大学校园共享单车使用的调查与统计分析

AdvancesinAppliedMathematics应用数学进展,2017,6(8),1018-1026PublishedOnlineNovember2017inHans.://doi.org/10.12677/aam.2017.68122文章引用: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[J].应用数学进展,2017,6(8):1018-1026.DOI:10.12677/aam.2017.68122InvestigationandStatisticalAnalysisofBicycleSharingonUniversityCampusYuHan,HuiDai,KexinDai,YuanzheMa,RongChengNanjingUniversityofInformationScienceandTechnology(NUIST),NanjingJiangsuReceived:Nov.10th,2017;accepted:Nov.22nd,2017;published:Nov.29th,2017AbstractOnthebasisoftherelevantelementsofbike-sharinginNanjingUniversityofInformationScience&Technology,wedistributequestionnaireswhichrelatetothestatusofusingonbike-sharingac-cordingtostratifiedsampling.Contraposingthecollecteddata,weanalyzethestatisticaldistribu-tionfirstly,thenwechooseeightparkingspotsforsharingbikes.WiththehelpofSPSS,weanalyzethecorrelationbetweentheeightparkingspotsandtheelements.Inaddition,wegiveouttheconclusionofthebehaviorwhenstudentsofNUISTusingthesharingbikesandthecorrespondingsuggestions.KeywordsStratifiedSampling,CorrelationAnalysis,SharedBike,SPSS,DataDistribution大学校园共享单车使用的调查与统计分析韩雨，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日摘要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，给出韩雨等DOI:10.12677/aam.2017.681221019应用数学进展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©2017byauthorsandHansPublishersInc.ThisworkislicensedundertheCreativeCommonsAttributionInternationalLicense(CCBY).引言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[1]，预计2017年底将达5000万，乱停乱放的现象也屡屡发生。显而易见的，共享单车方便了大众的生活，那么，共享单车又是怎样满足我们的呢？我们的“共享单车习惯”又是怎样的呢？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[2]，所以为了了解共享单车的使用情况和向共享单车公司提供更为人性化的建议及共享单车受众群体提供有效的参考，我们基于南京信息工程大学浦口校区的地理范围，对在校大学生制作了一个关于共享单车使用情况的调查问卷。在这个报告中，我们将详述该调查问卷的设计理念和实施过程，针对所收集的数据解读南信大学生在共享单车使用过程中的行为。2.调查说明2.1.调查范围：南京信息工程大学(下简称南信大)本科生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。2.2.抽样方法：分层抽样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。Table1.GradedistributionofNUIST’sundergraduatestudents表1.南信大本科生年级分布年级总人数大一6195大二4019大三3620大四3501合计17335OpenAccess韩雨等DOI:10.12677/aam.2017.681221020应用数学进展2.3.样本容量的确定1)确定调查的估计精度[3]：绝对误差限度d=5%，置信水平1−α=90%；2)对总体方差的预估；()210.25SPP=−=(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；2022211dnNzsα=+(2)4)取deff=1对样本容量[4]进行调整；0268nndeff=×=(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。2.4.调查的具体实施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。3.调查结果与分析回收问卷后，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。()fwCn×=∑(4)韩雨等DOI:10.12677/aam.2017.681221021应用数学进展Figure1.Identityofthesamples图1.调查样本身份特征Figure2.Usagecountsofsharing-bikesweekly图2.每周使用共享单车的次数Figure3.Scoreofthesequencingquestion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。韩雨等DOI:10.12677/aam.2017.681221022应用数学进展通过查阅相关资料，我们运用SPSS[3]软件，对这八个地点分别做与问卷中可能影响因素的相关性分析，得到如表2所示的相关性分析表(因篇幅问题仅展示部分结果)。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[5]。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[6]。4.结论与展望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[7]；共享单车零件被拆、车身二维码被划花无法扫描的情况；高峰时段需求密集处“找车难”，低峰时段许多车堆积无人问津的现象[8]等。Table2.Correlationanalysis表2.相关性分析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−0.0380.0060.0780.1070.1260.1450.276**显著性(双尾)0.6940.9480.4140.2610.1870.1300.003N333333333333333333333图书馆皮尔森(Pearson)相关0.065−0.0980.0450