[综]Review of bike-sharing system studies using bibliometrics method

Review of bike-sharing system studies using bibliometrics method 文献计量学方法在自行车共享系统研究中的应用

@article{2022reviewbikesharing,
title = {Review of bike-sharing system studies using bibliometrics method},
journal = {Journal of Traffic and Transportation Engineering (English Edition)},
volume = {9},
number = {4},
pages = {608-630},
year = {2022},
issn = {2095-7564},
doi = {https://doi.org/10.1016/j.jtte.2021.08.003},
url = {https://www.sciencedirect.com/science/article/pii/S2095756422000174},
author = {Jibiao Zhou and Yanyong Guo and Jian Sun and Erze Yu and Rui Wang},
keywords = {Bike-sharing system, Bibliometric analysis, Visualization, Mapping knowledge domain, VOSviewer, CiteSpace},
}

Highlights

• 对823篇自行车共享系统（BSS）相关文章进行了科学计量学审查。
• 采用文献计量学方法和知识域映射技术。
• 采用文献引用、关键词共现和突发检测分析
• 在BSS研究中获得了作者、关键词和源期刊之间的协作网络。

摘要

与机动模式相比，共享单车系统（BSS）通常被认为是一种环保的交通和移动性模式。由于BSS的优势和好处，它们在过去十年里已经在全球传播。映射知识域（MKD）技术是文献计量分析的重要工具，可以直接反映某一研究领域的发展现状和趋势，在自然科学、医学科学、工程技术、人文科学和社会科学中得到了广泛应用。在本文中，我们进行了系统分析使用MKD软件工具VOSviewer和CiteSpace，从2010年至2020年间发表的科学网（WoS）核心集文章中获取自行车共享研究的发展趋势。结果表明，被引用文献的主题可分为三类：（1）发展、运作模式和经验教训；（b） BSS静态再平衡问题；（c）时空特征和需求预测。接下来，我们进行了文献共引分析和关键词共现分析，以直观地探索自行车共享研究的研究趋势。我们的结果还发现，（a）自行车再平衡问题，（b）出行行为运动和障碍，（c）内部使用需求的影响因素和特征，（d）BSS未来的创新和可持续性，以及（e）建成环境和土地利用，是自行车共享研究的五个主要研究领域和兴趣。最后，通过识别关键词突发来检查BSS研究的趋势，可以基于多源数据融合技术进行按需特征分析。本研究拓展了MKD分析方法的应用领域，并在新技术创新的背景下促进了BSS的发展。

关键词：自行车共享系统文献计量分析可视化映射知识域VOS查看器可视化软件

1. Introduction

自动车/自动车共享系统（BSS）或公共自动车共享计划是一项服务，在该服务中，自动车短期内可提供公共免费，免费德迈约，2009 年；Fishman 等人，2012 年,2013 年；黄等人，2020）。通常，BSS允许用户从码头借自行车并将其归还到属于同一系统的不同码头。由于灵活性和低成本，BSS 在过去十年中发展迅速，尤其是在发展中国家（ Fishman，2016 年）。

第一代 BSS 最初被称为“白色自行车”，这一概念起源于 1965 年的荷兰阿姆斯特丹 ( Shaheen et al., 2010 )。第二代被称为“投币存款系统”，要求用户投入可退还的押金才能解锁和使用自行车（Guo et al., 2017）。从第三代“基于IT的系统”开始，指定停靠站和智能技术用于自行车登记和检查，例如大型自行车共享系统-Velo’v-于2018年推出2005 年的法国里昂 ( Zhao et al., 2014 )。第四代，被称为“需求响应、多式联运系统”，通过智能卡与更大的公共交通系统集成作为一个关键特征（Shaheen 等人，2010 年）). 新一代还可能引入各种自行车，例如电动自行车和自行车再分配系统。全球BSS发展的不同阶段，如图1所示。经过几十年的发展，BSS已经成为城市交通系统的重要组成部分(张等，2015）。与机动模式相比，BSS 被认为是一种环保的交通和机动模式。BSS不仅低碳环保，还解决了公共交通“第一公里/最后一公里”问题（ Chen et al., 2020）。近年来，随着城市机动化带来的拥堵、环境污染、停车难等问题日益突出，道路使用者逐渐将短途出行方式转变为骑车和步行。BSS 用户的数量出现了前所未有的增长（ Midgley，2009,2011年；拉维夫等人，2013 年）。因此，全球研究人员正在关注 BSS，并且在 BSS 研究领域已经进行了大量研究。

图 1。全球共享单车系统的不同发展阶段。

文献综述是对当前研究成果的系统综述，在这种情况下，重点关注 BSS 领域，旨在提供全面的评价。它不仅可以提供当前研究成果的概览，还可以作为后续探索性科学研究的参考。以往的研究表明，共享单车研究中最重要的贡献主要来自亚洲、美洲、欧洲和大洋洲（DeMaio，2009 年；Li 等人，2018a；Muren 等人，2019 年；Schuijbroek 等人，2017 年；Shaheen et al., 2010 ; Xu et al., 2018a ; Yahya, 2017 ; Zhang and Mi, 2018). 然而，传统的文献综述方法往往需要人工收集大量文献并进行分类，这导致前沿研究具有较大的主观性和主题偏差。Mapping Knowledge Domain（MKD）方法被提倡作为文献计量分析的科学研究工具（Zou et al., 2018），并已应用于道路安全综述研究（Zou et al., 2018 ）,2020 ),智能汽车(He 等人，2020 年）和城市可持续性（ Marvuglia 等人，2020 年）。它不仅可以展示应用于文献资源的可视化研究方法及其联系，还可以绘制、挖掘、分析和展示知识领域中的相互关系，有助于预测科学动态和识别创新研究领域。

本研究应用 mapping knowledge domain MKD 方法 对 BSS 研究进行全面客观的审查。选择 Web of Science (WoS) 核心合集作为 MKD 方法中的数据源。本文的其余部分如下。第2节描述了数据收集过程和文献计量分析方法。第三部分对研究结果进行了分析，包括现有文献的基本信息、共被引分析、关键词共现聚类分析和突发检测分析、作者-关键词-来源期刊分析、作者时间顺序分析。在第4节中，提供了对结果和结论的进一步讨论。

2. Data collection and methods 数据收集和方法

2.1. Data collection

2010 年和 2020 年期间的相关文章是通过 WoS 核心合集中的科学引文索引扩展 (SCIE) 和社会科学引文索引 (SSCI) 数据库收集的，作为本研究的主要数据来源。选取“共享单车”、“共享单车”、“共享单车”、“共享单车”、“共享单车”、“公共自行车”、“公共自行车”、“共享单车”等9个关键词作为搜索主题。 “共享单车”。搜索主题通过“或”条件连接，从 WoS 核心数据库中收集数据，文档类型指定为“文章”。共收集到 823 份文件。随后的文献计量分析要求原始数据符合软件格式的要求，因此我们使用了WoS核心数据库的文档导出功能，并选择了“完整记录和所有参考文献”和“简明”。

初选结果按主题相关性筛选，排除与BSS主题无关的文章。例如，Godichon-Baggioni 等人的主题。(2019)是对变换后的成分数据进行聚类分析，仅以巴黎BSS系统数据为例进行效果验证。莫里森等人。（2019）分析了自行车事故的特点，但在引言中只提到了“共享单车”。最后，经过详细的审查和筛选，最终采用642篇文章作为本研究的数据集。

2.2. Data screening 资料筛选

从WoS核心数据库中检索关于共享单车的文献，时间范围选取1975-2021年，经过人工筛选，判断该研究与公共自行车领域的研究一致（如果不一致，则论文已手动删除）。

经过初步筛选，筛选出文献，以全文格式导出并导入CiteSpace。我们选择WoS数据剔除功能剔除字段不完整的文献。至此，数据筛选过程完成，如图2所示。作为支撑工具，CiteSpace和VOSviewer软件用于进行文献计量知识图谱分析。

图 2。数据筛选过程流程图。

2.3. Bibliometrics method 文献计量法

在这项研究中，文献计量学方法被应用于使用数学和统计文献计量理论分析 BSS 研究的文献。具体来说，利用MKD方法根据文献的属性特征分析BSS研究的最新发展趋势，并直观地展示相关知识领域。文献计量分析主要包括以下四个部分，具体方法可参考Zou et al. (2018)。
（A）基础信息整理包括发文总量、知识生产来源地、知识生产地区、知识生产机构等年度变化情况。
(B) 共被引聚类分析旨在探讨同一篇论文中两次被引用的频率，从而可以进一步确定相关文献的研究范围。同一篇论文中引用的文献之间可以认为具有一定的相关性，体现了聚类现象。同时，一篇文章的高共引值反映了相应领域文献的重要基础价值和作者在该领域的高影响力。
( C) 共被引聚类分析旨在探讨同一篇论文中两次被引用的频率，从而可以进一步确定相关文献的研究范围。同一篇论文中引用的文献之间可以认为具有一定的相关性，体现了聚类现象 clustering algorithm。同时，一篇文章的高共引值反映了相应领域文献的重要基础价值和作者在该领域的高影响力。
( D)突发检测分析通过检测关键词突发，即短时间内出现频率较高的领域，来探索某个话题的演化过程和发展趋势。Burst detection是CiteSpace的一个特色功能，它使用了Kleinberg burst detection算法(陈, 2006). 它单的阶段发展阶段，并并在短时间增长率相对相对突出突出的的关键关键字字。权重指数表示从非突发状态到突发状态的转换的成本。权重越大，突发的可靠性就越高。

本研究采用CiteSpace和VOSviewer作为文采计算量分析软件。CiteSpace用于科学文采数据的测量和解密。其优势来源于突发变化检测效能导出学的提供陈, 2006). VOSviewer的开发者在提供卓越的突然变化检测能力可视化，特别是用于共生网络和聚合类密度分析。

3. Results

3.1. Annual change in the total number of papers published 发表论文总数的年度变化

BSS领域出版数量的变化是反映研究进展的重要指标。等式。(1)表示过去十年中BSS相关出版物的数量指数增长趋势，如所显示图3.

图3. 发表论文的年度总分布，2010-2021。
2012年之前每年发表的论文数量仍在20篇以内，而2018年的论文数量激增至264篇，与2017年相比增长了30.34%。原点模拟到合高斯得。

where $y_0=35.43,x_c=2019.21,w=2.21,A=297.73$, $y$表示已发表论文的年度成果， $x=1,2,\cdots ,11$当发表年份分别为$2010，2011，\cdots ,2020$时候，适应度(goodness of fit) $R^2=0.9604$,这表明了良好的拟合效果。2020年的最新文献仅限于第一季度和第二季度，以及在网上发表的第一篇文章。2020年的总数量为315篇，因此预计2021发表的文章数量约为243篇。

BSS领域的出版物数量出现如此明显的增长趋势，一方面是由于这一新兴研究领域的巨大空间，这使得研究人员能够致力于这一主题；另一方面，鉴于城市机动车交通拥堵和交通污染问题日益突出，骑自行车逐渐受到用户的青睐，BSS的研究也顺应了交通发展的趋势。

此外，上海、杭州、宁波和深圳等中国东部沿海城市的城市交通大数据共享平台的存在意味着数据丰富且相对容易获取，这为科学研究提供了宝贵的数据来源。

3.2. Major regions and institutions 主要地区和机构

图3描绘了BSS研究中主要国家的分布图。关于BSS的现有文献来自37个国家。图4显示了每个国家发布的研究数据和所代表的机构数据，以及中华人民共和国家自然资源部的背景图片(自然资源部，2021年). 可以看出，中国和美国的文章数量最多，分别为248篇和181篇，占总贡献率的66.82%。

图4. BSS研究主要国家分布图（背景图片来自中华人民共和国自然资源部，可从：http://bzdt.ch.mnr.gov.cn).

从全球来看，BSS研究的主要国家集中在东亚、北美、西欧和中东。这些地区的共同特点是拥有完善的BSS。研究数据，如伦敦的Leon、蒙特利尔的BIXI、纽约的City Bike和中国台湾的Youbike，经常出现在文献中。相比之下，南美洲和东欧地区的8个国家只发表了14项相关研究。

各国发表的论文直接联系到当地的科研机构特别是大学的科研能力，在很大程度上代表了国家科研的整体水平。表1显示了排名前十的主要研究机构，其贡献率为80.97%。

值得一提的是，排名前四的研究机构表2都是中国大学：东南大学、杭州电子科技大学、北京交通大学和同济大学。这四所大学的论文合计占总论文数的11.25%，其中东南大学排名第一，占4.19%。

图 5显示了 2019 年和 2020 年主要研究机构之间的共同作者网络。

图 5。主要研究机构之间的共同作者网络（2019 年与 2020 年）。(a) 2019 年的共同作者网络。(b) 2020 年的共同作者网络。

图5 (a)为2019年科研机构合作情况，其中灰色圆点表示该单位独立完成的研究节点，其他颜色的节点有合作关系，链接的粗细表示合作产生的论文数量. 可以看到一个有趣的现象。目前BSS研究机构间集中合作关系较少，前10名机构之间的合作关系最为明显。图5（b）显示了2020年各研究机构之间的合作关系，与2019年独立完成的研究相比，变成了合作联合研究，表明各机构在该问题上的写作研究更加紧密。

从国家、机构、合作关系等发表论文数量来看，中国研究人员的BSS研究成果数量最为突出，因为中国交通研究机构众多，与交通研究规模密切相关。 BSS开发。目前我国BSS数量居世界首位，BSS的快速发展也带动了我国科研机构开展相应的理论研究。

2008年，中国第一家BSS在杭州成立。它在政企模式下运作，这是中国BSS的主要运作模式之一。政企模式帮助科研机构直接从政府收集BSS数据，应用到后续研究过程中，发展可持续交通知识。

欧美BSS主要集中在大城市，如欧洲的莱昂、伦敦，北美的纽约、华盛顿、多伦多 Leon and London in Europe and New York, Washington, and Toronto in North America等。在中国等发展中国家，由于幅员辽阔，一线城市众多，许多发展水平较低的城市也建立了BSS。由于中国各省市的地形和气候各不相同，经济和交通发展也存在较大差异。因此，许多中国研究人员分析了不同类型城市的不同 BSS 运行和需求特征（Shaheen et al., 2011 ; Xu et al., 2018b ; Zhao et al., 2014）。

共享单车（如摩拜单车、ofo、哈罗单车、友安、UBike）在中国的蓬勃发展，引起了国内外研究人员的研究兴趣。以往关于共享单车的研究试图将研究对象转移到 FFBS 上进行深入分析 ( Caggiani et al., 2018 ; Du and Cheng, 2018 ; Li et al., 2018b,2019 ; 马等，2018；Pal 和 Zhang，2017 年）。

• Caggiani et al., 2018: A modeling framework for the dynamic management of free-floating bike-sharing systems
  ,doi:https://doi.org/10.1016/j.trc.2018.01.001
• Du and Cheng, 2018:Better understanding the characteristics and influential factors of different travel patterns in free-floating bike sharing: evidence from Nanjing, China
• Li et al., 2018b,: Free-floating bike sharing in Jiangsu: users’ behaviors and influencing factors
  
• ; Ma et al., 2018: Challenges of collaborative governance in the sharing economy: the case of free-floating bike sharing in Shanghai
  doi: https://doi.org/10.1016/j.jclepro.2018.06.213
  
• Pal and Zhang, 2017: Free-floating bike sharing: solving real-life large-scale static rebalancing problems
  doi: https://doi.org/10.1016/j.trc.2017.03.016
  

3.3. Sources of knowledge production 知识生产的来源

期刊来源分析有助于发现现有文献分布特征，深入挖掘BSS领域核心期刊。WoS搜索结果显示，所有文章均来自127种期刊出版物，来源包括 Transportation Science Technology、Transportation、Civil Engineering、Economics和Green Sustainable Science Technology 等。BSS的跨学科特征显着且意义重大。

表3显示发文量排名前10的期刊，其中Sustainability的发文量最高，该期刊2020年影响因子达到2.576。其次是交通研究 A 部分：政策与实践 (65, 4.06%)。
⭐️⭐️

排名第三的期刊是TRR（55，3.43%），其次是Journal of Transport Geography（51，3.18%），Journal of Cleaner Production（38，2.37%）和Lecture Notes in Computer Science（34，2.12%） ). 需要注意的是，Transportation Research Part A: Policy and Practice的影响因子为3.992，5年影响因子为5.021。

前 10 名 SCI 来源期刊对所有期刊的结果贡献率为 26.59%。值得注意的是，有 178 篇（约 1/3）的期刊相关出版物只有 1 篇发表，表明现有的 BSS 相关文献仍然集中在少数主流期刊，如 Transportation 和 Sustainable Science。

为了展示共享单车领域各类期刊的分布情况，利用CiteSpace软件描述了一张期刊引文网络图，如图6所示。在图6中，得到了63种期刊，根据知识域映射技术得到了310条引文关系。在图 6中，节点的大小表示引用的强度。节点越大，引用强度越高。从中心到边缘的节点颜色由黄变红，说明这些期刊贯穿了共享单车领域研究的全过程。这方面的研究很早就出现并一直延续到现在。同时，我们还可以发现，被​​引期刊主要有《Transportation Research Record》、《Transportation Research Part A: Policy and Practice》、《Journal of Transport Geography》、《Transportation Research Part C: Emerging Technologies》、《Transportation Research》 Review”，“Transportation Research Part D: Transport and Environment”，表明期刊在共享单车领域的投稿已经完成。此外，有12种期刊的权重值超过100，这也表明这些期刊在共享单车系统方面有重要贡献。

图 6。自行车共享系统研究的期刊引文网络。

3.4. Document citation analysis 文献引用分析

被引用次数充分反映了文章的研究价值和研究者在其研究领域的地位。

记录最后修改时间为 2020 年 12 月 31 日。表4显示了 BSS 主题在 WoS 中被引用的前 10 篇文章（仅被 WoS 同行期刊引用）。排名靠前的是“欧洲、美洲和亚洲的共享单车的过去、现在和未来”，共被引用 504 次。这篇被高度引用的文章由Shaheen 等人撰写。(2010)总结了北美、欧洲和亚洲 BSS 的初始发展过程和商业模式。沙欣等人。(2010)在 BSSs 领域提供了重要的开创性研究。

为了描述每位作者的贡献，对从 WoS 核心数据库中检索到的文档进行了共引网络分析。图 7显示了作者在共享单车系统领域文章的被引情况，表明其研究方法和结果可以为其他研究者提供参考。使用CiteSpace分析数据，节点类型选择公民作者，top值N选择20，时间选择2010年1月至2021年12月。图中节点越大，数量越多代表作者论文的引用次数。在图 7中, 我们可以发现在共享单车系统研究中具有巨大影响力的作者包括 Shaheen, SA, Fishman, E, DeMaio, P., Raviv, T. 和 Faghih-Imani, A.

图 7。作者共被引网络分析。
图8中高被引文章大多提供了初步研究成果，主要集中在2010-2013年。从早期发展模式的探索中，逐渐确定了清晰的研究子项目，包括共享单车使用情况和满意度（Faghih-Imani 等人，2017 年；Guo 等人，2017 年；Shaheen 等人，2011 年），运营模型分析（Bruck 等人，2019年；Caggiani 等人，2018 年；DeMaio，2009 年；Raviv 等人。 , 2013 年；里奇 (Ricci)，2015 年；Shaheen 等人，2010 年,2011年；范埃克和沃尔特曼，2010 年；Zhang et al., 2015），健康效益评估（ Otero et al., 2018 ; Rojas-Rueda et al., 2011 ; Woodcock et al., 2014），系统优化设计（ Lin et al., 2013 ; Romero et al ., 2012），调度管理（ Chemla 等，2013； Ma 等，2019a； Schuijbroek 等，2017），用户行为影响和需求特征（Borgnat 等，2011； Kaltenbrunner 等，2010） ; Lathia 等人，2012 年); 这些为进一步研究相应的BSS领域奠定了基础。

图8 文档共引集群的可视化
文献的共被引分析是科学研究的重要依据。通过对现有文献中参考文献的共引分析，无论领域大小，都可以识别重要研究之间的相关性。

3.4.1. Cluster 1 (red)-28 items: development, operation mode and lessons learned 集群 1（红色）-28 项：发展、运营模式和经验教训

集群 1 中权重最高的原始文档是Shaheen 等人的“欧洲、美洲和亚洲的自行车共享：过去、现在和未来”。(2010) , 被第 89 届 TRB 年会接受并发表在 Transportation Research Record. WoS 中的引用次数为 434 次，位列高被引论文之列。共被引次数为434，总连接长度为850。该研究在全网共被引用次数最多，表明其在共引网络和研究领域中占有重要地位。

沙欣等人。(2010)将 BSS 的发展分为四代，即“白色自行车”、“硬币存款系统”、“基于 IT 的系统”和“需求响应、多模式系统”。作者回顾了BSSs在亚洲、欧洲和美洲的发展历史。他们还总结了BSSs早期的运行模式、社会环境的影响以及吸取的教训，为后续的政策制定和理论研究阐述了宝贵的经验。

后续研究人员对BSS的运行模式进行了进一步的研究（Bruck等，2019；Ji等，2017；Kaltenbrunner等，2010；Nakamura和Abe，2014；Ricci，2015；Schuijbroek等，2017） ，分析了 BSS 在不同国家和城市的适应性（Fishman 和 Allan，2019 年）、可持续性（Bullock 等人，2017 年；Du 和 Cheng，2018 年；Marvuglia 等人，2020 年；Sun 等人，2020 年），以及验证了 BSS 策略的成功效果 ( Campbell et al., 2016 ; De Chardon, 2019 ;Fernández-Heredia 等人，2014 年；顾等人，2019a）。

值得注意的是， Shaheen 等人提出的第四代 BSS 。（2010），“需求响应，多模式系统”具有很强的前瞻性，推动了BSS的进一步升级。

加拿大BIXI提出了可移动桩的设计方案（Faghih-Imani等，2014；Verma和Awasthi，2020）。此外，中国大部分城市通过智能公交卡接入BSS，并建立了共享单车站点分布查询触摸屏和GPS定位装置；中国、西班牙、北美等国家相继建立了e-BSS( Chen et al., 2019 ; He et al., 2019 ; Ji et al., 2014 ; Lei et al., 2020 ; Ma et al., 2020 年；Munkácsy 和 Monzón，2017 年；Zhang 等人，2019b )。

3.4.2. Cluster 2 (green)-19 items: static bicycle rebalancing problem research 集群 2（绿色）-19 项：静态自行车再平衡问题研究

在集群 2（绿色）中，权重最高的原始文档是Raviv 等人的“BSS 中的静态重新定位：模型和解决方案”。(2013)，发表在《欧洲运输与物流杂志》上。这篇文章总被引用次数为403次，总连接长度为587次。遗憾的是该期刊未被SSCI或SCIE数据库收录，该文献无法在WoS数据库中检索到。

BSS调度的操作可以分为静态调度和动态调度。静态调度制定了一种常态化的调度方案，可以保证区域内的站点长期满足用户的需求，而且大部分调度都在夜间进行。在动态调度中，共享单车站点的时变特性波动较大，需要针对全天不同时段制定相应的调度方案。

拉维夫等。(2013)建立了静态调度优化模型，包括调度路径选择和车站车辆调度计算，考虑用户满意度和调度成本优化，提出了两个双目标混合整数线性规划：弧指数公式（AI）和时间指数公式（钛）。使用两阶段启发式算法对模型进行求解，并使用巴黎和华盛顿 BSS 数据进行验证。结果表明，人工智能对于大规模系统静态调度服务的效率更高（Fishman et al., 2013）。

在此基础上，许多研究者额外考虑了用户使用特征、站点服务水平、价格杠杆等因素（Campbell et al., 2016 ; Du and Cheng, 2018 ; Guo et al., 2017 ; He et al., 2019 ; Lin等人，2018 年）；他们致力于优化启发式算法的应用（Bruck et al., 2019 ; Du et al., 2020 ; Gu et al., 2019b）和推广FFBS静态调度（Li et al., 2019 ; Liu et al., 2019；张等人，2019a）。

3.4.3. Cluster 3 (purple)-6 items: spatiotemporal characteristics and demand prediction 集群 3（紫色）-6 项：时空特征和需求预测

集群 3 仅包含 6 项研究，该类别中权重最高的原始文件是Kaltenbrunner 等人的“城市周期和移动模式：探索和预测基于自行车的公共交通系统的趋势”。(2010)，发表于普适和移动计算。WoS 被引用 143 次，共被引用 56 次，总连接长度为 431。

Kaltenbrunner 等。(2010)使用巴塞罗那 Bicing 网站的数据，通过公共自行车站的时空变化来反映用户的出行模式，并使用自回归移动平均模型（一种时间序列预测方法）来预测站点的短期需求。这是一项重要的基础研究时空特征和 BSS 的需求预测，因为作者在使用行为和站点需求之间建立了联系。然而，由于数据有限，本研究仅针对 BSS 中的几个公共自行车站。

随着公共自行车交通系统中多源数据的获取越来越容易，后续研究利用站点监测数据、IC卡等数据推测起点-终点（OD）分布，反映用户出行模式和时空异质性( Guo et al., 2017 ; Lu et al., 2017 ; Tang et al., 2017 ; Xiao et al., 2020 )，同时创新需求预测方法( Bullock et al., 2017 ; Chang et al., 2019 ; Sohrabi 等人，2020 年；Xu 等人，2018a,2020 年）；利用海量数据对模型进行验证，可以使需求预测结果更加可靠。

利用数据挖掘和空间聚类分析技术挖掘站点车辆的时空特征（Jia et al., 2019 ; Xu et al., 2018b），识别超载站点和空站点（Liu et al., 2015 ; McMullen, 2019 ; Wu, 2020 ), 而GIS可视化技术( Lozano et al., 2018 ; Yang et al., 2019 )便于直观反映时空特征。机器学习算法(Chang 等人，2019 年；Taleqani 等人，2019 年；Xu et al., 2018a,2020 年；闫等，2020；Zhou et al., 2019），如人工神经网络(Chang et al., 2019），长短期记忆（LSTM）神经网络模型（ Xu et al., 2018a），混合边缘计算（ Xu et al., 2020），机器学习技术(闫等，2020；Zhou 等人，2019 年）、文本挖掘和统计技术的组合（ Taleqani 等人，2019 年）、深度神经网络（ Thirumalai 和 Koppuravuri，2017 年）以及随机森林和贝叶斯网络技术（ Aghaabbasi 等人，2020 年） ), 和短期预测技术 ( Wang and Kim, 2018 )。

3.5. Keyword co-occurrence analysis 关键词共现分析

关键词往往涉及研究兴趣、研究领域、研究对象、研究主题、研究方法等主题，对揭示研究的研究动态具有重要作用。然而，关键词共现分析（KCA）是科学计量学中常用的研究方法(邹等，2018）。KCA用VOSviewer进行，可视化结果以关键词共现网络的形式输出。在KCA分析过程中，输入参数基于软件默认值（ Zou et al., 2018,2020 )，默认最小同现数为5；也就是说，一个关键词必须在至少5篇文章中被识别出来才被统计。在VOSviewer中，使用KCA方法生成用于共享单车系统研究的关键词共现网络，如图9所示。

图 9。BSS 研究的关键词共现网络。
共享单车系统研究的前沿主题形成四个聚类，同一聚类中的关键词与研究主题具有较高的相似度。结合共享单车研究的特点和现状，对这五个集群进行如下分析。

3.5.1. Cluster 1 (red): bicycle rebalancing problem studies 第 1 组（红色）：自行车再平衡问题研究

聚类1的共现关键词主要包括 设计、算法、定位、优化、站点、再平衡问题、旅行商问题、再分配、模型和拾取design, algorithm, location, optimization, stations, rebalancing problem, traveling salesman problem, redistribution, models and pick up.。关键词“pick up”和“vehicle routing”代表了静态调度问题建模的两个阶段。 第一阶段涉及确定需要在给定站点上车和下车的共享单车数量（Raviv 等人，2013 年）。在第二阶段，考虑了遍历站点和车辆路径问题 (VRP)，这是一个典型的旅行商问题 ( Tang et al., 2017 )。带时间窗的车辆调度问题（VSPTW）是一个典型的非确定性多项式硬（NP-hard）优化问题。网络中的“时间窗口”产生一个调度考虑调度时间约束的路径优化问题 ( Raviv et al., 2013 )。

• Raviv et al., 2013: Static repositioning in a bike-sharing system: models and solution approaches
  doi: https://doi.org/10.1007/s13676-012-0017-6
  
• Tang et al., 2017: Research on users’ frequency of ride in Shanghai Minhang bike-sharing system
  
• Raviv et al., 2013: Static repositioning in a bike-sharing system: models and solution approaches
  

为了平衡用户需求和站点供应，BSS运营商需要在特定运营范围内的站点重新分配自行车，这称为自行车再平衡问题( bicycle rebalancing problem)（BRP）或取货和交付问题(pickup and delivery problem)（PDP) 。具有随机需求的共享单车再平衡问题（BSRP）是一个典型的整数线性规划问题linear programming problem，它包括优化和约束的目标函数。优化目标一般是最大化用户满意度（Xu et al., 2020），最小化调度成本（ Levy et al., 2019 ; Yu et al., 2019），或最小化调度时间（ Kou and Cai, 2019）). 然而，共享单车系统中的约束往往需要考虑站点容量和时间窗口的约束。与静态调度策略相比，动态调度策略需要额外考虑站点的需求预测来确定调度周期和调度站点优先级决策方案，这取决于所使用算法的功能（Reynaud et al., 2018 ）。例如，Regue 和 Recker (2014)将动态 BSRP 分为四个阶段和相应的模型：需求预测模型、车站库存模型、再分配需求模型和车辆路径模型。他们提出了在预测场地需求之前实施的主动而非被动建模方案，结果表明空载和满载事件的数量分别减少了 57% 和 76%（Regue 和 Recker，2014 年）。同年，Dell’Amico 等人。(2014)使用四种配方对 BSRP 进行建模，并使用分支切割法获得解决方案。

• 最大化用户满意度Xu et al., 2020: A hybrid machine learning model for demand prediction of edge-computing based bike sharing system using internet of things
  

• Levy et al., 2019: An exploratory study of spatial patterns of cycling in Tel Aviv using passively generated bike-sharing data
  
• Yu et al., 2019: Assessing the supply volume of dockless bike-sharing using the time-space consumption model in Ningbo, China
• Kou and Cai, 2019: Understanding bike sharing travel patterns: an analysis of trip data from eight cities
  
• Reynaud et al., 2018 : Modelling bicycle availability in bicycle sharing systems: a case study from Montreal
  
• , Regue and Recker (2014:Proactive vehicle routing with inferred demand to solve the bikesharing rebalancing problem）⭐️
  
• Dell’Amico et al. (2014)：The bike sharing rebalancing problem: mathematical formulations and benchmark instances
  

在随后的研究中，Cruz 等人提出了一种启发式算法。(2017)对于静态 BSRP，以及来自Schuijbroek 等人的集群优先路由第二启发式算法。(2017)的开发考虑了 BSS 中的服务水平可行性和近似路由成本，这些研究发现启发式方法优于纯混合整数规划公式和传统约束规划方法。后来，Dell’Amico 等人。(2018)开发了 L 形和分支切割算法来解决具有随机需求的 BSRP。田等。(2020)设计了一种具有动态和静态部分的新型再平衡方案，并考虑了 BSS 分支，它们是 BSS 中的自由浮动部分。此外， Du 等人建立了整数线性规划模型。(2020)针对静态自行车再平衡优化问题。

因此，对于集群1（红色；BRP研究），BSS调度研究的创新方向目前主要是调度和建模优化以及算法创新和改进。总的来说，与 BSS 动态调度相关的研究成果有限。然而，随着基于机器学习模型和算法的深入研究，BSSs的动态调度策略值得关注。从实际应用的角度来看，BSS调度模型考虑的约束和优化目标还需要进一步扩展和丰富。目前，调度方案中对实际道路交通信息的动态性研究不够，往往忽略了实际道路交通环境的情况，如交通延误、交通拥堵等。

3.5.2. Cluster 2 (green): travel behavioral movements and barrier studies 第 2 组（绿色）：旅行行为运动和障碍研究

cluster 2的共现关键词主要有weather, transportation, behavior, walking, physical activity, transport, barriers, Melbourne, travel, and policies。

BSS 中旅行行为运动的研究可分为两种类型：(a) 旅行者对第一英里/最后一英里旅行的选择行为和 (b) BSS 政策下的用户旅行模式。对于第一类研究，共享单车系统的出现对出行者的选择行为起到了至关重要的作用。许多城市建立 BSS 的目的是减少私家车的使用，以及增加步行、骑自行车和公共交通出行。根据蒙特利尔、多伦多和华盛顿特区的统计结果，这些城市的汽车拥有率分别下降了 3.6%、2.0% 和 2.1%（Fan et al., 2019），这是由于共享单车系统的实施。Bordagaray 等人。(2016)探索了使用数据挖掘技术将系统变异引入自行车共享出行行为的条件。在随后的研究中，张等人。(2018)使用共享单车出行行为数据检查了个人出行、出行链和过渡活动的模式。同样， Levy 等人的一项探索性研究。(2019)分析了以色列特拉维夫骑自行车者的空间运动；他们发现骑自行车的运动并不平衡，不同的行为与旅行的时间长短有关。此外，天气和出行距离对模式转换都有显着的负面影响（Ye et al., 2020）。

对于第二部分，为了了解早期采用和对共享单车的行为反应，Shaheen 等人。(2010)于 2010 年首次在中国杭州进行了一项拦截调查。结果发现，共享单车从公共汽车、步行、汽车使用和出租车运输中获取了模式份额。大约 30% 的调查参与者将共享单车纳入了他们的共同通勤方式。在随后的研究中，出行的时空模式（Zhou, 2015）、出行模式的异质性（Bordagaray et al., 2016）、影响不同出行模式的因素（Du and Cheng, 2018）、出行位移分布和出行时长（寇和蔡，2019)，并考虑了其他因素。值得注意的是，BSS用户频率与BSS企业的运营效率密切相关；因此，使用频率是 BSS 优化的主要重点。

此外，共享单车用户出行方式的出行数据主要包括全年历史出行数据、站点监控数据、智能卡数据、在线兴趣点（POI）数据等，可以反映共享单车出行情况。模式和旅行目的（Godichon-Baggioni 等人，2019 年）。此外，其他出行数据，如建筑环境数据和气象数据，通常用于表征外部因素的影响，如土地利用、基础设施设计、温度和风力级别（El-Assi et al., 2017 ; Eren和 Uz，2020 年；Kou 和 Cai，2019 年）。

此外，共享单车的障碍值得关注，共现关键词网络中的主要“障碍”主要包括用车便利性、安全性（郭等，2020）、天气、价格、可达性、基础设施等。 . 例如，Fishman 等人的一项研究。(2012)分析了澳大利亚墨尔本的自行车共享使用情况，表明汽车便利性是使用自行车共享系统的主要障碍，其次是安全问题。值得注意的是，与机动车出行相比，共享单车系统使用的最大障碍是便利性，以及在家、工作地点和其他常去的目的地附近缺乏停靠站。McNeil 等人也获得了类似的结果。(2018)和Bakogiannis 等人。(2019)。

3.5.3. Cluster 3 (purple): impact factors and characteristics of the internal usage demand 集群 3（紫色）：内部使用需求的影响因素和特征

聚类 3 的共现关键词主要包括土地利用、视觉分析、影响、需求、决定因素、方案、城市、系统、蒙特利尔、影响、模式和使用 land use, visual analytics, impact, demand, determinants, scheme, city, system, Montreal, impacts, patterns, and usage.。

用户活跃度直接关系到BSS运营效率，用户需求决定了共享单车企业服务的优化方向。为了评估共享单车用户的需求特征和相应的影响因素，以往的研究主要寻求提高服务满意度和共享单车用户的使用频率，并确保共享单车系统的持续使用。相关研究主要集中在 BSS 用户意图和主观服务感知，以及 BSS 接受状态、服务满意度和持续使用水平。此外，为了评估共享单车的个体尺度异质性，根据用户/非用户状态 ( Ricci, 2015 )、通勤需求 ( Xu et al., 2018b)对个体异质性进行分类), 会员/非会员状态( Shaheen et al., 2010 ), 用户年龄分布( Shaheen et al., 2011 ), 原会员/新会员状态( Fishman et al., 2013 ), 骑手类型, 例如游客和头盔使用者 ( Bullock et al., 2017 )。先前的研究表明，与未观察到的异质性相关的因素是性别、自行车类型、信号类型、间隔宽度和自行车体积（Guo et al., 2018）。值得注意的是，性别、年龄、收入、家庭人数、通勤类型和长度以及车辆拥有量都在自行车共享使用和模式替代决策中发挥了重要作用（Barbour 等人，2019 年）。

问卷调查是获取用户统计信息、服务感知和使用水平信息的重要数据获取方式；这些数据可以用来定性分析BSS用户需求的特征( Shaheen et al., 2011 )。然而，由于大多数问卷中自我报告数据的片面性，结果的有效性非常值得怀疑。为了填补这一空白，以往的研究采用组合方法进行多变量数据分析并获得了令人满意的解决方案（Godichon-Baggioni 等，2019). 多元数据主要包括场地监测数据、IC卡数据、问卷调查数据、气象数据、建成环境数据等。站点监测数据和IC卡数据可以反映共享单车的使用情况和骑行行为的时空格局（郭等，2017）。建筑环境数据（DeMaio, 2009 ; Shaheen et al., 2010）和气象数据（Faghih-Imani et al., 2014）通常用于表征土地利用、基础设施、温度和风等外部因素的影响等级。

对于聚类3的研究方法，文献回顾表明，以往对共享单车需求的研究都是在比较分析层面进行的。在随后的研究中，回归分析模型，如logit、probit、有限混合多项logit（FMMNL）、多项logit（MNL）、混合多项logit（MMNL）、双变量有序probit（BOP）和面板广义有序logit模型，用于分析BSS用户需求特征( Guo et al., 2017 )。此外，基于TPB（计划行为理论）（ Kaplan et al., 2015）的SEM（结构方程模型）方法（Cai et al., 2019）被应用于分析用户服务感知和主观态度。

综上所述，就BSS用户需求特征而言，定量和定性研究相对丰富，但两种研究方法相对独立，同时使用定量数据和问卷数据的综合研究较少。此外，深入对比分析不同地区或城市用户需求机制的差异，可以为未来BSS系统运行的改进提供指导。

最后，目前全球有超过 2.27 亿注册 FFBS 用户，FFBS 用户行为分析、静态再平衡优化和监管方法也引起了许多研究人员的兴趣（Pal 和Zhang，2017）。基于BSS用户特征的传统方法也被应用到FFBS研究中。深入对比BSS和FFBS的用户需求特征可能是未来研究的主要方向。

3.5.4. Cluster 4 (blue): innovation and sustainability for BSS in the future 第 4 组（蓝色）：未来 BSS 的创新和可持续性

聚类4的共现关键词主要包括系统、模式、中国、可持续性、管理、程序、服务、共享经济、模拟、创新 systems, model, China, sustainability, management, programs, service, sharing economy, simulation, and innovation.。

目前，BSS 的提供模式在很大程度上是未知的，但财政补贴是由政府提供的（DeMaio，2009）。如图所示表5，商业模式的可持续性发人深省。此前的研究致力于为共享单车企业提供可持续发展建议。

集群 4 中的研究基于供给模型和需求模型。使用拨备模型的研究主要集中在业务运营方面，例如BSS企业的业务模式和管理经验。许多研究者对世界不同地区BSS商业模式的共性和特点进行了比较分析( DeMaio, 2009 )。数据一般通过人工采集（ DeMaio, 2009）、问卷调查（Guo et al., 2017）、线上线下访谈（Shaheen et al., 2013 ）等方式获得，大部分受访者是政策制定者和 BSS 企业高管。一些关键结论是，自行车共享系统取得了不同程度的成功，政府管理者或自行车共享企业管理者需要了解希望参与自行车共享系统的利益相关者的不同方面的价值。此外，BSS商业模式创新将是未来重要的研究课题，Van Waes 等人最近的一项研究表明。(2018)透露，以站为基础的商业模式已经成熟但难以升级，而如果成功实施制度调整和地理围栏技术，最近的单向自由浮动模式具有最大的扩展潜力。

在需求模型中，用户骑行费用和会员注册费是BSS企业的重要资金来源；因此，提高和维持用户活跃度有利于BSS企业的可持续运营（张等，2015）。例如，Chen（2016）的一项研究表明，政府政策应促进对自然环境、愉悦和主观规范的保护，以提高公共自行车共享的绿色忠诚度。此外，Yang 和 Long（2016）建议政府加强环保理念的宣传，这可以增加 BSS 用户的数量。在随后的研究中，Cai 等人。(2019)建议政府加大对共享单车用户和生产者的财政补贴力度。张等。(2016)透露，扩大共享单车系统不仅可以扩展原有用户到达新区域的能力，还可以吸引新用户使用共享单车系统。然而，相反，De Chardon 等人的一项研究。(2017)提供了强有力的证据表明增加系统规模不会提高性能。理想的可持续发展计划不仅需要迎合消费者的文化和心理动机，还需要反映社会规范和社会背景（Yin 等人，2018 年）。

关键词网络中的“共享经济”一词是基于近几年兴起的市场经济模式，在中国发展趋势尤为迅猛，强调资源共享和协同消费；此外，用户和产品之间的关系是“访问”而不是“所有权”。自由流动的共享单车 (FFBS)，例如 Uber 和 Mobike 模型，源自共享经济，比传统的共享单车系统 (BSS) 更灵活、更易于使用（Van Waes 等人，2018年） . 然而，共享经济的可持续性尚不明朗（Ma et al., 2019b）。迄今为止，FFBS 是共享经济最成功的产物（Pal 和 Zhang，2017). 共享单车虽然是最成功的共享经济产品，但在企业发展初期，只是为了抢占市场才大规模推出共享单车，出现了道路资源受限、违章停车等一系列问题。许多企业因运维资金不足而宣告倒闭。此外，FFBS 的快速增加降低了 BSS 的活性。许多城市宣布退出市场（如中国的广州、武汉和沉阳），暴露了BSS在可持续发展中的劣势；现在，FFBS的可持续性也堪忧。施等。(2018)总结了影响FFBS可持续性的六大因素：（1）数量控制；(2) 废物处理和回收挑战；（三）盈利模式探索；(4) 缺乏配套基础设施和停车管理；(5) 立法及与公共交通的整合；(6)居民通勤偏好。姚等。(2019)基于诱导价值理论分析了信用监管机制的有效性，发现惩罚措施可以有效规范用户行为。

此外，关键字网络中的“模拟”一词被认为代表政策模拟研究（Chen et al., 2018 ; Lu et al., 2018），而基于代理的方法是一种重要的模拟方法（Guo et al.，2018）。 , 2019 年）。Lu 等人开发了一种基于空间主体的模型。(2018)模拟自行车共享服务的使用。同样，基于基于代理的方法，Chen 等人。(2018)评估了供需之间的相互作用，以确定共享单车市场的供应特征。因此，FFBS企业管理的重点应该是提高服务的有效性和减少用户需求的不确定性，市场管理仍然依赖于政府的监管。因此，为保证城市交通系统的多元化和资源的充分利用，BSSs和FFBS在城市交通系统中的未来发展将是合理竞争和共同发展。因此，BSSs和FFBS的可持续运营模式和管理方法的发展值得未来详细探讨。

3.5.5. Cluster 5 (yellow): built environment and land-use 第 5 组（黄色）：建筑环境和土地利用

聚类5的共现关键词主要包括建成环境、土地利用、乘客量、自行车共享系统、公共自行车系统、数据挖掘、出行、预测、人员流动性、乘车、GPS、机器学习和复杂网络 built environment, land-use, ridership, bicycle sharing systems, public bicycle system, data mining, trips, prediction, human mobility, ride, GPS, machine learning and complex network.。

近年来，许多综合空间地理分析技术对社会人口属性、建筑环境、土地利用、自行车共享系统以及不同天气措施对自行车共享乘客的影响提供了重要见解。El-Assi 等人的一项研究。(2017)分析了影响多伦多共享单车出行的因素，他们揭示了温度、土地利用和共享单车出行活动之间的显着相关性。他等人。(2020)研究了建成环境对无桩共享单车-地铁综合利用的影响，他们发现混合土地利用与综合利用呈正相关。

在随后的研究中，数据挖掘技术、机器学习和复杂网络被用于深入了解 BSS 站点复杂的共享单车活动模式，或捕捉共享单车出行行为。例如，Bordagaray 等人提出了原始数据挖掘程序。(2016)分析共享计划中的自行车共享使用情况。同样，为了了解城市中骑自行车的空间模式及其与公交出行的关系，Levy 等人的一项研究。(2019)使用数据挖掘技术探索从特拉维夫自行车共享系统和相应的 GTFS 数据获得的数据。他们发现骑自行车的运动并不平衡，不同的行为与旅行的时间长短有关。

3.6. Burst detection analysis 突发检测分析

突发检测分析Burst detection analysis（BDA） 起源于文本数据挖掘；值得注意的是，一个主题在文档流中的出现是由“活动的爆发”表示的，随着主题的出现，某些特征的频率急剧增加 ( Kleinberg, 2003 )。BDA最早是在( Kleinberg, 2003 )中根据关键词频率变化的密度提出的；该信息用于识别文档中高浓度和高密度的关键词（Zou et al., 2018）。因此，在我们的研究中，BDA 被用来识别 BSS 研究中的研究热点。

在 BSS 研究中，时间条形图 (TBG) 用于显示突发关键字的时间分布。在此，我们将数据导入 CiteSpace 工具并执行 BDA。参数设置如下：时间段为2010-2020年，时间拼接为1年，代表检测时间跨度为1年。最后，确定了 10 个引用次数最多的关键词，如下所示表6.表6表明2010-2020年引用爆发最强的BSS关键词可以根据BDA分为三个时期。

2010-2015年，这是BSS研究的初期阶段，突然得到了四个关键词，其中关键词“bicycle”是自行车活动中被提及频率最高的关键词。值得注意的是，在BSS初期，公共自行车共享为市民提供了比传统方式更健康的出行方式。关键词“利”表明，BSS实施后，共享单车为人们的出行方式提供了诸多利好。此外，在全球范围内，扩散理论用于评估自行车共享政策的采用情况。BSS开发初期的研究重点是共享单车的功能分析和策略分析。在此期间，研究人员开始探索和验证BSS能否对城市发展和市民生活产生积极影响。

从2015年到2020年（BSS研究爆发式增长期），突然得到七个关键词：algorithm, barrier, accessibility, behavior, adult, active travel, adoption。在新兴关键词中，由于站基BSS为公共交通系统提供了一种经济高效、灵活的补充，通过算法的不断改进，可以使BSS更加人性化和方便人们使用。因此，“算法”与资源共享单车共享系统中的服务网络设计密切相关。但由于空间和时间要求的变化，在后续研究中，针对BSS再分配问题的服务网络设计不仅要考虑基于出行的用户需求，还要考虑共享单车的服务时间，以降低BSS’ 对交通拥堵的影响。即将到来的负担让流量更加触手可及，算法的持续改进和优化问题逐渐成为热点。对于“行为”和“成人”，相关研究表明，共享单车是对公共交通的一种改进，增加了公共交通的连通性（Shaheen 等人，2013 年）。对于“主动出行”而言，对汽车的高度依赖对可持续交通发展提出了巨大挑战。BSS被认为是一种可以替代机动车的有效出行方式。公共和私人伙伴关系可能是具有明确责任范围的可持续交通的实施。共享单车项目的最佳选择。应优先考虑经济激励、自行车友好型基础设施、常规运营管理和支持政策（ Lyu et al., 2020). DBSS的使用可以作为输入，在未来的城市交通策略中提供适当的政策干预，以促进和加强自行车共享的使用，增加自行车的使用，为出行提供者提供有价值的指导，表明共享在出行计划构成新型社会技术干预的环境中，共享单车业务如何才能长期繁荣发展（Bakogiannis 等人，2019 年）。

3.7. Authors-keywords-source journals analysis 作者-关键词-来源期刊分析

在这项研究中，在自行车共享系统研究中分析了作者、关键词和来源期刊之间的协作网络。主题包括“共享单车”以及来自WoS Core Collection数据库的数据库，检索时间范围为1975-2021年。借助科研情报平台（Web of Science）和可视化软件（CiteSpace），共抓取BBS相关文献990篇，获得有效数据452条，如图10所示。

图 10。前 25 位作者-关键词-来源期刊协作网络图。
在我们的研究中，我们只对引用次数最多的前 25 位作者进行统计描述。初始分支越宽，与作者相关的文章的引用次数就越高。在第一栏，即作者栏，可以发现高被引前五位作者分别是Pucher, J., Fishman, E., Garcia-Palomares, JC, Woodcock, J., and O’ Brien, O. 他们文章的引用次数分别为 326、263、192、167 和 151。

第二列是关键字列，描述了这些作者发表的文章中关键字所占的比例。可以发现，bicycle、bicycle sharing、bicycle sharing system等关键词是这些被引用次数最多的文献中出现频率最高的关键词。据了解，benefit、algorithm、barrier、accessibility、behavior等关键词也同时被捕获，这表明共享单车也是共享单车相关研究的主要关键词。

第三列显示了每个期刊的 990 篇文章中捕获的关键字的比例。排名前五的期刊分别是，Sustainability、Transportation Research Part A: Policy and Practice、Journal of Transport Geography、Journal of Sustainable Transportation 和 Journal of Cleaner Production，这表明这些期刊是 BSS 作者最受欢迎的期刊。

3.8. Author chronological analysis 作者时间分析

如图 11所示，描述了作者在自行车共享系统研究中的时间顺序分析。

图 11。2010-2021年作者时间分析。
在图 11中，我们添加了时间维度 (x个-axis information) 到图的描述中，彩色节点表示作者的被引信息，彩色节点大小表示作者被引用的次数。连接两个彩色节点的链接代表两位作者之间的引用合作关系，链接的粗细代表引用合作的强度。另外，times-cited值设置为100，时间值设置为2010年1月到2020年12月，表示只有当被引次数大于100时才捕获作者。

在生成高被引论文间引用合作时间顺序图的过程中，获得了1299个节点、83位高被引作者和5580个链接，并在CiteSpace软件中通过自动聚类进行选择。时间图呈现出明显的“前期高被引后期低被引”类型，说明共享单车研究遵循时代发展的规律。该图还显示，在早期阶段，共享单车系统研究的研究人员数量很少，2011 年开始增加，著名作者包括 Krykewycz, GR, Pucher, J, 和 Shaheen, SA ，他们在 BSS 的早期研究中有相当大的贡献。接下来，自行车共享系统研究中的主题在 2012 年到 2017 年引起了极大的关注，非凡的作者，如 Ashqar, HI、Alvarez-Valdes, R.、Benchimol, M.、Chemla, D.、Contardo, C.、Dell’Amico, M.、El-Assi, W.、Guo, Y. , Zhou, J., Ji, S., Li, Y., García-Palomares, JC, Raviv, T., Ricci, M., Shaheen, SA, O’Mahony, E., Vogel, P., 等人., 他们在 BSS 研究中也有重大贡献。然后，从 2018 年到 2021 年，仍然有大量关于共享单车系统的研究，但兴趣明显低于 2012-2017 年。

4. Conclusions and future work

4.1 。结论

BSS 随着社会变革和技术进步而发展和演变。BSS 可分为四代：白色自行车（第一代）、投币站（第二代）、基于 IT 的系统（第三代），例如共享单车停靠站、自由漂浮的共享单车或无桩自行车共享系统，以及需求响应自行车共享系统（第 4 代）。为了描述共享单车的发展过程和相应类型科学知识之间的结构关系，我们利用映射知识域技术和 WoS 核心集合数据库对 BSS 进行了文献回顾。接下来，我们收集了书目信息，确定了文献计量指标，并进行了文献共引分析、关键词共现聚类分析，和关键字 BDA 来创建 BSS 主要研究主题、热点和趋势的知识图谱。得到以下结论。

(1)BSS文献综述信息结果
对于 2010 年至 2020 年的研究，BSS 研究文献的结果显示指数增长2020 年相关主题的论文数量约为 370 篇。从各国文章分布来看，BSS 研究涉及东亚、北美、欧洲、中东等 50 个地区，中国美国位居榜首；这些国家是共享单车研究的发展中心和活跃地区。从研究机构来看，东南大学是发表文章数量最多的机构，共34篇（5.296%）。此外，《Sustainability, Transportation Research Record (TRR)》和《Transportation Research Part A: Policy and Practice》是共享单车研究领域的权威期刊，也是研究成果发表和交流的重要平台。这三个期刊发表了最多的 BSS 主题研究文章，占文献中所有相关研究的 19.660%。此外，从引用的角度来看，沙欣等人。(2010)在SSCI和SCIE数据库中被引用823次，排名第一，研究内容涉及BSS开发、商业模式和经验总结。

(2)文档共引分析结果
通过创建文献共被引的聚类密度图，提取了基于共享单车研究的知识，提供了对理论和方法发展的洞察，并突出了近年来共享单车研究的成果。同被引得分最高的前 10 篇经典文献集中在“发展、运行模式与经验教训”、“静态自行车再平衡问题研究”、“时空特征与需求预测”等问题上，是核心内容BSS研究的研究热点。Kaltenbrunner 等人的作者。(2010),沙欣等人。(2010)和Raviv 等人。(2013)是重要的研究专家，他们在 BSS 研究领域做出了突出贡献。

(3)关键词共现聚类结果
通过对关键词共现的网络图进行聚类，分析与 BSS 相关的研究活动，我们发现 BSS 研究的前沿主题集中在四个具有代表性的领域：“自行车再平衡问题”、“出行行为运动和障碍”、“内部使用需求的影响因素和特征”，以及“未来 BSS 的创新和可持续性”。此外，BSS研究的关键词共现网络如图9所示，四个研究主题集群之间有明显的重叠，表明BSS交叉研究存在于各个研究领域之间，这是该多学科研究领域的预期.

(4)关键字突发检测结果
CiteSpace 工具中的 burst detection 选项用于探索 BSS 的研究趋势；在 2010 年至 2020 年期间，为 BSS 确定了十个突发关键词，这些术语包括健康、步行、BSS、政策、设计、旅行商问题、交付、建筑环境、共享经济和需求预测。在我们的研究中，我们根据 BDA 将 BSS 的研发分为三个时期。2010-2015年是BSS研究的起步期，第一期的研究热点主要集中在以下关键词：健康、步行、共享单车系统和政策。Period II，2015-2017，是BSS研究的爆发式增长期，Period II的研究热点涉及以下关键词：设计、旅行商问题、配送。第三期，2018-2020年是BSS研究的创新阶段，常见关键词包括建成环境、共享经济、需求预测等。总体而言，研究趋势中出现的主要关键词与前沿主题存在重叠。这些重叠的关键词，如算法、优化、设计、影响、模式、使用、系统、需求、障碍和创新，都是共享单车研究中的重要主题。

4.2. Discussions and future study

城市共享单车作为绿色交通、低碳出行的重要交通出行方式，为解决城市交通“第一公里/最后一公里”问题、缓解城市交通拥堵、构建绿色出行起到了积极作用。促进共享经济发展。随着共享单车系统的不断发展，在未来的研究中，对BSSs的研究主要集中在以下几个方面。

A）面向大数据的BSS运营分析
互联网热潮下，相比以往的问卷调查数据，公共自行车和共享单车大数据具有数据量大、科学性和动态更新的特点，能够为城市交通研究带来更广阔的研究空间。基于大数据，可以定位骑行轨迹、骑行起点、骑行时间和空间等重要信息。此类研究可以指导城市交通规划。将骑行轨迹和骑行OD（起点和终点的交通出行量）与公共交通数据相结合，可以识别区域空间问题，为车站布局和路线优化提供数据决策依据，为停车基础设施空间规划和人性化街道设计提供指导。此外，还需要建立政府、社会、企业共建的数据平台中心，共享BSS相关数据，为城市交通规划提供“自下而上”的反馈窗口。

B）扩展 BSS 的研究维度
首先，缺乏对公共自行车和FFBS对城市空间动态影响的分析。以FFBS为例，随着地铁站服务半径的扩大，更多的区域被纳入地铁辐射半径，“地铁住宅”有了新的定义，从而改变了物业的市场价值。此外，随着出行难度的降低和居民出行频率的提高，可以激发城市空间活力。其次，缺乏对非公共自行车用户特征的研究，而非公共自行车用户特征对FFBS和公共自行车用户群体的增长起到了至关重要的作用。第三，需要进一步研究定量衡量公共自行车和FFBS对气候变化、交通拥堵、空气质量、噪音等的影响，并综合评价它们的优缺点。中国拥有最大的公共自行车和 FFBS 市场，在未来的研究中，它可以基于庞大的市场数据库为世界各地的自行车运动提供重要的见解。

C）公共自行车与FFBS的协同研究
关于公共自行车和 FFBS 的研究总量很大但非常孤立。事实上，电动自行车的发展与公共自行车的发展息息相关，但也促成了部分城市公共自行车的衰落，两者既相辅相成，又相互矛盾。在未来的研究中，我们应该结合公共自行车和FFBS，在它们相互影响和共同作用的背景下分析城市道路空间的组织。

D)加强共享单车安全和自行车道建设
共享单车的安全性也受到广泛关注，因为骑车人往往缺乏安全防范措施，容易受到道路交通伤害。此前的研究发现，骑行者对骑行安全的担忧会对共享单车的使用产生负面影响，他们还发现骑行环境、骑行行为和社会经济属性等特征对骑行事故的概率有显着影响。然而，关于共享单车安全的预防措施、干预方法和效果评价方法的研究较少。在未来的研究中，鼓励考虑结合机器学习模型和博弈论定量分析外部因素和干预措施对共享单车安全的效用。同时，自行车道的建设同样有利于骑行者的行车安全。在未来的工作中，鼓励同时考虑经济效益、服务覆盖率、碳排放等影响因素，合理控制共享单车基础设施供需，构建安全连续的共享单车路径体系，便捷便捷。高效的配套设施体系，规范有序的运营管理体系。

4.3. Limitations

本研究存在一些局限性。在数据库来源获取方面，在我们的研究中，主要的数据库来源包括WoS中的SCIE数据库和SSCI数据库，以及Google Scholar。值得注意的是，在现有数据库中，早期文献被忽略或省略；此外，中国的一些相关数据库资源，如中国知网（CNKI）、中国科技期刊数据库（CSTJ）、万方数据、巨星期刊数据库等也没有考虑。作为一种解决方案，在未来的研究中，可以结合 WoS 数据库资源和中国数据库资源进行研究，以更好地了解和捕捉 BSS 的历史状况和发展趋势。此外，分析的数据需要更新到现在。

此外，根据发表文章数的增长趋势图3以及绿色出行理念在全球的普及，可以促进更新的共享经济，并且可以确定对 BSS 和 FFBS 产生积极影响的因素。此外，这项工作的扩展应该认识到 BSS 和 FFBS 的优点和缺点，以便可以以互补的方式应用这两个概念。在今后的工作中，我们应该辨别共享单车和公共自行车系统的优缺点。