大数跨境

数据可视化|西雅图共享单车数据可视化分析

数据可视化|西雅图共享单车数据可视化分析 高昂GoingOn
2017-10-09
2
导读:几家欢喜几家愁

PRONTO 2.0

基于西雅图共享单车Pronto数据的案例分析


几家欢喜几家愁

美国共享单车市场也算是百花齐放,其中西雅图的Pronto公司于2014年秋季所提供的有桩共享单车项目是重要的玩家之一,曾经一度拥有60多各站点。但是好景不长,2017年1月13日下午,西雅图市政府正式宣布,Pronto自行车共享服务将于3月31日终止。市财政预算内拟用于该服务的300万美元资金将被用于其他的自行车及行人安全工程


那么是什么导致了Pronto共享单车项目的起起落落西雅图市政府接盘后的扩大投资又是否是明智的呢下面让我们用数据说话


2014-2015年交易概览

顺着横轴的月份数据看过去,有种明显的趋势,气温越高的月份往往有着越高的骑行交易量


气候影响交易量

我们可以看到:

1、气温升高,交易量增加

2、降水减少,交易量增加

当然,影响共享单车骑乘率的因素绝非仅仅如此


共享单车的使用者

Pronto的用户按照付费方式可以分为两种:一种是年费用户,一种是按次、按天结算的短期用户。


要知道一辆状态良好的共享单车闲置的隐形成本是很高的,所以我们用上面👆的车均骑行次数作为闲置成本的衡量标准。经过计算,长短期用户综合起来的平均车均骑行次数为1.9次/辆这对比起其他的市政单车项目已经是一个不错的成绩了,但是比起一些共享单车项目还有一定差距。那么如何提高Pronto项目的骑乘率呢我们已经知道了气候因素能够影响骑乘率,但是气候因素是无法改变的,那么还有什么因素是可控的呢


共享单车站点图

正如前面提到的,Pronto项目是有桩共享单车,那么它的车桩站点的情况如何呢

从上图中,我们能够发现:

1、U地区的骑行次数的最低的

2、绝大部分的骑行旅程发生于A-D区域之中,跨区域的旅程及其稀有并且通常较远


针对发现1,我的解释为该区域的用户构成中以学生群体为主,拥有较多优惠交通方式的学生们很少选择共享单车作为自己的出行方式。例如,在2015年,Pronto的定价为$8一天,而在U地区内Uber的车费大致为$5。


针对发现2,我的解释为在A-D不同的区域之间的坡度变化和距离增加导致骑行体验变差,这一点我将在下面详述


地理因素

这张图展示了从其他车桩站点到上坡站点的骑行数量,我们可以明显地发现上坡骑行交易数量是相当少

相反地,下坡骑行数量就很多了


怎么办

1、为特定区域的学生和低收入人群降低骑行费用

2、在各大区域之间的交界区域设置车桩站点,减少孤立站点的存在,提高车辆使用率

3、发展电动自行车的共享业务,减少坡度、距离等地理因素的限制



和有趣的人 做有趣的事

【声明】内容源于网络
0
0
高昂GoingOn
1234
内容 41
粉丝 0
高昂GoingOn 1234
总阅读0
粉丝0
内容41