公共自行车利用率的统计分析

.引言1.1公共交通的发展现状我们国家的人口众多，以往城市在规划道路的时候缺少科学的规划，并未能适应经济的发展与人民日益增长的需求。2012年温家宝总理召开常务会议，批示部署优先城市发展公共交通，建设部要进一步采取措施，引导各城市发展公共交通。经过这些年的不断努力，我们国家的公共交通发展迅猛，在公共汽车、有轨电车、无轨电车、地铁、轻轨、高铁领域等等，取得了重大的成绩，而且我国的高铁也建设到了其他国家，受到世界的认可。但是目前城市公共交通还是存在着一定问题的，人们的交通意识不高，不自觉遵守交通法规。由于人们生活水平提高，人们出行的速率上升，人们购买小轿车的热潮源源不断，车辆的数量不断增长，大量人口涌入城市，上下班高峰期人流拥挤，导致我们的城市交通十分拥堵，人们普遍存在着乘车难问题。同时，公交车站与住宅距离和换乘距离过远，也会增加了市民出行的难度。而这些都是由于城市公共交通规划不够科学合理造成的，如今已经在不断地进行优化，对红绿灯信号灯的指示时间做适当的调整，公交站点分点合理，采取分流交通管制，修建地下通道、天桥等。对于人们的最后一公里问题，政府推出公共自行车，企业推出共享自行车，为人们的生活提供交通的便利。1.2公共自行车的发展现状和意义公共自行车租赁系统一般由管理控制中心、站点、停车电子锁桩、自行车及锁车器、读卡器等基本部分构成。公共自行车与共享自行车不一样之处在于公共自行车是有各个不同的站点的，借还车都是需要用到固定站点的电子锁柱，借车的时候人们在电子锁柱刷卡，等待开锁后，便可取走车辆，还车的时候用户将自行车的锁车工具插入立柱电子防盗锁，系统会自行读取车辆芯片信息，计算借车时长、费用等，锁定自行车，便算完成还车，不像共享自行车那样摆放无序，找个空地就可以停下来把车锁上就相当于还车。而站点主要分布在人们生活工作中比较容易接触到的居民住宅区、公司、学校、商场、公交车站等附近，方便人们出行。以湛江绿通公共自行车为例子，刚运营的时候居民需要先办理借车卡，缴纳押金，在站点刷卡之后才能取车。然后为了优化人们的借车流程，湛江绿通自行车有限公司推出了微信扫码取车，可以在微信公众号中办理卡片业务，提交押金，绑定卡号，完成取车流程，跟共享自行车的操作流程相似，以便人们出现日常忘记带卡而又急需用车的情况，既方便又快捷。作为城市交通的组成部分，公共自行车给人们带来很多方便和好处，给人们提供便捷的出行方式，没有噪音与废气，让人们做到绿色出行，而且骑自行车也是一种健康运动，能提高人们的身体素质，让人们更加健康，减少病痛。自行车的体积相对于公共汽车来说非常小，可以到一些很窄的道路，并不占用很大的地面面积，可以分流人群，防止拥堵，提升城市公共交通运行效率。为了进一步研究影响公共自行车利用率的因素，进行以下调研工作。1.3文献综述对于统计分析进行实际应用研究的文献有很多，在不断探索和改进方法，再应用于实际问题中。吴喜之，赵博娟等人在《非参数统计》中，重点介绍了各种统计分析方法的基本原理及其应用，从分析相关例子入手，根据具体数据结构，介绍检验方法，给出分析结论，给出用R、SPSS等软件对例子数据进行分析的具体步骤，提供本文对R语言软件使用的指导。汪海波，罗莉，汪海玲等人《R语言统计分析与应用》中，重点介绍了各种统计分析方法的基本原理及其应用，详细讨论了统计分析方法的分析过程，介绍了R语言的使用方法及应用实例说明、结果解释及结论分析等。提供本文对R语言软件使用的指导。郭金玉，张忠彬，孙庆云等人在《层次分析法的研究与应用》文献资料中介绍了层次分析法的基本理论还有目前的研究，也举出了应用的例子，为本文提供层次分析法理论使用的指导。在韩慧敏，张宇等人在《公共自行车系统》文献资料中，讲述了公共自行车系统的目前情况，分析了公共自行车发展存在的问题以及优势，使得对目前公共自行车系统更加深入了解，从而能顺利进行下面的研究工作。1.4创新思路首先确定研究思路，先查看目前公共交通和公共自行车的发展现状，结合本地的情况，确定本论文的研究方向，由于本地公共自行车站点较多难以获取所有的站点数据，本文的数据来源创新点在于数据获取划分为两部分：一部分为根据距离、站点分类等寻找具有代表性的站点不同时间段的使用数据，另一部分为沿站发放调查问卷获取市民信息。在运用研究方法中，采用层次分析法、R软件进行处理分析数据。根据附近公共场所不同时间、人流量、消费人群年龄段等因素作为分析指标，建立数字模型进行研究分析公共自行车的利用率。1.5简述提出的建议公共自行车公司要提升租赁系统的刷码服务，及时反馈使用数据，学习共享自行车公司的运营经验，加强网上数据流通建设；研究出更加符合使用人群的公共自行车，建议定期改变站点间的车辆调度情况，对于不同情况的站点的电子锁柱和公共自行车进行逐步调整；租赁点的选取标准要按照人们使用数据去更改，在租赁点安装遮阳棚、电子眼，同时畅通群众反馈渠道，让人们反馈他们的意见，从而去完善优化租赁点的布局。1.6论文总结本文基于湛江绿通公共自行车公司的发展需求进行分析，首先讲述公共交通的发展现状、公共自行车行业的发展现状和意义、文献综述、创新思路、简述提出的建议，再在本城市寻找麻章区第一中学、湛江技师学校、怡福名苑、星海湾、泰汇广场这五个公共自行车站点对于公共自行车利用率的相关因素，例如早晚时间段、周末非周末时间段、寒暑假上课时间段等使用数据进行收集，结合沿站点收集到的调查问卷中的信息，建立数学模型运用层次分析法并对影响利用率的相关因素以及相关度进行求解，然后结合共享单车分析比较他们的区别，最后对公司提出提高公共自行车利用率的建议以及对未来发展的展望。2.调研2.1收集站点数据对于麻章区第一中学、湛江技师学校、怡福名苑、星海湾、泰汇广场这五个站点，为了方便记录，将它们改成下述名称。表1改名情况Table1Namechange原名改名为麻章区第一中学站点一湛江技师学校站点二怡福名苑站点三星海湾站点四泰汇广场站点五将站点一、二纳入学校站点，站点三、四纳入住宅站点，站点五纳入商城站点。在请求朋友的帮助下，在1月2日、1月5日、3月5日、3月8日分别在上述五个站点收集取借还车用户的数据，将数据合理分析整合。2.1.1判断数据是否准确本文调查的五个站点在本地是具有代表性的站点，针对获得的数据对其进行分析影响利用率的因素。为确保数据的准确性，要求每一个站点的数据各不相同。先对数据进行分析，检验不同站点的各时段公共自行车使用次数是否存在差异，可运用Friedman秩和检验。原假设：各个站点的位置参数相等。备择假设：各个站点的位置参数不相等。制作成数据表：表2五个站点不同时段的使用情况Table2Usageoffivesitesindifferentperiods站点7:00-11:0011:00-15:0015:00-19:0019:00-23:00站点一43141513站点二37381614站点三41394749站点四39374243站点五32404655在R软件中输入以下程序>bycycle<-c(43,37,41,39,32,14,38,39,37,40,15,16,47,42,46,13,14,49,43,55)>a<-c(1,2,3,4,5,1,2,3,4,5,1,2,3,4,5,1,2,3,4,5)>b<-c(1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4)>friedman.test(bycycle,a,b)从程序结果得到，p值为0.1991，大于0.05,故可拒绝原假设，认为不同站点的各时段公共自行车使用次数存在差异，即数据可以正常使用。2.1.2统计并得出结论1、寒暑假与非寒暑假站点公共自行车使用情况将1月2日、1月5日纳为非寒暑假，将3月5日、3月8日纳为寒暑假，得到：表3寒暑假与非寒暑假使用情况Table3Usageofwinterandnonsummervacation站点非寒暑假借车数寒暑假借车数站点一5728站点二7530站点三8096站点四7685站点五72101总计360340可得出非寒暑假与寒暑假时期对学校站点的公共自行车使用情况影响很大，对商店站点影响较大，对住宅站点影响不大，对总体情况影响不大。2、周末与非周末站点公共自行车使用情况将1月2日、3月5日当作非周末，将1月5日、3月8日当周末，得到：表4周末与非周末使用情况Table4Usageofweekendandnonweekend站点非周末借车数周末借车数站点一5827站点二5352站点三8888站点四8180站点五7895总计359341可得出周末与非周末时期对学校站点中的站点一的公共自行车使用情况影响很大，对商场站点影响较大，对学校站点中的站点二、住宅站点影响不大，对总体情况影响不大。3、一天中不同时间段公共自行车使用情况将借还车一天的时间分成四段，分为7：00-11：00，11：00-15：00，15：00-19：00，19：00-23：00，将站点全部数据加起来，得到：表5一天中不同时间段的使用情况Table5Usageindifferenttimeperiodsoftheday时间段借车次数还车次数7：00-11：0024+40+61+60+55=24027+29+28+27+37=14811：00-15：0020+27+47+40+45=17933+32+38+35+24=16215：00-19：0024+24+41+36+40=16540+40+54+58+44=23619：00-23：0017+14+27+25+33=11626+31+53+43+37=190可得出7：00-11：00时间段借车的次数最多，19：00-23：00时间段借车的次数最少。7：00-11：00时间段还车的次数最少，15：00-19：00时间段还车的次数最多。符合人们早上上班借车，傍晚下班还车的日常情况。4、男生和女生的公共自行车使用情况总计各个站点中男生和女生的使用情况得到：表6不同性别的使用情况Table6Genderusage性别借车次数男327女373图1不同性别借车次数比例Figure1Proportionofcarborrowingtimesbygender可得出女生使用公共自行车的次数比女生多，女生更愿意选择公共自行车作为他们的出行方式，也是比较符合湛江本地的情况，女生去逛街、买菜的时候更愿意选择节俭的出行方式。5、不同年龄段对于公共自行车的使用情况总计各个站点中不同年龄段的使用情况得到：表7不同年龄段的使用情况Table7Usageofdifferentagegroups年龄段借车次数0-12岁1310-19岁8920-29岁15530-39岁21340-49岁16550-59岁3960岁以上26图2不同年龄借车次数比例Figure2Proportionofcarborrowingtimesofdifferentages可得出0-12岁、50-59岁、60岁以上年龄段使用公共自行车的人数较少，30-39岁年龄段使用次数最多，其次是40-49岁、20-29岁，这种现象符合湛江当地的情况。与别的一线城市不一样的是，湛江年轻人只有在上学的时候会更多地选择公共自行车，他们日常普遍使用的交通工具是电动车。日常使用公共自行车次数最多的是岁数比较大一点的长辈们。而0-12岁的孩子还小，60岁以上的老人年纪大了，不太会运用公共自行车的开锁功能，家里人也不放心他们骑行公共自行车，所以使用的人数较少。6、各个站点公共自行车借车还车情况把所有时间段的借车次数和换车次数加起来，得到：表8借车次数和还车次数情况Table8Numberofcarborrowingsandcarreturns站点借车次数还车次数站点一85126站点二105132站点三176173站点四161163站点五173132总计700729图3借车次数和还车次数情况Figure3Numberofcarborrowingsandcarreturns由图表可看出商店站点的借车次数大于还车次数，应适当增加车辆数和电子锁柱的数目，学校站点借车数小于还车数，应适当增加电子锁柱的数目。7、各个站点公共自行车各时段借车、还车次数之比计算不同时间的借车数、还车数，相除得到：表9借车次数和还车次数之比Table9Ratioofnumberofcarborrowingandnumberofcarreturning站点1月2日1月5日3月5日3月8日站点一0.720.520.750.68站点二0.690.701.231.17站点三0.970.951.091.04站点四0.8811.051.02站点五1.231.251.351.375可得出站点一存在着无电子锁柱停车的现象，站点五存在着无车可借的现象，湛江绿通公共自行车公司可根据上述情况对电子锁柱数以及公共自行车数进行调整，从而让群众更好地使用产品，提升群众的体验感和满意度。2.2收集问卷信息由于湛江市的站点还有很多，调查五个得到的数据还是比较少，所以沿站点发放调查问卷200份，收回有效问卷187份，为下面分析做好准备。2.2.1统计并得出结论日常出行中最常使用的工具表10常用出行工具Table10Commontraveltools步行自行车电动车摩托车小汽车其他201849394714图4常用出行工具Figure4Commontraveltools可得出市民日常使用自行车的频率非常低，选择常用自行车作为出行方式还不到全部出行方式的1/10，这也会使得公共自行车的利用率降低。每周骑行公共自行车的次数统计表11每周骑行次数Table11Numberofridesperweek≤1次2-5次5-10次10次以上42724921图5每周骑行次数Figure5Numberofridesperweek可得出市民日常使用自行车的频率比较低，这也与市民平时出行使用的工具相关。市民使用公共自行车的出行目的表12出行目的Table12Trippurpose短途出行换乘锻炼身体出去游玩其他6251253217图6出行目的Figure6Trippurpose可得出市民使用公共自行车主要是用来短途出行以及换乘，短距离的活动比较适用于使用公共自行车。市民对于服务因素的满意度：表13服务满意度Table13Servicesatisfaction指标非常不满意不太满意一般比较满意非常满意公共自行车使用感935735713租赁系统使用感294576236租赁公司满意度737645916图7服务满意度Figure7Servicesatisfaction可得出市民对于租赁系统的不满比较多，湛江绿通公司应该大量人力物力来完善租赁系统，提高人们的使用感。3.利用层次分析法分析数据为了得到更为准确的公共自行车在整个交通出行中利用率的影响因素具体的权重，下面将采用层次分析法对影响因素进行分析。3.1层次分析法的理论内容层次分析法（analytichierarchyprocess，简称AHP）是定性和定量相结合的系统决策方法，将与决策相关关的因素划分为目标层、准则层、方案层。这种方法的优点就是在复杂的决策问题上提出了层次的概念，对影响指标以及内在关系等进行深入分析，利用较少的定量指标使决策的思维过程数学化，考虑以及衡量指标的相对重要性，从而为复杂决策问题提供简便的决策方法。层次分析法的基本步骤如下：建立层次分析结构模型，要先对实际问题进行深层分析，将有关指标挑选出来并且从上而下分层，下一层的指标对上层的指标有影响，并且也会对下一层的指标产生影响，同一层内各因素基本上相对独立。构造成对比较阵，用成对比较法和1~9尺度，构造每一层对上一层每一个指标的成对比较阵，从层次结构模型的第二次开始直至最后一层。对每一层对比较阵，计算最大特征根和特征向量，并进行一致性检验，若通过，则特征向量即为权向量；若没有通过，则需要重新构造对比较阵。计算组合权向量并进行组合一致性检验，组合权向量可作为决策的定量依据。3.2模型的建立与分析3.2.1指标选择根据对公共自行车使用情况的分析，可以看出对于出行者是否选择公共自行车出行有着众多的影响因素，主要有：（1）自然因素有：使用区域内天气因素、温度因素、道路情况等；（2）个人因素有：使用者年龄、月收入、拥有的交通工具等；（3）出行因素有：使用者出行所需时间、出行目的、交通费用等；（4）服务因素有：公共自行车使用感、租赁系统使用感、租赁公司满意度等。下面对上述因素进行指标定义。3.2.2判断指标定义并建立模型表14指标定义Table14Definitionindex自然因素B1天气C1温度C2道路情况C3个人因素B2年龄C4月收入C5拥有的交通工具C6出行因素B3出行所需时间C7出行目的C8交通费用C9服务因素B4公共自行车使用感C10租赁系统使用感C11租赁公司满意度C12指标层准则层目标层指标层准则层目标层天气C天气C1自然因素B自然因素B1温度C2道路情况C3道路情况C3公共自行车利用率影响因素年龄年龄C4个人因素B2月收入个人因素B2月收入C5拥有的交通工具拥有的交通工具C6出行所需时间C7出行所需时间C7出行目的C8出行因素B3出行目的C8出行因素B3交通费用交通费用C9公共自行车使用感公共自行车使用感C10服务因素B4服务因素B4租赁系统使用感C11租赁系统使用感C11租赁公司满意度租赁公司满意度C12图8建立模型Figure8Modelestablishment接下来我们开始构造成对比较阵，元素之间两两对比，对比采用相对尺度，设我们需要比较的各准则层因素B1，B2，B3，B4对目标层的重要性：Bi：Bjaij，A=（aij）n*n，aij>0，aij=1/aij其中i与j分别为1~4任意一个数字，但两者不能同时取同一个值。尺度我们采取目前较为广泛使用的1~9尺度，aij取值1，2，3，4，5，6，7，8，9及其倒数，这样可以实现定性到定量的转化，使我们能够将自己的判断以一定的量化标准代入到模型中进行计算，如下表所示。表15尺度准则Table15Scalecriterion尺度aij123456789Ci：Cj的重要性相同稍强强明显强绝对强根据上述调查研究得到的数据，对比之后得出准则层对于目标的对比阵矩阵。A=1指标层对于准则层的对比矩阵也采取类似方法对指标层的对比阵赋值。B1=131/51/311/75B3=1351/3141/53.2.3一致性检验接下来我们开始计算权向量并作一致性检验，成对比较完全一致的情况，满足aij*ajk=aik，i，j，k=1，2，3，4的正反阵A称为一致阵。一致阵具有以下性质：A的秩为1，A的唯一非零特征根为n。A的任一列向量是对应于n的特征向量。A的归一化特征向量可作为权向量。对于不一致（但在允许范围内）的成对比较阵A，我们会选择采用对应于最大特征根λ的特征向量作为权向量ω，即Aω=λω。一致性检验即为已知n阶一致阵的唯一非零特征根为n，可证n阶正互反阵最大特征根λ≥n，且λ=n一致性指标：CI=λ−nn−1，CI=0时。A一致。CI越大。A的不一致性程度越严重。为了衡量表16随即一次性指标Table16Randomone-offindexN12345678910RI000.520.891.121.261.361.411.461.49定义一致性比率CR=CI/RI，当CR<0.1时，通过一致性检验，选择指标中准则层对目标层的权向量及一致性检验，我们利用R软件进行求解，得出特征值λ为4.0746ω=（0.3936,0.0483,0.3936,0.1645）T一致性指标CI=0.0249随机一致性指标RI=0.89（查表）一致性比率CR=0.0279<0.1，通过一致性检验。指标层的计算结果见下表。表17指标层的计算结果Table17Calculationresultsk1234ωk0.19320.11490.61940.57500.08330.18220.28420.34310.72350.70280.09640.0819λk3.06583.05423.08673.0292CIk0.063290.052120.083360.02804RI=0.52（n=3），CIk均通过一致性检验。3.2.4得出结果表18综合权重Table18Proportion目标层准则层（单层权重）指标层（单层权重）综合权重公共自行车利用率影响因素自然因素B1(0.3936)天气C1(0.1932)0.0760温度C2(0.0833)0.0328道路情况C3(0.7235)0.2848个人因素B2(0.0483)年龄C4(0.1149)0.0055月收入C5(0.1822)0.0088拥有的交通工具C6(0.7028)0.0339出行因素B3(0.3936)出行所需时间C7(0.6194)0.2438出行目的C8(0.2842)0.1119交通费用C9(0.0964)0.0379服务因素B4(0.1645)公共自行车使用感C10(0.5750)0.0946租赁系统使用感C11(0.3431)0.0564租赁公司满意度C12(0.0819)0.0135根据综合权重分析可得对公共自行车利用率影响最大的几个因素依次是道路情况、出行所需时间、出行目的。4.结合共享单车具体分析在问卷调查的最后一个问题中，有将近一半的市民提出停车不方便，建议推出共享单车，可以随处随时停放自行车。目前在湛江市区内，并没有分布共享自行车，只存在着公共自行车，所以对于湛江绿通公司发展公共自行车还是具有一定有利条件的。4.1公共自行车与共享自行车的对比4.1.1收费标准比较据调查得知，湛江绿通公共自行车公司的收费标准为：办理卡片押金200元，押金需要到营业厅办理，公众号刷码押金100元，押金可以在公众号上申请退款，需要几个工作日时间安排，两种方式皆可用于取车。月卡15元，不限次数，每次可免费骑行2小时，超出时间按正常计费规则计费。单次收费1小时内0.5元，超过1小时、2小时内1元，超过2小时、3小时内2元，3小时以上3元。共享自行车以哈啰单车为代表的的收费标准为支付宝押金199元，可秒退。月卡30元，不限次数，每次可免费骑行2小时，超出时间按正常计费规则计费。自从2020年1月4日起，哈啰单车施行新计费规则：前半小时内1.5元，超出半小时收取时长费，时长费为每半小时1.5元，超出区域还要收取调度费20元。明显可以看出公共自行车的收费要比共享自行车便宜多了，从价格方面考虑优先选择公共自行车。4.1.2优劣势比较同样作为公共交通系统的一部分，公共自行车和共享自行车起到的作用是相同的，满足市民的需求，解决市民“最后一公里”的问题。公共自行车的优势在于有固定站点，有固定电子锁柱支持停放公共自行车，有助于规范管理、更加容易维护维修。而共享单车的优势在于借还车方便，可以随时随地随处还车，支持扫码支付服务，以及若符合免押条件：支付宝芝麻分高于650分，即可免押金用车，非常人性化。公共自行车的劣势在于停车必须要停放在电子锁柱上，万一想要停放的站点以及无空余电子锁柱可用，还要继续骑行一段距离来到另一个站点进行停放再步行回目的地，会耗费时间以及体力。共享自行车的劣势在于自行车存在乱停乱放，扰乱公共秩序，有些人甚至破坏共享自行车的配备锁，然后占为己有，当成是私人的自行车使用，或者是随处乱扔。前段时间ofo退押金，废弃单车堆成坟场的事件传得沸沸扬扬，直至现在，ofo需要退的押金还没有完全退还完毕，目前市面上存活的共享自行车公司为了维持运营，也只好相互上涨共享自行车的租骑费用，但这样慢慢地失去了与公共自行车对比的优势。4.2公共自行车与共享自行车的不断进步其实公共自行车与共享自行车就不应该是对手，两者应该联手合作，共同学习，互相促进，升级模式，达成共赢。公共自行车现在不再仅仅局限于刷卡取车，现在已经在逐步支持扫码服务，可以两者并行，也学会借鉴互联网企业的运营思维，利用大数据分析用户需求，不断地改进站点布局，方便人们借还车。对于无锁柱停车问题，现在公共自行车已经在探索应用无锁柱电子围栏技术，目前有地方已经开始试行，希望未来能解决此问题。而共享自行车为了解决自行车乱停乱放问题，增加了收取调度费的收费栏目，在指定区域内停放按普通价格收费，在指定区域外停放要加收调度费，但是目前的规定也不太明确，还需要明确规定，加强宣传，让人们都能按照规定完成借还车的流程。而共享自行车公司也在加强配备锁的升级，提高自行车的品质，加强对于自行车的维修管理。相信在未来，公共自行车和共享自行车在各自发展中存在的问题都能得到逐步解决，形成互补兼容的发展未来趋势，真正为人们解决交通难题。5.对湛江绿通公共自行车公司的改善建议5.1租赁系统的改善建议根据问卷调查最后一个问题收集到的答案得知，人们有时候遇到公众号上的扫码服务有所延迟，本来可以支持借车服务的公共自行车却在公众号上没有显示，还不如刷卡反应迅速，这就说明了目前租赁系统的刷码服务还是不完善的，还需要学习共享自行车公司的运营经验，加强网上数据流通这一方面的建设，让数据反馈更加及时，让人们更加方便地使用公共自行车。由于数据证明湛江市民出行常用工具中自行车的占比比较低，可以多点宣传骑自行车的好处，在车载广播、LED大屏幕上播放小广告，让人们得知湛江市的公共自行车的发展现状，对骑自行车这种绿色出行方式感兴趣。5.2公共自行车的改善建议根据调查站点数据得知女生使用公共自行车比较多，中年人使用公共自行车比较多，可以据此询问有关自行车设计专家，研究出比较稳妥的自行车构造以及合理的高度，能让大部分使用者用起来更加舒适。而且我们也得知在寒暑假期间，周末期间学校站点的借车需求比较小，但考虑到调度经济成本，不考虑周末期间，建议在寒暑假期间把学校站点的公共自行车调到商场站点等假期期间人流量比较多的站点，以便提升自行车的利用率。并且对于湛江绿通公共自行车公司站点的借还车之比的数值较大的站点加配多些电子锁柱和公共自行车，数值较小的站点加装多些电子锁柱，而电子锁柱和公共自行车的数量可以随着数据的改变进行逐步调整，这样就能更符合人们的需求。5.3租赁点的改善建议根据问卷调查得到的数据，我们得知道路情况、出行所需时间、出行目的对于公共自行车的利用率的影响较大，湛江绿通公共自行车公司可通过研究湛江市本地的道路规划，了解哪些道路布局狭窄但人流量较多，以及各种商业区、景点区、娱乐场所等人们比较喜欢去、也经常去的地方，以此作为租赁点的选取标准。对于站点之间距离也要进行严格地把控，不能太远也不能太近，要根据人口密度去分布。建议可以在租赁点安装遮阳棚，能让人们在棚下遮阴，让公共自行车免遭日晒雨淋，让人们感受到更舒适的取还车环境。还建议在租赁点旁安装电子眼，一方面可以防止人们破坏公共自行车以及电子锁柱，另一方面也为湛江绿通公共自行车公司提供管理的方便，能及时处理问题。还可以畅通群众反馈渠道，让人们通过电话热线、三微一端等渠道反馈他们的意见，从而去完善租赁点的布局以及优化。6.结论本文通过对湛江市几个站点借还车数据、问卷调查信息的研究，利用层次分析法分析了数据信息，讨论了影响公共自行车利用率的一些因素的相关度，结合共享自行车讨论现状，给湛江绿通公共自行车公司提供了建议，希望能够提高公共自行车的利用率。但毕竟能力有限，对于问题处理考虑不周，相关因素错综复杂，未能进行更加深入的研究分析，对于公共自行车利用率的研究分析还有待进一步完善。希望公共自行车公司能够好好得利用各站点公共自行车使用的数据信息，将其进行更加具体的分析，找到更加确切影响公共自行车利用率的因素，并将其影响的大小算出，从而有的放矢地改进公司的运营模式，升级改善租赁系统，在服务群众的同时也能获利，达到双赢的局面。参考文献汪海波，罗莉，汪海玲.R语言统计分析与应用[M].北京:人民邮电出版社,2008，3.吴喜之，赵博娟.非参数统计[M].中国统计出版社2013，10.韩慧敏，张宇.公共自行车系统[J].城市交通,2009,7(4)13-30.郭金玉，张忠彬，孙庆云.层次分析法的研究与应用[J].中国安全生产学报，2008，(5):148-153.许树柏.层次分析法原理[M].天津：天津大学出版社，1988.庄锁法.基于层次分析法的综合评价模型[J].合肥工业大学学报，2000，23(4)：582-585.潘海啸、犮贤敏、牟玉江.公共自行车交通发展模式比较[J].城市交通.2010,11(6)：40-43.DeMaioPaul.Bicycle-sharing:History，Impacts，ModelsofProvision，andFuture.JournalofPublicTransportation，2009.12(4):41-56.钱进.城市公共自行车租赁点借还需求预测与分析[硕士学位论文].长安大学，2015附录附录一：公共自行车利用率相关因素的调查问卷1.您的性别：□男□女2.您的年龄：□12-19岁□20-29岁□30-39岁□40-49岁□50-59岁□60岁以上3.您的学历：□初中及以下□高中或高职□大专或本科□硕士及以上4.您的职业：□学生□工人□公职人员□企业职员□自由职业□离退休人员5.您使用公共自行车会考虑以下哪种因素：□自然因素□个人因素□出行因素□服务因素自然因素6.您通常在什么时候使用公共自行车：□工作日□周末□任何时段7.您使用公共自行车会考虑以下哪种因素：□天气（晴天、雨天、阴天）□温度（冷、热）□道路情况（畅通、阻塞）个人因素8.您的月收入/元：□3000及以下□3001-5000□5001-8000□8001-10000□10000以上9.您家庭拥有的私人交通工具（可多选）：□无□自行车□电动车□摩托车□小汽车□其他出行因素10.您每周骑公共自行车的次数是：□≤1次□2-5次□5-10次□10次以上11.您每次骑公共自行车所需的时间是：□15分钟以内□15-30分钟□30-60分钟□60分钟以上12.您使用公共自行车的目的是：□短途出行□换乘□锻炼身体□出去游玩□其他13.您每周的交通费用是：□10及以下□10-20□20-50□50以上14.您使用公共自行车会考虑以下哪种因素：□出行所需时间□出行目的□交通费用服务因素15.对于公共自行车的使用感（例如外观、自行车灵敏度、骑行环境等）□非常不满意□不太满意□一般□比较满意□非常满意16.对于租赁系统的使用感（例如设备反应、租押金返还情况等）□非常不满意□不太满意□一般□比较满意□非常满意17.对于租赁公司的的满意度（例如服务态度、站点布局等）□非常不满意□不太满意□一般□比较满意□非常满意18.您使用公共自行车会考虑以下哪种因素：□公共自行车的使用感□租赁系统的使用感□租赁公司满意度19.对于湛江本地的公共交通发展现状有什么建议？再次感谢大家的帮助附录二：层次分析法处理代码data_A<-matrix(c(1,1/7,1,1/3,7,1,7,5,1,1/7,1,1/3,3,1/5,3,1),nrow=4,dimnames=list(c("A1","A2","A3","A4"),c("A1","A2","A3","A4")))data_B1<-matrix(c(1,1/3,5,3,1,7,1/5,1/7,1),nrow=3,dimnames=list(c("B1","B2","B3"),c("B1","B2","B3")))data_B2<-matrix(c(1,2,5,1/2,1,5,1/5,1/5,1),nrow=3,dimnames=list(c("B1","B2","B3"),c("B1","B2","B3")))data_B3<-matrix(c(1,1/3,1/5,3,1,1/4,5,4,1),nrow=3,dimnames=list(c("B1","B2","B3"),c("B1","B2","B3")))data_B4<-matrix(c(1,1/2,1/6,2,1,1/5,6,5,1),nrow=3,dimnames=list(c("B1","B2","B3"),c("B1","B2","B3")))Weigth_fun<-function(data){if(class(data)=='matrix'){data=data}else{if(class(data)=='data.frame'&nrow(data)==ncol(data)-1&is.character(data[,1,drop=TRUE])){data=as.matrix(data[,-1])}elseif(class(data)=='data.frame'&nrow(data)==ncol(data)){data=as.matrix(data)}else{stop('pleaserecheckyourdatastructure,youmustkeepaequalnumoftherowandcol')}}sum_vector_row=data%>%apply(2,sum)decide_matrix=data%>%apply(1,function(x)x/sum_vector_row)weigth_vector=decide_matrix%>%apply(2,sum)result=list(decide_matrix=decide_matrix,weigth_vector=weigth_vector/sum(weigth_vector))return(result)}Weigth_fun(data_A)Weigth_fun(data_B1)Weigth_fun(data_B2)Weigth_fun(data_B3)Weigth_fun(data_B4)AW_Weight<-function(data){if(class(data)=='matrix'){data=data}else{if(class(data)=='data.frame'&nrow(data)==ncol(data)-1&is.character(data[,1,drop=TRUE])){data=as.matrix(data[,-1])}elseif(class(data)=='data.frame'&nrow(data)==ncol(data)){data=as.matrix(data)}else{stop('pleaserecheckyourdatastructure,youmustkeepaequalnumoftherowandcol')}}AW_Vector=data%*%Weigth_fun(data)$weigth_vectorλ=(AW_Vector/Weigth_fun(data)$weigth_vector)%>%sum(.)%>%`/`(length(AW_Vector))result=list(AW_Vector<-AW_Vector,`∑AW/W`<-AW_Vector/Weigth_fun(data)$weigth_vector,λ<-λ)return(result)}AW_Weight(data_A)AW_Weight(data_B1)AW_Weight(data_B2)AW_Weight(data_B3)AW_Weight(data_B4)Consist_Test<-function(λ,n){RI_refer