第一財經·新一線城市研究所與ofo小黃車最新聯合發布了“共享單車城市出行大數據”，并解讀了成都整座城市的共享單車出行情況。

解決城市中最后一公里的出行需求，被認為是共享單車對中國城市最重要的意義。隨著運營的深入，ofo出行大數據也可以反映出城市內更深層次的出行痛點。

好比成都地鐵 1 號線的天府三街站是一個典型的潮汐站，這個地鐵站附近是天府軟件園的辦公樓群，由于城南只有 1 號線一條地鐵線路通達，因此東西標的目的的上下班人群都會選擇騎車通勤。早上 8 點，大量單車被從周邊的居住區騎到這里的天府軟件園，到達天府三街站的共享單車量是從天府三街出發的一半，而晚上 6 點的情況相反，下班后又密集地從這里出發離開。

騎共享單車前往成都 4 號線上的太升南路站和 2 號線的東門大橋站的人明顯比從這里出發的人更多，而人民公園站則更像是一個出發目的地。市中心春熙路在早高峰是一個進出均衡的地點，但從下午開始會有更多的人騎車從這里出發去更多目的地。

并且，在成都，平均每天有超 9000 人騎著小黃車往返于春熙路地鐵站;平均每天有超 6500 人騎著小黃車往返于天府三街地鐵站;平均每天有超 6000 人騎著小黃車往返于市二病院地鐵站，且出行高峰均在早晚高峰。

別的，ofo大數據還顯示，西南石油大學附近有一些極為熱門的起終點線路組，這也是這片區域的公共交通不發達帶來的結果。西南石油大學成為了熱門的往返區域，對照這些單車線路周邊的公共交通狀況，這些區域現有更多的是縱向公交線路，而缺乏橫向的交通網絡。

“城市里的交通樞紐是根據人們出行的規律來設置的，，我們是在這個基礎上把公共交通延伸到人們生活工作場景最后一公里。”張嚴琪說，在ofo剛進入一個城市時，通常會首先在人流量大、用車需求高的大型交通樞紐附近嘗試投放單車，然后等這些站點的車都被騎走之后，就有數據來分析在這座城市的具體運營策略了。

城市運營數據的分析是一項復雜的工作。從校園單車起家的ofo過去可以憑經驗來判斷學校的宿舍、食堂、教學樓、圖書館等起終點之間的用車潮汐規律，但到了使用場景極其復雜的城市環境中，張嚴琪的團隊會需要更多數據分析來幫手決定車輛的投放。

隨著運營的深入，ofo的數據也可以反映出城市內更深層次的出行痛點。如果比較城市內同級別熱度的起終點覆蓋范圍，你會發現，終點能夠覆蓋更廣泛的面積。從整體趨勢看，城市人使用共享單車的整體路線是從城市內向城市外圍離散的。

這種早晚高峰、區域供需的不服衡也是為什么我們常常能在路邊看到調度共享單車的卡車或是面包車的原因。從ofo的運營經驗看，城市中的共享單車流向通常有兩種模式。一種的單向流動，人們只往一個標的目的騎車而不會把車騎回來，也需要運營調度將終點的車運回來;另一種是雙向流動，這條路線上的單車基本不需要人工干預。

在ofo小黃車，線下的調度師傅按照線上數據平臺反饋的信息，結合自身經驗，把擴散到城市外圍的單車運到高頻使用地區。

但數據平臺只能顯示一個結果，好比在北京的大望路地鐵站有一些滯留的共享單車，從其他地區流向這個站點后就不太移動。數據平臺只能顯示這個現象，并不知道為什么。而在現場調度師傅發現，單車通常積壓在出京往燕郊標的目的的一邊——從燕郊坐車進京上班的人們并不會為了騎車特地跨過一個天橋，這就需要線下的團隊給線上數據平臺系統增補信息。

“有些時候機器算法告訴我們某個點的日單量很高，但看不出有什么規律，我們就先去投放，然后再做線下調研反饋，幫手系統變得更聰明。”張嚴琪說，目前ofo的數據平臺能夠告訴調度團隊將單車往回拉最合適的時間，并匹配出最優的回流路線。

“其實只要能騎自行車的城市都適合共享單車。”張嚴琪說。只是從一家公司運營的角度看，ofo需要從市場規模上判斷哪些城市更值得優先進入。

按照一套包孕城市面積、人口、出行規律、公交規劃、天氣、降雨量、消費水平等因素建立的算法模型，ofo小黃車會為城市測算出一個分數，這也是張嚴琪判斷一個城市“是不是準備好了”的依據。

ofo當前對外公布的最新進駐城市數量是 120 個，并計劃在本年年底將這個數字提升到 200 個，這意味著更多三四線甚至五線城市的街頭也會出現小黃車——也許還有它的競爭對手們。