- 共享单车管理优化策略研究
- 文章编号：1009-6000(2019)06-0009-07
- 中图分类号：[U-9] 文献标识码：B
- Doi：10.3969/j.issn.1009-6000.2019.06.002
- 项目基金：国家自然科学基金项目(51578366);天津市哲学社会科学规划年度项目 (TJYY17-006);天津市自然科学基金(18JCQNJC07700);天津市建设系统软课题研究 (2018-软7)。
- 作者简介：杨蒙，天津大学建筑学院城乡规划系，硕士研究生;
陈天，天津大学建筑学院城乡规划系，教授;
臧鑫宇，通信作者，天津大学建筑学院城乡规划系，研究员;
孙鼎文，天津大学建筑学院城乡规划系，硕士研究生。
- 基于智慧数据的共享单车聚集特征与街道改造策略研究——以天津市和平区为例
- Research on the Aggregation of‘Sharing-Bikes’and Street Reform Strategy Based on Smart Data: An Analysis of Tianjin Heping District
- 浏览量：
- 杨蒙 陈天 臧鑫宇 孙鼎文
- YANG Meng CHEN Tian ZANG Xinyu SUN Dingwen
- 摘要：
共享单车在改变市民出行方式、促进城市慢行交通发展的同时，也给街道空间带来了一系列问题。 本文以天津市和平区为例，基于工作日与休息日的 ofo 单车时空分布数据，辅以实地测量进行纠 偏，使用核密度工具分析单车时空分布的宏观特征，提取单车活动的热点地区，计算各功能类型 街道节点的单车密度与使用频率，使用 K- M e a n s 聚类分析方法总结其聚集特征。结合国内外相 关规划经验，为城市街道的人性化改造提供建议，为建设数据时代、共享经济下的新型慢行交 通系统提供经验借鉴。 - 关键词：
智慧数据；共享单车；时空聚集特征；街道改造；核密度分析；K-Means聚类； - Abstract: The emergence of ‘Sharing-Bikes’ has brought a series of problems to the street space while changing the way of people’s daily travel and promoting the development of slow traffic in the city. Taking Heping district, Tianjin city as the research area, this paper referred to the space-time distribution data of ‘ofo-bike’ in weekdays and weekends, which was corrected by field measurement, and analyzed the macro characteristics of space-time distribution of ‘Sharing-Bikes’ by kernel density estimation, to extract the hotspots of bikes’ activities. Then the paper calculated the bicycle density and frequency of use at every street node with different function types, and summarized the aggregation characteristics of ‘Sharing-Bikes’ by using the K-Means cluster analysis. With the analysis of the characteristics of ‘Sharing-Bikes’ gathering around diverse types of land use, as well as some relevant foreign and domestic planning experience, this paper gave suggestions on the reconstruction of urban streets, providing experience for reference in building a new slow traffic system in the era of data and sharing economy.
- Key words: smart data; Sharing-Bikes; aggregation feature; street renovation; kernel density estimation; K-Means clustering
期刊浏览
2024 年
2023 年
2022 年
2021 年
2020 年
2019 年
2018 年
2017 年
2016 年
2015 年
2014 年
2013 年
2012 年
2011 年
2010 年
2009 年
2008 年
2007 年
2006 年
2005 年
2004 年
2003 年
2002 年
1999 年