[论文解读] Comparative Analysis of User Behavior of Dock-Based vs. Dockless Bikeshare and Scootershare in Washington, D.C

Kiana Roshan Zamir, Iryna Bondarenko+3 more|arXiv (Cornell University)|Jul 25, 2019

Urban Transport and Accessibility参考文献 36被引用 4

一句话总结

本研究使用逻辑回归和随机森林模型，比较了美国华盛顿特区基于停车桩的共享单车、无桩共享单车和无桩电动滑板车共享系统中用户的行为差异，将行程分类为“会员”（通勤型）或“非会员”（休闲型）。研究发现，63.8%的无桩共享单车用户和69.6%的无桩电动滑板车用户表现出会员行为——略低于基于停车桩系统的73.3%，表明无桩系统支持城市通勤，并可增强多式联运基础设施建设。

ABSTRACT

In 2017, dockless bikeshare systems were introduced in the United States, followed by dockless scootershare in early 2018. These new mobility options are expected to complement the existing station-based bikeshare systems, which are bound to static origin and destination points at docking stations. The three systems attract different users with different travel behavior mobility patterns. The present research provides a comparative analysis of users' behavior for these three shared mobility systems during March-May 2018 in the District of Columbia. Our study identifies similarities/differences between the two systems aiming for better planning, operating, and decision-making of these emerging personal shared mobility systems in the future. It uses logistic regression and random forest modeling to delineate between "member" behavior, which aligns most closely with commuter behavior, and "casual" behavior that represents more recreational behavior. The results show that 63.8% of dockless bike users and 69.6% of dockless scooter users demonstrated "member" behavior, which is slightly lower than the actual percentage of trips made by members within the conventional bikeshare system (73.3%). Dockless systems users also showed to have short trip durations similar to conventional bikeshare system's registered members, with no significant difference between trips during weekdays and weekends. Overall, this study provides a methodology to understand users' behavior for the dockless bikeshare system and provides sufficient evidence that these new shared mobility systems can potentially make positive contributions to urban multi-modal infrastructure by promoting bicycle usage for urban daily travel.

研究动机与目标

• 理解并比较美国华盛顿特区基于停车桩、无桩共享单车和无桩电动滑板车共享系统中的用户行为模式。
• 识别不同系统之间行程特征（如时长、时间安排及用户分类）的差异。
• 评估无桩系统是否吸引具有通勤型行为的用户，与传统共享单车会员相似。
• 开发一种基于统计与机器学习模型对用户行为进行分类的方法。
• 为城市规划和政策制定提供依据，推动共享出行系统融入多式联运基础设施。

提出的方法

• 使用逻辑回归和随机森林模型，将用户行程分类为“会员”（通勤型）或“非会员”（休闲型）行为。
• 使用2018年3月至5月的数据，涵盖华盛顿特区基于停车桩的共享单车、无桩共享单车和无桩电动滑板车共享系统的行程数据。
• 行程时长、星期几和用户类型是分类模型中的关键预测变量。
• 利用真实世界出行数据对模型进行训练和验证，以区分不同系统中的行为模式。
• 通过比较三种系统中会员与非会员行程的比例，分析用户行为。
• 对每种系统进行工作日与周末行程模式的统计比较。

实验结果

研究问题

• RQ1 美国华盛顿特区的基于停车桩共享单车、无桩共享单车和无桩电动滑板车共享系统中，用户行为模式有何不同？
• RQ2 与基于停车桩的共享单车用户相比，无桩系统用户表现出‘会员’行为（即通勤行为）的程度如何？
• RQ3 无桩系统与基于停车桩的系统在行程时长和时间安排（工作日 vs. 周末）方面是否存在显著差异？
• RQ4 无桩共享单车和电动滑板车共享系统中，被分类为‘会员’行为的行程占多大比例？与基于停车桩的系统相比如何？
• RQ5 机器学习模型能否有效基于行程数据对新兴共享出行系统中的用户行为进行分类？

主要发现

• 63.8%的无桩共享单车用户和69.6%的无桩电动滑板车用户表现出‘会员’行为，表明其拥有强大的通勤型用户基础。
• 该比例略低于传统基于停车桩的共享单车系统中73.3%的‘会员’行为行程比例。
• 无桩系统与基于停车桩的共享单车系统具有相似的平均行程时长，且工作日与周末行程之间无显著差异。
• 本研究证实，无桩系统吸引具有通勤模式的用户，支持其融入城市多式联运网络。
• 逻辑回归和随机森林模型的应用成功区分了共享出行系统中通勤型与休闲型用户行为。
• 研究结果表明，无桩共享单车和电动滑板车共享系统可通过促进日常骑行，积极助力城市交通基础设施建设。