原作者 Alex Freeman 編譯 Mika 本文為 CDA 資料分析師原創作品，轉載需授權

共享單車的蓬勃發展，讓人們的短途出行更加方便，這種綠色低碳，又時尚健康的新型出行方式已成為城市“主旋律”。那麼在國外共享單車又是怎樣一番情景呢？

華盛頓正在變成一個適宜自行車出行的城市。主要道路上都設有自行車道，而且共享單車系統非常成功。最近Capital Bikeshare釋出了他們每個季度的騎行資料。我對前四個季度的資料進行了抓取和清理，併發布在我的GitHub中。

幾周前，我偶然看到Austin Wehrwein關於芝加哥的自行車共享系統的帖子，這個帖子很棒，看完後我立即想進行同樣的嘗試。通過熱圖可以清楚的看到，一整年內共享單車每天的使用情況。幸運的是，Austin Wehrwein提供了程式碼，從而我能夠對華盛頓地區的騎行資料進行分析。

Austin Wehrwein原貼連結：

http://austinwehrwein.com/data-visualization/heatmaps-with-divvy-data/

華盛頓特區320萬人次騎行資料熱圖: 2015年7月1日-2016年6月30日

每日騎行資料的熱圖程式碼：

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，共有320萬次騎行。由於資料不足一整年，所以我決定不按照Andrew的將資料按年區分。

在熱圖中我注意到了一些趨勢：

· 華盛頓的騎行季節比芝加哥稍長。其中天氣佔很大一部分的原因，因為華盛頓的3月和9月一般比較溫暖，而在芝加哥就不是如此了。

· 有兩個藍色單元格在熱圖中很顯眼（意味著低使用率）。關於其中的原因估計也是天氣。2016年4月29日，天氣異常寒冷，且有小雨。2016年9月9日則比往年此時要熱，達到在96華氏度(約為35.5攝氏度)。

· 2016年3月26日（星期六）的騎行數量最多，為14,116人次。這是櫻花盛開後的一天。雖然在全年中星期六的騎行總數較少，但櫻花卻帶來了顯著的騎行高峰。

· 在一週中，星期六和星期天的騎行數相對要少。就個人而言，我在工作日會將自行車用作通勤的選擇之一，看來其他人也是如此。櫻花星期六則是一個異常值。

· 騎行次數最少的為2016年2月15日（星期一），僅為501人次。天氣發揮了很大的作用：當天氣溫低且下雨。

看到這個熱圖我不禁開始思考更多的問題。我不僅關注共享單車每天的使用情況，同時也想了解每天不同時段的騎行資料。當我使用自行車上下班上班時，我經常會發現，當我到達存放自行車的車站時，車站幾乎都是空的。這很令人沮喪。接著我又建立了一個熱圖，顯示每天不同時段的騎行資料。

華盛頓: 320萬次騎行資料的熱圖

對於生活在華盛頓的人群來說，對這個熱圖的結果應該不會感到驚訝。

早上8點至8點55分，以及下午5點到5點59分為上下班期間，騎行數量達到高峰。

然而，星期五甚至週四下班後，相對星期一至星期三共享單車的使用量並不高。這段時間人們更多在家辦公嗎？或者他們會選擇走路、乘坐地鐵、坐公交，與同事到酒吧聚聚呢？

週末騎行的時間一般分佈在上午11點至晚上8點。我嘗試通過使用者的帳戶型別進行分析。使用共享單車服務，你可以按年租，型別為“註冊”使用者；或按天支付，型別為“臨時”使用者。臨時使用者的數量對總資料影響並不大。臨時使用者會在週末這些時間用車，但是比起使用自行車通勤的註冊使用者，總體數量是微不足道的。在320萬次騎行資料中，臨時使用者佔665,822人次，而註冊使用者為2,591,279人次。

每小時騎行資料的熱圖程式碼：

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")

當然，這也讓我思考更多的問題。如果將小時熱圖分解成每15分鐘，每5分鐘，甚至每1分鐘會得到什麼結果？哪些車站在什麼時間使用率最高？

當中所有程式碼都可以在我的GitHub主頁找到。

github連結： https://github.com/AlexJF12

原文連結： https://medium.com/@alexjf12/biking-in-washington-d-c-edbf09f3129e