近年来,公共自行车系统已在我国许多城市得到快速发展,目前中国已经成为公共自行车拥有量和出行量最大的国家。由于公共自行车系统在短期内“爆发式”发展,在“量”方面快速增长的同时,在“质”的方面暴露出一系列问题,如投放规模不合理,站点设置不合理,运营调度不合理等。同时,由于目前对公共自行车系统的基础理论研究相对薄弱,也增加了以上问题的解决难度。

本文研究的公共自行车出行选择问题,是指乘客在选择公共自行车出行时的相关动机与内在机理,可从本质上揭示公共自行车对乘客的吸引度,并为公共自行车系统的投放总量控制、站点规划设置、运营调度管理等问题提供重要理论支撑。目前相关研究成果较少,国内外学者对公共自行车系统的研究主要集中在政策体系、站点布局、运营调度等方面。在政策体系方面,潘海啸等围绕北京、杭州和上海3种不同的公共自行车交通发展模式,分析了各种模式的特点、系统运营状况以及需改进的方面[1];矫大海从中国政策扩散的角度,研究分析了公共自行车政策的时空演进及其机制[2]。在站点布局方面,张冰琦等根据公共自行车系统的运营特性,研究提出了城市公共自行车租赁点配车量的优化模型[3];李婷婷比较分析了不同选址规划模型的优缺点,选择将双层规划模型应用到公共自行车租赁点选址中[4];舒诗楠等提出了基于发生吸引源分布特征的公共自行车网点规模优化模型[5]。在运营调度方面,胡列格等通过对城市公共自行车系统高峰期需求不均衡状况进行研究,提出了公共自行车车辆调度的优化模型[6];吴满金等通过对公共自行车调度过程中自助服务点调度优先级、动态需求特性、服务时间窗等进行研究,建立了统筹用户满意度与企业调度成本的公共自行车系统动态调度多目标优化模型[7]。在出行行为方面,吴瑶等通过建立不同交通方式的效用函数,并基于多项Logit模型测算了公共自行车的分担率[8];何流等基于公共自行车的使用特征,建立了面对交通方式分担的双层规划模型[9]。国外学者对公共自行车系统的研究成果相对较少,与本文相关的典型研究成果中,José I Castillo-Manzano通过比较公共自行车与私人自行车的出行行为与租凭时长特征,得出私人自行车的平均出行距离是700～800 m,大于公共自行车的平均出行距离[10];Shinhye Joo等通过分析公共自行车出行速度的GPS信息数据,得出了公共自行车的出行偏好与骑行环境之间的关系[11]。

对模型实施哈维检验，收尾概率=0.030 7，小于显著性水平5%，所以拒绝原假设，残差存在异方差性。为了处理模型的异方差性，根据残差随着GDP的变化而增大的特点，用GDP^1.5定义权数，修正后的模型即碳排放数量、地区生产总值和碳交易金额的关系可用以下公式表示：

鉴于公共自行车出行选择问题的重要性及相关研究成果的不足,本文基于信号系统中的滤波器原理,对公共自行车出行选择的内在机理进行系统研究,并建立基于公共自行车系统自身特性的出行选择分析模型,为公共自行车系统的功能定位分析、需求预测及运营管理等提供理论支撑。

探测器着陆小行星运动过程中，两者之间的距离远远小于轨道半径，通过近似线性化模型来描述两者之间的相对运动，可将公式（1）变化为以下表达式：

1 公共自行车出行行为解析

1.1 租赁时长分布特性

目前对公共自行车租赁时长的分布特性已有相关研究成果。以宁波市为例,公共自行车租赁时长的分布特性如图1所示[10]。

  

图1 宁波市公共自行车租赁时长分布特性示意图

从图1可以看出,公共自行车租赁时长对应频率的峰值出现在6 min的位置,当租赁时长大于6 min时,租赁频率随租赁时长的增加而下降。这是由于公共自行车是以人力驱动,随着出行距离的增加,公共自行车的出行需求自然下降。

1.2 出行行为特性分析

对于目前的公共自行车租赁系统,可将租赁需求分为以下两类:一类是真正将公共自行车作为正常的交通工具,满足自身的出行需求,且一次出行、一次租赁,称为公共自行车的交通性出行需求;而另一类则是将公共自行车租赁后较长时间占用,以完成多次连续出行,或者用于办理其他事宜,或者利用公共自行车进行旅游休闲以及锻炼身体等,称为公共自行车的非交通性出行需求。以上两类需求共同构成了公共自行车的实际出行行为。

2 公共自行车出行行为分析模型

2.1 信号滤波基本原理

巴特沃斯低通滤波器的滤波函数如图3所示,图3中的频率和振幅均进行了归一化处理。

  

图2 滤波器工作示意图

在实际信号中,除了基本信号外,往往还掺杂有“噪音”,当“噪音”较大时,甚至会掩盖基本信号。这种情况下,往往需要通过滤波器对实际信号进行滤波,滤波后可将信号中与基本信号不一致的“噪音”按频率值进行消除。在通信系统中,用于信号滤波的仪器即是滤波器(见图2)。

2.2 对应关系分析

公共自行车的出行行为可以认为是由交通性出行需求和非交通性出行需求两部分组成,而本文研究的主要内容就是,如何在实际出行需求中筛选梳理出交通性的出行需求,因此,可以用通信系统中的信号滤波原理对出行行为进行分析。在公共自行车租凭时长的分布特性中,如将租赁时长比作信号的频率,将对应的租赁频率比作信号的振幅,则可在公共自行车租赁特性与通信信号属性之间建立相应的对应关系,如表1所示。建立了此种对应关系后,通信系统中的相关原理与方法都可以应用到公共自行车租赁系统中。

 

表1 公共自行车租赁特性与通信信号属性之间的对应关系

  

公共自行车系统租赁时长租赁频率通信系统信号频率信号振幅

2.3 模型构建

图5表明,当租赁时长达到25 min时,租赁频率衰减为低频时的70.7%。从以上结果可以看出,公共自行车出行行为具有如下3方面特征:

田园综合体发展模式秉承了现代农业发展、休闲旅游、新型城镇化的先进性，体现了农业的可持续发展理念，在可持续发展思维上创新形成了如今的田园综合体发展模式，在一定程度上促进了农村生产力的提升，有利于农村生态环境保护，极大地提高了农民生活水平，实现了农业现代化和城乡发展的良好融合。田园综合体是根植于农业的一二三产业融合发展的6次产业互动系统，系统内的人力、科技、土地、基础设施等因素互相作用促进系统内部力量的产生，不断推动着乡村经济向前发展。

 

(1)

式中:G(ω)=|H(ω)|为信号的振幅;ω为信号的频率;ωc为截止频率,即振幅下降为-3 dB时的频率;n为滤波器的阶数。

在通信系统中,信号主要通过振幅和频率等参数进行表征,而频率又是决定通信信号基本属性的重要参数。复杂信号可以分解为不同振幅和不同频率的谐波,这些谐波的幅值按频率排列的图形即为频谱,如图2所示。

（一）转变教学观念，培养科学素养。在化学教学中，教师所发挥的作用是非常巨大的，是知识的传承者、传播者，其的教学观念是否正确，将对教学活动的开展产生直接的影响。因此，初中教师在化学教学中，一定要适当的转变自身的教学观念，注重学生科学素养的培养等，对教学活动的开展提供思维导向，使最终的培养效果达到最佳。

  

图3 巴特沃斯低通滤波器滤波函数示意图

2.4 模型检验

(2)当租凭时长大于25 min时,非交通性出行需求的占比逐渐增加;

(1)当租凭时长小于20 min时,公共自行车出行需求中以交通性出行为主;

  

图4 滤波分析结果示意图

  

图5 滤波函数示意图

乘客选择公共自行车出行时,选择某一租凭时长的概率随租凭时长的增加而下降,即乘客有更大的可能在更近的范围内活动。因此,在图1所示的租赁时长分布特性图中,当租赁时长较短时,以交通性出行需求为主;当租赁时长较长时,则交通性出行需求被其他需求所淹没。若对公共自行车出行行为进行滤波分析,相当于认为低频信号以交通性出行需求为主,高频信号以非交通性出行需求为主,故可采用低通滤波器对公共自行车的出行行为进行滤波处理。

（1）持续健康发展供水和水电经济。持续发展供水经济。抓住湖北省荆门市城区和漳河新区发展机遇，扩大供水市场。推进水价改革工作，持续做好工农业及生活供水水价调增和推进生态水价核定、非农业供水定额管理工作。努力实现供水计量监测系统升级改造。争取农村安全饮水资金，完成漳河高店水厂更新改造。健康发展水电经济。科学布局，成立电站运行维护公司、电力设备检修公司、售电公司。争取直供电片区或电气化地方农网改造项目，开展电力安装、承修、承试业务，引进用电大客户，调整和优化供区结构。做好漳河新能源微电网示范项目申报，推进新能源微电网示范项目建设。

相关研究表明[13],由于公共自行车是以人力驱动,出行距离与人力的持久性有较大关系,不同城市的公共自行车租赁时长分布特性具有较大的相似性。因此,本文以图1所示的宁波市公共自行车租赁时长分布特性为样本,对以上提出的模型进行检验,并进行相应的参数标定。经多次计算和拟合,发现当截止频率ωc=25,阶数n=5时,可以取得较好的滤波分析效果,如图4所示。根据巴特沃斯低通滤波器的基本原理,可得出相应的滤波函数示意图,如图5所示。

本文采用低通滤波器中较为经典的巴特沃斯滤波器进行滤波分析[12]。巴特沃斯低通滤波器可用如下振幅对频率的公式表示

由2.3节分析结果可知,只需确定滤波器的截止频率ωc和阶数n,便可对信号进行滤波分析。根据公共自行车出行的一般特性,并结合相关研究成果[6,13],可以认为当租凭时长小于15 min时,公共自行车的出行还是以交通性出行为主。因此,在进行滤波分析时,以此为基础进行滤波器的截止频率ωc和阶数n的分析计算。

(3)当租凭时长大于35 min时,公共自行车出行需求中以非交通性出行为主。

文献[10]中采用原子核衰变理论对公共自行车实际租赁时长的分布特性进行了物理建模,并得出了如下以分段函数形式表达的租赁时长分布特性函数

(2)

式中:T为租赁时长,F(T)为对应的分布频率。若以F(T)=0.0243Te-0.1667T的函数表达式对滤波后的租赁时长数据进行拟合,发现有较好的吻合度,如图6所示。

  

图6 滤波数据与拟合函数示意图

以上结果说明,文献[12]提出的原子核衰变模型能够较好地模拟公共自行车的交通性出行行为,也可用式(2)所提出的函数表达式对公共自行车的交通性出行需求进行表征,这对科学合理地规划公共自行车站点布局具有指导意义。

3 结语

公共自行车出行行为分析是掌握公共自行车出行需求特征的重要基础,而掌握需求特征又是进行公共自行车系统站点布局的重要基础,尤其是针对站点间距的设置、站点覆盖密度等问题。由于公共自行车租赁需求的特殊性,存在大量的非交通性出行需求,该类出行具有较大的随机性,同时,在需求满足时也无需通过具体的设施规划。因此,极有必要从实际的出行需求中筛选梳理出交通性出行需求,用于指导公共自行车基础设施的规划建设。

烟雾传感器模块主要由旁热式结构半导体式可燃气体敏感元件MQ-2、LM393电压比较器、电容、电阻、可调电阻等原件组成。烟雾传感器模块原理图如图4所示。

本文借用信号系统中的滤波理论,对公共自行车系统中的实际出行行为进行分析,分离出交通性出行行为所对应的租凭时长。研究结果显示,当租凭时长小于20 min时,公共自行车出行需求中以交通性出行为主;当租凭时长大于35 min时,公共自行车出行需求中以非交通性出行为主。由此可见,公共自行车站点密度“宜密不宜疏”,应尽量使公共自行车出行时间保持在20 min以内,这一结论可较好地用于公共自行车系统的布局规划。而同步提出的公共自行车交通性出行需求下的租赁时长分布特性也有较好应用前景。

参考文献:

[1]潘海啸,汤諹,麦贤敏,等. 公共自行车交通发展模式比较[J]. 城市交通,2010,8(6):40-43.

Pan Haixiao,Tang Yang,Mai Xianmin,et al. Overview of bicycle transportation development in urban areas[J]. Urban Traffic,2010,8(6):40-43.

[2] 矫大海. 政策扩散视角下中国公共自行车政策的时空演进及其机制分析[D]. 南京:南京大学政府管理学院,2017.

[3] 李婷婷. 城市公共自行车租赁点选址规划研究[D]. 北京:北京交通大学交通运输学院,2010.

[4] 舒诗楠,边扬,荣建. 基于发生吸引源分布特征的公共自行车网点规模优化模型[J]. 北京工业大学学报,2018,44(1):42-50.

Shu Shinan,Bian Yang,Rong Jian. Station size optimization model of public bicycle system based on building spatial distribution[J]. Journal of Beijing University of Technology,2018,44(1):42-50.

[5] 张冰琦,周杨,李强,等. 城市公共自行车租赁点配车量优化模型研究[J]. 北京师范大学学报(自然科学版),2016,52(4):506-511.

Zhang Bingqi,Zhou Yang,Li Qiang,et al. Optimizing the number of bicycles in a public renting station[J]. Journal of Beijing Normal University(Nature Science),2016,52(4):506-511.

[6] 胡列格,夏云,王佳,等. 城市公共自行车高峰期需求不均衡的调度优化研究[J]. 铁道科学与工程学报,2015,12(2):441-448.

Hu Liege,Xia Yun,Wang Jia,et al. Scheduling optimization research on demand imbalance of urban public bicycles during peak period[J]. Journal of Railway Science and Engineering,2015,12(2):441-448.

[7] 吴满金,董红召,刘冬旭,等. 公共自行车多目标动态调度建模与算法研究[J]. 机电工程,2015,32(7):1006-1010.

Wu Manjin,Dong Hongzhao,Liu Dongxu,et al. Research on the dynamic model with multi-objective and algorithm for public bicycle rebalancing problem[J]. Journal of Mechanical & Electrical Engineering,2015,32(7):1006-1010.

[8] 吴瑶,陈红,鲍娜,等. 基于多项Logit模型的城市公共自行车租借需求预测模型[J]. 大连交通大学学报,2013,34(1):19-24.

Wu Yao,Chen Hong,Bao Na,et al. The predicting model of public bike rental demand based on multinomial Logit model[J]. Journal of Dalian Jiaotong University,2013,34(1):19-24.

[9] 何流,陈大伟,李旭宏,等. 城市公共自行车租赁点布局优化模型[J]. 武汉理工大学学报(交通科学与工程版),2012,36(1):129-133.

He Liu,Chen Dawei,Li Xuhong,et al. An optimization model of the layout of public bike rental stations[J]. Journal of Wuhan University of Technology(Transportation Science & Engineering),2012,36(1):129-133.

[10] José I Castillo-Manzano,Lourdes López-Valpuesta,Antonio Sánchez-Braza. Going a long way?On your bike! Comparing the distances for which public bicycle sharing system and private bicycles are used[J]. Applied Geography,2016,71:95-105.

[11] Shinhye Joo,Cheol Oh,Eunbi Jeong,et al. Categorizing bicycling environments using GPS-based public bicycle speed data[J]. Transportation Research Part C Emerging Technologies,2015,56:239-250.

[12] 戴永胜,张红,徐利,等. 高次谐波抑制微型滤波器研究[J]. 南京理工大学学报,2012,36(5):869-872.

Dai Yongsheng,Zhang Hong,Xu Li,et al. Miniaturization filter with high-order harmonic suppression[J]. Journal of Nanjing University of Science and Technology,2012,36(5):869-872.

[13] Zhang shuichao,He Kangkang,Dong Sheng,et al. Modeling the distribution characteristics of urban public bicycle rental duration[J]. Discrete Dynamics in Nature and Society,2016(6):1-9.