副标题：共享单车与地铁站出入口分布情况探究——以厦门市为例
假期结束了，我们满血复活，继续更新！
本篇文章我们讨论共享单车与地铁出入口的关系，在上一篇文章中，我们讨论了综合得分指数最高的地铁站——吕厝站。本文将进一步缩小研究尺度，重点分析吕厝站各个出入口的分布对共享单车出行订单的影响。通过这一分析，我们可以更深入地了解地铁站出入口布局如何影响共享单车的使用模式，从而为城市交通规划和资源优化提供科学依据；
关于站点出入口的获取方式，这里给出两个方法，一个是通过高德地图站点信息去检索坐标，并转为WGS84坐标系，另一个就是通过高德的API获取"交通设施"类型POI数据，
方法一：我们打开高德地图检索吕厝站，并打开开发者模式，快捷键：Ctrl + Shift + i，点击站点出入口信息；
以吕厝站4号口为例，我们可以看到这个信息，点开他，我们就可以找到对应出入口的高德坐标，这种方法，这种方法适合没有代码基础的小白，因为站点出入口比较容易穷尽，笨办法也不失为一种好办法；
双击打开，我们可以找到吕厝站4号口的高德坐标，其他出入口我们依葫芦画瓢即可，如果出入口的规模要扩大到整个城市，这个就可能更适用方法二；
方法二：参考我这篇文章：Python应用指南：利用高德地图API获取POI数据_利用高德地图api获取南京市内的商场poi及其格局分析-CSDN博客
因为出入口分布通常在一个比较小的范围，这样可以解决虽然一天的POI获取的API的额度只有200条，但是我们通过限制范围和关键词的方法可以有效减少API的额度消耗量，关键词可以改成"交通设施"或者可以进一步细化为：地铁、出入口；
正式运行开通的有9个出入口，数据来源参考厦门地铁集团官方网站：首页 (xmgdjt.com.cn)，高德同样标注了9个出入口，但高德标注了两个4号口，厦门地铁集团官方一个命名为4号口，一个为2号口，这里不影响后续计算，但我们还是采用官方的命名规则；
这里的坐标获取部分也可以用高德的坐标拾取：坐标拾取器 | 高德地图API (amap.com)，只需要把拾取结果转成 WGS84坐标系即可，只是通过手动拾取的精准度有些许偏差，但是在这个研究尺度，偏差可以忽略不计；
数据方面我们依然使用了2020年12月21日 上午06:00-10:00这个区间的共享单车订单起终点坐标作为统计范围，这里我们对数据进行空间关联，这里并没有对数据缓冲区进行去重，因为100m缓冲区的距离相对较近，无法判断用户来自于那个出站口；
统计结果如下，可看出1、6、8、10号站点出入口的共享单车订单数量占比较高，其他出入口的共享单车使用量相对较少；
我们同时对100m范围内产生的订单数据做一下核密度分析；
接下来，到了我们看图说话的环节了，因为我们统计口径的原因，我们仅关注相对值，基于上述共享单车订单起终点分布数据，我们可以得出以下初步结论：
分析与结论
-
高使用量出入口：
- 8号口：占总订单的25.2%，是使用量最高的出入口。这表明8号口附近的人流量最大，可能是商业区或居民区，对共享单车的需求最高。
- 1号口：占总订单的22.5%，使用量也非常高，可能是因为该出入口附近有办公区或学校。
- 6号口：占总订单的19.1%，使用量较高，可能也是因为周边有较高的需求。
- 10号口：占总订单的11.6%，使用量也较高，可能是因为该出入口附近的需求较高。
-
中等使用量出入口：
- 4号口：占总订单的9.4%，使用量相对适中，可能是因为该出入口附近有一定的需求，但不如高使用量出入口那样集中。
- 2号口：占总订单的8.3%，使用量相对适中，可能是因为该出入口附近有一定的需求，但不如高使用量出入口那样集中。
-
低使用量出入口：
- 3号口：占总订单的6.2%，使用量较低，可能是因为该出入口附近的需求不高。
- 5号口：占总订单的6.0%，使用量较低，可能是因为该出入口附近的需求不高。
- 12号口：占总订单的5.2%，使用量最低，可能是因为该出入口附近的需求最低。
讨论
-
出入口布局与需求匹配： 通过分析不同出入口的共享单车使用情况，可以发现某些出入口的需求明显高于其他出入口。这为优化共享单车的投放和管理提供了依据，可以在需求较高的出入口附近增加共享单车的投放数量。
-
周边环境的影响： 出入口附近的不同环境（如商业区、办公区、居民区等）对共享单车的使用量有显著影响。未来的研究可以进一步探讨这些环境因素的具体作用机制。
-
时间和天气因素： 目前的数据仅反映了某个时间段的情况，未来的研究可以考虑不同时间段（如早晚高峰、周末等）和天气条件（如晴天、雨天等）对共享单车使用的影响。
文章仅用于分享个人学习成果与个人存档之用，分享知识，如有侵权，请联系作者进行删除。所有信息均基于作者的个人理解和经验，不代表任何官方立场或权威解读。
