《表1 虚拟租赁点属性分类表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于共享单车时空间活动的居住生活圈分异特征研究——以上海中心城区为例》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文使用K-means聚类算法，聚类对象为上海市某企业共享单车租还点的空间位置坐标，得到初始聚类数量为21 000个，聚类中心即为该类别的虚拟租赁点（见图1）。进一步剔除数据量小于最小阈值的虚拟租赁点，因为这些租赁点的数据波动性较大而不能准确地表征其租还特征；而最小阈值应根据总数据量和聚类数自行调整。经筛选，得到上海市共享单车虚拟租赁点20 032个。通过对虚拟租赁点的租还曲线特征分析和分类、识别，将虚拟租赁点按其活动属性分为居住类、非居住（设施）类和混合类三大类。与上海现状用地图的验证结果表明，居住类识别的准确率接近100%（见图2）。根据租还时间曲线特征的细微差异，居住类租赁点又被划分为早出早归型、弹性通勤型、外围型等细分子类（见表1）。