基于数据驱动框架的中国城市汽车共享使用模式与系统动态研究
发布日期：2025/10/21 8:22:00
汽车共享研究主要可分为描述性研究和规范性研究两大方向。描述性研究侧重于构建汽车共享系统的实证知识，如采用驱动因素、用户群体、服务类型、使用影响因素等。
由于隐私和商业敏感性考虑，大多数汽车共享运营商不会公开订单级数据。因此，利用公开数据源中的运营信息是一条更可行的路径。这种方法确保了数据的时效性，并增强了跨城市和服务模式的适用性，从而支持更广泛的多案例比较分析。本研究采用的数据收集策略最初受Ampudia-Renuncio等人研究的启发。
全面了解汽车共享使用情况是支持可持续政策制定的基础。本章应用第3.3节描述的方法，通过整合2022年8月2日至2022年9月7日期间的车载传感器数据和车辆可用状态记录，重建了出行轨迹。在此期间，供给侧未发生显著变化，详细信息见附录F中的表F-1。
在本节中，我们利用2022年9月至2023年6月（郑州和长沙数据截至2023年5月）的出行数据，考察了不同供应状况和外部事件下汽车共享系统的性能动态。在此期间，五个城市的汽车共享系统经历了不同的供给侧调整，以及可能影响用户需求的多个外部事件。尽管这些变化使得识别普遍使用模式变得复杂，但它们对于分析系统对外部干扰的响应非常有价值。
基于真实世界数据，我们对汽车共享系统的出行特征、用户行为、运营绩效和演化趋势进行了全面分析。结果揭示了跨城市的共同模式，同时也突出了特定背景下的差异，这可以为推动汽车共享服务的可持续发展提供多方面的政策启示。
本研究提出了一个集数据收集、数据匹配、信息重建、特征提取和洞察生成于一体的分析框架。利用该框架，我们对五个中国城市的汽车共享服务进行了实证研究。我们总共收集了近20亿条车辆可用状态记录，匹配了超过3.4亿条车载传感器记录，重建了超过170万次有效行程和约26万条出行轨迹。
