基于Leiden算法的共享单车活动社区识别方法——南京案例分析

目前共享单车分区运营管理中多以行政区为基础划分运营分区,未充分考虑共享单车出行需求的空间分布特征,导致较多跨区调度工作,严重影响运营效率。结合南京共享单车出行订单数据,研究了基于Leiden算法的共享单车活动社区识别方法,构建“出行起讫点-交通小区-空间交互网络”的3层数据结构;采用Leiden社区识别算法,识别共享单车活动社区,以活动社区作为共享单车的运营子区,进行运营区域划分;通过对比不同年份的共享单车活动社区识别结果,揭示共享单车出行空间分布的时变特征;选取网络模块度与计算效率2项指标,比较多种社区识别算法的性能,以验证Leiden算法在该研究问题中的有效性与优越性。结果表明：(1)针对2019年的单车出行数据,算法共识别出23个活动社区,共享单车区内出行的比例达到82.9%,相比传统分区方法增加了11%,表明本算法能够使得共享单车出行更多被划分于社区内部,可以提高区域内部的共享单车自循环率,改善分区运营效率;(2)相比于2019年,2022年社区尺度规模有所减小,社区数量有所增加,反映共享单车用户出行距离缩短,跨区出行比例降低。(3)Leiden算法的社区识别结果中,网络模块度...