案例分析之共享单车租用影响因素分析

结论

• 用户数是影响每小时租车数的关键因素，其中注册用户数与每小时租车数相关系数0.97，与每小时租车数高度相关，可以通过拉新获客提升租车数
• 温度和湿度对每小时租车数也会产生影响，20-40温度之间是用户租车比较偏好的温度，湿度80以上用户租车的意愿明显减弱，在选择共享单车运营区域时可以考虑该地的温度和湿度条件。
• 一天中7:00-9:00、17:00-18:00两个时段明显高于其他时段，集中在上下班高峰期且下午段高于上午段。在这些时段需要加强调控和运营保证车辆供给。
• 不同天气和季节租车数表现出明显差异，雨雪天气和春冬两季租车数相对较低，且春冬季节工作日租车数较非工作日略高，在温度和湿度相对适宜的夏秋，工作日和非工作日表现基本持平。

1、相关性分析

• 注册用户个数和非注册用户数与每小时总租车数高度正相关，相关系数分别为0.97和0.69，用户数对租车数强正相关与预期相符
• 温度与体感温度与每小时总租车数呈弱正相关，与非注册用户数表现的正相关略高于注册用户数，温度和体感温度可能通过影响用户数进而影响租车数
• 注册用户数、非注册用户数、每小时总租车数与湿度呈现弱负相关，说明湿度越大，用户租车意愿越弱；
• 湿度与风速表现弱负相关，与天气表现弱正相关，随着风速越大，湿度越低，雨雪天气越恶劣湿度越大，但风速与天气无明显相关性；
• 工作日与非注册用户数呈现弱负相关，与注册用户数表现极弱正相关。说明影响注册用户数是否工作日非主要因素。

2、分维度租车数分布情况

• 从季节来看夏天和秋天租车数整体略高于春天和冬天，进一步探查数据与地区温度相关，整体温度呈现夏秋高于春冬，春天低于冬天。
• 从每天时间来看，租车数7:00-9:00、17:00-18:00两个时段明显高于其他时段，集中在上下班高峰期且下午段高于上午段。
• 从天气来看，不同天气表现出来明显的差异，天气恶劣情况直接影响租车数，晴天和阴雾天租车数基本持平，雨雪天租车数大幅下降。
• 不同月份的租车数受温度影响与季节趋势保持一致，周末租车数略低于工作日，是否周末非影响租车数的关键因素。

3、交叉探索性分析

适宜租车的温度和湿度区间探索

• 对于不同温度而言，30度到40度每小时平均租车数最多，在10度以上租车数大幅度提升，40度以上租车数开始降低，说明温度是影响租车数的关键因素，比较适宜的温度是20度到40度之间。
• 非节假日期间，20度到30度每小时平均租车数高于节假日期间，节假日期间，30度到40度每小时平均租车数高于非节假日期间。对于不同温度区间，是否节假日表现出明显不同的租车偏好。
• 对于不同湿度而言，20-40的湿度区间内每小时平均租车数最多，湿度高于80每小时平均租车数出现明显下降，湿度低于60非节假日期间每小时平均租车数高于节假日期间。

月维度节假日及工作日对租车数影响

• 是否节假日对于租车数来说差异不明显，7月和9月表现出是否节假日每小时平均租车数存在差异，推测与暑期相关，其他月份基本持平。
• 是否工作日每小时平均租车数在春、冬两季表现出些微差异，工作日略高于非工作日，考虑春、冬温度对用户租车意愿的影响，工作日的必要租车使得数据表现略高。夏、秋除6月份以外基本持平，推测6月份与毕业季相关。

用户数与租车数线性回归分析

• 对可能影响租车数的变量进行主成分分析降维，降维之后提取出来两个因子，分别与注册用户数、非注册用户数高度相关，利用降维之后的数据对租车数利用进行线性回归，注册用户数斜率为1.1597，非注册用户数斜率为0.7899，并且通过了统计学意义上的显著性建议，说明用户数是影响租车数的关键因素。

线性回归结果：

备注说明：

• 数据来源：kaggle 某城市_共享单车2011年到2012年的公开数据集_
• 数据字段及含义：

datatime - 日期+时间_
season -
1=春天
2=夏天
3=秋天
4=冬天
holiday - 是否是节假日
workingday -
1=工作日
0=周末
weather -
1：晴天，多云
2：雾天，阴天
3：小雪，小雨
4：大雨，大雪，大雾
temp - 气温摄氏度
atemp - 体感温度
humidity - 湿度
windspeed - 风速
casual - 非注册用户个数
registered - 注册用户个数
_count - 给定日期时间（每小时）总租车人数