建成环境对共享单车骑行密度的时空影响分析

doi:10.3969/j.issn.1004-9479.2026.04.20240750

摘要/Abstract

摘要：

共享单车作为一种绿色出行的交通方式，不同区域骑行量的时空非平稳性被认为与其建成环境有关。以深圳市共享单车分布较为集聚的区域为研究范围，基于城市多源大数据，从建成环境“5Ds”维度甄选自变量，分别构建地理加权回归模型（GWR）与时空地理加权回归模型（GTWR）并进行对比，从时间和空间两个维度分析建成环境对共享单车骑行密度的影响。研究结果表明：①相较于传统的GWR模型，GTWR模型具有更好的拟合效果；②时间上共享单车骑行分布受早晚通勤影响，空间上符合城市中心出行活动特征并且具有明显的聚类现象；③从建成环境指标来看，建筑密度、路网密度、餐饮类POI密度与交通类POI密度的增加会促进共享单车的使用，尤其在工作日的早晚高峰时段和中心城区位置；POI多样性、距市中心距离与距公交车最近距离则对共享单车的出行具有抑制作用。研究结论能为城市未来制定合理交通策略或可持续城市规划提供更加精确的指导建议。

关键词: 城市交通, 时空异质性分析, 时空地理加权回归模型, 共享单车, 建成环境

Abstract:

As a green mode of transportation, the shared bicycles' spatiotemporal nonstationarity of ridership across different areas is believed to be influenced by the built environment. This study focused on the area where the distribution of shared bicycles is relatively concentrated in Shenzhen, examining the relationship between the built environment and shared bicycle ridership using multisource urban big data. It selected independent variables based on the "5Ds" dimensions of the built environment and compares the performance of the Geographically Weighted Regression (GWR) model with the Geographically and Temporally Weighted Regression (GTWR)model. The analysis considered both temporal and spatial dimensions to assess the impact of the built environment on shared bicycle ridership density. The results indicate that:①the GTWR model provides a better fit than the traditional GWR model. ②Temporally, shared bicycle ridership is influenced by morning and evening commutes, while spatially, it aligns with the characteristics of urban center activities, exhibiting significant clustering. ③In terms of built environment indicators, the increasing of the building density, road network density, catering POI density and traffic POI density significantly promote shared bicycle use, particularly during peak hours on weekdays and in central urban areas. Conversely, the POI diversity, the distance from the city center and the nearest distance to the bus station have a suppressive effect on shared bicycle usage. The results can provide more precise guidance for future rational transportation strategies or sustainable urban planning.

Key words: urban traffic, spatio-temporal heterogeneity, geographically and temporally weighted regression model, shared bicycle, built environment

李娜, 王天群. 建成环境对共享单车骑行密度的时空影响分析[J]. 世界地理研究, 2026, 35(4): 153-166.

Na LI, Tianqun WANG. Analysis of the spatial and temporal impact of the built environment on shared bicycle riding density:Taking Shenzhen as an example[J]. World Regional Studies, 2026, 35(4): 153-166.

图/表 10

图 1 研究区域图

Fig. 1 The study area

表 1 POI数据分类情况

Tab. 1 The POI data classification status

主类	亚类
餐饮类	茶艺馆、糕饼店、咖啡厅、快餐店、冷饮店、甜品店、外国餐厅、休闲餐饮服务、中餐厅
旅游类	公园广场、风景名胜、旅游景点
购物类	便利店、超市、个人用品/化妆品店、服装鞋帽皮具店、花鸟鱼虫市场、家电电子卖场、家居建材市场、商场、特色商业街、特殊买卖场所、体育用品店、文化用品店、专卖店、综合市场、购物相关场所
交通类	班车站、出租车、地铁站、港口码头、公交车站、过境口岸、火车站、交通服务相关、轮渡站、上下客区、停车场、长途汽车站、机场相关、飞机场
科教类	博物馆、传媒机构、档案馆、会展中心、驾校、科技馆、科教文化场所、科研机构、美术馆、培训机构、图书馆、文化宫、文艺团体、学校、展览馆
住宅类	产业园区、楼宇、商务住宅相关、住宅区
生活类	搬家公司、彩票彩券销售点、电动自行车充电站、电力营业厅、电讯营业厅、共享设备、旅行社、美容美发店、人才市场、丧葬设备、摄影冲刷店、生活服务场所、事务所、售票处、维修站点、物流速递、洗衣店、洗浴推拿场所、信息咨询中心、婴儿服务场所、邮局、中介机构、自来水营业厅
运动类	高尔夫相关、体育服务场所、运动场馆
医疗类	动物医疗场所、核酸检测、急救中心、疾病预防机构、医疗保健服务场所、医疗保健销售店、诊所、专科医院、综合医院
娱乐类	休闲场所、度假疗养场所、影剧院、娱乐场所
酒店类	宾馆酒店、旅馆招待所、住宿服务相关

表 2 相关因素备选集统计描述

Tab. 2 Statistical description of the built environment impact factor alternative sets

相关指标		平均值	标准差	最小值	最大值	VIF	Moran's I	z得分
共享单车骑行密度/（次/ $k m 2$ ）		2 630.279	3 473.452	0	21 387.795	—	0.672	82.31
设计	路网密度/（ $k m / k m 2$ ）	15.429	8.370	0.601	52.270	2.032	0.462	56.50
设计	建筑密度/（ $k m 2$ / $k m 2$ ）	0.182	0.085	0	0.440	2.746	0.151	18.58
密度	人口密度/（ $人 / k m 2$ ）	17 528.877	11 713.671	0	57885.642	1.588	0.802	97.92
	餐饮类POI密度/（ $个 / k m 2$ ）	242.261	290.734	0	2026.774	5.515	0.154	19.00
	购物类POI密度/（ $个 / k m 2$ ）	161.229	181.708	0	1379.839	2.345	0.085	10.66
	交通类POI密度/（ $个 / k m 2$ ）	88.293	83.749	0	473.813	4.669	0.542	66.25
	酒店类POI密度/（ $个 / k m 2$ ）	43.250	74.531	0	660.593	1.899	0.205	25.57
	科教类POI密度/（ $个 / k m 2$ ）	55.502	57.622	0	404.948	3.977	0.268	32.93
	旅游类POI密度/（ $个 / k m 2$ ）	5.012	8.637	0	109.834	1.106	0.089	11.43
	住宅类POI密度/（ $个 / k m 2$ ）	45.470	40.906	0	336.687	3.867	0.303	37.27
	生活类POI密度/（ $个 / k m 2$ ）	102.262	100.949	0	737.929	2.331	0.059	7.49
	娱乐类POI密度/（ $个 / k m 2$ ）	16.380	23.161	0	227.724	3.535	0.227	28.37
	医疗类POI密度/（ $个 / k m 2$ ）	44.645	48.172	0	293.926	3.682	0.249	30.55
	运动类POI密度/（ $个 / k m 2$ ）	16.583	19.393	0	155.172	4.109	0.256	31.51
多样性	POI多样性	1.906	0.184	0	2.231	1.474	0.032	4.26
目的可达性	距市中心距离/ $k m$	15.450	9.291	0.269	41.505	1.784	0.738	90.05
距离	距地铁站最近距离/ $k m$	0.794	0.817	0.005	7.679	1.971	0.221	27.40
距离	距公交站最近距离/ $k m$	0.269	0.324	0.004	5.958	1.612	0.043	6.24

表 2 相关因素备选集统计描述

Tab. 2 Statistical description of the built environment impact factor alternative sets

相关指标		平均值	标准差	最小值	最大值	VIF	Moran's I	z得分
共享单车骑行密度/（次/ $k m 2$ ）		2 630.279	3 473.452	0	21 387.795	—	0.672	82.31
设计	路网密度/（ $k m / k m 2$ ）	15.429	8.370	0.601	52.270	2.032	0.462	56.50
设计	建筑密度/（ $k m 2$ / $k m 2$ ）	0.182	0.085	0	0.440	2.746	0.151	18.58
密度	人口密度/（ $人 / k m 2$ ）	17 528.877	11 713.671	0	57885.642	1.588	0.802	97.92
	餐饮类POI密度/（ $个 / k m 2$ ）	242.261	290.734	0	2026.774	5.515	0.154	19.00
	购物类POI密度/（ $个 / k m 2$ ）	161.229	181.708	0	1379.839	2.345	0.085	10.66
	交通类POI密度/（ $个 / k m 2$ ）	88.293	83.749	0	473.813	4.669	0.542	66.25
	酒店类POI密度/（ $个 / k m 2$ ）	43.250	74.531	0	660.593	1.899	0.205	25.57
	科教类POI密度/（ $个 / k m 2$ ）	55.502	57.622	0	404.948	3.977	0.268	32.93
	旅游类POI密度/（ $个 / k m 2$ ）	5.012	8.637	0	109.834	1.106	0.089	11.43
	住宅类POI密度/（ $个 / k m 2$ ）	45.470	40.906	0	336.687	3.867	0.303	37.27
	生活类POI密度/（ $个 / k m 2$ ）	102.262	100.949	0	737.929	2.331	0.059	7.49
	娱乐类POI密度/（ $个 / k m 2$ ）	16.380	23.161	0	227.724	3.535	0.227	28.37
	医疗类POI密度/（ $个 / k m 2$ ）	44.645	48.172	0	293.926	3.682	0.249	30.55
	运动类POI密度/（ $个 / k m 2$ ）	16.583	19.393	0	155.172	4.109	0.256	31.51
多样性	POI多样性	1.906	0.184	0	2.231	1.474	0.032	4.26
目的可达性	距市中心距离/ $k m$	15.450	9.291	0.269	41.505	1.784	0.738	90.05
距离	距地铁站最近距离/ $k m$	0.794	0.817	0.005	7.679	1.971	0.221	27.40
距离	距公交站最近距离/ $k m$	0.269	0.324	0.004	5.958	1.612	0.043	6.24

图 2 技术路线图

Fig. 2 Technology roadmap

图 3 共享单车平均骑行量的时间分布特征

Fig. 3 Temporal distribution characteristics of average cycling of shared bikes

图 4 共享单车骑行密度空间分布及局部空间聚集状况

Fig. 4 Spatial distribution of riding density and localized spatial aggregation of shared bikes

表 3 模型结果比较

Tab. 3 Comparison of model results

模型		GWR	GTWR
工作日	$R 2$	0.332	0.715
	RSS	9 761.73	4 167.96
	AICc	35 618.88	24 897.27
周末	$R 2$	0.429	0.830
	RSS	8 342.52	2 483.51
	AICc	33 322.94	17 208.25

表 3 模型结果比较

Tab. 3 Comparison of model results

模型		GWR	GTWR
工作日	$R 2$	0.332	0.715
	RSS	9 761.73	4 167.96
	AICc	35 618.88	24 897.27
周末	$R 2$	0.429	0.830
	RSS	8 342.52	2 483.51
	AICc	33 322.94	17 208.25

表 4 GTWR模型回归系数

Tab. 4 Regression coefficient of the GTWR model

变量		均值	最小值	下四分位数	中位数	上四分位数	最大值
工作日：截距		-0.000 4	-0.454 1	-0.197 8	0.007 7	0.163 3	0.823 9
设计	路网密度	0.041 1	-0.074 8	0.001 1	0.037 9	0.073 0	0.138 1
设计	建筑密度	0.053 5	-0.047 8	0.004 8	0.029 3	0.091 0	0.240 7
密度	人口密度	0.041 6	-0.100 6	-0.018 4	0.007 8	0.083 3	0.321 7
	餐饮类POI	0.173 9	-0.100 1	0.088 9	0.189 8	0.244 4	0.515 1
	购物类POI	-0.000 9	-0.084 9	-0.031 9	0.001 5	0.027 5	0.136 9
	交通类POI	0.173 5	-0.018 1	0.059 2	0.130 5	0.249 3	0.632 8
	酒店类POI	0.102 8	-0.074 0	0.065 9	0.089 9	0.134 7	0.374 0
	科教类POI	0.052 0	-0.157 2	-0.010 8	0.035 7	0.104 0	0.439 3
	旅游类POI	0.002 5	-0.082 9	-0.023 7	-0.006 9	0.044 4	0.014
	住宅类POI	0.029 8	-0.255 3	-0.030 0	0.016 8	0.092 2	0.248 3
	生活类POI	-0.078 9	-0.227 2	-0.121 3	-0.085 6	-0.279 0	0.090 4
	娱乐类POI	-0.010 2	-0.185 9	-0.079 6	0.006 3	0.055 0	0.247 9
	医疗类POI	-0.045 3	-0.472 3	-0.087 3	-0.012 1	0.028 2	0.117 6
	运动类POI	0.005 2	-0.145 5	-0.036 3	-0.005 7	0.020 5	0.285 3
多样性	POI多样性	-0.013 2	-0.213 7	-0.021 9	-0.007 5	0.013 1	0.111 0
目的可达性	距市中心距离	-0.075 5	-0.635 1	-0.179 8	-0.072 8	-0.002 6	0.408 0
距离	距地铁站最近距离	-0.003 4	-0.274 5	-0.013 8	0.000 1	0.019 2	0.288 2
距离	距公交站最近距离	-0.031 9	-0.224 1	-0.063 9	-0.001 0	0.009 9	0.055 5
周末：截距		0.021 4	-0.558 2	-0.209 3	-0.017 3	0.212 5	1.090
设计	路网密度	0.020 6	-0.118 9	-0.009 4	0.012 2	0.060 0	0.143 5
设计	建筑密度	0.058 7	-0.121 3	0.002 9	0.024 7	0.101 1	0.311 8
密度	人口密度	0.053 2	-0.114 7	-0.022 8	0.008 3	0.100 3	0.406 5
	餐饮类POI	0.218 3	-0.111 8	0.046 8	0.237 5	0.351 8	0.610 3
	购物类POI	0.022 2	-0.099 7	-0.036 8	0.007 9	0.063 0	0.350 7
	交通类POI	0.158 8	-0.073 1	0.023 2	0.121 0	0.223 2	0.909 2
	酒店类POI	0.120 3	-0.197 1	0.055 7	0.106 1	0.164 6	0.533 0
	科教类POI	0.070 2	-0.168 6	-0.016 9	0.041 5	0.144 6	0.694 7
	旅游类POI	0.010 5	-0.121 0	-0.024 6	-0.004 4	0.070 3	0.120 1
	住宅类POI	0.012 7	-0.361 8	-0.051 5	-0.000 5	0.060 3	0.351 8
	生活类POI	-0.091 9	-0.282 9	-0.145 2	-0.087 2	-0.043 7	0.128 2
	娱乐类POI	-0.023 6	-0.368 1	-0.124 0	0.012 2	0.064 2	0.376 7
	医疗类POI	-0.041 3	-0.611 1	-0.093 3	-0.005 9	0.059 6	0.227 5
	运动类POI	0.026 0	-0.220 5	-0.039 2	-0.007 2	0.049 0	0.439 3
多样性	POI多样性	-0.019 0	-0.339 8	-0.023 8	-0.006 7	0.015 9	0.164 0
目的可达性	距市中心距离	-0.081 5	-1.081 4	-0.196 5	-0.078 9	0.019 5	0.569 2
距离	距地铁站最近距离	0.001 1	-0.349 3	-0.025 6	-0.001 1	0.020 6	0.483 6
距离	距公交站最近距离	-0.048 2	-0.290 5	-0.080 7	-0.006 5	0.005 4	0.092 6

表 4 GTWR模型回归系数

Tab. 4 Regression coefficient of the GTWR model

变量		均值	最小值	下四分位数	中位数	上四分位数	最大值
工作日：截距		-0.000 4	-0.454 1	-0.197 8	0.007 7	0.163 3	0.823 9
设计	路网密度	0.041 1	-0.074 8	0.001 1	0.037 9	0.073 0	0.138 1
设计	建筑密度	0.053 5	-0.047 8	0.004 8	0.029 3	0.091 0	0.240 7
密度	人口密度	0.041 6	-0.100 6	-0.018 4	0.007 8	0.083 3	0.321 7
	餐饮类POI	0.173 9	-0.100 1	0.088 9	0.189 8	0.244 4	0.515 1
	购物类POI	-0.000 9	-0.084 9	-0.031 9	0.001 5	0.027 5	0.136 9
	交通类POI	0.173 5	-0.018 1	0.059 2	0.130 5	0.249 3	0.632 8
	酒店类POI	0.102 8	-0.074 0	0.065 9	0.089 9	0.134 7	0.374 0
	科教类POI	0.052 0	-0.157 2	-0.010 8	0.035 7	0.104 0	0.439 3
	旅游类POI	0.002 5	-0.082 9	-0.023 7	-0.006 9	0.044 4	0.014
	住宅类POI	0.029 8	-0.255 3	-0.030 0	0.016 8	0.092 2	0.248 3
	生活类POI	-0.078 9	-0.227 2	-0.121 3	-0.085 6	-0.279 0	0.090 4
	娱乐类POI	-0.010 2	-0.185 9	-0.079 6	0.006 3	0.055 0	0.247 9
	医疗类POI	-0.045 3	-0.472 3	-0.087 3	-0.012 1	0.028 2	0.117 6
	运动类POI	0.005 2	-0.145 5	-0.036 3	-0.005 7	0.020 5	0.285 3
多样性	POI多样性	-0.013 2	-0.213 7	-0.021 9	-0.007 5	0.013 1	0.111 0
目的可达性	距市中心距离	-0.075 5	-0.635 1	-0.179 8	-0.072 8	-0.002 6	0.408 0
距离	距地铁站最近距离	-0.003 4	-0.274 5	-0.013 8	0.000 1	0.019 2	0.288 2
距离	距公交站最近距离	-0.031 9	-0.224 1	-0.063 9	-0.001 0	0.009 9	0.055 5
周末：截距		0.021 4	-0.558 2	-0.209 3	-0.017 3	0.212 5	1.090
设计	路网密度	0.020 6	-0.118 9	-0.009 4	0.012 2	0.060 0	0.143 5
设计	建筑密度	0.058 7	-0.121 3	0.002 9	0.024 7	0.101 1	0.311 8
密度	人口密度	0.053 2	-0.114 7	-0.022 8	0.008 3	0.100 3	0.406 5
	餐饮类POI	0.218 3	-0.111 8	0.046 8	0.237 5	0.351 8	0.610 3
	购物类POI	0.022 2	-0.099 7	-0.036 8	0.007 9	0.063 0	0.350 7
	交通类POI	0.158 8	-0.073 1	0.023 2	0.121 0	0.223 2	0.909 2
	酒店类POI	0.120 3	-0.197 1	0.055 7	0.106 1	0.164 6	0.533 0
	科教类POI	0.070 2	-0.168 6	-0.016 9	0.041 5	0.144 6	0.694 7
	旅游类POI	0.010 5	-0.121 0	-0.024 6	-0.004 4	0.070 3	0.120 1
	住宅类POI	0.012 7	-0.361 8	-0.051 5	-0.000 5	0.060 3	0.351 8
	生活类POI	-0.091 9	-0.282 9	-0.145 2	-0.087 2	-0.043 7	0.128 2
	娱乐类POI	-0.023 6	-0.368 1	-0.124 0	0.012 2	0.064 2	0.376 7
	医疗类POI	-0.041 3	-0.611 1	-0.093 3	-0.005 9	0.059 6	0.227 5
	运动类POI	0.026 0	-0.220 5	-0.039 2	-0.007 2	0.049 0	0.439 3
多样性	POI多样性	-0.019 0	-0.339 8	-0.023 8	-0.006 7	0.015 9	0.164 0
目的可达性	距市中心距离	-0.081 5	-1.081 4	-0.196 5	-0.078 9	0.019 5	0.569 2
距离	距地铁站最近距离	0.001 1	-0.349 3	-0.025 6	-0.001 1	0.020 6	0.483 6
距离	距公交站最近距离	-0.048 2	-0.290 5	-0.080 7	-0.006 5	0.005 4	0.092 6

图 5 平均拟合系数时间分布

Fig. 5 Time distribution of the mean average coefficients

图 6 平均拟合系数空间分布

Fig. 6 Spatial distribution of the mean average coefficients

参考文献 30

[1]	CERVERO R. Built environments and mode choice: Toward a normative framework.Transportation Research Part D Transport & Environment, 2002, 7(4):265-284.
[2]	RIXEY R. Station-level forecasting of bike sharing ridership: Station network effects in three U.S. systems.Transportation Research Record: Journal of the Transportation Research Board,2013,2387(1): 46-55.
[3]	WANG Y, ZHAN Z, MI Y, et al. Nonlinear effects of factors on dockless bike-sharing usage considering grid-based spatiotemporal heterogeneity. Transportation Research Part D: Transport and Environment, 2022, 104:103194.
[4]	CHENG L, WANG K, DE VOS J, et al. Exploring non-linear built environment effects on the integration of free-floating bike-share and urban rail transport: A quantile regression approach. Transportation Research Part A: Policy and Practice,2022, 162:175-187.
[5]	MUNSHI T. Built environment and mode choice relationship for commute travel in the city of Rajkot, India.Transportation Research Part D Transport & Environment, 2016, 44:239-253.
[6]	孙艺玲,仝德,曹超.城市建成环境对公共自行车使用的影响机制研究——以深圳市南山区为例.北京大学学报(自然科学版),2018,54(6):1325-1331.
	SUN Y, TONG D, CAO C. How urban built environment affects the use of public bicycles: A case study of Nanshan district of Shenzhen. Acta Scientiarum Naturalium Universitatis Pekinensis, 2018,54(6):1325-1331.
[7]	杨林川,喻冰洁,梁源,等.多源大数据支持下的共享单车出行与空间品质耦合研究.西部人居环境学刊,2023,38(4):47-54.
	YANG L, YU B, LIANG Y, et al. Research on coupling of shared bicycle travel and spatial quality supported by multi-source big data. Western Journal of Human Settlements and Environment, 2023,38(4):47-54.
[8]	罗桑扎西,甄峰,尹秋怡.城市公共自行车使用与建成环境的关系研究——以南京市桥北片区为例.地理科学,2018,38(3):332-341.
	LUO S, ZHEN F, YIN Q. How built environment influence public bicycle usage: Evidence from the bicycle sharing system in Qiaobei area, Nanjing. Scientia Geographica Sinica,2018,38(3):332-341.
[9]	WANG K, CHEN Y. Joint analysis of the impacts of built environment on bikeshare station capacity and trip attractions.Journal of Transport Geography, 2020,82:102603.
[10]	HUO J, YANG H, LI C, et al. Influence of the built environment on E-scooter sharing ridership: A tale of five cities.Journal of Transport Geography, 2021,93(4):103084.
[11]	CHEN E, YE Z. Identifying the nonlinear relationship between free-floating bike sharing usage and built environment.Journal of Cleaner Production, 2021,280:124281.
[12]	CHENG L, HUANG J, JIN T, et al. Comparison of station-based and free-floating bikeshare systems as feeder modes to the metro. Journal of Transport Geography, 2023,107:103545.
[13]	喻冰洁,梁源,杨林川.波士顿共享单车出行与街区建成环境的关系研究——基于广义可加混合模型.世界地理研究,2023,32(2):48-58.
	YU B, LIANG Y, YANG L. Exploring the relationship between bike-sharing riderip and built environment characteristics: A case study based on GAMM in Boston. World Regional Studies, 2023,32(2):48-58.
[14]	吴静娴,唐桂孔,李文翔.建成环境对共享单车分时骑行量的非线性作用研究:以上海市为例.交通运输系统工程与信息,2024,24(1):290-298.
	WU J, TANG G, LI W. Nonlinear effect of built environment on bike-sharing ridership at different time periods: A case study from Shanghai. Journal of Transportation Systems Engineering and Information Technology, 2024,24(1):290-298.
[15]	陈奕璠,张步镐,党振,等.建成环境对共享单车使用特征的非线性影响研究.交通运输系统工程与信息,2024,24(2):217-224.
	CHEN Y, ZHANG B, DANG Z, et al. Exploring nonlinear effects of built environment on dockless bike sharing usage. Journal of Transportation Systems Engineering and Information Technology, 2024,24(2):217-224.
[16]	BRUNSDON C, FOTHERINGHAM A S, CHARLTON M E. Geographically weighted regression: A method for exploring spatial nonstationarity. Geographical Analysis, 1996,28:281-298.
[17]	GAO F, LI S, TAN Z, et al. How is urban greenness spatially associated with dockless bike sharing usage on Weekdays, Weekends, and Holidays? ISPRS International Journal of Geo-Information, 2021,10(4):238.
[18]	黄沣爵,汤俊卿,林华丽,等.基于多尺度地理加权回归模型的城市建成环境对共享单车空间分布影响研究.地理研究,2023,42(9):2405-2418.
	HUANG F, TANG J, LIN H, et al. Built environment effects on the spatio-temporal distribution of shared bikes based on multi-scale geographic weighted regression. Geographic Research, 2023,42(9):2405-2418.
[19]	LI A, ZHAO P, HUANG Y, et al. An empirical analysis of dockless bike-sharing utilization and its explanatory factors: Case study from Shanghai, China. Journal of Transport Geography, 2020,88:102828.
[20]	韦娇敏,刘卓,陈艳艳,等.考虑宏微观建成环境的共享单车骑行影响因素分析.科学技术与工程,2023,23(9):3904-3915.
	WEI J, LIU Z, CHEN Y, et al. Analysis of factors influencing dockless bike-sharing cycling considering macroscale and microscale build environment. Science Technology and Engineering, 2023,23(9):3904-3915.
[21]	GAO K, YANG Y, QU X, et al. Data-driven interpretation on interactive and nonlinear effects of the correlated built environment on shared mobility. Journal of Transport Geography, 2023,110:103604.
[22]	王振报,李慧庆,刘卓.城市建成环境对共享单车还车量的影响分析.重庆交通大学学报(自然科学版),2023,42(7):128-135.
	WANG Z, LI H, LIU Z. Influence analyse is of urban built environment on the return quantity of shared bikes. Journal of Chongqing Jiaotong University(Natural Science), 2023,42(7):128-135.
[23]	周艳,邵海雁,靳诚.基于大数据的厦门岛建成环境对共享单车起讫点分布的影响.南京师大学报(自然科学版),2024,47(1):21-29.
	ZHOU Y, SHAO H, JIN C. The impact of built environment on distribution of bike-sharing in Xiamen Island based on big data. Journal of Nanjing Normal University(Natural Science Edition), 2024,47(1):21-29.
[24]	孙超,陆建.共享单车出行空间异质性特征及驱动因素研究.交通运输系统工程与信息,2022,22(3):198-206.
	SUN C, LU J. Bike-sharing trips spatial heterogeneity and driving factors. Journal of Transportation Systems Engineering and Information Technology, 2022,22(3):198-206.
[25]	严亚磊,于涛,沈丽珍.共享单车出行的建成环境影响机制:以上海市为例.上海城市规划,2020(6):85-91.
	YAN Y, YU T, SHEN L. The impact mechanism of built environment on shared bike travel:A case study of Shanghai. Shanghai Urban Planning Review, 2020(6):85-91.
[26]	项振海,李青,洪良,等.城市建成环境对共享单车出行影响的时空特征——以深圳市为例.热带地理,2024,44(2):236-247.
	XIANG Z, LI Q, HONG L, et al. Effects of built environment on the spatio-temporal trajectories of shared bicycles: A case study of Shenzhen. Tropical Geography, 2024,44(2):236-247.
[27]	ZHANG Y, THOMAS T, BRUSSEL M, et al. Exploring the impact of built environment factors on the use of public bikes at bike stations: Case study in Zhongshan, China.Journal of Transport Geography, 2017,58(1):59-70.
[28]	YANG H, ZHANG Y, ZHONG L, et al. Exploring spatial variation of bike sharing trip production and attraction: A study based on Chicago's Divvy system. Applied Geography, 2019,115:102130.
[29]	崔树强,朱佩娟,张美芳,等.城市建成环境对共享单车使用空间分布的影响——以长沙市为例.西南大学学报(自然科学版),2020,42(6):89-99.
	CUI S, ZHU P, ZHANG M, et al. The influence of the built environment on the spatial distribution of bicycle-sharing use——Taking Changsha as an example. Journal of Southwest University(Natural Science Edition), 2020,42(6):89-99.
[30]	徐标,路庆昌.共享单车停车需求的多尺度时空影响因素.浙江大学学报:工学版,2023,57(2):380-391.
	XU B, LU Q. Multi-scale spatiotemporal influencing factors of bike-sharing parking demand. Journal of Zhejiang University:Engineering Science, 2023,57(2):380-391