GIS软件操作 | 共享单车骑行热点区域分析

点击上方蓝字，欢迎关注“每天学点呗”

共享单车骑行热点分析是GIS空间统计分析中的一个经典案例。

共享单车产生的每一次骑行轨迹，都是真实、动态的城市出行样本。当我们将海量的起点与终点数据投射到地图上时，就能从中提炼出极具价值的空间模式——骑行热点区域。

什么是骑行热点区域？它并非指某个具体的单车堆放点，而是通过核密度分析等方法，识别出的骑行行为在空间上显著聚集的区域。简单说，就是“大家都在哪里开始骑车、在哪里结束骑车”的高度活跃地带。

在GIS软件操作 | 共享单车骑行OD线数据可视化分析此文中介绍了‘找共享单车骑行流向’（OD分析）。

“找骑行热点”的价值，在于用一张热度图，回答‘哪里最热闹’这个直观问题，从而为资源投放（车、钱、路、店）提供优先级依据。它与‘找骑行流向’（OD分析）相辅相成——热点告诉你‘在哪布局’，流向告诉你‘在哪连通’。

开展共享单车骑行热点分析的价值包括：

运营调度：帮助共享单车企业精准识别高周转区域，优化车辆投放和运维调度，减少“无车可借、无桩可还”的痛点。
城市规划：为政府修建自行车道、规划公共交通接驳、布设站点提供数据支持，提升财政投入的精准度。
商业选址：骑行热度直接反映人流量聚集地，可为餐饮、零售、便利店等业态提供选址参考。

本文将基于真实的BIXI蒙特利尔共享单车历史行程数据，在ArcGIS Pro中，通过合并起终点、核密度分析等操作，一步步制作出能直观展示城市骑行热点的专业热度图。

2、把“GIS应用”翻译为“求职地图”

上图中我们对GIS能解决的交通问题域进行了梳理。但许多同学们仍然困惑：既然GIS的交通应用这么广泛，可以解决这么多交通问题，为什么感觉能去的对应的企业和岗位不多呢？

借助AI的回答，我们试着一起把这些“GIS应用”翻译成具体的“企业”和“岗位”。

一、将起点与终点合并为统一事件点

在GIS数据分享 | 加拿大蒙特利尔BIXI共享单车数据此文中，我们介绍了，如何将原始历史数据生成的新的带有坐标值的表OD_201904_ExportTable.CSV

我们要找出骑行活动最集中的地方，需要将start和end两类数据合并，形成一个代表“所有骑行事件发生位置”的单一事件点图层。

第一步：创建起点事件表

在数据库中，右键点击 OD_201904_ExportTable → “复制”。
在数据库中，右键→ “粘贴”。新表命名为 bixi_events_start。
打开 bixi_events_start 的属性表。
点击表视图右上角的 “添加字段” 按钮（或通过“字段视图”添加）。

字段名：EventType
类型：文本
长度：10

右键点击 EventType 字段的列头 → “计算字段”。

在表达式框中输入："Start"（注意带英文双引号）
点击确定。所有行的 EventType 都变成了 "Start"。

现在这张表里既有起点坐标字段（start_latitude, start_longitude），也有终点坐标字段（end_latitude, end_longitude）。但我们只需要起点坐标。为了后续统一，我们需要创建新的坐标字段，例如 event_latitude 和 event_longitude。
再次添加两个字段：

event_latitude（双精度）
event_longitude（双精度）

分别计算这两个新字段的值：

右键 event_latitude → “计算字段” → 输入 [start_latitude]（或使用字段选择器选 start_latitude）
右键 event_longitude → “计算字段” → 输入 [start_longitude]

你现在得到了一张表，每一行对应一次骑行的起点，并且有统一的坐标字段 event_latitude, event_longitude 和类型字段 EventType = "Start"。

第二步：创建终点事件表

重复上述流程，但基于 OD_201904_ExportTable 创建一个新的副本，命名为 bixi_events_end。

同样添加 EventType 字段，计算值为 "End"。
添加 event_latitude 和 event_longitude。
将这两个字段的值分别计算为 [end_latitude] 和 [end_longitude]。

第三步：合并起点和终点事件表

现在你有两个结构完全相同的表：bixi_events_start 和 bixi_events_end。

打开地理处理窗格，搜索 “合并” 工具。

2、参数设置：

输入数据集：依次添加 bixi_events_start 和 bixi_events_end
输出数据集：指定一个名称，例如 all_bixi_events（保存到地理数据库或文件夹均可）

3、点击运行，得到 all_bixi_events 表，它包含了所有起点和终点记录，每一行都有 event_latitude, event_longitude 和 EventType。

第四步：将事件表转换为点要素

在内容窗格中，右键点击 all_bixi_events 表

2、设置如下

点击确定，生成一个临时点图层 all_bixi_events_Layer

如果希望永久保存，可以右键该临时图层 → “数据” → “导出要素”，保存为要素类。

因为，我们的原始坐标是地理坐标系（WGS84，单位：度），核密度分析需要以“米”为单位计算距离，因此建议进行先投影。

推荐使用 NAD 1983 UTM Zone 18N（适用于蒙特利尔区域）。

3、运行 “投影” 工具，将 All_Events 转为投影坐标系下的点图层：

得到的all_bixi_events_XYTa_Project如下

2、把“GIS应用”翻译为“求职地图”

借助AI的回答，我们试着一起把这些“GIS应用”翻译成具体的“企业”和“岗位”。

2、把“GIS应用”翻译为“求职地图”

借助AI的回答，我们试着一起把这些“GIS应用”翻译成具体的“企业”和“岗位”。

二、骑行热点区域分析

找出骑行活动最集中的地方。因此，需要将start和end两类数据合并，形成一个代表“所有骑行事件发生位置”的单一事件点图层。

。

查看连接好起点坐标后的文件：

再次用类似的方法，连接终点坐标

然后导出为单独的新表：

如下，把字段的名称和别名编辑一下，方便区分起点和终点

生成的新的带有坐标值的表如下：

2、把“GIS应用”翻译为“求职地图”

借助AI的回答，我们试着一起把这些“GIS应用”翻译成具体的“企业”和“岗位”。

2、把“GIS应用”翻译为“求职地图”

借助AI的回答，我们试着一起把这些“GIS应用”翻译成具体的“企业”和“岗位”。

二、核密度分析

1、打开 “核密度分析” 工具：

输入要素：投影后的点图层
总体字段：选择 None（每个点代表一次骑行事件，权重相等）
输出像元大小：可先保持默认
搜索半径：这是核心参数。如果留空，软件会自动计算一个合理的默认值。你也可以手动尝试 200米、300米、500米，观察结果的变化。

运行后，即可得到连续的热度栅格。

2、设置如下的符号系统

2、把“GIS应用”翻译为“求职地图”

借助AI的回答，我们试着一起把这些“GIS应用”翻译成具体的“企业”和“岗位”。

2、把“GIS应用”翻译为“求职地图”

借助AI的回答，我们试着一起把这些“GIS应用”翻译成具体的“企业”和“岗位”。

二、骑行热点区域分析

找出骑行活动最集中的地方。因此，需要将start和end两类数据合并，形成一个代表“所有骑行事件发生位置”的单一事件点图层。

。

查看连接好起点坐标后的文件：

再次用类似的方法，连接终点坐标

然后导出为单独的新表：

如下，把字段的名称和别名编辑一下，方便区分起点和终点

生成的新的带有坐标值的表如下：

2、把“GIS应用”翻译为“求职地图”

借助AI的回答，我们试着一起把这些“GIS应用”翻译成具体的“企业”和“岗位”。

2、把“GIS应用”翻译为“求职地图”

借助AI的回答，我们试着一起把这些“GIS应用”翻译成具体的“企业”和“岗位”。

三、直接统计站点次数

我们也可以直接统计每个站点的出发次数，找出出发热点排序前十的站点或者是终点排序前十的站点，下面以出发站点为例：

打开 地理处理 窗格（“分析”选项卡 → “工具”）。
搜索并打开 “汇总统计数据” (Summary Statistics) 工具。
参数设置：

输入表：选择你的原始行程表。
输出表：指定一个输出路径，例如 Departure_Stats（保存到地理数据库或文件夹均可）。
统计字段：添加任意一个数值字段（如 duration_sec），或者也可以添加一个不会为空的字段（如 start_station_code 本身），然后统计类型选择 “记录计数” (Record Count)。注意：也可以不选统计字段，只做分组计数？不行，至少要选一个字段作为计数对象。推荐选择 start_station_code，统计类型为“记录计数”。
分组字段：选择 start_station_code（起点站点代码）。