本发明涉及公共自行车基础设施技术领域，尤其是一种测算自行车快速道对公共自行车租赁点的影响范围的方法。
背景技术：
随着城市化进程的加快，城市人口数量逐年增多，导致许多国家与地区对交通产生更大的需求，与此同时，城市机动车数量也趋于上升的阶段，对城市路网造成较大的压力，交通事故数量逐年上升，汽车尾气的影响也导致生态环境进一步恶化。为了解决这一问题，在进行控制机动车出行频率的基础上，许多国家出台了大力发展公共交通等相关政策，其中自行车交通方式成为了许多居民短距离出行的主要手段，交通方式的改变往往会对基础设施产生较大的影响，随着自行车交通方式的需求增多，自行车快速道成为了道路规划的重要部分。现阶段国内外关于自行车快速道的研究主要集中在基础设施建设、通行能力与服务水平分析、安全效果分析、效用评价、道路使用率及管理等方面，而研究自行车快速道对公共自行车租赁点影响区域的方面相对缺乏。
技术实现要素：
为了实现有效、准确的判断自行车快速道的显著影响范围，本发明提供了一种测算自行车快速道对公共自行车租赁点的影响范围的方法，
包括如下步骤：
(1)首先采集特定时间区间内距离自行车快速道特定距离范围内的经济数据、人口数据、自行车租赁点的出行量数据、居住区面积数据、非居住区面积数据、绿化面积数据、租赁点距离快速道的垂直距离、公交站点数量、轨道站点数量；其中经济数据的采集方式是以自行车快速道所属行政区特定时间区间内gdp值得到，数据根据当地的gdp数据单位，譬如对于国内来说通常采用“万元”但对于国外来说通常采用“万亿美元”，人口数据是通过采集自行车快速道所属行政区人口数量得到，数据采用“万人”这一单位计量，自行车租赁点的出行量是通过采集特定范围内所有自行车租赁点出行总量得到，数据采用“次”这一单位计量，居住区面积数据是通过采集特定范围内居住区面积总量得到，数据采用“平方米”这一单位计量，非居住区面积数据是通过采集特定范围内非居住区面积总量得到，数据采用“平方米”这一单位计量，绿化面积数据是通过采集特定范围内绿化面积总量得到，数据采用“平方米”这一单位计量，租赁点距离快速道的垂直距离是通过采集特定范围内，每个租赁点距离快速道的距离得到，数据采用“千米”这一单位计量，公交站点数量是通过采集特定范围内公交站台的数量总和得到，数据采用“个”这一单位计量，轨道站点数量是通过采集特定范围内轨道站点的数量总和得到，数据采用“个”这一单位计量；
(2)以某一时间区间为单位，利用步骤(1)中处于这一时间区间内的数据构建面板数据，并且进一步的在面板数据中以距离自行车快速道特定距离为一个统计单元构建分析梯度；
(3)将步骤(2)中一个分析梯度内的数据代入回归分析公式中，q＝f{a1、a2、a3、a4、a5、a6、a7、a8、a9}，其中ai分别代表步骤(1)中所提取的数据参量，分别对各分析梯度内的数据进行线性回归分析，获得“租赁点距离快速道的垂直距离”对各租赁点“出行量”的显著性取值“sign”，如果“sign”值小于0.05，则认为该梯度为自行车快速道的影响区域，如果“sign”值大于0.05则认为该梯度为自行车快速道的不受影响区域。
从而克服以往研究的空缺之处，并通过回归分析方法最终确定快速道的影响区，为自行车快速道的建设规划提供有力的支撑依据。
优选地，我们还公开了步骤(2)中以5年为单位，利用步骤(1)中处于这一时间区间内的数据构建面板数据。
同时，我们还优选步骤(2)中以距离自行车快速道100米为一个统计单元构建分析梯度。
进一步地，我们还优选公开步骤(1)中公交站点数量是通过采集研究梯度中的自行车租赁点为圆心100米为半径的范围内公交站台的数量总和得到。
同时，作为另一优选方式，我们公开了步骤(1)中轨道站点数量是通过采集研究梯度中的自行车租赁点为圆心300米为半径的范围内轨道站点的数量总和得到。
本次发明通过采集某国外城市近五年的公共自行车租赁点数据，并基于某城市近五年的自行车租赁点使用数据，通过相应的技术路线进行分析，提出一种能够判断自行车快速道显著影响区域的方法，最终判断自行车快速道的显著影响范围。不仅能够在理论方面补充不足，为自行车快速道的建设规划提供真实有力的理论支撑；同时在工程实践方面也会起到一定的指导意义，在一定程度上也可以为公共自行车站点布局提供更加准确的方案依据。为以后的自行车快速道规划建设提供真实有力的理论支撑，而且也可以为公共自信车的站点布局方面提供较好的方向指导。
附图说明
图1为本发明的方法流程示意图。
具体实施方式
如图1所示，一种判断自行车快速道对公共自行车租赁点影响范围的方法，包括如下步骤：
(1)首先采集特定时间区间内距离自行车快速道特定距离范围内的经济数据、人口数据、自行车租赁点的出行量数据、居住区面积数据、非居住区面积数据、绿化面积数据、租赁点距离快速道的垂直距离、公交站点数量、轨道站点数量；其中经济数据的采集方式是以自行车快速道所属行政区经济特定时间区间内gdp值得到，数据根据当地的gdp数据单位，譬如对于国内来说通常采用“万元”但对于国外来说通常采用“万亿美元”，人口数据是通过采集自行车快速道所属行政区人口数量得到，数据采用“万人”这一单位计量，自行车租赁点的出行量是通过采集特定范围内所有自行车租赁点出行总量得到，数据采用“次”这一单位计量，居住区面积数据是通过采集特定范围内居住区面积总量得到，数据采用“平方米”这一单位计量，非居住区面积数据是通过采集特定范围内非居住区面积总量得到，数据采用“平方米”这一单位计量，绿化面积数据是通过采集特定范围内绿化面积总量得到，数据采用“平方米”这一单位计量，租赁点距离快速道的垂直距离是通过采集特定范围内，每个租赁点距离快速道的距离得到，数据采用“千米”这一单位计量，公交站点数量是通过采集特定范围内公交站台的数量总和得到，数据采用“个”这一单位计量，轨道站点数量是通过采集特定范围内轨道站点的数量总和得到，数据采用“个”这一单位计量；
(2)以某一时间区间为单位，利用步骤(1)中处于这一时间区间内的数据构建面板数据，并且进一步的在面板数据中以距离自行车快速道特定距离为一个统计单元构建分析梯度；
(3)将步骤(2)中一个分析梯度内的数据代入回归分析公式中，q＝f{a1、a2、a3、a4、a5、a6、a7、a8、a9}，其中ai分别代表步骤(1)中所提取的数据参量，分别对各分析梯度内的数据进行线性回归分析，获得“租赁点距离快速道的垂直距离”对各租赁点“出行量”的显著性取值“sign”，如果“sign”值小于0.05，则认为该梯度为自行车快速道的影响区域，如果“sign”值大于0.05则认为该梯度为自行车快速道的不受影响区域。
实施例1
1)影响因素选择：本次实例验证采取如下因素：经济、人口、自行车租赁点的出行量、居住区面积、非居住区面积、绿化面积、租赁点距离快速道的垂直距离、100米公交站点数量、300米轨道站点数量；
2)变量数据采集：通过准确的调查方法以及相关管辖单位进行采集得到各因素的取值如下表所示。注：不同地区需要采集到梯度有所不同，依情况而定，本次研究暂列至100米
表1-1样本面板数据采集表(近五年)
表1-2100米梯度站点数据采集表(近五年)
3)逐步回归方法分析及影响区确定：将第2)步中采集的数据分别代入相应的线性回归方程中计算分析，本实施例中直接将其输入具有这一回归方程计算公式的stata软件中，以出行量为因变量，其余变量为自变量进行回归分析，观察“租赁点距离快速道的垂直距离”对各租赁点出行量的影响显著性取值“sign”，小于0.05时可以被接受。
分析结果如下：
(1)通过筛选自行车快速道100米辐射范围的观测点，最终确定38个租赁点，观测5年数据总计114个观测数据，回归分析数据报告如下所示。
注：x1-x9依次为自行车租赁点的出行量、经济、人口、居住区面积、非居住区面积、绿化面积、租赁点距离快速道的垂直距离、100米公交站点数量、300米轨道站点数量
通过结果分析发现，在100米的覆盖范围内“垂直距离x7”指标显著性为0.022且小于0.05，说明在100米覆盖范围内租赁点的出行量受自行车快速道的影响较为明显，由此可以界定该范围为快速道的影响区。
(2)通过筛选自行车快速道200米辐射范围的观测点，最终确定72个租赁点，观测5年数据总计261个观测数据，回归分析数据报告如下所示。
通过结果分析发现，在200米的覆盖范围内“垂直距离x7”指标显著性为0小于0.05，可以说明在200米覆盖范围内租赁点的出行量会受到自行车快速道的影响，由此可以界定该区域为快速道的影响区。
(3)通过筛选自行车快速道300米辐射范围的观测点，最终确定100个租赁点，观测5年数据总计339个观测数据，回归分析数据报告如下所示。
通过结果分析发现，在300米的覆盖范围内“垂直距离x7”指标显著性为0小于0.05，可以说明在300米覆盖范围内租赁点的出行量会受到自行车快速道的影响，由此可以界定该区域为快速道的影响区。
(4)通过筛选自行车快速道400米辐射范围的观测点，最终确定148个租赁点，观测5年数据总计477个观测数据，回归分析数据报告如下所示。
通过结果分析发现，在400米的覆盖范围内“垂直距离x7”指标显著性为0.174大于0.05，说明在300-400米覆盖范围内租赁点的出行量受到自行车快速道的影响不显著，由此可以界定在300-400米范围内该区域不属于自行车快速道的影响区。
(5)依次进行类推发现“垂直距离x7”指标显著性均大于0.05，故本次实例自行车快速道对公共自行车租赁点的影响区域为0-300米。
尽管本发明就优选实施方式进行了示意和描述，但本领域的技术人员应当理解，只要不超出本发明的权利要求所限定的范围，可以对本发明进行各种变化和修改。