TechWeb 6月26日報道 文/王蒙
收費(fèi)員楊大爺每天早上表情都欠好,他覺得這種改變是從越來越多的共享單車進(jìn)入中關(guān)村開始的。
圖注:中關(guān)村蘇州街
63歲的楊大爺在中關(guān)村蘇州街上承包了13個泊車位,這些泊車位緊鄰寫字樓前的自行車公共泊車區(qū)域。上個月,一輛停放在公共泊車位的共享單車倒了,把一輛停靠在他承包車位的寶馬前門劃了。不知道是誰把自行車弄倒了,最后楊大爺把這個“鍋”給背了,賠了寶馬車主400元。
每個泊車位每年的承包費(fèi)是2.1萬元,擁有13個泊車位的楊大爺每年要向物業(yè)公司交納27.3萬元的承包費(fèi)。他給TechWeb算了一筆賬,每個泊車位每天要收58塊錢,他的成本才能收回來。每停放一個小時10元錢,賠給寶馬車主的400元錢,意味著一個車位兩天的收入沒了。
楊大爺有想過跟這些共享單車公司的人交涉,但他找不到人。每天早上有來寫字樓前收共享單車運(yùn)往地鐵口的人,他跟這些人溝通過,但他們的回復(fù)是,“我不是他們公司的,這事我管不了?!?/p>
楊大爺覺得現(xiàn)在的年輕人不行,“說起來都是念過書的大學(xué)生,都壞透了。這里(指自行車公共泊車位——TechWeb注)明明都擠得滿滿當(dāng)當(dāng),還是有人硬往里放,這一片車就全倒了?!?/p>
倒下來的自行車成了停放在旁邊私家車的“按時炸彈”,楊大爺勸那些騎車的人,公共泊車區(qū)域停滿了,就不要硬往里放了,但是沒人聽他的。一個不留神,還有人直接把共享單車停在他承包的車位上。除了指揮倒車,楊大爺最多的事就是擺放共享單車。
楊大爺說,每天早上喉嚨都喊破了,讓人好好放自行車,但瞎停瞎放的問題還是解決不了。
圖注:蘇州街銀科大廈公共泊車區(qū)
在菁菁的記憶里,各種顏色的共享單車中,摩拜是最早進(jìn)入中關(guān)村的。但不到兩個月,ofo小黃車就跟進(jìn)了。因?yàn)橥度肓看?,橘色和黃色自始至終都是“彩虹車”中最顯眼的顏色。
摩拜剛進(jìn)入中關(guān)村,菁菁就下載了應(yīng)用。每天早上從地鐵走到寫字樓那十五分鐘,因?yàn)橛辛四Π菘梢员豢s短到五分鐘。這就意味著她每天早上可以多睡十分鐘。但是菁菁逐漸發(fā)現(xiàn),早高峰地鐵口的共享單車是搶手貨,她未見得可以找到。
隨著單車投放量的加大和人工運(yùn)維人員的投入,早高峰沒車的問題得到了緩解,但新的困擾又來了——寫字樓前公共泊車位停滿了共享單車,她找不到泊車的位置。
從找車難到泊車難,共享單車越來越多,但北京的公共泊車位已經(jīng)不夠用了。
潮汐
是中關(guān)村的共享單車太多了嗎?TechWeb現(xiàn)在沒有準(zhǔn)確的數(shù)據(jù)去下這樣一個結(jié)論。但從一個側(cè)面可以看出,產(chǎn)生上述問題的主要原因并非車輛投放問題,而是目前所有共享單車企業(yè)都沒有找到應(yīng)對之道的潮汐現(xiàn)象。
TechWeb不雅觀察發(fā)現(xiàn),早間停放在寫字樓前的大量單車,晚上7點(diǎn)90%的車輛就已經(jīng)被騎走。早間停放在寫字樓前的共享單車到了晚間大量聚集在地鐵口。
TechWeb曾就摩拜單車出現(xiàn)的地鐵“潮汐現(xiàn)象”提問摩拜單車創(chuàng)始人胡瑋煒,“您是否認(rèn)為這是一個需要改進(jìn)的問題,如果這的確是一個需要改進(jìn)的問題,摩拜單車會如何改進(jìn)?要知道ofo已經(jīng)開始展開人工運(yùn)營模式,早高峰后將聚集在寫字樓前的小黃車運(yùn)送到地鐵附近?!?/p>
胡瑋煒的回復(fù)是,“摩拜單車的整個騎行是完整的生態(tài)過程,它自有循環(huán)流動的路徑。當(dāng)然我們也意識到了很多用戶反映的這個潮汐現(xiàn)象,我們也的確在開始布局人力去進(jìn)行報答調(diào)動。但是整體上,我們還是把摩拜單車的騎行放在整個城市交通運(yùn)行的大環(huán)境中去考慮,騎行者是能夠通過他們的騎行完成摩拜單車自然流動的。”
本年3月23日,摩拜單車頒布頒發(fā)上線“紅包車”,希望通過類似游戲的模式,吸引市民將車輛騎到更需要的地方,完成“任務(wù)”可以獲得紅包獎勵。讓局部車輛供需失衡情況得以改善,不再單純依賴人力進(jìn)行調(diào)度。
摩拜紅包車上線3個月以來,對于地鐵潮汐現(xiàn)象的解決并沒有太強(qiáng)作用。早高峰地鐵釋放的巨大人流量依靠人力或者紅包車其實(shí)是極難平衡的。
TechWeb在ofo小黃車對外發(fā)布的新聞稿件中發(fā)現(xiàn),對于潮汐問題,ofo小黃車是這樣表述的,“共享單車具有明顯的潮汐效應(yīng),且騎行需求受天氣等因素影響,ofo利用卷積神經(jīng)網(wǎng)絡(luò),提取差別時段同一區(qū)域或者同一時段差別區(qū)域的圖像相關(guān)性特征,以精準(zhǔn)預(yù)測下一個時段某一區(qū)域內(nèi)會出現(xiàn)的需求數(shù),從而為運(yùn)營調(diào)度提供更好的決策,實(shí)現(xiàn)智能運(yùn)營。”