基于 Python 的城市共享单车骑行需求时空分析系统

基于 Python 的城市共享单车骑行需求时空分析系统

项目简介

本系统是一个基于 Python Flask 框架的城市共享单车骑行需求时空分析平台，使用 Oslo City Bike（奥斯陆城市自行车）开放数据，提供系统总览、时间维度分析、空间维度分析、站点运营分析、OD 起讫流动分析、骑行需求预测、综合分析报告等功能模块，适用于城市共享单车运营调度与骑行需求研究场景。

---

功能模块

模块	功能说明
系统总览	展示核心 KPI 指标（总骑行次数、活跃站点数、平均时长、平均距离、总里程、数据区间），日骑行量趋势图、24 小时分布图、工作日与周末对比图、热门出发站点 Top10、站点空间分布地图
时间分析	24 小时骑行分布、星期分布、按月分布、骑行时长分布（饼图）、骑行距离分布（饼图）、高峰时段 Top5、日骑行量趋势
空间分析	往返骑行占比 KPI、站点热力图（Leaflet 地图）、热门出发站 Top15、热门到达站 Top15、空间网格密度
站点运营	支持按出发量/到达量/净流量/名称排序，选择站点查看 24 小时出发分布，站点运营明细表格（含净流量标记）
OD 流动	OD 流向地图（线段粗细表示流量）、Top OD 流量对表格
需求预测	基于梯度提升回归模型（GBR）的全城小时级需求预测，展示模型评估指标（MAE、RMSE、R²）、特征重要性、未来 24 小时预测、历史实际与模型拟合对比
分析报告	自动生成综合分析文字报告，包含数据概况、时间特征摘要、空间特征摘要、预测模型评估、结论与建议，支持浏览器打印
登录注册	用户登录鉴权、新用户注册、Session 管理

---

数据来源

数据集	文件	说明
Oslo City Bike 2024年1月	oslo_2024_01.csv	2024 年 1 月奥斯陆共享单车骑行记录
Oslo City Bike 2024年2月	oslo_2024_02.csv	2024 年 2 月奥斯陆共享单车骑行记录
Oslo City Bike 2024年3月	oslo_2024_03.csv	2024 年 3 月奥斯陆共享单车骑行记录
Oslo City Bike 2024年4月	oslo_2024_04.csv	2024 年 4 月奥斯陆共享单车骑行记录
Oslo City Bike 2024年5月	oslo_2024_05.csv	2024 年 5 月奥斯陆共享单车骑行记录
Oslo City Bike 2024年6月	oslo_2024_06.csv	2024 年 6 月奥斯陆共享单车骑行记录

• 数据来源：Oslo City Bike Open Data (NLOD 2.0)
• 数据地址：https://oslobysykkel.no/en/open-data/historical
• CSV 下载 API：https://data.urbansharing.com/oslobysykkel.no/trips/v1/{year}/{month:02d}.csv
• 数据字段：行程起止时间、起止站点 ID/名称/经纬度、骑行时长

数据合理性验证

指标	本系统值	行业参考值	判定
平均骑行时长	12.6 分钟	中国城市共享单车平均 12.1 分钟（2024 年中规院报告）	✅ 合理
平均骑行距离（非往返）	1.63 km	中国城市共享单车平均 1.5 km（2024 年中规院报告）	✅ 合理
高峰时段	16:00、17:00	北欧城市晚高峰 15:00-17:00	✅ 合理
季节趋势	1月34次/天→5月5483次/天	奥斯陆1月严寒极低、5月春暖激增	✅ 合理
往返行程占比	2.57%	共享单车系统普遍 2-5%	✅ 合理
工作日/周末比	79.4% / 20.6%	约 80/20（奥斯陆冬季运营少周末出行）	✅ 合理
站点数量	269	奥斯陆市约 250-300 个站点	✅ 合理

数据清洗规则

1. 时长异常过滤：骑行时长超过 2 小时（7200 秒）的记录视为用户忘记还车，予以剔除（约 1,049 条，占总数 0.28%）
2. 往返行程距离处理：起终点相同的往返行程，其 Haversine 直线距离为 0，但这不代表真实骑行距离为零。系统将这些行程的 distance_km 设为 NULL，距离统计仅计算非往返行程
3. Haversine 距离说明：本系统计算的 distance_km 是起终点站点之间的球面直线距离，低于实际骑行路径距离（道路绕行）
4. 坐标范围验证：所有起终点坐标均在奥斯陆范围内（纬度 59°-61°，经度 10°-12°），无坐标异常

---

标准版目录结构

python-share-bike-fenxi/
├── app.py                    # Flask 应用主入口，页面路由定义
├── config.py                 # 应用配置模块（数据库路径、密钥、城市信息、默认账号）
├── requirements.txt          # Python 依赖包清单
├── data/
│   └── raw/                  # 原始 CSV 骑行数据
│       ├── oslo_2024_01.csv
│       ├── oslo_2024_02.csv
│       ├── oslo_2024_03.csv
│       ├── oslo_2024_04.csv
│       ├── oslo_2024_05.csv
│       └── oslo_2024_06.csv
├── database/
│   └── bike_analysis.db      # SQLite 数据库文件（自动生成）
├── models/
│   ├── __init__.py           # 数据模型包
│   └── database.py           # SQLite 连接管理、表结构定义、初始化
├── models_saved/
│   └── demand_gbr.pkl        # 训练完成的 GBR 模型文件（自动生成）
├── scripts/
│   ├── download_data.py      # 从 Oslo City Bike 下载数据 CSV
│   ├── import_data.py        # 导入 CSV 数据到 SQLite（含距离计算、小时聚合）
│   ├── train_model.py        # 训练需求预测模型
│   ├── run_all.py            # 一键导入数据 + 训练模型
│   ├── verify_data.py        # 数据与计算一致性校验
│   ├── repair_station_stats.py # 修复站点进出统计
│   └── test_api.py           # API 端到端测试
├── services/
│   ├── __init__.py           # 服务包
│   ├── analytics.py          # 统计分析服务（概览、时间模式、高峰识别）
│   ├── spatial.py            # 空间分析服务（站点列表、热力、OD 流、网格）
│   └── prediction.py         # 需求预测服务（模型训练、预测、评估）
├── static/
│   ├── css/
│   │   └── custom.css        # 自定义样式
│   └── js/
│       ├── common.js         # 公共 API 工具与 ECharts 辅助函数
│       ├── dashboard.js      # 总览页图表
│       ├── temporal.js       # 时间分析页图表
│       ├── spatial.js        # 空间分析页图表
│       ├── stations.js       # 站点运营页交互
│       ├── od_flow.js        # OD 流动页地图
│       ├── prediction.js     # 需求预测页图表
│       └── reports.js        # 分析报告页数据
├── templates/
│   ├── base.html             # 基础模板（导航栏、CDN 引用）
│   ├── login.html            # 登录页
│   ├── register.html         # 注册页
│   ├── dashboard.html        # 总览页
│   ├── temporal.html         # 时间分析页
│   ├── spatial.html          # 空间分析页
│   ├── stations.html         # 站点运营页
│   ├── od_flow.html          # OD 流动页
│   ├── prediction.html       # 需求预测页
│   ├── reports.html          # 分析报告页
│   └── about.html            # 关于页
├── 运行步骤必看/
│   └── window.md             # Windows 运行步骤说明
├── mac_run.sh                # macOS/Linux 一键启动脚本
├── window_run.bat            # Windows 一键启动脚本
├── 训练手册.md                # 模型训练手册
└── 项目说明.md                # 本文件

---

技术栈

类别	技术
后端	Python 3.12 + Flask 3.0
数据库	SQLite 3
前端	HTML5 + Bootstrap 5.3 + ECharts 5.5 + Leaflet 1.9
机器学习	scikit-learn 1.5（梯度提升回归）
数据处理	pandas 2.2 + numpy 1.26
模型持久化	joblib 1.4
密码安全	Werkzeug pbkdf2:sha256

---

环境要求

项目	要求
Python	3.12
操作系统	Windows / macOS / Linux
内存	建议 2GB 以上
磁盘	约 500MB（含依赖和数据库）
浏览器	Chrome / Firefox / Safari / Edge 现代版本

---

账号信息

角色	用户名	密码
管理员	admin	admin123

管理员账号在首次初始化数据库时自动创建。新注册用户默认为普通用户角色。

获取完整源码

• 网站：AI源码
• 本项目详情：https://www.aiyuanma.vip/posts/python-share-bike-fenxi