共享单车的研究

共享单车的研究

摘要

本文通过搜集深圳地区共享单车市场的相关数据，主要研究了“互联网+”

时代下共享单车行业和市场需求的综合问题，建立了市场需求模型，企业核心竞争力评价，利用EXCEL 软件和Matlab 对数据进行分析与统计，实现了对共享单车行业现状多角度分析，并对城市居民对于单车的需求进行统计与分析，为企业了解、提高市场竞争力提供了现实依据，在实际应用中有较大的参考价值。

问题一中，我们从共享单车的实际出发，提出了基于人口比例和通勤市场

计算单车需求量的模型。在此模型中，考虑了人口不同年龄段对单车的不同需求，合理的求出基于人口的共享单车的需求量，判断市场是否饱和，能否满足短途需求，解决“最后一公里”问题。基于通勤市场的计算模型，根据市区的地铁站以及公交站的数量来计算深圳市共享单车的需求量，最后 取两种模型计算结果的平均值作为深圳市单车需求量，分析出虽然市场投放量已接近需求量，考虑到误差的存在，可判断现在共享单车已能够解决市民出行“最后一公里”问题。关于对市民出行的影响，我们从市民的出行时间和出行方式两个方面考虑，根据数据显示，共享单车的出现不但改变了市民的出行方式而且减少了出行时间。

问题二中，我们选取了共享单车的九个评价指标，以摩拜和ofo 为案例进

行分析，采用模糊综合评价方法对共享单车的核心竞争力进行评估，评估共享单车行业是否可持续发展，得出共享单车行业可持续发展的结论。由于共享单车的评价受外形、舒适度的影响，且主观影响因素比较大，因此我们选取三个评价目标作为一组，组成评价模糊集合，在设定这些因素在所能选取的评级等级，组成评价的模糊集合，分别求出单一因素对各个评价等级的归属程度，然后根据各个因素在评价目标目标中的权重分配，通过计算，求出评价的定量解值，得出共享单车是可以持续发展的。

问题三中，分析各大共享单车公司会形成何种格局, 查找了很多资料，分析

从共享单车行业兴起到现在市场的情况；灰色预测方法进行推测，对所给数据进行一次累加，用一次累加对预测的值进行求解，预测出为来几个月的摩拜和ofo 的用户数量；画出未来几个月用户数量的增长曲线图以判断未来几个月的市场格局。得益于良好的城市扩张和海外布局，摩拜的用户数量将在下半年超越ofo ，然而在今后较长时间内，中国共享单车市场格局还是两家独大的局面。

关键字：模糊数学，层次分析法，灰色预测，Matlab ，Excel

问题重述

问题背景

市民出行“最后一公里”问题一直是困扰人们交通出行方式的难点，不仅增加了人们出行时间成本和经济成本，还带来了一定的社会隐患，例如黑的、黑摩市场的滋生对市民的人身安全和公共交通的管理都造成了一定的影响。随着“互联网+”时代的到来，共享经济的兴起，有多家公司依托移动互联网建立了共享单车平台，利用大数据，意图解决出行“最后一公里”难题，不仅有利于推行绿色环保出行，而且摆脱了传统市政公共自行车受停车桩的限制，大受推广。

问题一：说明共享单车对城市居民出行产生什么影响，能否解决“最后一公里”问题

问题二：评估现行共享单车公司模式是否能持续

问题三：各大共享单车公司竞争最终谁会胜出（或者是何种格局），详细说明你的理由并给共享单车公司一些建议。

问题分析

问题一：

要求我们分析共享单车对于城市居民出行产生的影响，并考虑能否解决“最

后一公里”问题，即市场上的共享单车投放量是否已经满足短途出行。解决“最后一公里”，从城市对共享单车的需求量考虑，基于不同年龄段人口对共享单车的需求比例求出需求量，并考虑市区的通勤市场（公交站点和地铁站）对于单车的需求建立模型，以求更加合理的计算出市场的单车需求。根据需求量与投放量的对比，得出是否满足居民出行需求。

问题二：

要求对共享单车公司的模式进行评估以判断公司能否持续，对此我们选取了

硬件、软件、产业布局三类评价指标，建立了共享单 车品牌核心竞争力模糊综合评价模型，得出摩拜、ofo 的综合竞争力对比，评估现行共享单车是否能持续。 问题三：

分析各大共享单车公司会形成何种格局, 查找资料，分析从共享单车行业兴

起到现在市场的情况；灰色预测方法进行推测，预测出为来几个月的摩拜和ofo 的用户数量；画出未来几个月用户数量的增长曲线图以判断未来几个月的市场格局。

模型假设

1. 假设16岁以下和65岁以上的人群暂时没有单车需求

2. 假设对单车需求量与受教育程度无关

3. 忽略节假日、天气等原因使得地区的自行车需求量与共享单车供应量发生重

大改变的情况

4. 假设每个地铁站的单车需求量是相同的，每个公交站的单车需求量是相同的

5. 忽略“硬件”、“软件”、“布局”之外其他因素对共享单车核心竞争力的

影响

模型符号及说明

M ：共享单车需求量

P ：深圳市16-64岁之间人口数量

N ：人口对共享单车需求比例

D ：地铁站数量

B:公交站数量

Dd:每个地铁站单车需求量

Bb ：每个公交站单车需求量

u:表示因素集

X ij ：表示因素

n ijz ：表示隶属度

v ：表示一级评价因素集合

L ：判断矩阵

A ：A 层的矩阵

B ：评判向量

(0)X1： 摩拜单车的用户实际值

(0)X2：ofo 单车的用户实际值

模型的建立及求解

1.1 问题一的模型建立与求解

1.1.1问题分析

从城市对共享单车的需求量与投放量的对比判断共享单车能否满足居民的

基本出行，从而解决“最后一公里”问题。由于各个城市的经济发展、人口、建成区面积以及地形等因素的影响，共享单车的发展也不均衡，在此，我们仅选择深圳市进行分析。市场需求受影响因素较多，因此从人口角度和公共交通方面计算单车需求量。

1.1.2 基于人口数量的计算模型

建立人口的计算模型如下：

M=P*N

其中，P 为16-64岁之间人口数量，N 为需求比例

根据数据显示，在共享单车出现后，骑共享单车出行的人占6.8%，将此数

据作为深圳城市居民对于共享单车的需求

图为深圳市各年龄段人口数据，从图可得，深圳16-64岁之间人口数量为

914.64万人，则可求得共享单车的需求量为62万。

1.1.3基于公共站点的计算模型

公交站和轨道交通站口都是共享单车市场需求最为强劲的地区，基于通勤

市场进行计算共享单车的市场需求也是一个合理方法. 根据《白皮书》分析数据，高达90%的用户会把共享单车搭配公交和地铁使用。因此，我们依据通勤市场，建立以下模型：

M=D*Wd+B*Wb

根据数据显示，深圳市目前设有地铁站165座，公交站点12834个，考虑

到地铁站人流量较大，且出口较多，设置每个地铁站对共享单车的需求为300辆，每个公交站点对共享单车的需求为45辆，代入公式，大约需求为62.7万辆。

M=165*300+12834*45=627030辆

以上两种模型求得单车需求辆分别为62万、62.7万，求平均数可得需求

量：

M=(62+62.7)*1/2=62.35万辆

目前市场投放量大约为52万辆，由于计算误差以及实际情况的众多因素，

市场投放量基本可以满足市民的出行需求。

共享单车对市民出行的影响：

在共享单车出现后，自行车出行占比提高6.1%。

《报告》表明，在提高短途出行效率上，共享单车优势明显，特别是在出行距离5km 以内单车更具优势。在“共享单车+”的接驳方式上，地铁占比最高，达到39%，假设传统通勤如果需要65分钟，换成“共享单车+轨道交通”的方式仅需32分钟，节省时间至少一半。、

45%的共享单车骑行集中于早晚高峰时期，分别超过

1000辆地铁、1.5万辆

公交或30万辆出租车的载客量，相当于19%的城市公共交通运力。在“共享单车+”的接驳方式上，地铁占比最高，达到39%。

随着近年来自行车在城市公共交通资源分配比例中的减少，共享单车出现打

破了这种格局。从深圳市交通运输委员会提供的权威数据来看，过去20年深圳慢行交通分担率呈逐年下降的趋势，在共享单车出现后首次出现逆转。仅2017年上半年，自行车出行比例已增长至10.7%，小汽车出行进一步下降。

共享单车上线后，不论是工作日还是节假日，交通拥堵都有了小幅度的下滑，减轻了交通压力，为市民出行提供了很大的便利。

1.2 问题二的模型建立与求解

问题二：要求从单车硬件、软件、投放量等要素是分析市场上两大共享单

车品牌摩拜和OFO ，给出指标说明他们的核心竞争力。构建评价模型的指标体系，建立模糊综合评价模型，病通过该模型对步骤一得到的指标进行多指标综合评价，评估现行共享单车公司模式是否能持续。

1.2.1 建立模型

共享单车是一个典型的“互联网+”式创新，将移动互联网与传统自行车结

合，摆脱了传统停车桩的限制，其创新的商业模式加之倡导的“绿色出行”概念 是社会发展大势所趋。资本的大量涌入，致使各种类型的共享单车雨后春笋般出 现，

其中市场竞争力最强的摩拜和ofo 两者合计的市场份额已超过九成，故选取 二者建立其品牌核心竞争力评价模型。选取尽可能全面、合理的评价指标，对这 些指标对品牌竞争力的影响进行综合分析，得到两大品牌核心竞争力模型。

1. 评价指标的选取

选取共享单车的共享单车的配置、共享单车的外形、共享单车的使用舒适度、品牌的影响力、服务与管理的水平、融资、市场投放量、覆盖到的城市、对海外市场的扩展。

2. 对评价指标的分析

核心竞争力指标不仅包含定量分析，还有定性比较，如品牌影响力、服务管

理水平等。由于共享单车作为一个新兴产业在2016年呈“井喷”态势发展，由于涉及商业机密，本文分析数据以各大咨询机构发布的行业分析报告为主。

本文采用模糊综合评价方法对共享单车品牌的核心竞争力进行评价。将评

价 目标看成是由多种因素组成的模糊集合，再设定这些因素所能选取的评审等级，组成评价的模糊集合，分别求出各单一因素对各个评审等级的归属程度，然后根 据各个因素在评价目标中的权重分配，通过计算，求出评价的定量解值。本方法 可以通过精确的数字手段处理模糊的评价对象，能对蕴藏信息呈现模糊性的资料作出比较科学、合理、贴近实际的量化评价。具体步骤如下。

3. 模糊综合评价方法的建立

设U 为因素集 U={u1，u2，u3}，u1={x11，x12，x13}、u2={x21，x22，

x23}、u3={x31，x32，x33}；P 为评价集P={p1，p2,p3,p4} p1表示很好 p2表示较好p3表示一般 p4表示较差。

通过搜集到的信息和V 构造判断矩阵L

采用层次分析法（简称AHP 法）得到X 层对U 层的权重分别为：（二级对 一

级指标的权重）

N1(n11, n12, n13) N2(n21, n22, n23) N3(n31, n32, n33)

令U i 的一级评判向量为B i ，则在二级评判中，将将每一个U i （i=1，2，3）看成一个因素，U 即为一个因素集，U 的单因素评判矩阵为：

依据AHP 法得出U 层A 层的权重： A=(a1,a2,a3) , 并可得二级评判向

量 B=(b1,b2,b3,b4) 将B=(b1,b2,b3,b4)作归一化处理，然后将b 1和b 2相加，如果两者之和大于0.5，企业拥有较强的核心竞争力; 反之，则较弱。

1.2.2 模型求解

计算模糊综合评价

摩拜单车评价指标：`

0.8 0.1 0.06 0.04 0.45 0.22 0.21 0.02 L1= 0.61 0.3 0.06 0.03 L2= 0.92 0.08 0 0 0.55 0.21 0.13 0.11 0.25 0.42 0.2 0.03

0.9 0.1 0 0

L3= 0.55 0.4 0.05 0

0.84 0.1 0.06 0

采用AHP 法建立各个指标的权重，见下表。

X 层对U 层的权重为：

硬件：N1= 0.3,0.3,0.4

软件 N1= 0.3,0.3,0.4

布局：N1= 0.3,0.3,0.4

一级评判向量为：

⎡0.800.10 0.06 0.04⎤

⎢B1=N1*L= (0.3,0.3,0.40.61 0.30 ) * 1 ⎢ ⎢0.55 0.21 0.06 0.13 ⎥ 0.03= ⎥ 0.11⎥

(0.6430,0.2040,0.0880,0.0650)

B2=(0.5245,0.2610,0.1320,0.0175)

B3=(0.7345,0.1755,0.0825,0.0075)

0.5245,0.2610,0.1320,0.0175

0.7345,0.1755,0.0825,0.0075

确定U 层的权重：硬件B 1、软件B 2、布局B 3在核心竞争力评价中占比分

别为0.25、0.35、0.4。故可确定A (0.25,0.35,0.4)

⎡0.64300.2040 0.0880 0.0650⎤

B=A *L =(0.25,0.35,0.4)0.52450.2610 0.1320 0.0175=

0.7345 0.0825 0.0075⎥ ⎢⎥

(0.6381,0.2126,0.1012,0.0254)

将B 进行归一化处理变为B (0.6530,0.2175,0.1036,0.0260)

摩拜单车综合竞争力评价：C=b1+b2=0.8507

数据处理方式与上述相同，可得ofo 评价结果B 的归一化结果：

B’= 0.5925,0.2030,0.1336,0.0709

ofo 综合竞争力评价：C ’=b1’+b2’=0.7955

1.2.3 模糊综合评价结果

摩拜单车（综合竞争力指标0.8507）和ofo （综合竞争力指标0.7955）作为共享单车市场的两大巨头，都具有很强的核心竞争力。摩拜后来居上，不到一年 时间已经领先于进入市场超过两年的ofo 。硬件方面，摩拜整体做的比ofo 要好， 然而随着时间的推移、各种技术的引进，两者在这方面的差距会越来越小；软件 方面，两者的品牌、融资都经营的较好，服务管理方面还有较大提升空间；市场 布局方面，ofo 不仅在国内已深入扩展到40 多个城市，并且布局于海外，已进入 新加坡、美国旧金山等城市，抢占了大部分市场。

1.3问题三的模型建立与求解

目前共享单车市场中，摩拜和ofo 势均力敌，但作为新兴产业，在中国也仅仅处于起步探索阶段，因此对其未来发展趋势和市场格局演变进行预测尤为重要。 然而，由于各种资本或者其他力量的介入使其二者发展显得变幻莫测，而且发展 时间很短，已有的可供研究的数据非常有限。为了能够更清晰地认识和研究它，将共享单车市场抽象为没有物理原型、因素空间难以穷尽、行为无法控制、信息 不完全的灰色系统，据此可以进行灰色模型预测的研究。

1.3.1 模型建立

灰色模型建立 GM（1,1）模型建立

设原始数据序列为 (0)X={(0)X1,(0)X2,(0)X3...(0)Xn};

(1)Xk=(0)X1+(0)X2+...+(0)Xk,k=1,2...n Δ(1)Xk=(1)Xk-(1)X(k-1),k=2...n

原始数据一次累加生成生成(0)X的一次累加序列 (1)X={(1)X1,(1)X2，(1)X3...(1)Xn} 对(1)X建立以下灰色模型： d(1)X/dk+a(1)X=U

其中：a 为发展灰度，U 为控制灰度

X(k+1)=(X(1)-U/a)exp(-ak)+U/a; k=2,3,...n;

预测的值：

(0)Xk=(1)Xk-(1)X(k-1),k=2,3,...n; 1.3.2模型求解：

共享单车模式在刚刚兴起时的推广更加理性，ofo 和摩拜单车作为共享单车 市场的先进入者也是占有率最高的两家，二者均处于用户数大量增长阶段。从“2017年Q2中国共享单车行业发展分析报告”得到了摩拜和ofo 在2016

对摩拜与ofo 的用户数量分别利用灰色预测模型进行预测，限于新兴市场的多变性，值预测一段时间的数据，预测结果见下表：

用2017年2月到7月数据进行灰度预测的计算，预测出以后的趋势 红色是ofo 黑色是摩拜 圆圈是实际值

1.3.3 结果分析

共享单车市场本质上是一个重资产领域，庞大的自行车规模构成了共享单车厂商的沉淀成本，那么对于任何重资产型的行业，获得竞争优势的起始点就是资产的规模，规模越大优势越明显；摩拜ofo 还在继续寻求扩大单车市场投放量：在已有城市增加单车密度，在新的城市开拓新的市场。数量也决定了用户的规模和活跃度，在这方面，摩拜ofo 甩开其他竞争对手。

共享单车群雄争霸的格局最终会走向合并，可能会出现只有两三家共享单车企业共存。由以上数据可得出在今后较长时间内，中国共享单车市场格局还是两家独大的局面。

由上图可知，预测摩拜会在以后几个月内持续超越ofo, ，差距将会越来越大，摩拜将为行业第一位置，ofo 则为行业第二。

模型的评价与改进

2. 1模型的优点

虽然查到的数据很少，但我们运用有限的数据对问题进行了求解。问题一，运用简单的数学模型对问题进行求解。问题二我们建立了清晰易懂的模糊综合评价模型，运用了Matlab 对问题进行求解，减少了计算量，使我们的计算结果保持了良好的可视化。

问题三我们在网上手机了大量资料，运用了灰色预测的方法对问题进行了细致的分析，对共享单车市场格局进行预测。

2.2模型的缺点

新兴市场发展很不成熟，各方面信息缺乏比较严重，加大了整个模型的 建立和计算的难度，而且搜集到的企业数据、行业报告和调研统计数据有限，且本身存在系 统误差，在处理数据过程汇总中不可避免产生偶然误差，使得数据的准确性降低。 新兴市场发展很不成熟，各方面信息缺乏比较严重，加大了整个模型的 建立和计算的难度。问题一的计算模型中，忽略了许多因素，使计算误差很大；问题二的模型中共享单车数据比较少，可能是结果不准确；问题三中，只能根据现有数据对结果产生预测推断。

2.3模型的改进

对于共享单车需求量的计算模型，应该依据具体的调研数据；评估共享单车公司模式是否能持续，需要精确的数据和完善的模型，需要从多个方面上来考虑；市场格局的分析中，各个共享单车品牌的用户量不是唯一决定因素，而且必然存在用户重叠现象（既使用摩拜，也使用ofo ），需将重叠用户、忠实用户、企业的经营效益等因素考虑在内。

参考文献

[1]: 作者：hzh, 灵药or 砒霜 共享单车的真实交通影响,http://www.biketo.com/industry/34285.html

[2]：陈熊海，华南区深圳共享单车骑行人数最多，http://sz.southcn.com/content/2017-07/24/content_174854699.htm

[3]:摩拜单车：2017年共享单车与城市发展白皮书（附下载）,http://www.199it.com/archives/581592.html

[4]:QuestMobile 2017共享单车报告：用户规模突破7000万, http://news.ikanchai.com/2017/0710/144237.shtml 附录

syms a b; c=[a b]';

A=[1341 2238 3119 3454 3350 3673];%Ofo 的用户数量 B=cumsum(A); % 原始数据累加 n=length(A); for i=1:(n-1)

c(i)=(B(i)+B(i+1))/2; % 生成累加矩阵 end

% 计算待定参数的值 D=A;D(1)=[]; D=D';

o=ones(1,n-1); E=[-c';ones(1,n-1)]; c=inv(E*E')*E*D; c=c'; a=c(1);b=c(2); % 预测后续数据 F=[];F(1)=A(1); for i=2:(n+6)

F(i)=(A(1)-b/a)/exp(a*(i-1))+b/a; end

G=[];G(1)=A(1); for i=2:(n+6)

G(i)=F(i)-F(i-1); %得到预测出来的数据 end

t1=1:6; t2=1:12; G;

plot(t1,A,'ro', 'LineWidth',2) %绘制原始数据图 hold on

plot(t2,G,'r', 'LineWidth',2) %绘制预测数据图 xlabel('月份', 'fontsize',12) % x 坐标轴设置 ylabel('用户量 /万','fontsize',12) % y 坐标轴设置 set(gca,'LineWidth',2); syms a b; c=[a b]';

A=[702 1807 2648 3770 3860 3482];%mobike 的用户数量 B=cumsum(A); % 原始数据累加 n=length(A); for i=1:(n-1)

c(i)=(B(i)+B(i+1))/2; % 生成累加矩阵 end

% 计算待定参数的值 D=A;D(1)=[]; D=D';

o=ones(1,n-1); E=[-c';ones(1,n-1)]; c=inv(E*E')*E*D; c=c'; a=c(1);b=c(2); % 预测后续数据 F=[];F(1)=A(1); for i=2:(n+6)

F(i)=(A(1)-b/a)/exp(a*(i-1))+b/a; end

G=[];G(1)=A(1); for i=2:(n+6)

G(i)=F(i)-F(i-1); %得到预测出来的数据 end

t1=1:6; t2=1:12; G;

plot(t1,A,'ko', 'LineWidth',2) %绘制原始数据图 hold on

plot(t2,G,'k', 'LineWidth',2) %绘制预测数据图

xlabel('月份', 'fontsize',12) % x 坐标轴设置 ylabel('用户量 /万','fontsize',12) % y 坐标轴设置 set(gca,'LineWidth',2);

共享单车的研究

摘要

本文通过搜集深圳地区共享单车市场的相关数据，主要研究了“互联网+”

时代下共享单车行业和市场需求的综合问题，建立了市场需求模型，企业核心竞争力评价，利用EXCEL 软件和Matlab 对数据进行分析与统计，实现了对共享单车行业现状多角度分析，并对城市居民对于单车的需求进行统计与分析，为企业了解、提高市场竞争力提供了现实依据，在实际应用中有较大的参考价值。

问题一中，我们从共享单车的实际出发，提出了基于人口比例和通勤市场

计算单车需求量的模型。在此模型中，考虑了人口不同年龄段对单车的不同需求，合理的求出基于人口的共享单车的需求量，判断市场是否饱和，能否满足短途需求，解决“最后一公里”问题。基于通勤市场的计算模型，根据市区的地铁站以及公交站的数量来计算深圳市共享单车的需求量，最后 取两种模型计算结果的平均值作为深圳市单车需求量，分析出虽然市场投放量已接近需求量，考虑到误差的存在，可判断现在共享单车已能够解决市民出行“最后一公里”问题。关于对市民出行的影响，我们从市民的出行时间和出行方式两个方面考虑，根据数据显示，共享单车的出现不但改变了市民的出行方式而且减少了出行时间。

问题二中，我们选取了共享单车的九个评价指标，以摩拜和ofo 为案例进

行分析，采用模糊综合评价方法对共享单车的核心竞争力进行评估，评估共享单车行业是否可持续发展，得出共享单车行业可持续发展的结论。由于共享单车的评价受外形、舒适度的影响，且主观影响因素比较大，因此我们选取三个评价目标作为一组，组成评价模糊集合，在设定这些因素在所能选取的评级等级，组成评价的模糊集合，分别求出单一因素对各个评价等级的归属程度，然后根据各个因素在评价目标目标中的权重分配，通过计算，求出评价的定量解值，得出共享单车是可以持续发展的。

问题三中，分析各大共享单车公司会形成何种格局, 查找了很多资料，分析

从共享单车行业兴起到现在市场的情况；灰色预测方法进行推测，对所给数据进行一次累加，用一次累加对预测的值进行求解，预测出为来几个月的摩拜和ofo 的用户数量；画出未来几个月用户数量的增长曲线图以判断未来几个月的市场格局。得益于良好的城市扩张和海外布局，摩拜的用户数量将在下半年超越ofo ，然而在今后较长时间内，中国共享单车市场格局还是两家独大的局面。

关键字：模糊数学，层次分析法，灰色预测，Matlab ，Excel

问题重述

问题背景

市民出行“最后一公里”问题一直是困扰人们交通出行方式的难点，不仅增加了人们出行时间成本和经济成本，还带来了一定的社会隐患，例如黑的、黑摩市场的滋生对市民的人身安全和公共交通的管理都造成了一定的影响。随着“互联网+”时代的到来，共享经济的兴起，有多家公司依托移动互联网建立了共享单车平台，利用大数据，意图解决出行“最后一公里”难题，不仅有利于推行绿色环保出行，而且摆脱了传统市政公共自行车受停车桩的限制，大受推广。

问题一：说明共享单车对城市居民出行产生什么影响，能否解决“最后一公里”问题

问题二：评估现行共享单车公司模式是否能持续

问题三：各大共享单车公司竞争最终谁会胜出（或者是何种格局），详细说明你的理由并给共享单车公司一些建议。

问题分析

问题一：

要求我们分析共享单车对于城市居民出行产生的影响，并考虑能否解决“最

后一公里”问题，即市场上的共享单车投放量是否已经满足短途出行。解决“最后一公里”，从城市对共享单车的需求量考虑，基于不同年龄段人口对共享单车的需求比例求出需求量，并考虑市区的通勤市场（公交站点和地铁站）对于单车的需求建立模型，以求更加合理的计算出市场的单车需求。根据需求量与投放量的对比，得出是否满足居民出行需求。

问题二：

要求对共享单车公司的模式进行评估以判断公司能否持续，对此我们选取了

硬件、软件、产业布局三类评价指标，建立了共享单 车品牌核心竞争力模糊综合评价模型，得出摩拜、ofo 的综合竞争力对比，评估现行共享单车是否能持续。 问题三：

分析各大共享单车公司会形成何种格局, 查找资料，分析从共享单车行业兴

起到现在市场的情况；灰色预测方法进行推测，预测出为来几个月的摩拜和ofo 的用户数量；画出未来几个月用户数量的增长曲线图以判断未来几个月的市场格局。

模型假设

1. 假设16岁以下和65岁以上的人群暂时没有单车需求

2. 假设对单车需求量与受教育程度无关

3. 忽略节假日、天气等原因使得地区的自行车需求量与共享单车供应量发生重

大改变的情况

4. 假设每个地铁站的单车需求量是相同的，每个公交站的单车需求量是相同的

5. 忽略“硬件”、“软件”、“布局”之外其他因素对共享单车核心竞争力的

影响

模型符号及说明

M ：共享单车需求量

P ：深圳市16-64岁之间人口数量

N ：人口对共享单车需求比例

D ：地铁站数量

B:公交站数量

Dd:每个地铁站单车需求量

Bb ：每个公交站单车需求量

u:表示因素集

X ij ：表示因素

n ijz ：表示隶属度

v ：表示一级评价因素集合

L ：判断矩阵

A ：A 层的矩阵

B ：评判向量

(0)X1： 摩拜单车的用户实际值

(0)X2：ofo 单车的用户实际值

模型的建立及求解

1.1 问题一的模型建立与求解

1.1.1问题分析

从城市对共享单车的需求量与投放量的对比判断共享单车能否满足居民的

基本出行，从而解决“最后一公里”问题。由于各个城市的经济发展、人口、建成区面积以及地形等因素的影响，共享单车的发展也不均衡，在此，我们仅选择深圳市进行分析。市场需求受影响因素较多，因此从人口角度和公共交通方面计算单车需求量。

1.1.2 基于人口数量的计算模型

建立人口的计算模型如下：

M=P*N

其中，P 为16-64岁之间人口数量，N 为需求比例

根据数据显示，在共享单车出现后，骑共享单车出行的人占6.8%，将此数

据作为深圳城市居民对于共享单车的需求

图为深圳市各年龄段人口数据，从图可得，深圳16-64岁之间人口数量为

914.64万人，则可求得共享单车的需求量为62万。

1.1.3基于公共站点的计算模型

公交站和轨道交通站口都是共享单车市场需求最为强劲的地区，基于通勤

市场进行计算共享单车的市场需求也是一个合理方法. 根据《白皮书》分析数据，高达90%的用户会把共享单车搭配公交和地铁使用。因此，我们依据通勤市场，建立以下模型：

M=D*Wd+B*Wb

根据数据显示，深圳市目前设有地铁站165座，公交站点12834个，考虑

到地铁站人流量较大，且出口较多，设置每个地铁站对共享单车的需求为300辆，每个公交站点对共享单车的需求为45辆，代入公式，大约需求为62.7万辆。

M=165*300+12834*45=627030辆

以上两种模型求得单车需求辆分别为62万、62.7万，求平均数可得需求

量：

M=(62+62.7)*1/2=62.35万辆

目前市场投放量大约为52万辆，由于计算误差以及实际情况的众多因素，

市场投放量基本可以满足市民的出行需求。

共享单车对市民出行的影响：

在共享单车出现后，自行车出行占比提高6.1%。

《报告》表明，在提高短途出行效率上，共享单车优势明显，特别是在出行距离5km 以内单车更具优势。在“共享单车+”的接驳方式上，地铁占比最高，达到39%，假设传统通勤如果需要65分钟，换成“共享单车+轨道交通”的方式仅需32分钟，节省时间至少一半。、

45%的共享单车骑行集中于早晚高峰时期，分别超过

1000辆地铁、1.5万辆

公交或30万辆出租车的载客量，相当于19%的城市公共交通运力。在“共享单车+”的接驳方式上，地铁占比最高，达到39%。

随着近年来自行车在城市公共交通资源分配比例中的减少，共享单车出现打

破了这种格局。从深圳市交通运输委员会提供的权威数据来看，过去20年深圳慢行交通分担率呈逐年下降的趋势，在共享单车出现后首次出现逆转。仅2017年上半年，自行车出行比例已增长至10.7%，小汽车出行进一步下降。

共享单车上线后，不论是工作日还是节假日，交通拥堵都有了小幅度的下滑，减轻了交通压力，为市民出行提供了很大的便利。

1.2 问题二的模型建立与求解

问题二：要求从单车硬件、软件、投放量等要素是分析市场上两大共享单

车品牌摩拜和OFO ，给出指标说明他们的核心竞争力。构建评价模型的指标体系，建立模糊综合评价模型，病通过该模型对步骤一得到的指标进行多指标综合评价，评估现行共享单车公司模式是否能持续。

1.2.1 建立模型

共享单车是一个典型的“互联网+”式创新，将移动互联网与传统自行车结

合，摆脱了传统停车桩的限制，其创新的商业模式加之倡导的“绿色出行”概念 是社会发展大势所趋。资本的大量涌入，致使各种类型的共享单车雨后春笋般出 现，

其中市场竞争力最强的摩拜和ofo 两者合计的市场份额已超过九成，故选取 二者建立其品牌核心竞争力评价模型。选取尽可能全面、合理的评价指标，对这 些指标对品牌竞争力的影响进行综合分析，得到两大品牌核心竞争力模型。

1. 评价指标的选取

选取共享单车的共享单车的配置、共享单车的外形、共享单车的使用舒适度、品牌的影响力、服务与管理的水平、融资、市场投放量、覆盖到的城市、对海外市场的扩展。

2. 对评价指标的分析

核心竞争力指标不仅包含定量分析，还有定性比较，如品牌影响力、服务管

理水平等。由于共享单车作为一个新兴产业在2016年呈“井喷”态势发展，由于涉及商业机密，本文分析数据以各大咨询机构发布的行业分析报告为主。

本文采用模糊综合评价方法对共享单车品牌的核心竞争力进行评价。将评

价 目标看成是由多种因素组成的模糊集合，再设定这些因素所能选取的评审等级，组成评价的模糊集合，分别求出各单一因素对各个评审等级的归属程度，然后根 据各个因素在评价目标中的权重分配，通过计算，求出评价的定量解值。本方法 可以通过精确的数字手段处理模糊的评价对象，能对蕴藏信息呈现模糊性的资料作出比较科学、合理、贴近实际的量化评价。具体步骤如下。

3. 模糊综合评价方法的建立

设U 为因素集 U={u1，u2，u3}，u1={x11，x12，x13}、u2={x21，x22，

x23}、u3={x31，x32，x33}；P 为评价集P={p1，p2,p3,p4} p1表示很好 p2表示较好p3表示一般 p4表示较差。

通过搜集到的信息和V 构造判断矩阵L

采用层次分析法（简称AHP 法）得到X 层对U 层的权重分别为：（二级对 一

级指标的权重）

N1(n11, n12, n13) N2(n21, n22, n23) N3(n31, n32, n33)

令U i 的一级评判向量为B i ，则在二级评判中，将将每一个U i （i=1，2，3）看成一个因素，U 即为一个因素集，U 的单因素评判矩阵为：

依据AHP 法得出U 层A 层的权重： A=(a1,a2,a3) , 并可得二级评判向

量 B=(b1,b2,b3,b4) 将B=(b1,b2,b3,b4)作归一化处理，然后将b 1和b 2相加，如果两者之和大于0.5，企业拥有较强的核心竞争力; 反之，则较弱。

1.2.2 模型求解

计算模糊综合评价

摩拜单车评价指标：`

0.8 0.1 0.06 0.04 0.45 0.22 0.21 0.02 L1= 0.61 0.3 0.06 0.03 L2= 0.92 0.08 0 0 0.55 0.21 0.13 0.11 0.25 0.42 0.2 0.03

0.9 0.1 0 0

L3= 0.55 0.4 0.05 0

0.84 0.1 0.06 0

采用AHP 法建立各个指标的权重，见下表。

X 层对U 层的权重为：

硬件：N1= 0.3,0.3,0.4

软件 N1= 0.3,0.3,0.4

布局：N1= 0.3,0.3,0.4

一级评判向量为：

⎡0.800.10 0.06 0.04⎤

⎢B1=N1*L= (0.3,0.3,0.40.61 0.30 ) * 1 ⎢ ⎢0.55 0.21 0.06 0.13 ⎥ 0.03= ⎥ 0.11⎥

(0.6430,0.2040,0.0880,0.0650)

B2=(0.5245,0.2610,0.1320,0.0175)

B3=(0.7345,0.1755,0.0825,0.0075)

0.5245,0.2610,0.1320,0.0175

0.7345,0.1755,0.0825,0.0075

确定U 层的权重：硬件B 1、软件B 2、布局B 3在核心竞争力评价中占比分

别为0.25、0.35、0.4。故可确定A (0.25,0.35,0.4)

⎡0.64300.2040 0.0880 0.0650⎤

B=A *L =(0.25,0.35,0.4)0.52450.2610 0.1320 0.0175=

0.7345 0.0825 0.0075⎥ ⎢⎥

(0.6381,0.2126,0.1012,0.0254)

将B 进行归一化处理变为B (0.6530,0.2175,0.1036,0.0260)

摩拜单车综合竞争力评价：C=b1+b2=0.8507

数据处理方式与上述相同，可得ofo 评价结果B 的归一化结果：

B’= 0.5925,0.2030,0.1336,0.0709

ofo 综合竞争力评价：C ’=b1’+b2’=0.7955

1.2.3 模糊综合评价结果

摩拜单车（综合竞争力指标0.8507）和ofo （综合竞争力指标0.7955）作为共享单车市场的两大巨头，都具有很强的核心竞争力。摩拜后来居上，不到一年 时间已经领先于进入市场超过两年的ofo 。硬件方面，摩拜整体做的比ofo 要好， 然而随着时间的推移、各种技术的引进，两者在这方面的差距会越来越小；软件 方面，两者的品牌、融资都经营的较好，服务管理方面还有较大提升空间；市场 布局方面，ofo 不仅在国内已深入扩展到40 多个城市，并且布局于海外，已进入 新加坡、美国旧金山等城市，抢占了大部分市场。

1.3问题三的模型建立与求解

目前共享单车市场中，摩拜和ofo 势均力敌，但作为新兴产业，在中国也仅仅处于起步探索阶段，因此对其未来发展趋势和市场格局演变进行预测尤为重要。 然而，由于各种资本或者其他力量的介入使其二者发展显得变幻莫测，而且发展 时间很短，已有的可供研究的数据非常有限。为了能够更清晰地认识和研究它，将共享单车市场抽象为没有物理原型、因素空间难以穷尽、行为无法控制、信息 不完全的灰色系统，据此可以进行灰色模型预测的研究。

1.3.1 模型建立

灰色模型建立 GM（1,1）模型建立

设原始数据序列为 (0)X={(0)X1,(0)X2,(0)X3...(0)Xn};

(1)Xk=(0)X1+(0)X2+...+(0)Xk,k=1,2...n Δ(1)Xk=(1)Xk-(1)X(k-1),k=2...n

原始数据一次累加生成生成(0)X的一次累加序列 (1)X={(1)X1,(1)X2，(1)X3...(1)Xn} 对(1)X建立以下灰色模型： d(1)X/dk+a(1)X=U

其中：a 为发展灰度，U 为控制灰度

X(k+1)=(X(1)-U/a)exp(-ak)+U/a; k=2,3,...n;

预测的值：

(0)Xk=(1)Xk-(1)X(k-1),k=2,3,...n; 1.3.2模型求解：

共享单车模式在刚刚兴起时的推广更加理性，ofo 和摩拜单车作为共享单车 市场的先进入者也是占有率最高的两家，二者均处于用户数大量增长阶段。从“2017年Q2中国共享单车行业发展分析报告”得到了摩拜和ofo 在2016

对摩拜与ofo 的用户数量分别利用灰色预测模型进行预测，限于新兴市场的多变性，值预测一段时间的数据，预测结果见下表：

用2017年2月到7月数据进行灰度预测的计算，预测出以后的趋势 红色是ofo 黑色是摩拜 圆圈是实际值

1.3.3 结果分析

共享单车市场本质上是一个重资产领域，庞大的自行车规模构成了共享单车厂商的沉淀成本，那么对于任何重资产型的行业，获得竞争优势的起始点就是资产的规模，规模越大优势越明显；摩拜ofo 还在继续寻求扩大单车市场投放量：在已有城市增加单车密度，在新的城市开拓新的市场。数量也决定了用户的规模和活跃度，在这方面，摩拜ofo 甩开其他竞争对手。

共享单车群雄争霸的格局最终会走向合并，可能会出现只有两三家共享单车企业共存。由以上数据可得出在今后较长时间内，中国共享单车市场格局还是两家独大的局面。

由上图可知，预测摩拜会在以后几个月内持续超越ofo, ，差距将会越来越大，摩拜将为行业第一位置，ofo 则为行业第二。

模型的评价与改进

2. 1模型的优点

虽然查到的数据很少，但我们运用有限的数据对问题进行了求解。问题一，运用简单的数学模型对问题进行求解。问题二我们建立了清晰易懂的模糊综合评价模型，运用了Matlab 对问题进行求解，减少了计算量，使我们的计算结果保持了良好的可视化。

问题三我们在网上手机了大量资料，运用了灰色预测的方法对问题进行了细致的分析，对共享单车市场格局进行预测。

2.2模型的缺点

新兴市场发展很不成熟，各方面信息缺乏比较严重，加大了整个模型的 建立和计算的难度，而且搜集到的企业数据、行业报告和调研统计数据有限，且本身存在系 统误差，在处理数据过程汇总中不可避免产生偶然误差，使得数据的准确性降低。 新兴市场发展很不成熟，各方面信息缺乏比较严重，加大了整个模型的 建立和计算的难度。问题一的计算模型中，忽略了许多因素，使计算误差很大；问题二的模型中共享单车数据比较少，可能是结果不准确；问题三中，只能根据现有数据对结果产生预测推断。

2.3模型的改进

对于共享单车需求量的计算模型，应该依据具体的调研数据；评估共享单车公司模式是否能持续，需要精确的数据和完善的模型，需要从多个方面上来考虑；市场格局的分析中，各个共享单车品牌的用户量不是唯一决定因素，而且必然存在用户重叠现象（既使用摩拜，也使用ofo ），需将重叠用户、忠实用户、企业的经营效益等因素考虑在内。

参考文献

[1]: 作者：hzh, 灵药or 砒霜 共享单车的真实交通影响,http://www.biketo.com/industry/34285.html

[2]：陈熊海，华南区深圳共享单车骑行人数最多，http://sz.southcn.com/content/2017-07/24/content_174854699.htm

[3]:摩拜单车：2017年共享单车与城市发展白皮书（附下载）,http://www.199it.com/archives/581592.html

[4]:QuestMobile 2017共享单车报告：用户规模突破7000万, http://news.ikanchai.com/2017/0710/144237.shtml 附录

syms a b; c=[a b]';

A=[1341 2238 3119 3454 3350 3673];%Ofo 的用户数量 B=cumsum(A); % 原始数据累加 n=length(A); for i=1:(n-1)

c(i)=(B(i)+B(i+1))/2; % 生成累加矩阵 end

% 计算待定参数的值 D=A;D(1)=[]; D=D';

o=ones(1,n-1); E=[-c';ones(1,n-1)]; c=inv(E*E')*E*D; c=c'; a=c(1);b=c(2); % 预测后续数据 F=[];F(1)=A(1); for i=2:(n+6)

F(i)=(A(1)-b/a)/exp(a*(i-1))+b/a; end

G=[];G(1)=A(1); for i=2:(n+6)

G(i)=F(i)-F(i-1); %得到预测出来的数据 end

t1=1:6; t2=1:12; G;

plot(t1,A,'ro', 'LineWidth',2) %绘制原始数据图 hold on

plot(t2,G,'r', 'LineWidth',2) %绘制预测数据图 xlabel('月份', 'fontsize',12) % x 坐标轴设置 ylabel('用户量 /万','fontsize',12) % y 坐标轴设置 set(gca,'LineWidth',2); syms a b; c=[a b]';

A=[702 1807 2648 3770 3860 3482];%mobike 的用户数量 B=cumsum(A); % 原始数据累加 n=length(A); for i=1:(n-1)

c(i)=(B(i)+B(i+1))/2; % 生成累加矩阵 end

% 计算待定参数的值 D=A;D(1)=[]; D=D';

o=ones(1,n-1); E=[-c';ones(1,n-1)]; c=inv(E*E')*E*D; c=c'; a=c(1);b=c(2); % 预测后续数据 F=[];F(1)=A(1); for i=2:(n+6)

F(i)=(A(1)-b/a)/exp(a*(i-1))+b/a; end

G=[];G(1)=A(1); for i=2:(n+6)

G(i)=F(i)-F(i-1); %得到预测出来的数据 end

t1=1:6; t2=1:12; G;

plot(t1,A,'ko', 'LineWidth',2) %绘制原始数据图 hold on

plot(t2,G,'k', 'LineWidth',2) %绘制预测数据图

xlabel('月份', 'fontsize',12) % x 坐标轴设置 ylabel('用户量 /万','fontsize',12) % y 坐标轴设置 set(gca,'LineWidth',2);