共享單車的蓬勃發展，讓人們的短途出行更加方便，這種綠色低碳，又時尚健康的新型出行方式已成為城市“主旋律”。那么在國外共享單車又是怎樣一番情景呢？
華盛頓正在變成一個適宜自行車出行的城市。主要道路上都設有自行車道，而且共享單車系統非常成功。最近Capital Bikeshare發布了他們每個季度的騎行數據。我對前四個季度的數據進行了抓取和清理，并發布在我的GitHub中。
幾周前，我偶然看到Austin Wehrwein關于芝加哥的自行車共享系統的帖子，這個帖子很棒，看完后我立即想進行同樣的嘗試。通過熱圖可以清楚的看到，一整年內共享單車每天的使用情況。幸運的是，Austin Wehrwein提供了代碼，從而我能夠對華盛頓地區的騎行數據進行分析。
Austin Wehrwein原貼鏈接：
http://austinwehrwein.com/data-visualization/heatmaps-with-divvy-data/
華盛頓特區320萬人次騎行數據熱圖: 2015年7月1日-2016年6月30日
每日騎行數據的熱圖代碼：
library(ggplot2)ggplot(bike_day_heatmap, aes(x = week, y = days, fill = n)) + scale_fill_viridis(name="# of Rides", option = "C", limits = c(0, max(bike_day_heatmap$n))) + geom_tile(color = "white", size = 0.4) + scale_x_continuous(expand = c(0, 0), breaks = seq(1, 52, length = 12), labels = c("Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"))+ theme_minimal() + theme(legend.position = "bottom") + labs(title = "DC Bikeshare: Heatmap of Rides taken per Day", x = "Month", y = "Day of the Week", subtitle = "July 1, 2015 to June 30, 2016", caption = "Data from: https://s3.amazonaws.com/capitalbikeshare-data/index.html")
從2015年7月1日至2016年6月30日，共有320萬次騎行。由于數據不足一整年，所以我決定不按照Andrew的將數據按年區分。
在熱圖中我注意到了一些趨勢：
· 華盛頓的騎行季節比芝加哥稍長。其中天氣占很大一部分的原因，因為華盛頓的3月和9月一般比較溫暖，而在芝加哥就不是如此了。
· 有兩個藍色單元格在熱圖中很顯眼（意味著低使用率）。關于其中的原因估計也是天氣。2016年4月29日，天氣異常寒冷，且有小雨。2016年9月9日則比往年此時要熱，達到在96華氏度(約為35.5攝氏度)。
· 2016年3月26日（星期六）的騎行數量最多，為14,116人次。這是櫻花盛開后的一天。雖然在全年中星期六的騎行總數較少，但櫻花卻帶來了顯著的騎行高峰。
· 在一周中，星期六和星期天的騎行數相對要少。就個人而言，我在工作日會將自行車用作通勤的選擇之一，看來其他人也是如此。櫻花星期六則是一個異常值。
· 騎行次數最少的為2016年2月15日（星期一），僅為501人次。天氣發揮了很大的作用：當天氣溫低且下雨。
看到這個熱圖我不禁開始思考更多的問題。我不僅關注共享單車每天的使用情況，同時也想了解每天不同時段的騎行數據。當我使用自行車上下班上班時，我經常會發現，當我到達存放自行車的車站時，車站幾乎都是空的。這很令人沮喪。接著我又創建了一個熱圖，顯示每天不同時段的騎行數據。
華盛頓: 320萬次騎行數據的熱圖
對于生活在華盛頓的人群來說，對這個熱圖的結果應該不會感到驚訝。
早上8點至8點55分，以及下午5點到5點59分為上下班期間，騎行數量達到高峰。
然而，星期五甚至周四下班后，相對星期一至星期三共享單車的使用量并不高。這段時間人們更多在家辦公嗎？或者他們會選擇走路、乘坐地鐵、坐公交，與同事到酒吧聚聚呢？
周末騎行的時間一般分布在上午11點至晚上8點。我嘗試通過用戶的帳戶類型進行分析。使用共享單車服務，你可以按年租，類型為“注冊”用戶；或按天支付，類型為“臨時”用戶。臨時用戶的數量對總數據影響并不大。臨時用戶會在周末這些時間用車，但是比起使用自行車通勤的注冊用戶，總體數量是微不足道的。在320萬次騎行數據中，臨時用戶占665,822人次，而注冊用戶為2,591,279人次。
每小時騎行數據的熱圖代碼：
library(ggplot2)ggplot(bike_time_heatmap, aes(x = days, y = start.hour, fill = n)) + scale_fill_viridis(name="# of Rides", option = "C", limits = c(0, max(bike_time_heatmap$n))) + geom_tile(color = "white", size = 0.4) + theme_minimal() + scale_y_reverse() + labs(title = "DC Bikeshare: Heatmap of Rides taken per Hour", x = "Day of the Week", y = "Starting Hour", subtitle = "July 1, 2015 to June 30, 2016", caption = "Data from: https://s3.amazonaws.com/capitalbikeshare-data/index.html")
當然，這也讓我思考更多的問題。如果將小時熱圖分解成每15分鐘，每5分鐘，甚至每1分鐘會得到什么結果？哪些車站在什么時間使用率最高？
當中所有代碼都可以在我的GitHub主頁找到。
github鏈接：https://github.com/AlexJF12
原文鏈接：https://medium.com/@alexjf12/biking-in-washington-d-c-edbf09f3129e
