ANALÝZA VYUŽÍVÁNÍ KOMUNITNÍCH VÝPŮJČEK JÍZDNÍCH KOL

Výsledky

Hlavním výsledkem diplomové práce je kapitola 4 Analýza dat bikesharingu Rekola. Tato kapitola se skládá z podkapitol 4.1 Předzpracování dat, 4.2 Neprostorové analýzy a 4.3 Prostorové analýzy. Celkově tato kapitola vytváří ucelený postup pro analýzu dat o používání bikesharingu. Z hlediska výstupů diplomová práce obsahuje celkem 12 grafů, 10 tabulek a 18 map.

Předzpracování dat

Kapitola 4.1 Předzpracování dat popisuje postup pro odstranění nežádoucích záznamů z datových souborů, aby se zamezilo zkreslením následných analýz. Předzpracování dat se skládá ze dvou hlavních kroků, kterými jsou prostorová filtrace a atributová filtrace. Pro účely prostorové filtrace byly vytvořeny zájmová území pro každé studované město a následně byly odfiltrovány všechny nežádoucí záznamy, které se vyskytovaly vně definované zájmové území. V rámci atributové filtrace byly odstraněny všechny záznamy, které nepředstavovaly aktivitu uživatele Rekol. Většinou se jednalo o nežádoucí servisní zásahy zaměstnanců Rekol, které by také zkreslovaly výsledné analýzy. Výstupem z kapitoly 4.1 Předzpracování dat jsou datové soubory očištěné o všechny nežádoucí záznamy a připravené pro vstup do neprostorových a prostorových analýz.

Neprostorové analýzy

Kapitola 4.2 Neprostorové analýzy představuje výsledky statistického šetření nad daty o používání bikesharingu Rekola ve vybraných městech.

První datová sada byla za Olomouc v roce 2014 a obsahovala celkem 675 záznamů. Nejvíce záznamů v rámci jednoho dne proběhlo v úterý 27. května, kdy proběhlo celkem 27 záznamů. Z hlediska používání bikesharingu v rámci jednotlivých měsíců bylo možné vypozorovat z grafu 4.1 klesající tendenci v počtech záznamů, kdy nejvíce záznamů proběhlo v květnu a červnu, v dalších měsících se již žádný měsíc nedostal ani na polovinu hodnot května či června. Z hlediska počtu záznamů v rámci dnů v týdnů bylo nejvíce zaregistrováno v úterý se 130 záznamy a ve středy se 128 záznamy. Z grafu 4.2, který představuje denní aktivity uživatelů v hodinových intervalech za celý rok, je vidět poměrně značný nepoměr dopoledne oproti odpoledne. Z tohoto poznatky se lze domnívat, že Rekola v roce 2014 byla využívána k jednorázovým výpůjčkám či k dojíždění k odpoledním aktivitám.

Data pro Olomouc za rok 2015 obsahují celkem 3267 záznamů. Nejvíce záznamů v rámci jednoho dne proběhlo v čtvrtek 8. října, kdy proběhlo celkem 55 záznamů. Z grafu 4.3, který zobrazuje počty záznamů v rámci měsíců, lze vypozorovat typický průběh pro univerzitní město, kdy dochází k úbytku počtu záznamů v době akademických prázdnin na téměř polovinu oproti měsícům letního či zimního semestru. Z hlediska počtu záznamů v rámci dnů v týdnů bylo nejvíce zaregistrováno ve čtvrtek se 587 záznamy. Velmi podobné hodnoty byly zjištěny také v pondělí, úterý a středu, což opět napovídá, že významnou skupinu uživatelů tvořili studenti univerzity. Dalším poměrně zajímavým zjištěním je, že popularita bikesharingu Rekola v průběhu sezóny narůstala, což ukazuje především graf 4.3.

Data pro Olomouc za rok 2016 obsahují celkem 5963 záznamů. Nejvíce záznamů v rámci jednoho dne proběhlo ve středu 11. května, kdy proběhlo celkem 75 záznamů. Z grafu 4.5, který zobrazuje počty záznamů za jednotlivé měsíce, je patrné, že největší zájem o bikesharing Rekola byl v období letního semestru v rozmezí měsíců duben až červen, kdy v květnu proběhlo 1362 záznamů, což bylo nejvíce z celého roku. Poté následoval každým měsícem pokles záznamů až do konce sezóny. Z hlediska počtu záznamů v rámci dnů v týdnů bylo nejvíce zaregistrováno v pondělí s 1127 záznamy. Následovalo úterý, středa a čtvrtek, což opět napovídá průběhu typickému pro univerzitní město.

Data pro Pardubice za rok 2015 obsahují celkem 3217 záznamů. Nejvíce záznamů v rámci jednoho dne proběhlo ve středu 27. května, kdy proběhlo celkem 41 záznamů. Z grafu 4.7, který zobrazuje počty záznamů za jednotlivé měsíce, je patrné, že největší zájem o bikesharing Rekola byl v období květen až červenec. Následuje klesavý trend až do konce sezóny. Z hlediska počtu záznamů v rámci dnů v týdnů bylo nejvíce zaregistrováno v pondělí s 545 záznamy. Následuje úterý, středa a čtvrtek, což opět napovídá, že podstatnou skupinu uživatelů tvořili studenti.

Data pro Hradec Králové za rok 2015 obsahují celkem 717 záznamů. Nejvíce záznamů v rámci jednoho dne proběhlo ve úterý 3. listopadu, kdy proběhlo celkem 18 záznamů. Data o aktivitě uživatelů bikesharingu Rekola v Hradci Králové za rok 2015 představují spíše typičtější chování pro město, kde dominuje dojížďka do zaměstnání. Oproti ostatním univerzitním městům nepřevládá největší počet záznamů ve dnech pondělí až čtvrtek, jak ukazuje tabulka 4.7. Také v případě měsíčního přehledu nedochází k významnějším rozdílům mezi semestrem a akademickými prázdninami, jak ukazuje graf 4.9.

Data pro České Budějovice za rok 2015 obsahují celkem 624 záznamů. Nejvíce záznamů v rámci jednoho dne proběhlo ve čtvrtek 12. listopadu, kdy proběhlo celkem 28 záznamů. Vzhledem k velmi krátkému fungování služby Rekola je potřeba konstatovat, že chování uživatelů Rekol v Českých Budějovicích v roce 2015 bylo ze všech datových sad nejvíce odlišné od ostatních měst a nelze tak vysledovat nějaký charakteristický trend. Je však nutné poznamenat, že služba Rekola byla spuštěna až od měsíce září a za takto krátký interval je poměrně obtížné vysledovat nějaký typický vzorec či trend pro chování uživatelů.

Poslední částí hodnocení bylo sledování vývoje služby Rekola v Olomouci v letech 2014 až 2016. Hlavními závěry byly stoupající absolutní počet záznamů v průběhu let a také, že poměrně významnou skupinu uživatelů Rekol tvořili studenti, což je nejvíce patrné z tabulek 4.2, 4.3 a 4.5.

Prostorové analýzy

Kapitola prostorové analýzy představuje všechny výsledky, které vznikly analýzou dat bikesharingu Rekola v geografických informačních systémech. V úvodu kapitoly je popsán postup konverze obdržených dat do prostředí ArcGIS for Desktop.

První analýzou je vyhodnocení úspěšnosti vracení kol v zónách. Tabulka 4.9 zobrazuje přehled zjištěných úspěšností pro jednotlivá města. Nejvyšší úspěšnost byla zjištěna v Pardubicích, kde byla 100% úspěšnost, následuje Olomouc v roce 2016 s 94% úspěšností, České Budějovice s 88% úspěšností, Olomouc v roce 2014 se 75% úspěšností, Olomouc v roce 2015 se 70% úspěšností a Hradec Králové s 67%.

Další analýzou je aktivita uživatelů bikesharingu Rekola. Uvnitř zájmového území byla vytvořena pravidelná hexagonová síť a každému hexagonu byl přidán počet záznamů, které proběhly na jeho území. Po vytvoření společné intervalové stupnice byla následně pro každou sadu vyhotovena mapa o aktivitě uživatelů. Obrázek 4.5 představuje vizualizaci aktivity uživatelů bikesharingu Rekola v Olomouci v roce 2014, obrázek 4.6 za Olomouc v roce 2015, obrázek 4.7 za Olomouc v roce 2016, obrázek 4.8 za Pardubice v roce 2015, obrázek 4.9 za České Budějovice a obrázek 4.10 za Hradec Králové. Každá mapa obsahuje příslušný komentář o rozložení aktivity uživatelů bikesharingu Rekola v daném městě v daném roce. Všechny mapy jsou rovněž obsaženy na přiloženém DVD v plném rozlišení ve formátu .pdf.

Další analýzou je shlukování záznamů bikesharingu a identifikace těchto shluků. První částí této analýzy je zjištění prostorové autokorelace pomocí nástroje Spatial Autocorrelation (Morans I), která zjišťuje, jestli se dochází v daných datových souborech ke shlukování hodnot. Tabulka 4.10 obsahuje přehled naměřeného z-score a Moranova I indexu. Bylo zjištěno, že všechny datové soubory splňují limity pro shlukování. Další krokem je provedení analýzy Cluster and Outlier Analysis (Anselin Local Moran I), která hledá shluky vysokých hodnot a nízkých hodnot. Dále také hledá tzv. Outlier, což znamená hexagon s vysokou hodnotou obklopený nízkými hodnotami a naopak. Obrázek 4.13 představuje ukázku výstupu z této analýzy. Poslední částí je analýza Hot Spot Analysis (Getis-Ord Gi*), která na základě vypočtených hodnot z-score a p-value klasifikuje hexagony dle míry shlukování. Obrázek 4.15 představuje vizualizaci shlukování bikesharingu Rekola v Olomouci v roce 2014, obrázek 4.16 za Olomouc v roce 2015, obrázek 4.17 za Olomouc v roce 2016, obrázek 4.18 za Pardubice v roce 2015, obrázek 4.19 za Hradec Králové a obrázek 4.20 za České Budějovice. Každá mapa obsahuje příslušný komentář o shlukování bikesharingu Rekola v daném městě v daném roce. Všechny mapy jsou rovněž obsaženy na přiloženém DVD v plném rozlišení ve formátu .pdf. Poslední analýzou v této kapitole je Kernel Density, která počítá hustotu bodů ze vstupní vrstvy okolo každé buňky výstupního rastru. Hlavní rozdíl je tedy rastrový výstup oproti vektorovému z Hot Spot Analysis. Obrázek 4.21 obsahuje porovnání výstupu z Kernel Density a Hot Spot Analysis.

Poslední prostorovou analýzou je Optimalizace zóny pro vracení kol, ve které je upravována zóna v Hradci Králové tak, aby se zvýšila úspěšnost vracení kol v zóně. Jako hlavní kritérium pro novou zónu slouží výstup z Hot Spot Analysis pro Hradec Králové v roce 2015. Nová zóna je navržena tak, aby obsahovala všechny shluky z této analýzy, což by mělo zaručit pokrytí všech významných míst, kde jsou uživatelé bikesharingu aktivní. Obrázek 4.22 obsahuje optimalizovanou zónu pro vracení kol, ve které se zvýšila úspěšnost vracení kol z 67% na 91%.

Autor práce

Filip Hric

Vedoucí práce

doc. Ing. Zdena Dobešová, Ph.D.

Textová část práce (pdf)

Katedra Geoinformatiky

Univerzita Palackého v Olomouci

© Filip Hric | filip.hric01@upol.cz | Katedra Geoinformatiky | Univerzita Palackého v Olomouci