共享單車的蓬勃發(fā)展啡专，讓人們的短途出行更加方便，這種綠色低碳效床，又時(shí)尚健康的新型出行方式已成為城市“主旋律”。那么在國外共享單車又是怎樣一番情景呢权谁？
華盛頓正在變成一個(gè)適宜自行車出行的城市剩檀。主要道路上都設(shè)有自行車道，而且共享單車系統(tǒng)非常成功旺芽。最近Capital Bikeshare發(fā)布了他們每個(gè)季度的騎行數(shù)據(jù)沪猴。我對(duì)前四個(gè)季度的數(shù)據(jù)進(jìn)行了抓取和清理，并發(fā)布在我的GitHub中采章。
幾周前字币，我偶然看到Austin Wehrwein關(guān)于芝加哥的自行車共享系統(tǒng)的帖子，這個(gè)帖子很棒共缕，看完后我立即想進(jìn)行同樣的嘗試洗出。通過熱圖可以清楚的看到，一整年內(nèi)共享單車每天的使用情況图谷。幸運(yùn)的是翩活，Austin Wehrwein提供了代碼，從而我能夠?qū)θA盛頓地區(qū)的騎行數(shù)據(jù)進(jìn)行分析便贵。
Austin Wehrwein原貼鏈接：
http://austinwehrwein.com/data-visualization/heatmaps-with-divvy-data/
華盛頓特區(qū)320萬人次騎行數(shù)據(jù)熱圖: 2015年7月1日-2016年6月30日
每日騎行數(shù)據(jù)的熱圖代碼：
library(ggplot2)ggplot(bike_day_heatmap, aes(x = week, y = days, fill = n)) + scale_fill_viridis(name="# of Rides", option = "C", limits = c(0, max(bike_day_heatmap$n))) + geom_tile(color = "white", size = 0.4) + scale_x_continuous(expand = c(0, 0), breaks = seq(1, 52, length = 12), labels = c("Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"))+ theme_minimal() + theme(legend.position = "bottom") + labs(title = "DC Bikeshare: Heatmap of Rides taken per Day", x = "Month", y = "Day of the Week", subtitle = "July 1, 2015 to June 30, 2016", caption = "Data from: https://s3.amazonaws.com/capitalbikeshare-data/index.html")
從2015年7月1日至2016年6月30日菠镇，共有320萬次騎行。由于數(shù)據(jù)不足一整年承璃，所以我決定不按照Andrew的將數(shù)據(jù)按年區(qū)分利耍。
在熱圖中我注意到了一些趨勢(shì)：
· 華盛頓的騎行季節(jié)比芝加哥稍長。其中天氣占很大一部分的原因，因?yàn)槿A盛頓的3月和9月一般比較溫暖隘梨，而在芝加哥就不是如此了程癌。
· 有兩個(gè)藍(lán)色單元格在熱圖中很顯眼（意味著低使用率）。關(guān)于其中的原因估計(jì)也是天氣轴猎。2016年4月29日嵌莉，天氣異常寒冷，且有小雨捻脖。2016年9月9日則比往年此時(shí)要熱锐峭，達(dá)到在96華氏度(約為35.5攝氏度)。
· 2016年3月26日（星期六）的騎行數(shù)量最多可婶，為14,116人次沿癞。這是櫻花盛開后的一天。雖然在全年中星期六的騎行總數(shù)較少矛渴，但櫻花卻帶來了顯著的騎行高峰椎扬。
· 在一周中，星期六和星期天的騎行數(shù)相對(duì)要少曙旭。就個(gè)人而言盗舰，我在工作日會(huì)將自行車用作通勤的選擇之一，看來其他人也是如此桂躏。櫻花星期六則是一個(gè)異常值钻趋。
· 騎行次數(shù)最少的為2016年2月15日（星期一），僅為501人次剂习。天氣發(fā)揮了很大的作用：當(dāng)天氣溫低且下雨蛮位。
看到這個(gè)熱圖我不禁開始思考更多的問題。我不僅關(guān)注共享單車每天的使用情況鳞绕，同時(shí)也想了解每天不同時(shí)段的騎行數(shù)據(jù)失仁。當(dāng)我使用自行車上下班上班時(shí)，我經(jīng)常會(huì)發(fā)現(xiàn)们何，當(dāng)我到達(dá)存放自行車的車站時(shí)萄焦，車站幾乎都是空的。這很令人沮喪冤竹。接著我又創(chuàng)建了一個(gè)熱圖拂封，顯示每天不同時(shí)段的騎行數(shù)據(jù)。
華盛頓: 320萬次騎行數(shù)據(jù)的熱圖
對(duì)于生活在華盛頓的人群來說鹦蠕，對(duì)這個(gè)熱圖的結(jié)果應(yīng)該不會(huì)感到驚訝冒签。
早上8點(diǎn)至8點(diǎn)55分，以及下午5點(diǎn)到5點(diǎn)59分為上下班期間钟病，騎行數(shù)量達(dá)到高峰萧恕。
然而刚梭，星期五甚至周四下班后，相對(duì)星期一至星期三共享單車的使用量并不高票唆。這段時(shí)間人們更多在家辦公嗎朴读？或者他們會(huì)選擇走路、乘坐地鐵惰说、坐公交磨德，與同事到酒吧聚聚呢缘回？
周末騎行的時(shí)間一般分布在上午11點(diǎn)至晚上8點(diǎn)吆视。我嘗試通過用戶的帳戶類型進(jìn)行分析。使用共享單車服務(wù)酥宴，你可以按年租啦吧，類型為“注冊(cè)”用戶；或按天支付拙寡，類型為“臨時(shí)”用戶授滓。臨時(shí)用戶的數(shù)量對(duì)總數(shù)據(jù)影響并不大。臨時(shí)用戶會(huì)在周末這些時(shí)間用車肆糕，但是比起使用自行車通勤的注冊(cè)用戶般堆，總體數(shù)量是微不足道的。在320萬次騎行數(shù)據(jù)中诚啃，臨時(shí)用戶占665,822人次淮摔，而注冊(cè)用戶為2,591,279人次。
每小時(shí)騎行數(shù)據(jù)的熱圖代碼：
library(ggplot2)ggplot(bike_time_heatmap, aes(x = days, y = start.hour, fill = n)) + scale_fill_viridis(name="# of Rides", option = "C", limits = c(0, max(bike_time_heatmap$n))) + geom_tile(color = "white", size = 0.4) + theme_minimal() + scale_y_reverse() + labs(title = "DC Bikeshare: Heatmap of Rides taken per Hour", x = "Day of the Week", y = "Starting Hour", subtitle = "July 1, 2015 to June 30, 2016", caption = "Data from: https://s3.amazonaws.com/capitalbikeshare-data/index.html")
當(dāng)然始赎，這也讓我思考更多的問題和橙。如果將小時(shí)熱圖分解成每15分鐘，每5分鐘造垛，甚至每1分鐘會(huì)得到什么結(jié)果魔招？哪些車站在什么時(shí)間使用率最高？
當(dāng)中所有代碼都可以在我的GitHub主頁找到五辽。
github鏈接：https://github.com/AlexJF12
原文鏈接：https://medium.com/@alexjf12/biking-in-washington-d-c-edbf09f3129e
