本文的研究由Or Caspi、Michael J. Smart和Robert B. Noland*共同完成，他们均来自美国罗格斯大学爱德华·J·布劳斯坦规划与公共政策学院。这项研究发表在《交通研究D部分：交通与环境》期刊上，于2020年7月2日在线发表。

本研究属于交通规划与城市研究领域，具体关注于新兴的微出行方式——共享电动滑板车。随着无桩共享电动滑板车在全球范围内的快速普及，城市和交通规划者面临一系列挑战，包括对其使用模式、对交通网络的贡献以及外部影响的评估。此前，关于自行车共享系统已有大量研究，但电动滑板车的使用模式似乎有所不同。尽管已有一些研究开始关注共享电动滑板车的出行行为、安全问题和环境影响，但对其空间使用模式及其与建成环境、土地利用、人口统计学特征之间关联的系统性空间分析仍较为缺乏。本研究旨在填补这一空白，通过分析美国德克萨斯州奥斯汀市约六个月内的共享电动滑板车出行记录，探究其使用模式的空间关联，并回答以下关键问题：人们在何时何地使用电动滑板车？它们主要用于特定活动吗？它们主要是娱乐工具，还是可以作为现有交通方式的替代品？它们是否充当公共交通的“最后一英里”连接？本研究的目标是理解影响电动滑板车出行生成的空间因素，并为城市规划者和政策制定者提供实证依据。

本研究的工作流程详细且严谨，主要包括以下几个步骤：数据获取与清洗、研究区域与空间单元划分、变量构建与数据整合、描述性统计分析、空间计量经济学建模以及地理加权回归分析。首先，研究团队从奥斯汀市开放数据平台下载了截至2019年3月27日的所有无桩共享出行工具行程数据。原始数据集包含3,826,545次无桩出行，其中96.1%为电动滑板车行程。数据清洗过程移除了可能因车辆重新部署或GPS故障记录的异常行程，包括距离超过80公里或时长超过12小时、平均速度超过50公里/小时、以及起终点距离奥斯汀市中心超过80公里的行程，共移除了416,493次电动滑板车行程（占11.3%）。为确保分析结果的稳定性和代表性，研究进一步将分析时段限定在2018年8月15日至2019年2月28日，排除了服务启动初期和“西南偏南”音乐节期间的特殊高流量日期，最终得到2,237,588次电动滑板车行程用于分析。

其次，为了进行空间分析，研究者创建了一个覆盖奥斯汀市域的网格系统。鉴于原始数据中的坐标精度约为100米，他们设定了0.002度（约200米）边长的正方形网格单元，每个单元包含四个潜在的起终点位置点。这种尺度选择是在空间精度和计算效率之间的折衷，旨在更好地表征建成环境。研究区域最终聚焦于距离市中心点（国会大道与第11街交叉口）0.035度（约3500米）范围内的中心城区，共包含1342个网格单元，涵盖了总出行起点数的93%和终点数的93%，从而最大限度地减少了数据中零值过多的问题。

第三，研究从多个来源获取并构建了空间变量。土地利用数据来自奥斯汀市，用于计算每个网格单元内住宅、商业、教育、机构、工业和娱乐用地的比例，并计算了土地利用混合度的熵值。街道网络数据用于计算交叉口密度，作为出行起终点之间路径连通性的代理变量。此外，还引入了公交站点（虚拟变量）、自行车道/路径（虚拟变量，数据来自OpenStreetMap）等变量。人口社会经济数据来自美国人口普查局，包括街区组的家庭年收入中位数、总人口、大学生数量，以及街区的就业密度。最后，计算了每个网格单元中心到市中心的距离。

第四，研究进行了详细的描述性统计分析。结果显示，研究期间日均出行量为11,358次，周末和节假日略高于工作日。行程中位距离为971米，中位时长为6.6分钟，中位速度为8.4公里/小时。工作日出行量在上午9点左右出现早高峰，随后在中午至下午6点保持较高使用率，而周末则呈现单峰模式（下午3点左右）。空间上，出行高度集中在奥斯汀市中心和德克萨斯大学校园及周边区域，其他高使用率区域包括博尔丁、河滨、穆勒社区和北奥斯汀的Domain购物中心。

第五，研究方法的核心是空间计量经济学模型。由于莫兰I检验表明出行起终点数量存在空间自相关，研究采用了空间滞后模型和空间杜宾模型来解释未观察到的空间现象。因变量是每个网格单元出行起/终点数量的对数（加1后取对数），自变量也进行了对数化处理（零值加1）。模型控制了各种土地利用比例、自行车设施、公交站点、就业密度、收入中位数、学生比例、交叉口密度、土地利用混合熵以及到市中心的距离。此外，研究还运用了地理加权回归模型来探索变量影响的空间异质性，为每个网格单元生成局部回归系数。

第六，研究进行了地理加权回归分析，以探究变量影响的空间变化。特别关注了住宅用地比例、收入中位数和学生比例等关键变量的系数在空间上的分布。分析揭示了这些因素对电动滑板车使用的影响在不同区域存在显著差异。

本研究的主要结果丰富且具有启发性。空间计量模型（特别是空间杜宾模型）的结果表明，住宅、商业、教育和工业用地比例与网格单元内的电动滑板车出行生成（起终点）呈正相关，其中商业和工业用地的系数最大。这意味着电动滑板车更可能在这些类型的区域被使用。与自行车共享的研究一致，研究发现网格单元内存在自行车道或路径、公交站点，以及更高的就业密度，都与更多的电动滑板车出行显著正相关。交叉口密度在空间杜宾模型中呈显著正相关。土地利用混合度仅在早间出行模型中显著为正。学生比例在多个模型中显示出与出行量的正相关，表明学生是重要的用户群体。一个关键的发现是，家庭年收入中位数在几乎所有的全时段出行模型中都不显著，说明在奥斯汀市中心，社区富裕程度并非影响电动滑板车总体使用量的决定性因素。然而，在早间出行模型中，收入显示出负相关，即收入较低的区域早间出行更多。到市中心的距离在空间滞后模型中对全时段出行有显著的负向影响，距离越远，出行越少。

地理加权回归的结果进一步细化了这些发现。它显示，住宅用地对出行的影响在市中心南部和西部呈正相关，但在市中心核心区和大学校园周边则不显著。收入系数在空间上存在变异：在市中心北部和西部更富裕的区域，收入与出行量呈负相关（即高收入伴随低使用）；而在东南部，收入则与出行量呈正相关（早间出行模型除外）。学生比例的影响同样具有空间异质性，在大学校园东北部等高学生比例区域，学生比例与出行量正相关；而在学生比例较低的西部区域，学生比例与出行量负相关。为了理解收入系数空间变异的原因，研究者进一步将GWR模型得到的收入系数作为因变量，用相同的空间因素进行回归分析。结果显示，除工业用地外，其他类型用地比例的增加会降低收入系数（即在更多住宅用地的区域，低收入与更多出行的关联更强）；收入本身也对收入系数有负向影响（即一个区域收入越高，收入与使用量之间的负相关越强）；土地利用混合度则对收入系数有正向影响（即在高收入区域，土地利用混合度越高，电动滑板车使用越多）；在学生比例高的低收入社区，收入与使用量的负相关更强。

基于以上结果，本研究得出了若干重要结论。首先，共享电动滑板车在奥斯汀的使用几乎完全集中在市中心区域，主要用于通勤以外的目的。每小时出行分布和周末更高日均使用量支持了这一结论。其次，电动滑板车出行与高就业密度区域和拥有自行车基础设施的区域相关联，这表明改善自行车基础设施可能促进电动滑板车的使用。第三，公交站点位置与出行起终点相关，但需要进一步研究以确认是否存在接驳换乘行为。第四，总体而言，社区收入水平并不显著影响电动滑板车的使用量，这是一个与自行车共享系统（通常在高收入区域使用更频繁）不同的重要发现。然而，在早间时段，低收入区域确实产生了更多出行。第五，学生是共享电动滑板车的重要用户群体，特别是在学生集中的低收入区域，这表明大学城是共享电动滑板车服务的成熟市场。

本研究的科学价值在于，它首次对共享电动滑板车的使用模式进行了全面的空间分析，并应用了先进的空间计量经济学方法（空间滞后模型、空间杜宾模型和地理加权回归）来揭示建成环境、土地利用和人口特征与出行生成之间的复杂关系，同时考虑了空间自相关和影响效应的空间异质性。其应用价值在于为城市交通规划者和共享微出行运营商提供了实证依据：例如，投资自行车基础设施可能惠及电动滑板车使用；在部署服务时应关注就业中心、混合用地区域和学生聚集区；尽管电动滑板车在奥斯汀显示出服务不同收入社区的潜力，但仍需有针对性的努力来确保其在真正低收入社区（非学生聚集区）的可及性和使用。研究也指出，电动滑板车有潜力替代一些短途非工作出行，从而可能减少汽车使用并带来环境效益。

本研究的亮点包括：1）使用了覆盖全市所有运营商的高精度、大规模的行程数据；2）创新性地将空间计量经济模型（特别是地理加权回归）应用于新兴的微出行方式研究，深入揭示了变量影响的空间非平稳性；3）发现了收入因素对电动滑板车总体使用量影响不显著这一与传统自行车共享研究不同的关键结论；4）明确指出了学生群体在驱动使用量方面的重要作用，以及土地利用混合度在调节高收入区域使用行为中的角色；5）研究流程严谨，包括精细的数据清洗、合理的空间单元划分、多源数据融合以及针对不同时段（如早高峰）的对比分析。

此外，研究也坦诚了其局限性：缺乏用户个人属性数据（如 demographics 和出行动机），无法确认用户是否居住在其出行起终点所在的区域；没有运营商车辆部署和重新平衡策略的数据，这可能会影响不同社区的可用性和使用量；GPS数据存在固有误差。这些局限性为未来研究指明了方向，例如结合用户调查数据、纳入运营商运营数据，以及在更多不同类型的城市进行对比研究，以验证本研究结论的普适性。