《哈啰研究院：2024年中國共享微交通研究報告（39頁）.pdf》由會員分享，可在線閱讀，更多相關《哈啰研究院：2024年中國共享微交通研究報告（39頁）.pdf（39頁珍藏版）》請在三個皮匠報告上搜索。

1、2024年中國共享微交通研究報告2024 China Shared Micromobility Research Report二零二五年 二月中國 杭州I 編制團隊I張永平浙江大學中國新型城鎮化研究院/浙江大學公共管理學院/City+傅文艷浙江大學中國新型城鎮化研究院/浙江大學公共管理學院/City+石戰強浙江大學中國新型城鎮化研究院/浙江大學公共管理學院/City+鄢嘉昕浙江大學中國新型城鎮化研究院/浙江大學公共管理學院/City+石俊杰浙江大學中國新型城鎮化研究院/浙江大學公共管理學院/City+章俊屾浙江大學城鄉規劃設計研究院有限公司/浙大啟真未來城市科技(杭州)有限公司洪俊成浙江大學城

2、鄉規劃設計研究院有限公司/浙大啟真未來城市科技(杭州)有限公司陳夢微浙江大學城鄉規劃設計研究院有限公司/浙大啟真未來城市科技(杭州)有限公司竇子媛浙江大學城鄉規劃設計研究院有限公司/浙大啟真未來城市科技(杭州)有限公司李煒妮浙江大學城鄉規劃設計研究院有限公司/浙大啟真未來城市科技(杭州)有限公司時嘉偉浙江大學城鄉規劃設計研究院有限公司/浙大啟真未來城市科技(杭州)有限公司周錦秀哈啰研究院黃揚哈啰研究院曹柯哈啰兩輪事業部許建偉浙江大學城鄉規劃設計研究院有限公司II 目錄II第一章 研究基礎第二章：共享微交通騎行特征第三章：共享微交通與城市生活第四章：共享微交通與15分鐘城市1.1 研究背景1.2

3、 城市選取1.3 指標選取1.4 數據說明2.1 騎行距離2.2 騎行時長2.3 夜間騎行2.4 高峰騎行2.5 周末騎行3.1 騎行與城市服務3.2 騎行與青年通勤3.3 騎行與公平性1432687結語1012151720253035第五章：共享微交通與可持續發展4第一章研究基礎11.1 研究背景共享微交通，尤其是共享單車，這一誕生于移動互聯網浪潮中的新興事物，自2015年橫空出世以來，便以其便捷、環保、經濟的特性，迅速席卷中國各大城市，發展近十年來深刻改變了城市居民的出行方式和城市交通格局。截至2024年，哈啰共享（電）單車已在全國超過500個城市投放，用戶規模突破7.5億，成為名副其實的

4、“國民出行工具”。它不僅解決了城市交通“最后一公里”的難題，更在潛移默化中重塑著城市空間、社會關系和生活方式，其社會意義早已超越了單純的交通工具范疇。隨著市場逐漸趨于飽和，城市管理更加成熟，共享微交通行業也進入了新的發展階段。某種程度上，共享（電）單車能作為一種“出行標準品”，成為衡量城市交通服務水平的指標之一。在這一背景下，發布這份2024年中國共享微交通研究報告，不僅是為了總結2024年共享微交通行業的出行特征，更是為了探討共享微交通在新時代背景下的社會價值和未來發展方向。與以往行業報告多聚焦于一線城市不同，本報告也關注了非一線城市。非一線城市，作為中國城市體系中的重要組成部分，既擁有著自

5、身獨特的資源稟賦和發展路徑，也面臨著與一線城市不同的機遇和挑戰。因此，同時關注一線和非一線等不同等級城市的共享微交通發展現狀，對于理解中國城市發展的多樣性和復雜性具有重要意義。本報告將以57個不同等級城市為樣本，深入分析共享微交通用戶的出行特征、使用習慣和偏好變化，探討共享微交通對城市交通、環境、經濟和社會生活的影響。本報告嘗試回答以下問題：共享微交通用戶騎行呈現出哪些基本特征？共享微交通與城市生活有怎樣的關系？如果把共享微交通放到“15分鐘城市”的尺度下看，有哪些新發現？共享微交通對于城市減碳貢獻的計算，如何實現可持續發展？我們相信，通過對這些問題的探討，本報告將為政府決策、企業運營和學術研

6、究提供有價值的參考，也為共享微交通行業的未來發展提供新的思路和方向。1.2 城市選取新一線非省會城市624234直轄市+一線城市省會城市非省會城市北京、天津、上海、廣州、深圳、重慶蘇州、東莞、青島、寧波哈爾濱、長春、沈陽、石家莊、濟南、合肥、鄭州、武漢、南昌、長沙、南京、杭州、福州、南寧、昆明、成都、西安、銀川、太原、呼和浩特、蘭州、?？?、烏魯木齊牡丹江、四平、遼陽、保定、淄博、蚌埠、洛陽、隨州、贛州、益陽、徐州、溫州、廈門、無錫、珠海、安順、桂林、黔南布依族苗族自治州、普洱、遂寧、咸陽、石嘴山、大同、包頭城市數量城市類型城市名稱2不同層級的城市在人口規模、經濟發展水平、城市布局、交通狀況等方

7、面存在差異，這些差異會影響居民的騎行行為。報告選取57個中國主要城市，涵蓋直轄市及一線城市、新一線非省會城市、省會城市以及非省會城市四個類型，通過城市間橫向比較和時間軸追蹤對比，全面呈現不同城市層級的騎行特征，探索城市騎行規律。城市選取樣本說明：71.3 指標選取1.3.1 共享微交通騎行特征騎行距離騎行時長夜間騎行高峰騎行周末騎行1.3.2 共享微交通與城市生活騎行與城市服務騎行與青年通勤騎行與社會公平性1.3.3 共享微交通與15分鐘城市31.3.4 共享微交通與可持續發展1.4 數據說明4本報告所用數據為哈啰研究院提供的共享單車和共享電單車訂單記錄數據，訂單時間為2024年6月17日至6

8、月23日一周，騎行數據約6500萬條。數據來源:名詞解釋:騎行距離騎行時長夜間騎行高峰期行周末騎行騎行次數比重停車點青年人口外來人口騎行開始位置與結束位置之間的路網距離。訂單記錄中開始/結束時間的分鐘差。晚上9:00至凌晨3:00之間的騎行訂單。早高峰時段為早上7:00-9:00，晚高峰時段為下午5:00-7:00。周六與周日的騎行訂單。時均或日均騎行次數的比重。帶有經緯度坐標的共享單車/電單車出行訂單的還車位置。19-29歲年齡段的人口。戶籍非本地的常住人口。注：受降雨等因素影響，少量城市選取2024年6月17-23日的前/后一周等其他時間段數據替代。第二章共享微交通用戶騎行特征6直轄市及一

9、線城市、新一線城市的平均騎行距離普遍較高，省會城市的平均騎行距離差異較大，普通城市的平均騎行距離相對較短。相較于共享電單車，普通城市共享單車平均騎行距離相對較為均衡。2.1 騎行距離不同等級城市的共享單車與共享電單車騎行距離存在明顯差異1.68 2.32 1.35 1.52 1.62 1.41 1.59 1.43 1.59 1.93 1.60 1.52 1.57 1.41 1.93 1.74 1.48 1.71 1.66 1.64 2.27 1.79 1.33 1.22 1.77 1.69 1.88 1.00 1.48 1.55 1.32 1.38 1.97 1.70 1.88 2.15 1.

10、34 1.91 1.55 1.78 1.57 1.21 1.81 1.73 1.71 1.57 1.54 1.58 1.50 0.95 北京市重慶市廣州市上海市深圳市天津市東莞市寧波市青島市蘇州市長春市長沙市成都市福州市哈爾濱市?？谑泻贾菔泻戏适泻艉秃铺厥袧鲜欣ッ魇刑m州市南京市南寧市沈陽市石家莊市太原市烏魯木齊市武漢市西安市銀川市鄭州市蚌埠市包頭市保定市大同市桂林市遼陽市洛陽市牡丹江市廈門市石嘴山市四平市隨州市遂寧市溫州市無錫市咸陽市珠海市淄博市不同等級城市共享單車騎行距離（單位：千米）平均值為1.572.86 2.35 2.66 1.94 2.23 2.26 2.42 2.15 2.44

11、1.12 2.14 2.61 2.88 2.12 3.16 2.25 2.16 1.51 1.70 3.08 3.23 1.15 1.21 1.46 3.50 2.04 2.70 2.87 2.78 2.13 2.44 2.99 1.65 2.82 2.54 2.83 1.81 2.08 2.32 3.21 2.85 2.20 2.46 2.85 2.61 2.72 北京市重慶市天津市寧波市青島市蘇州市長沙市成都市福州市?？谑泻贾菔泻戏适泻艉秃铺厥袧鲜欣ッ魇刑m州市南昌市南京市南寧市沈陽市石家莊市太原市烏魯木齊市武漢市銀川市鄭州市安順市蚌埠市包頭市保定市大同市贛州市桂林市洛陽市牡丹江市普洱市黔

12、南布依族苗族自治州廈門市石嘴山市隨州市遂寧市溫州市咸陽市徐州市益陽市淄博市不同等級城市共享電單車騎行距離（單位：千米）平均值為2.68直轄市及一線城市新一線城市省會城市普通城市直轄市及一線城市、新一線城市、普通城市騎行時長分布顯示出特定的集中區間，體現出當地騎行習慣和出行需求特點，而省會城市的平均騎行時長存在明顯個體差異。2.2 騎行時長7不同等級城市的共享單車和共享電單車騎行時長有所不同12.66 17.36 13.16 11.41 13.49 14.22 14.31 12.11 13.43 14.69 14.03 12.19 12.99 12.21 17.58 14.75 11.72 13

13、.13 13.48 13.41 15.37 13.13 10.40 9.86 15.55 11.79 14.52 7.75 12.02 11.32 12.34 11.31 15.43 13.74 14.16 16.27 11.99 16.72 11.26 14.85 14.03 9.19 15.15 14.97 14.03 13.93 14.20 11.88 13.99 8.18 北京市重慶市廣州市上海市深圳市天津市東莞市寧波市青島市蘇州市長春市長沙市成都市福州市哈爾濱市?？谑泻贾菔泻戏适泻艉秃铺厥袧鲜欣ッ魇刑m州市南京市南寧市沈陽市石家莊市太原市烏魯木齊市武漢市西安市銀川市鄭州市蚌埠市包頭市

14、保定市大同市桂林市遼陽市洛陽市牡丹江市廈門市石嘴山市四平市隨州市遂寧市溫州市無錫市咸陽市珠海市淄博市不同等級城市共享單車騎行時長（單位：分鐘）平均值為12.7615.30 11.16 12.73 10.07 12.03 15.34 12.50 10.60 12.15 7.14 12.90 12.43 12.60 10.49 14.48 12.16 10.60 8.25 9.36 16.39 14.80 8.37 8.15 10.09 17.56 10.62 13.60 12.90 12.58 11.25 11.31 13.95 8.81 12.87 12.12 13.96 10.31 11.2

15、6 11.98 13.29 12.36 11.57 12.05 13.77 11.57 12.45 北京市重慶市天津市寧波市青島市蘇州市長沙市成都市福州市?？谑泻贾菔泻戏适泻艉秃铺厥袧鲜欣ッ魇刑m州市南昌市南京市南寧市沈陽市石家莊市太原市烏魯木齊市武漢市銀川市鄭州市安順市蚌埠市包頭市保定市大同市贛州市桂林市洛陽市牡丹江市普洱市黔南布依族苗族自治州廈門市石嘴山市隨州市遂寧市溫州市咸陽市徐州市益陽市淄博市不同等級城市共享電單車騎行時長（單位：分鐘）平均值為12.87直轄市及一線城市新一線城市省會城市普通城市不同等級城市在夜間騎行占比、平均騎行時間和距離上有差異。其中，直轄市及一線城市夜間出行需求較

16、穩定，部分城市顯示出較強的夜間騎行活力。新一線城市夜間騎行有一定規模，但發展不均衡。省會城市及普通城市夜間騎行占比數據離散度大，城市夜間騎行發展程度不一。不同等級城市的共享單車夜間騎行比重、平均騎行時間和距離（單位：時間/分鐘，距離/千米）2.3 夜間騎行8直轄市+一線城市共享單車的夜間騎行占比較高9.04%18.37%12.13%9.97%14.95%6.58%14.72%8.68%9.87%13.33%9.67%12.40%9.43%11.68%8.48%16.70%10.39%9.32%7.13%10.82%9.14%9.86%9.28%12.48%5.92%7.78%11.90%21.

17、36%8.51%11.91%11.47%11.62%5.01%5.76%10.21%6.19%11.61%4.72%10.75%2.89%13.18%8.68%4.77%9.09%10.20%10.18%11.88%13.39%11.90%9.19%北京市重慶市廣州市上海市深圳市天津市東莞市寧波市青島市蘇州市長春市長沙市成都市福州市哈爾濱市?？谑泻贾菔泻戏适泻艉秃铺厥袧鲜欣ッ魇刑m州市南京市南寧市沈陽市石家莊市太原市烏魯木齊市武漢市西安市銀川市鄭州市蚌埠市包頭市保定市大同市桂林市遼陽市洛陽市牡丹江市廈門市石嘴山市四平市隨州市遂寧市溫州市無錫市咸陽市珠海市淄博市城市等級城市名稱夜間騎行占比平均騎

18、行時間平均騎行距離1.87 2.29 1.47 1.61 1.71 1.54 1.66 1.63 1.69 2.01 1.75 1.67 1.60 1.61 2.03 1.92 1.61 1.81 1.63 1.81 2.17 1.83 1.51 1.31 1.67 1.81 2.12 1.20 1.56 1.67 1.55 1.60 2.17 1.72 2.01 2.39 1.33 1.98 1.83 1.89 1.71 1.24 1.77 1.74 1.66 1.67 1.73 1.76 1.57 0.94 14.68 16.64 14.23 12.22 14.00 15.59 14.80

19、 13.52 12.82 15.39 14.63 13.26 13.57 13.26 16.68 15.63 12.97 13.99 12.66 14.40 15.18 13.71 11.65 10.37 14.51 12.67 16.07 8.94 12.56 12.47 13.68 12.90 15.47 13.18 14.74 16.66 11.08 15.45 13.46 14.30 14.48 9.84 13.94 13.52 13.37 14.03 15.57 13.10 14.01 7.86 省會城市普通城市新一線城市直轄市+一線城市2.3 夜間騎行9不同等級城市的共享電單車夜間

20、騎行比重、平均騎行時間和距離（單位：時間/分鐘，距離/千米）不同等級城市的共享電單車夜間騎行存在顯著差異新一線城市和部分省會城市夜間騎行活躍度較高，反映出這些城市夜間經濟發展較好，居民夜間出行需求旺盛。由于城市規模和功能等因素，直轄市及一線城市具有一定獨特性。普通城市間差異較大，反映出其發展的不均衡性。2.85 2.44 2.66 2.07 2.33 2.44 2.60 2.19 2.29 1.12 2.37 3.02 3.10 2.45 3.17 2.60 2.52 1.67 2.07 3.26 3.54 1.32 1.44 1.66 3.49 2.19 2.58 2.98 2.97 2.3

21、0 2.45 2.95 1.53 3.08 2.63 2.82 1.74 2.12 2.30 3.27 2.90 2.16 2.54 3.24 2.80 2.87 15.33 10.94 12.56 9.98 11.74 15.22 12.87 10.34 11.31 6.69 13.84 13.52 12.77 10.89 14.14 13.38 11.71 8.25 10.62 15.87 15.03 8.08 9.26 10.16 17.02 10.59 11.91 12.81 12.50 11.40 11.17 13.26 7.68 13.45 11.42 13.02 9.65 11.

22、28 11.36 12.59 11.77 10.77 12.13 14.66 11.48 12.55 12.56%16.63%13.61%20.52%13.56%20.00%18.46%13.23%16.85%9.53%13.97%15.66%11.90%11.20%15.19%14.30%18.02%11.07%17.68%9.51%14.74%12.75%18.93%7.55%15.40%17.48%17.52%14.52%12.94%14.47%10.11%17.78%13.89%18.14%9.47%17.18%20.47%15.24%16.83%12.18%14.15%16.62%1

23、6.20%15.28%17.53%15.51%北京市重慶市天津市寧波市青島市蘇州市長沙市成都市福州市?？谑泻贾菔泻戏适泻艉秃铺厥袧鲜欣ッ魇刑m州市南昌市南京市南寧市沈陽市石家莊市太原市烏魯木齊市武漢市銀川市鄭州市安順市蚌埠市包頭市保定市大同市贛州市桂林市洛陽市牡丹江市普洱市黔南布依族苗族自治州廈門市石嘴山市隨州市遂寧市溫州市咸陽市徐州市益陽市淄博市城市等級城市名稱夜間騎行占比平均騎行時間平均騎行距離省會城市普通城市新一線城市直轄市+一線城市北京市重慶市廣州市上海市深圳市天津市東莞市寧波市青島市蘇州市長春市長沙市成都市福州市哈爾濱市?？谑泻贾菔泻戏适泻艉秃铺厥袧鲜欣ッ魇刑m州市南京市南寧市沈陽市

24、石家莊市太原市烏魯木齊市武漢市西安市銀川市鄭州市蚌埠市包頭市保定市大同市桂林市遼陽市洛陽市牡丹江市廈門市石嘴山市四平市隨州市遂寧市溫州市無錫市咸陽市珠海市淄博市共享單車高峰騎行比重、距離（單位：距離/千米、時長/分鐘）2.4 高峰騎行10共享單車騎行集中于晚高峰不同等級城市夜間單車騎行在次數比重、距離及時長上存在差異。這些差異可能源自通勤主導性、休閑活動后置、交通方式選擇變化、工作地集中性、夜間經濟活躍度等原因。新一線和部分省會城市活躍度較高，時長與距離在各等級內表現不一，反映城市夜間出行行為和需求的多樣性。注：此處騎行次數比重值為時均值比重，計算基于每小時的騎行次數。城市等級城市名稱騎行次數

25、比重騎行距離騎行時長省會城市普通城市新一線城市直轄市+一線城市早高峰騎行次數多晚高峰騎行次數多晚高峰大于早高峰晚高峰小于早高峰晚高峰等于早高峰晚高峰單車騎行距離早高峰單車騎行距離晚高峰單車騎行時長早高峰單車騎行時長-1.00 5.00 9.00 0.00 1.00 2.00 0.00 10.00 20.00不同等級城市夜間電單車騎行在次數比重、距離及時長上存在差異。受城市規模、功能布局、出行習慣等因素影響，共享電單車騎行也更集中于晚高峰時段，城市間差異較大。11共享電單車高峰騎行比重、距離（單位：距離/千米、時長/分鐘）2.4 高峰騎行共享電單車騎行集中于晚高峰北京市重慶市天津市寧波市青島市蘇

26、州市長沙市成都市福州市?？谑泻贾菔泻戏适泻艉秃铺厥袧鲜欣ッ魇刑m州市南昌市南京市南寧市沈陽市石家莊市太原市烏魯木齊市武漢市銀川市鄭州市安順市蚌埠市包頭市保定市大同市贛州市桂林市洛陽市牡丹江市普洱市黔南布依族苗族自治州廈門市石嘴山市隨州市遂寧市溫州市咸陽市徐州市益陽市淄博市城市等級城市名稱騎行次數比重騎行距離騎行時長省會城市普通城市新一線城市直轄市+一線城市早高峰騎行次數多晚高峰騎行次數多晚高峰大于早高峰晚高峰小于早高峰晚高峰等于早高峰晚高峰單車騎行距離早高峰單車騎行距離晚高峰單車騎行時長早高峰單車騎行時長-1.00 4.00 9.00 0.00 2.00 0.00 10.00 20.0012周

27、末及工作日共享單車騎行比重、距離（單位：距離/千米、時長/分鐘）2.5 周末騎行不同等級城市共享單車騎行在工作日和周末存在顯著差異，以周末騎行為主。直轄市及一線城市因資源豐富但出行方式多元，騎行次數比重有高有低，且因地域廣、交通復雜，騎行距離和時長普遍較長；新一線城市騎行次數比重整體突出，距離和時長因城而異；省會城市及普通城市因發展不均衡，各項騎行數據差異明顯。共享單車周末騎行比重高北京市重慶市廣州市上海市深圳市天津市東莞市寧波市青島市蘇州市長春市長沙市成都市福州市哈爾濱市?？谑泻贾菔泻戏适泻艉秃铺厥袧鲜欣ッ魇刑m州市南京市南寧市沈陽市石家莊市太原市烏魯木齊市武漢市西安市銀川市鄭州市蚌埠市包頭

28、市保定市大同市桂林市遼陽市洛陽市牡丹江市廈門市石嘴山市四平市隨州市遂寧市溫州市無錫市咸陽市珠海市淄博市城市等級城市名稱騎行次數比重騎行距離騎行時長省會城市普通城市新一線城市直轄市+一線城市注：此處騎行次數比重值為日均值比重，計算基于每日的騎行次數。周末騎行次數多工作日騎行次數多周末值大于工作日周末值小于工作日周末值等于工作日周末單車騎行距離工作日單車騎行距離周末單車騎行時長工作日單車騎行時長-1.00 0.00 1.00 0.00 1.00 2.00 0.00 10.00 20.00132.5 周末騎行周末及工作日共享電單車騎行比重、距離（單位：距離/千米、時長/分鐘）共享電單車工作日騎行比重

29、整體略高于周末，但騎行距離和騎行時長未超過周末。受地域特色、資源分配及用戶習慣影響，騎行距離和騎行時長有一定的從直轄市及一線城市向普通城市逐漸縮短的趨勢。共享電單車工作日短途出行需求較多北京市重慶市天津市寧波市青島市蘇州市長沙市成都市福州市?？谑泻贾菔泻戏适泻艉秃铺厥袧鲜欣ッ魇刑m州市南昌市南京市南寧市沈陽市石家莊市太原市烏魯木齊市武漢市銀川市鄭州市安順市蚌埠市包頭市保定市大同市贛州市桂林市洛陽市牡丹江市普洱市黔南布依族苗族自治州廈門市石嘴山市隨州市遂寧市溫州市咸陽市徐州市益陽市淄博市城市等級城市名稱騎行次數比重騎行距離騎行時長省會城市普通城市新一線城市直轄市+一線城市周末騎行次數多工作日騎行

30、次數多周末值大于工作日周末值小于工作日周末值等于工作日周末單車騎行距離工作日單車騎行距離周末單車騎行時長工作日單車騎行時長-1.00 0.00 1.00 0.00 2.00 0.00 10.00 20.00第三章共享微交通與城市生活15案例城市：天津市交通設施，購物消費與生活服務設施是共享騎行主要目的地 利用KD-Tree算法，搜索共享單車與電單車出行行程停車點的最鄰近設施點作為該行程的目的地。交通設施、購物消費設施、生活服務設施是共享單車與電單車出行的主要目的地。注：POI數據來自于百度地圖API3.1 騎行與城市服務共享騎行便利居民獲取城市服務設施單車騎行熱點分布電單車騎行熱點分布3.1

31、騎行與城市服務16高校、商圈以及住宅區是共享騎行的主要聚集區城市商圈、高校校區以及住宅區共享騎行需求量較高 以天津市濱海新區為例，第二第三大街、外灘公園、泰達街等重要商圈共享騎行量顯著較高。新河街道和杭州道街道等住宅區是共享單車與電單車騎行聚集區。天津科技大學（濱海校區）的共享單車騎行量顯著較高。3.2 騎行與青年通勤案例城市：寧波市寧波市共享騎行時間分布17共享單車與電單車是城市通勤出行的重要交通工具早晚高峰期共享單車與電單車騎行量顯著較高 以寧波市為例，在一周內，早高峰(7:00-9:00)時間段共享單車騎行量約占總騎行量18.25%，共享電單車騎行量約占總騎行量15.31%。晚高峰(17

32、:00-19:00)時間段共享單車騎行量約占總騎行量17.98%，共享電單車騎行量約占總騎行量18.58%。早晚高峰期相比，共享單車在早高峰時間段的騎行量比重相對較高，共享電單車在晚高峰時間段的騎行量比重相對較高。18共享單車能夠較好地適應青年人口通勤需求案例城市：寧波市早晚高峰期共享單車騎行量與青年人口數量之間存在相關性 取早高峰或晚高峰時期共享單車騎行量大于0的區域為分析區域。借助手機信令數據識別青年人口的居住地和工作地，以每天7:00-16:00間停留時間最長的地點為其工作地，17:00-6:00(次日)間停留時間最長的地點為居住地。工作青年人口在寧波市主城區中心區域的集聚性較高，居住青

33、年人口的集聚性相對較弱，主要分布于鄞州區和海曙區。以寧波市為例，在早晚高峰期的共享單車騎行中，高騎行量、高青年人口的區域比重最高，約18.26%和21.37%。相比于早高峰出行，晚高峰時間段青年人口數量與共享單車騎行量的空間相關性更高。早高峰騎行晚高峰騎行通勤高峰期共享單車騎行量與青年人口數量的空間分布注：人口分布基于中國移動通信公司提供的浙江省2022年手機信令數據識別3.2 騎行與青年通勤青年人口數騎行量青年人口數騎行量共享電單車能夠較好地適應青年人口通勤需求19案例城市：寧波市早高峰騎行晚高峰騎行通勤高峰期共享電單車騎行量與青年人口數量的空間分布3.2 騎行與青年通勤早晚高峰期共享電單車

34、騎行量與青年人口數量之間存在相關性 取早高峰或晚高峰時期共享電單車騎行量大于0的區域為分析區域。以寧波市為例，在早高峰和晚高峰時期的共享電單車騎行中，高騎行量、高青年人口的區域比重最高，約占16.65%和19.28%。中心區域早高峰和晚高峰時期騎行量較高，且工作人口中的青年群體數量相對較多。相比于早高峰，晚高峰時間段青年人口的空間分布集聚性更加顯著，與共享電單車騎行量的空間相關性更高。203.3 騎行與公平性案例城市：溫州市共享單車騎行訂單分布共享電單車騎行訂單分布永嘉縣甌海區瑞安市平陽縣樂清市龍灣區鹿城區甌海區瑞安市平陽縣龍灣區龍港市蒼南縣共享騎行空間分布具有顯著的集聚性特征 以溫州市為例，

35、共享單車騎行主要集中于鹿城區、甌海區、以及龍灣區等中心城區范圍內。共享電單車騎行分布相對分散，在龍灣區、瑞安市、平陽縣以及蒼南縣均有聚集性分布。500m10min 將共享微交通運營區劃分為500m規格空間網格。計算網格內居民在500m步行范圍內可獲取的共享騎行設施數量，以及使用共享騎行設施在1500m騎行范圍內可接觸的城市設施數量。出行可達性計算公平性分析 綜合網格單元內居住人口和工作人口數以及出行可達性計算區位熵指數。指數小于1表示服務供給相對不足，指數大于1表示服務供給相對充足。比較不同屬性人口的平均出行可達性。!=!#$!#$!:網格 i 的區位熵指數!:網格 i 的出行可達性!:網格

36、i 的人口數共享微交通出行可達性與公平性分析工作人口居住人口21案例城市：溫州市共享單車出行可達性共享電單車出行可達性瑞安市平陽縣蒼南縣甌海區龍灣區3.3 騎行與公平性永嘉縣甌海區瑞安市平陽縣樂清市鹿城區龍灣區永嘉縣甌海區瑞安市平陽縣樂清市鹿城區龍灣區瑞安市平陽縣蒼南縣甌海區龍灣區共享微交通出行可達性的空間分布不均衡不同區域共享單車與共享電單車出行可達性存在差異 鹿城區、甌海區等中心城區的共享單車出行可達性顯著較高，邊緣地區如龍灣區、蒼南縣共享單車出行可達性較低。共享電單車出行可達性較高的區域集中于瑞安市東部以及蒼南縣北部地區，龍灣區、平陽縣共享電單車出行可達性顯著較低。工作人口和居住人口的共

37、享微交通出行可達性的空間分布格局相似。共享單車與電單車運營量與運營區域受行政管理因素限制，進而影響共享出行可達性的空間分布。郊區等邊緣地區可進一步放寬運營限制，增加共享單車與電單車投放量，提高出行可達性。22 以溫州市為例，共享單車服務水平即出行可達性與居住人口和工作人口的潛在需求水平的空間匹配度較低。居住人口中區位熵指數小于1的區域占比約50.04%；工作人口中區位熵指數小于1的區域占比約45.15%，相比于居住人口，共享單車服務與工作人口需求的空間匹配度較高?？臻g公平性分析居住人口工作人口鹿城區甌海區瑞安市平陽縣樂清市永嘉縣龍灣區瑞安市平陽縣甌海區鹿城區永嘉縣樂清市龍灣區人口類型19-29

38、歲30-39歲40-49歲50-59歲女性人口男性人口本地人口外來人口平均出行可達性居住人口7.076.907.067.077.156.947.386.376.92工作人口7.697.347.417.457.657.327.866.747.34 相比于居住人口，工作人口具有更高的共享單車出行可達性。在居住人口和工作人口中，30-39歲人口、男性人口以及外來人口的共享單車出行可達性相對較低。不同人群之間的公平性共享單車出行可達性區位熵3.3 騎行與公平性增加郊區和邊緣地區單車服務量，提高單車服務公平性23人口類型19-29歲30-39歲40-49歲50-59歲女性人口男性人口本地人口外來人口平均

39、出行可達性居住人口5.946.036.026.056.095.986.315.145.93工作人口6.386.356.226.276.456.206.565.566.21 相比于居住人口，工作人口具有更高的共享電單車出行可達性。在居住人口和工作人口中，40-49歲人口、男性人口以及外來人口的共享電單車出行可達性相對較低。不同人群之間的公平性居住人口工作人口瑞安市平陽縣蒼南縣甌海區龍灣區瑞安市平陽縣蒼南縣甌海區龍灣區共享電單車出行可達性區位熵3.3 騎行與公平性龍港市平衡不同區域共享電單車服務水平，提高服務公平性龍港市 以溫州市為例，共享電單車服務水平即出行可達性與居住人口和工作人口的潛在需求水

40、平的空間匹配度較低。居住人口中區位熵指數小于1的區域占比約51.04%；工作人口中區位熵指數小于1的區域占比約50.47%，相比于居住人口，共享電單車服務與工作人口需求的空間匹配度更高?？臻g公平性分析第四章共享微交通與15分鐘城市公交車站學校商超娛樂設施金融設施醫療設施藥房文化體育設施郵局餐廳本章從以下三個維度來評價15分鐘城市：居民生活單元生活必需設施單車停車位置15分鐘城市指居民生活在能通過綠色出行方式（步行和騎行）在15分鐘內到達所有必需生活設施的城市。通過相關政策和權威研究，我們選擇了以下10類必需生活設施：15分鐘單元指居民從生活單元中心出發，能夠在15分鐘內到達10類生活設施的公里

41、網格。通過比較兩種情景（步行情景和共享單車騎行情景）的15分鐘單元特征，可以識別出共享單車對15分鐘城市的影響。15分鐘步行范圍15分鐘共享單車騎行范圍15分鐘10分鐘5分鐘面積覆蓋率：15分鐘單元面積占區域總面積的比例居民覆蓋率：15分鐘單元中的居民人數占區域總人數的比例面積覆蓋率：按特定類別的生活設施，15分鐘內至少可以到達至少一個該生活設施的網格單元的面積占總面積的比例居民覆蓋率：按特定類別的生活設施，15分鐘內至少可以到達至少一個該生活設施的網格單元中的居民人數占總人數的比例便捷度：網格單元到最近關鍵停車位置的距離承載力：關鍵停車位置服務的居民數量4 共享微交通與15分鐘城市254 共

42、享微交通與15分鐘城市案例城市：嘉興市市 域中心城區城市規劃區共享單車訂單分布南湖萬達廣場商圈環城路商圈城南商圈26維度一：居民生活單元0-12-34-56-78-910累計可達性面積覆蓋率：6.62%11.45%維度二：生活必需設施0%20%40%60%80%郵局學校金融設施藥房娛樂設施醫療設施餐廳文化體育設施商超公交車站0%20%40%60%80%100%郵局學校金融設施藥房娛樂設施醫療設施餐廳文化體育設施商超公交車站75.74%75.74%55.80%56.35%54.75%56.05%50.83%51.38%36.40%37.70%32.78%34.17%28.07%29.27%25.

43、40%26.70%24.53%26.20%12.50%16.58%89.51%89.51%80.12%80.45%77.80%78.94%77.89%78.09%67.15%67.93%65.68%66.92%64.20%65.68%62.41%63.89%56.59%59.76%31.23%49.85%面積覆蓋率居民覆蓋率注：“”左邊的數字為步行情景的面積覆蓋率/居民覆蓋率；“”右邊的數字為共享單車騎行情景的面積覆蓋率/居民覆蓋率。居民覆蓋率：24.03%44.84%注：（1）“”左邊的數字為步行情景的面積覆蓋率/居民覆蓋率；“”右邊的數字為共享單車騎行情景的面積覆蓋率/居民覆蓋率。（2）累

44、計可達性為10的單元為15分鐘單元。步行情景共享單車騎行情景4 共享微交通與15分鐘城市27維度三：單車停車位置結論在嘉興市的城市規劃區中，共享微交通在促進15分鐘城市發展的過程中發揮了積極的作用：15分鐘單元從步行情景中的73個增加到共享單車騎行情景中的126個。有11.45%的土地和44.84%的居民能夠在15分鐘內通過步行和騎行共享單車到達10類生活設施點。在共享單車騎行情景下，生活設施的可達性得到了顯著提升，特別是對于那些在步行情景中不易達到的生活設施（如郵局）。我們共識別出了55個關鍵停車位置，承載力最大的關鍵停車點幫助約6.09萬人從非15分鐘單元居民變成了15分鐘單元居民。居民單

45、元到關鍵停車位置的平均距離為344.71米，這說明居民步行至共享單車停車位置比較便捷。便捷度承載力關鍵停車位置指能夠作為“中轉點”將非15分鐘單元變成15分鐘單元并最小化總旅行時間的共享單車停車位置。它們在推動15分鐘城市建設方面發揮著至關重要的作用。便捷度（百米）承載力（千人）0.20-0.800.80-1.201.20-1.901.90-3.003.00-5.40 5.400-1.101.10-1.501.50-2.502.50-4.004.00-5.90 5.904 共享微交通與15分鐘城市28第五章共享微交通與可持續發展WatsonsU2檢驗5 共享微交通與可持續發展步驟一：出行替代方

46、式識別步驟二：共享微交通碳減排測算步驟三：碳減排時空特征分析小汽車公交車地鐵步行共享單車共享電單車287.967.836.030.000.0010.05計算方法：共享微交通替代小汽車、公交車、地鐵和步行的減碳量每條訂單的碳減排=共享微交通碳減排系數訂單出行距離共享微交通碳減排系數=（小汽車碳排放系數替代小汽車訂單的出行距離比例1+公交車碳排放系數替代公交車訂單的出行距離比例2+地鐵碳排放系數替代地鐵訂單的出行距離比例3+步行碳排放系數替代步行訂單的出行距離比例4）-共享（電）單車碳排放系數5通過計算得出：共享單車碳減排系數為114.23g/km共享電單車碳減排系數為99.09g/km注：1-4

47、根據替代不同出行方式（小汽車、公交車、地鐵、步行）的平均出行距離和訂單數量比例，我們計算出了這四種交通方式的訂單出行距離比例。5我們僅考慮共享（電）單車騎行階段的碳排放計算，未涵蓋車輛制造、回收和再平衡過程等環節。以上關鍵參數的選擇均參考Zhang et al.(2024)。參數的選擇對碳減排的計算結果具有顯著影響，所以本章節僅作為參考，實際應用時應結合具體場景進行分析。Zhang,Y.,Fu,W.,Chao,H.,Mi,Z.,&Kong,H.(2024).A comparative analysis of the potential of carbon emission reductions

48、 from shared micro-mobility.Sustainable Energy Technologies and Assessments,72,104088.不同交通方式的碳排放因子（g/pkm）小汽車公交車地鐵步行共享單車38.2627.1432.272.34共享電單車36.2946.8415.910.95替代不同交通方式的出行距離比例（%）時間特征分析空間特征分析余弦相似度莫蘭指數熱點分析30共享單車訂單分布市 域中心城區城市規劃區中南大學5 共享微交通與可持續發展31案例城市：長沙市市 域中心城區城市規劃區共享電單車訂單分布共享微交通碳減排測算結果老城商圈萬家麗廣場商圈在2

49、024年6月10日到6月16日期間，共享單車碳減排為41592.13kg，共享電單車碳減排為74076.40kg。由于電單車的騎行距離往往更長，其減碳量比單車多。對于單車，星期六是減碳量最多的一天；對于電單車，星期五是減碳量最多的一天。18點時，共享微交通具有較大的碳排放減少效果。5 共享微交通與可持續發展32指標單車電單車總碳排放減少量（kg）41592.1374076.40平均每次出行減少的碳排放（g/次）185.22248.84一周中碳排放減少的峰值（kg/天）7013.95（星期六）13180.20（星期五）峰值時段碳排放減少量（kg/小時）4682.24（18時）7439.04（18

50、時）共享微交通碳減排時間分布 不同車輛類型的時間特征之間并不存在顯著的相關性。換言之，單車和電單車在時間上的使用模式相互獨立。下雨天和晴天的碳減排時間特征不存在顯著的相關性。單車和電單車“星期對”的余弦相似度普遍較高，大多超過0.92。共享微交通碳減排時間特征注：我們將p值小于0.05的“星期對”區域標注為紫色邊框。（如果p值小于0.05，Watsons U2檢驗可以拒絕“該星期對來自同一總體分布”的原假設；如果p值大于0.05，則認為兩者可能來自同一總體分布。）5 共享微交通與可持續發展33 在每天的早高峰和晚高峰時段，碳減排量顯著增加，呈現出典型的“通勤高峰”模式。共享單車的晚高峰碳減排明

51、顯高于早高峰，而共享電單車的早晚高峰碳減排差異不明顯。星期六的碳減排時間分布模式與工作日相似，可能受到加班文化的影響。節假日對共享微交通影響較大。由于星期一是端午節，用戶騎行通勤需求減少，導致當天整體碳減排較低。共享微交通碳減排空間特征共享微交通碳減排空間分布 對于單車，工作日和周末碳減排的莫蘭指數分別為0.12和0.06；對于電單車，工作日和周末碳減排的莫蘭指數分別為0.40和0.09。工作日的共享微交通碳減排主要集中在市中心區域，特別是商業區、辦公區和交通樞紐等地；而周末的出行則呈現出更廣泛的空間分布。共享微交通的碳減排空間分布和共享微交通訂單空間分布基本一致。共享單車共享電單車共享單車（

52、工作日)共享單車（周末）共享電單車（工作日）共享電單車（周末）5 共享微交通與可持續發展34結語35本報告通過對57個城市共享微交通出行數據的分析，試圖勾勒出這一新興出行方式在城市發展中的圖景。然而，我們深知，這項研究仍處于初步探索階段，受限于數據獲取渠道和技術手段，報告中難免存在不足之處。例如，部分數據的覆蓋范圍和時效性有待提升，對不同用戶群體出行行為的分析還不夠深入，對共享微交通對社會價值的挖掘也尚需進一步拓展。我們誠摯地希望，這份報告能夠拋磚引玉，吸引更多來自學術界、產業界和政府部門的專家學者參與到共享微交通的研究中來。我們相信，只有匯聚多方智慧和力量，才能克服數據獲取和分析的瓶頸，推動研究走向更深入、更廣闊的領域。同時，我們也希望這份報告能夠成為一個起點，而非終點。共享微交通行業發展日新月異，城市出行生態也在不斷演變，只有持續跟蹤研究，才能準確把握行業脈搏，為城市交通發展和治理提供更有價值的參考。我們期待，這份報告能夠一年年持續做下去，成為記錄中國共享微交通發展歷程、推動城市出行方式變革的重要見證。讓我們攜手共進，共同探索共享微交通的未來，為構建更加便捷、綠色、智慧的城市出行生態貢獻力量！邁向更深入、更持續的共享微交通研究