两名德国“数据侠”，盯上了共享单车
近来，ofo和摩拜单车受到关注，两家公司疯狂融资、互吐口水抢夺国内共享单车市场，不禁令人感慨：时隔多年，国人的“自行车情结”又回来了？
其实，与国内一些城市相同，共享单车的出行方式在欧美多地也十分流行。
全球范围内，越来越多人认为自行车会成为日后城市交通的关键工具之一，因为骑自行车有很多好处，例如自行车作为一种相对独立的交通方式，可以免受城市堵车之苦;同时也可以锻炼身体，实在一举两得。
近几年世界上很多城市都设置了城市共享自行车系统，方面居民和旅客的日常使用。由于发展较早，伦敦、柏林、纽约等欧美城市的共享单车体系已经比较成熟。
当人们在使用这些共享单车时，也产生了大量的地理位置信息数据。
最近，两名来自德国的数据侠Till Nagel和Christopher Pietsch对这些数据产生了兴趣，并藉此制作出一系列可视化作品。
两人收集了伦敦、柏林及纽约的城市共享单车数据，将使用者的路线轨迹制作成动态地图，使城市共享单车的流动跃然于屏幕之上。你可以点击此处，先来感受下这些流动的数据。
通过对这些出行数据的动态可视化展示，人们可以直观地看到整个城市范围内共享单车的流动，而且还可以对比三座城市，看到不同的城市结构是如何影响到自行车的使用等情况。
纽约、伦敦、柏林：共享单车轨迹里的城市差异
两人的可视化项目，命名为“cf. city flows”，已在多地展出，其主体为三个并列的大屏幕，以及可以操作的交互操作板，人们观看时也可以互动操作。
人们可以选择三种数据展示模式：the citywide view、the station view和small-multiple view，三种模式可以看到数据不同角度的特点，方便大家比较各个城市的不同特征。
其中，The citywide view展示了一天中所有共享自行车的轨迹，可以根据不同的时间点进行查看。
每段轨迹都以细长而光亮的路径记录，让大家直观地看到整个共享自行车系统的行走路线。轨迹的记录以实时位置最为光亮，而之前位置的光则逐渐暗下来——这种风格被称为“萤火虫风格”。
通过观察，人们可以清楚地看到纽约曼哈顿中部和中央公园之间的阻碍，柏林城内城也存在这种情况。而且，纽约在街道设计上的网格构造也得以呈现，而伦敦和柏林则在历史演变中逐渐形成各自独特的街道规划。
同时，对比上图中三个城市的数据也可以发现，柏林和伦敦、纽约使用共享自行车的人数上也有巨大的差异。实际上在柏林，自行车的受众面很广，居民日常出行都使用自己的自行车，而城市自行车共享系统大多服务于游客。
另一个模式small-multiple view，则对城市中的三个自行车站进行了细致的观察。
各车站的信息通过4个板块进行展现：进入自行车站的路径将会被标于上方，而出来的路径会被标于下方;而左右两边则展示白天和夜晚的数据。
使用small-multiple模式，则可以更好地进行市内、市外的比较。
人们可以看到市内不同站点的区别以及站点在不同城市的使用区别。例如在伦敦，数据图展示出住在郊区的人们喜欢乘坐地铁来到滑铁卢站，在去往工作地的最后几公里路上，人们习惯使用自行车。
不同的城市各有特性，这些特性都可以在城市流动的层面上进行比较。
此外，还有记录特定场所自行车进出记录的the station view，还可以对流入量与流出量单独查看。在每一个城市中流动量大的场所将会被记录，场所的名称也都显示在地图上。
通过点击各个场所，我们可以清楚地看到该场所的流动量，而进出场所的路径会用不同颜色记录，方便大家进行比较。
在cf. city flows的展示中，作为展示补充，控制台上会展示更加细致的数据，例如共享自行车的总数量，自行车站的数量还有总流动量等。
数据来源及分析原理
如今，开放数据的价值正得到重视，越来越多的城市共享单车运营方开始尝试开放部分数据——包括基本的自行车数量、位置数据，到实时的空闲自行车数据，再到各个停放点之间的流动数据等。
其中，前两种(数量、位置、空闲车辆数)数据比较丰富，但有关流动轨迹的数据，仅有少数运营方进行了公开。
Till Nagel 和Christopher Pietsch选择了数据较全的纽约、伦敦和柏林。其实这些城市的共享单车运营方也没有提供单车使用的GPS信息。
但两人找到了替代办法——他们利用运营方提供的标有实时空闲车辆信息的地图，以及各个停靠/租用点的单车租用/还回数据，来进行推算。
原理是：当这个地图上某辆单车“消失”，就意味着一段行程的开始，而当这辆自行车(实时地图上也提供了自行车的专属ID信息)在另一个停靠站出现，就意味着这一段行程结束。因此，在他们的可视化项目中，一些非用户使用行为也可能被包括在了其中。
由于没有用户实际的轨迹数据，两人使用了HERE(一家地图服务商)的导航服务作为依据，而展示作品使用的底层地图，则是参考了Nolli Map，这个地图对公有区域和私人领域做出了详细区分，建筑信息也使用了可以使用的最详尽的数据。(整理|泰伯网 思佳 来源|DT财经)
{{item.content}}