12417条上海骑行环境评价数据提示您，55%的路段需首要改造自行车道类型，1/3的骑行环境较差；要在魔都上海愉快地骑单车，请先考虑一下道路骑行环境再作选择。

在魔都骑单车是一种怎样的体验？

近年来，自行车等绿色低碳交通方式在城市规划中的地位越来越重要，尤其是在超大城市比如魔都，然而与之匹配的道路建设却差强人意。

试想一下：在一个秋高气爽的午后，你和小伙伴们骑着单车、唱着歌儿去郊游。骑了一会儿就被交警叔叔拦了下来，罚款20元，因为此路不可骑自行车；又骑了一会儿，遇到了很多风驰电掣般的助动车，惊悚地擦肩而过；再骑一会儿，连自行车道也没有了，只能和机动车们并排而行。

此时，作为骑行爱好者的笔者，内心是崩溃的。但同为骑行爱好者的数据侠们，可不想这么轻易地算了。来自同济大学建筑与城市规划学院的数据侠朱玮老师和他的团队，在研究了12417条上海中心城区的路段环境数据后，画出了一张“上海骑行地图”。

在11月5日举行的数据侠实验室03期活动中，朱玮老师就详细“解剖”了这样一张骑行地图是怎么制作出来的。

这是一张什么样的骑行地图？

简单来说，这是一张融合了骑行环境的地图。在下面这张花花绿绿的上海骑行地图上，包括了好、较好、中、较差、差等5个层级的骑行环境评价标准。 那些 红色 的线条都是魔都中心城区 不宜骑行 的路段，它们可能存在没有自行车道、植被缺乏、道路狭窄等问题。

有了这份地图，自行车爱好者们就可以轻易辨别骑行环境较好的道路，愉快地骑行啦。不仅如此，地图上显示出的红、黄路段则为上海进一步完善城市慢行交通系统，提供了参考依据。

骑行地图的制作方法

地图中最核心的部分当属制定骑行环境的评价标准了。朱玮表示：“城市规划，须得先有“规”，然后才能“划”（画）。”制作地图的第一步要先做一把“标尺”。这五个层级的评价标准，就是依据这把“标尺”划分出来的。

那么如何制作这把“标尺”呢？

朱玮的主要方法是 基于SP法设计实验并构建数学模型 。 SP法即叙述性偏好法（Standa Preference Method） ，用来研究受访者在虚拟情景中的偏好。相比于一般的量表打分法，这种方法能让受访者在更接近自然的状态下去做选择。

首先，朱玮通过调查问卷的方式选择了对骑行环境影响最大的10个要素。紧接着确定了每个影响要素的不同评价水平。

然后，他们把不同要素的不同水平组合起来，形成选题并进行可视化呈现。这里进行可视化是为了让受访者更加直观地感知选项，减轻受访者的认知负担。

最后通过离散选择模型（Discrete Choice Model）建立数学模型（一种分析选择行为的常用方法）， 得到评价路段骑行环境的一系列标准。

在这个模型中，朱老师发现了三个有趣的结果：

人们对骑行安全性的考虑要大于舒适性。

人们对不同水平要素的需求，呈现出了边际递减的规律——从低到中，比从中到高，收益更大。

相较于通勤，人们在休闲时对骑行舒适性的要求更高。

有了模型，接下来就要搜集和分析数据了。朱老师的团队在腾讯街景地图上，采集了12417条上海中心城区路段的环境数据。他们还开发了自己的 骑行环境评价系统 ，用于分析骑行环境数据，给路段评分。这样，一张上海的骑行地图就可以初步完成了。

硬性改造更迫切，保障路权是重点

通过对骑行环境数据的分析，朱老师发现， 上海老城区的骑行环境普遍不佳，红色的低分路段较多 。另外，在骑行环境较好的路段如延吉新村街道、新江湾城街道等，路线连接度只有不超过30%，也就是说骑行者无法连续享受优质的骑行体验。

针对地图反映出的问题，朱老师建议 在未来的城市自行车交通建设中，应优先对硬件进行改造， 例如改造自行车道类型，限制机动车路边停车等，切实保障骑行者的道路权益。

众建一份骑行地图，究竟需要多少人

目前看到的这份骑行地图，是朱玮带领60人的学生团队，借助腾讯街景地图，用人工判读的方式评价后制成的，朱玮自嘲这叫“人肉大数据”，存在人工判读的误差，显然是不足够的。

所以朱玮下一步的计划，是希望能够让更多的骑行者参与到地图的建设中。 每个人都可以把自己的骑行体验分享到地图，众建一张持续更新的上海骑行地图。

关于众建地图，国外的 openstreet map 是一个成功的案例，但要在国内推广这种模式，目前的进展还并不理想。朱玮表示，团队现在正与一些骑行爱好者团体进行合作，收集骑行数据。之后如果这些基于兴趣的骑行活动能导致一些消费行为，那么骑行地图也可能成为相关商家的择址依据，实现商业落地。

有了这张地图，以后和小伙伴骑行出游，就可以红尘作伴，骑得潇潇洒洒啦。

【来源】DT财经