本文根据南京信息工程大学里共享单车的实际相关要素，依据分层抽样法发放了一份关于共享单车使用情况的调查问卷。针对问卷调查所收集的数据，首先利用图表清晰直观地分析了各个数据的分布，之后根据数据选取出八个共享单车停放点，利用SPSS分析这八个停靠点与其他相关要素之间的相关性，给出南信大学生在共享单车使用过程中行为的相关结论，并提出相应的意见和建议。 On the basis of the relevant elements of bike-sharing in Nanjing University of Information Science &Technology, we distribute questionnaires which relate to the status of using on bike-sharing ac-cording to stratified sampling. Contraposing the collected data, we analyze the statistical distribu-tion firstly, then we choose eight parking spots for sharing bikes. With the help of SPSS, we analyze the correlation between the eight parking spots and the elements. In addition, we give out the conclusion of the behavior when students of NUIST using the sharing bikes and the corresponding suggestions.
韩雨，戴荟，戴可欣，马媛哲，成荣
南京信息工程大学，江苏 南京
收稿日期：2017年11月10日；录用日期：2017年11月22日；发布日期：2017年11月29日
本文根据南京信息工程大学里共享单车的实际相关要素，依据分层抽样法发放了一份关于共享单车使用情况的调查问卷。针对问卷调查所收集的数据，首先利用图表清晰直观地分析了各个数据的分布，之后根据数据选取出八个共享单车停放点，利用SPSS分析这八个停靠点与其他相关要素之间的相关性，给出南信大学生在共享单车使用过程中行为的相关结论，并提出相应的意见和建议。
关键词 :分层抽样，相关性分析，共享单车，SPSS软件，数据分布
Copyright © 2017 by authors and beplay安卓登录
This work is licensed under the Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/
随着移动智能终端技术的提升及普及和网络的迅速发展，我们进入了“互联网+”时代，在出行领域，结合互联网信息快捷传递，“久违”了的自行车以“共享”的方式重新登上大众的舞台。一夜之间，号称解决“最后一公里”的共享单车比比皆是。截至2016年底，中国共享单车市场整体用户数量已达到1886万 [
在校大学生是活泼、乐于尝试新事物的代表，他们能更快适应共享单车融入他们的生活。且由于大学校园的特殊性，这样的样本是具有代表性的 [
本科生作为学校的主体成员，是校园内共享单车的主要使用人。因此，对这一群体进行抽样调查，即可有效地获悉共享单车在校园内的使用情况并进行分析。经查询我们可以得到总体数据，见表1。
关于校内共享单车的使用情况，考虑到不同年级的学生可能由于上课课时长短、参与校园活动频率、个人时间的安排等方面的影响而存在差异，因此我们选择以年级为特征，对学生进行分层抽样，这种抽样方法可以有效提高估计的精度，为组织实施调查提供便利。
| 年级 | 总人数 |
|---|---|
| 大一 | 6195 |
| 大二 | 4019 |
| 大三 | 3620 |
| 大四 | 3501 |
| 合计 | 17335 |
表1. 南信大本科生年级分布
1) 确定调查的估计精度 [
2) 对总体方差的预估；
S 2 = P ( 1 − P ) = 0.25 (1)
3) 以简单随机抽样方式及回答率为100%的条件下计算初始样本量；
n 0 = 1 / ( 1 N + d 2 z α / 2 2 s 2 ) (2)
4) 取deff = 1对样本容量 [
n = n 0 × d e f f = 268 (3)
5) 根据各年级人数进行分层：大一、大二、大三、大四各同学数量占总体的比例分别为0.357、0.232、0.209、0.202，因此取n1= 96，n2= 62，n3= 56，n4= 54。
关在本次调查过程中我们采取网络问卷与定向发放纸质问卷相结合的调查方法，网络问卷使用问卷星网站完成并由同学们自愿填写，纸质问卷的收集采用随机发放交由同学自填而后收回的方式。在收集完毕所有问卷后，我们以年级分层并取相应的样本量进行分析。
回收问卷后，发现被调查样本的职业分布情况如图1(a)，其中“南信大教师”、“硕士及以上学历”及“其他”选项的数据在本例中认为不如本科生的影响显著。
在校大学生每周使用共享单车的次数分布如图2，可以发现有78.38%的样本使用过共享单车，而“从未使用过”的样本中来自本科一年级的样本占本科一年级样本总量的31.7%，远高于其他三个年级，考虑到本科一年的学生刚开始接触校园，对于校园的整体分布和出行习惯尚未形成，所以该部分出现从未使用过共享单车的情况是真实存在的，其影响不如其他三个年级显著，但是需要尽量减少对本科一年级的学生的抽样。
故删除相关样本，进行初步数据筛选后共得到有效问卷333份，其中男女分布图1(b)，符合上述最小样本调查及分层情况的要求。
我们认为每周使用共享单车6次以上的样本即为高频共享单车用户，该部分占据了18.92%，他们对于共享单车的熟悉度和依赖度非常高，后续的调查中应重点追踪该部分样本的共享单车使用情况，同时0~6次(含6次)的“低频”样本占据了超过一半的比率，是不可忽略的、具有高力度使用潜力的共享单车服务对象。
研究这两部分样本的情况并找出其共性，是后续问题的目标。
针对“高频率用车地点”及“使用共享单车的原因”的调查采用排序的形式，可在19个选项中选择至少3个依照使用共享单车的频率进行排序，并将最终结果根据选项平均综合得分进行排序，得到结果如图3，其中选项平均综合得分C的计算公式如式4 (为显示简洁，省略求和符号上下标)，它反映了选项的综合排名情况，得分越高表示综合排序越靠前。
C = ∑ ( f × w ) n (4)
图1. 调查样本身份特征
图2. 每周使用共享单车的次数
图3. 排序题的综合得分情况
其中，f为选择频数；n为样本量；w为权值，由选项被排列的位置决定。例如有3个选项参与排序，那排在第一个位置的权值为3，第二个位置权值为2，第三个位置权值为1。
根据回收的问卷中共享单车使用地点频率的综合得分排序，我们从中选取得分最高的前八个地点即沁园、图书馆、文德楼、南门、明德楼、小东门、东大门和晖园进行更进一步的投放位置的研究。
通过查阅相关资料，我们运用SPSS [
由表2可以看出，沁园与因放学而骑共享单车的相关系数较大，可以得到，在放学时沁园共享单车的需求量较大，需要安排更多的车辆；与此同时，图书馆与因放学而骑共享单车的相关系数较大且与距离的相关系数也较大，我们猜想这是由于图书馆地理位置较远，在选择共享单车服务时会考虑距离因素；文德楼、明德楼与上下课和安全停车点的相关系数也较大，说明上下课时人流量多，共享单车的需求量也随之增加，并且随着人流量增多，用户会更倾向于选择安全可靠的停车点；由于小东门，东大门是地铁站回宿舍和教学楼的主要路线，因此上下课放学从地铁站回宿舍楼使用单车的频率较高，相关系数均较大；晖园连接了硕园，东苑食堂，北门以及文德楼等关键地理位置，处于黄金地带，因此下课高峰期共享单车的使用量增加，相关系数较大 [
通过对表2的分析，不难发现，高频率骑车地点与性别、年级、使用频率的相关性极低，也就是说在这一点上，男女、年级对高频率骑车地点的选择影响差异不大，可忽略；前八个最高与放学这个原因还有下午五点后的时间段显著相关，说明最后一节课结束后是用车高峰期，大家会选择骑车去向不同的地点 [
在南京信息工程大学浦口校区的本科学生中，已有近78.38%的本科生使用过共享单车，未来将随着大一新生对校园的熟悉和出行方式习惯的养成，以及共享单车公司的大力宣传和诱人的优惠活动，并且凭借着共享单车自身租还便捷、绿色健康的特色进一步扩大其影响力和使用率。
这样的趋势对于提供共享单车服务的公司必然是令人欢欣鼓舞的，对于我们未必不也是如此，使用共享单车可以减少使用汽车排出的废气，同时有益身心健康，但其中暴露的问题是同样不容质疑的：共享单车使用自由度较高，也带来了使用后乱停乱放、阻碍交通的状况 [
| 项目 | 性别 | 年级 | 使用频率 | 地铁站 | 上课 | 其他 | 放学 | |
|---|---|---|---|---|---|---|---|---|
| 沁 园 | 皮尔森(Pearson)相关 | −0.038 | 0.006 | 0.078 | 0.107 | 0.126 | 0.145 | 0.276** |
| 显著性(双尾) | 0.694 | 0.948 | 0.414 | 0.261 | 0.187 | 0.130 | 0.003 | |
| N | 333 | 333 | 333 | 333 | 333 | 333 | 333 | |
| 图 书 馆 | 皮尔森(Pearson)相关 | 0.065 | −0.098 | 0.045 | 0.145 | 0.145 | 0.140 | 0.193* |
| 显著性(双尾) | 0.497 | 0.307 | 0.640 | 0.128 | 0.128 | 0.144 | 0.042 | |
| N | 333 | 333 | 333 | 333 | 333 | 333 | 333 | |
| 文 德 楼 | 皮尔森(Pearson)相关 | 0.041 | −0.043 | −0.019 | 0.175 | 0.196* | 0.149 | 0.212* |
| 显著性(双尾) | 0.666 | 0.657 | 0.846 | 0.066 | 0.040 | 0.118 | 0.025 | |
| N | 333 | 333 | 333 | 333 | 333 | 333 | 333 | |
| 南 门 | 皮尔森(Pearson)相关 | −0.035 | −0.008 | −0.055 | −0.026 | 0.053 | −0.035 | 0.184 |
| 显著性(双尾) | 0.718 | 0.933 | 0.564 | 0.786 | 0.584 | 0.716 | 0.053 | |
| N | 333 | 333 | 333 | 333 | 333 | 333 | 333 | |
表2. 相关性分析
*：相关性在0.05层上显著(双尾)。**：相关性在0.01层上显著(双尾)。
图4. 使用共享单车的意愿情况
如图4所示，有近84.68%的本科生愿意走一段路来进行还车，更有43.61%的本科生愿意无论走多远(50米以上)，都要将车停在安全合规的地方，所以也许我们可以降低共享单车“随时随地，随借随还”的体验，宣传“多停车点、易停车、安全停车”，来减少城市交通不受共享单车乱停乱放、霸占机动车道 [
根据本调查得到的数据及相关结果，我们发现寻找需求密集处和需求量之间的关系来对单车进行有效调度以及行车路线的规划、在没有合规停车点的地方提出合理建议是行之有效的方法，以南信大为例，使用频率较高的是沁园、图书馆、文德楼、南门、明德楼等，这些地点以居住(宿舍)、学习(教学楼)、饮食(南门)的特点位居前列，可适当增加停车区域配合更高的车辆调度来满足需求，同时解决停车堵路的问题。
后面，我们将进一步根据学生个体的特殊性，收集上下课人流量等数据对停车点进行建模，一些企业正在研究的“电子栅栏”项目可与停车点模型进行结合，在适当的地点设置“电子栅栏 [
在此，我们要深深感谢指导成荣老师。成老师为人谦和，平易近人。不论是在论文的选题还是写作阶段都耐心地给予我们指导和鼓励。当我们遇到难点无法推进时，成老师总会在忙碌的教学之余给予我们帮助。在论文的写作阶段中，老师更是提出了许多宝贵的意见，帮我们润色文章。他严谨的治学之风深深激励了我们，在此，我们向尊敬的成荣老师表示真挚的感谢。
大学生创新创业训练计划之共享单车的优化设计。
韩 雨,戴 荟,戴可欣,马媛哲,成 荣. 大学校园共享单车使用的调查与统计分析 Investigation and Statistical Analysis of Bicycle Sharing on University Campus[J]. 应用数学进展, 2017, 06(08): 1018-1026. http://dx.doi.org/10.12677/AAM.2017.68122