是之前系统改进的结果。第四代自行车共享被定义为一种按需响应的多式联运方案，旨在创建灵活、包容和整合的系统。主要改进领域包括 [2]
- (a) 泊位系统：灵活的泊位将允许轻松安装和重新分配车站，以承认使用模式可能会根据外部因素（交通扩展、新的城市功能等）和用户需求而变化。
- (b) 重新平衡技术：新的重新平衡技术，例如激励用户进行重新分配，将提高系统效率，降低运营成本 [2][1]。
- (c) 与公共交通的整合：通过支持多种交通方式的智能卡和其他替代共享方案（如汽车共享）与交通的更无缝整合将促进多式联运旅行，进一步减少汽车使用。
- (d) 实时跟踪：通过 GPS 进行实时跟踪可以提高自行车安全性 [span>2]，并为多式联运分析提供有用的数据 [9]。
- (e) 替代能源：电动自行车可以增加在地形变化的城市中使用的便利性，减少体力消耗，从而吸引那些原本无法骑自行车的人 [span>1]，或者穿着商务服的通勤者 [span>2]。太阳能和 Wi-Fi 供电的车站将降低安装成本，无需支持能源网进行运营 [2]。
- (f) 改进的商业模式：新的供应模式将允许人口较少的地方使用这些系统，而广告模式在这些地方可能无法盈利。 [1]
2010 年代的自行车共享
[edit | edit source]截至 2014 年，全球已有 57 个国家/地区的 700 多个城市运营自行车共享计划 [11][8]，与 2013 年相比增长率超过 50% [12]。系统规模差异很大，从单泊位系统和几辆自行车到 1000 个泊位和 20000 辆自行车 [span>12]。每个城市都根据当地情况调整了系统，考虑了城市密度和基础设施、经济资源和自然环境 [13]。
根据地球警察研究所（EPI）的报告 [8]，2000 年至 2014 年间，全球自行车共享计划数量增加了 110 多倍（从 6 个增加到 700 多个），车队规模增加了近 200 倍（从 4000 辆增加到 800000 辆）。然而，全球自行车共享计划的分布似乎高度集中在亚洲和欧洲。自 2008 年第一个计划开始以来，亚洲在计划数量和车队规模方面都取得了巨大的增长速度，超过了所有其他大陆，甚至包括欧洲。截至 2014 年 9 月，中国拥有 170 个自行车共享系统，位居世界首位 [8]。中国还拥有世界上最大的自行车共享系统，即杭州公共自行车系统，该系统拥有 78000 辆自行车，分布在 3113 个服务点 [14]。然而，欧洲仍然拥有最多的自行车共享计划（约 400 多个），意大利和西班牙的计划数量接近 130 个 [8]。
当前的共享单车系统通过广告、自筹资金、用户收入、市政和公私合作等多种方式获得资金[2]。第一代和第二代共享单车系统大多是非营利性组织和政府资金管理的非盈利系统[2]。第三代系统的成功和进一步在全球范围内推广，催生了多种非营利性和营利性商业模式。
共享单车的不同代际都存在几种供应模式。
- (a) 政府；
- (b) 交通部门；
- (c) 非盈利组织；
- (d) 营利组织和
- (e) 广告公司
政府模式将共享单车系统设计和运营为另一种交通服务，对其实施进行全面控制[1]。这些系统主要由政府本身资助，但也通过使用费和自行车和车站上的广告获得资金[2]。然而，公共机构可能不具备现有共享单车运营商所拥有的必要专业知识，而这与他们对运营承担全部责任的事实相悖[1]。
准政府模式在公共机构（如公共交通部门）的指导下提供共享单车服务[2]。收入通过政府补贴、使用费和广告相结合的方式获得[2]。准政府模式的目的是提供优质服务，而不是创造收入，并增加了来自共享单车服务提供商的专业知识[1]。然而，代理运营商的（缺乏）专业知识可能会损害服务质量[1]。
非营利模式自共享单车计划早期发展以来一直使用。它们可以是专门创建的，也可以是将服务纳入其利益的现有组织[1]。这种商业模式将责任放在一个不太可能被起诉的组织身上，这对于政府来说很有吸引力[1]。然而，它们可能严重依赖地方资金[2]。
营利模式通常在政府管辖范围之外提供，这对私营部门企业家来说很有帮助，因为他们不需要等待通常与共享单车计划实施相关的新的交通策略的出现[1]。当然，这意味着公共机构总体上缺乏资金援助，他们使用广告和用户费作为主要的收入来源。这也可能导致系统不平衡，因为私人模式更热衷于在人口稠密的地区部署站点，这些地区更有可能产生更高的收入，而不考虑交通公平问题。
广告模式是欧洲最常见的模式，私人公司向司法管辖区提供共享单车计划，以换取使用公共空间进行广告的权利[1]。这对地方政府来说非常经济实惠，这促成了它的普及[1]。然而，由于系统收入通常归司法管辖区所有，系统效率和服务质量可能会受到损害。广告模式在欧洲更为普遍，而北美城市则倾向于非营利和准政府模式。公共机构也成为中国的主要提供商[2]。
共享单车数据很难找到。有关出行次数、用户数量、车队规模或站点数量的数据可用性因国家、城市、服务提供商和服务代际的不同而异。目前部署的大多数共享单车系统都是第三代系统，这意味着统计数据通过集中系统收集。这对拥有数百或数千辆自行车的多数大型系统来说是正确的，这些系统出现在较大的城市。然而，较小的城市往往拥有 25-150 辆自行车的系统。在这种情况下，大多数时候数据不会被收集，要么是因为小型系统的基础设施成本过高，要么是因为这些系统是旧的代际，尚未升级。
关于共享单车系统的汇总数据充其量是稀疏的。尽管存在许多对共享单车实践表现出浓厚兴趣的组织和机构，但定期获取详细数据的难度使其成为一项耗时且不可靠的过程。JCDecaux 是世界上一些最大的系统的私人运营商，例如法国的 Velib'，它不公布用户统计数据，因为法律没有要求他们这样做[15]。因此，一些研究人员和组织通过监控和收集第三代在线系统提供的实时信息来获取数据，这些系统允许第三方通过他们的 API 访问，例如共享单车世界地图[16] 和共享单车地图[12]。总而言之，这使得共享单车分析和系统规模预测充其量只能算是估计，在数据可靠性方面存在巨大的局限性。随着越来越多的系统升级到具有实时在线数据更新功能的第三代及更高代系统，数据将变得更加可靠。
本生命周期分析的数据来自地球政策研究所 2013 年[17] 和 2014 年[8] 数据中心。这些数据对应于 2000-2013 年期间。从个别报告中获得了额外数据，以将 1995 年至 1999 年期间的第一个第三代系统纳入其中。
生命周期分析使用 S 形曲线预测方法来检测系统的三个主要部署阶段：诞生、增长和成熟。该模型使用 1995-2013 年期间的系统规模数据（全球共享单车系统中的自行车总数）进行预测。
生命周期模型使用三参数逻辑函数估计系统的增长周期。
![{\displaystyle S(t)=K/[1+e^{(-b(t-t_{0})}]}](https://wikimedia.org/api/rest_v1/media/math/render/svg/f5a3975e8ff940833b0d567eaec3b08ba0c307f7)
其中
- : 状态度量（自行车总数）
- : 时间变量（年），
- : 拐点时间（达到饱和水平一半的年份），
- : 饱和状态水平（估计值），
- 是一个系数。
由于共享单车部署仍处于初期阶段，因此使用回归模型来确定系统的饱和值（K）。为了找到K的准确值，需要一个具有高决定系数（R平方）的统计显著值。在曲线拟合阶段，所有超过100万的K值都具有超过0.95的决定系数。因此，为了获得饱和值，考虑了K的其他变量，例如，考虑到人口规模和自行车在交通中的模式份额，此数字发生的可能性。最终选择的K值为全球600万辆自行车。
结果
[edit | edit source].jpg)
实际和模型系统规模
[edit | edit source]| 年份 | 自行车数量 | 预测自行车数量 | 年份 | 自行车数量 | 预测自行车数量 | 年份 | 自行车数量 | 预测自行车数量 |
| 1995 | 1,305 | 634 | 2017 | 2,299,171 | 2039 | 5,998,358 | ||
| 1996 | 2,350 | 940 | 2018 | 2,877,839 | 2040 | 5,998,893 | ||
| 1997 | 1,645 | 1,395 | 2019 | 3,465,758 | 2041 | 5,999,254 | ||
| 1998 | 1,820 | 2,069 | 2020 | 4,019,169 | 2042 | 5,999,497 | ||
| 1999 | 1,820 | 3,070 | 2021 | 4,503,899 | 2043 | 5,999,661 | ||
| 2000 | 4,080 | 4,553 | 2022 | 4,902,405 | 2044 | 5,999,772 | ||
| 2001 | 3,980 | 6,753 | 2023 | 5,213,303 | 2045 | 5,999,846 | ||
| 2002 | 9,600 | 10,014 | 2024 | 5,446,089 | 2046 | 5,999,896 | ||
| 2003 | 10,740 | 14,846 | 2025 | 5,615,078 | 2047 | 5,999,930 | ||
| 2004 | 12,080 | 22,000 | 2026 | 5,735,020 | 2048 | 5,999,953 | ||
| 2005 | 17,140 | 32,583 | 2027 | 5,818,794 | 2049 | 5,999,968 | ||
| 2006 | 24,150 | 48,216 | 2028 | 5,876,653 | 2050 | 5,999,979 | ||
| 2007 | 58,130 | 71,260 | 2029 | 5,916,303 | 2051 | 5,999,986 | ||
| 2008 | 147,750 | 105,123 | 2030 | 5,943,330 | 2052 | 5,999,990 | ||
| 2009 | 261,800 | 154,657 | 2031 | 5,961,686 | 2053 | 5,999,993 | ||
| 2010 | 367,450 | 226,636 | 2032 | 5,974,123 | 2054 | 5,999,996 | ||
| 2011 | 449,840 | 330,221 | 2033 | 5,982,534 | 2055 | 5,999,997 | ||
| 2012 | 517,240 | 477,237 | 2034 | 5,988,217 | 2056 | 5,999,998 | ||
| 2013 | 800,000 | 681,834 | 2035 | 5,992,053 | 2057 | 5,999,999 | ||
| 2014 | 958,914 | 2036 | 5,994,641 | 2058 | 5,999,999 | |||
| 2015 | 1,320,632 | 2037 | 5,996,387 | 2059 | 5,999,999 | |||
| 2016 | 1,770,863 | 2038 | 5,997,565 | 2060 | 6,000,000 |
回归汇总输出
[edit | edit source]| 变量 | 值 |
| K | 6,000,000 |
| b | 0.394522436 |
| tnought | 2018.206543 |
| 回归统计 | ' |
| 多元R | 0.977101436 |
| R平方 | 0.954727216 |
| 调整后的R平方 | 0.952064111 |
| 标准误差 | 0.497466249 |
| 观测值 | 19 |
| ' | 系数 | 标准误差 | t统计量 | P值 | 95%下限 | 95%上限 | 95.0%下限 | 95.0%上限 |
| 截距 | -796.2277626 | 41.75663878 | -19.06829156 | 6.51667E-13 | -884.3265696 | -708.1289557 | -884.3265696 | -708.1289557 |
| X变量1 | 0.394522436 | 0.020836568 | 18.93413692 | 7.31023E-13 | 0.35056112 | 0.438483753 | 0.35056112 | 0.438483753 |
结论
[edit | edit source]共享单车系统似乎正在走出起步阶段，进入一个持续增长和增量增长的时期。总的来说，这些数值似乎符合预测的S曲线，除了2008年至2012年期间，实际系统规模高于预期。到2012年，预期规模再次与预测的系统规模相符。根据S曲线预测，该系统规模将在2018年达到拐点，自行车数量约为290万辆。成熟阶段将在2025年前后到来，全球将拥有560万辆自行车，到2060年将达到饱和（600万辆自行车）。
参考文献
[edit | edit source]- ↑ a b c d e f g h i j k l m n o DeMaio, P. (2009). Bike-sharing: History, impacts, models of provision, and future. Journal of Public Transportation, 12(4), 41-56.
- ↑ a b c d e f g h i j k l m n o p q r Shaheen, S. A., Guzman, S., & Zhang, H. (2010). Bikesharing in Europe, the Americas, and Asia. Transportation Research Record: Journal of the Transportation Research Board, 2143(1), 159-167.
- ↑ a b c d e f Toole Design Group,. (2012). Bike Sharing in the United States: State of the Practice and Guide to Implementation. USDOT Federal Highway Administration.
- ↑ a b Furness, Z. (2010). One less car. Philadelphia: Temple University Press.
- ↑ Pucher, J., & Buehler, R. (2008). Cycling for Everyone: Lessons from Europe. Transportation Research Record: Journal Of The Transportation Research Board, 2074(-1), 58-65. doi:10.3141/2074-08
- ↑ a b Tusman, L. (2010). Really Free Culture. PediaPress
- ↑ a b DeMaio, P., & Gifford, J. (2004). Will Smart Bikes Succeed as Public Transportation in the United States?.Journal Of Public Transportation, 7(2), 1-15.
- ↑ a b c d e f Earth-policy.org,. (2014). EPI Releases - Bicycle Share Fact Sheet | EPI. Retrieved 5 November 2014, from http://www.earth-policy.org/press_room/C68/bicycle_share_fact_sheet
- ↑ a b c Fishman, E., Washington, S., & Haworth, N. (2013). Bike share: a synthesis of the literature. Transport Reviews, 33(2), 148-165.
- ↑ Jäppinen, S., Toivonen, T., & Salonen, M. (2013). Modelling the potential effect of shared bicycles on public transport travel times in Greater Helsinki: An open data approach. Applied Geography, 43, 13-24.
- ↑ Fishman, E., Washington, S., & Haworth, N. L. (2014). Bike share's impact on car use: evidence from the United States, Great Britain, and Australia. In Proceedings of the 93rd Annual Meeting of the Transportation Research Board.
- ↑ a b c O’Brien, O.. Bike Share Map. Retrieved 6 November 2014, from http://bikes.oobrien.com/global.php
- ↑ Institute for Transportation and Development Policy,. (2013). The Bike Share Planning Guide. New York. Retrieved 7 November 2014, from Link
- ↑ Hzzxc.com.cn,. (2014). 杭州公共自行车（免费单车）网站. Retrieved 7 November 2014, from Link
- ↑ Barz, S. (2013). Show Me the Data! or Stuff I've Read About Vélib’, part 4 of 4. An Urbanist in Paris. Retrieved 7 November 2014, from Link
- ↑ Meddin, R. The Bike-sharing World Map. Retrieved 6 November 2014, from http://www.bikesharingworld.com
- ↑ Earth-policy.org,. (2013). Number of Bicycles in Bike-Sharing Programs by Region 2000-2012. Retrieved 5 November 2014, from http://www.earth-policy.org/datacenter/xls/update112_4.xlsx