欧洲共享出行市场研究动态

在欧洲推动运输减排和气候中和的城市交通计划背景下，提供共享出行服务的城市成为实现“2030年建成100个气候中和城市”这一城市使命的重要参与者。既有研究发现，欧洲共享出行市场的演变体现为共享出行方式选择和共享出行管理方式两个方面。早期的共享出行方式主要为自行车和汽车，并采用站点式(station-based)管理模式，即用户需要在固定站点取车和还车。自2017年以来，随着私人运营商积极参与，共享出行方式变得更加多样化，新增轻便摩托车、滑板车和货运自行车。与此同时，共享出行管理方式也更加灵活，引入自由流动式(free-floating)和混合模式(hybrid schemes)的管理方式，允许用户在任意合法停车点或指定区域停放。共享出行方式多样化和共享出行管理方式灵活化为城市居民提供了更加便捷、灵活的出行选择。共享出行服务已经成为城市交通系统中不可或缺的一部分，并在一定程度上减轻了客运系统压力、减少了碳排放，对推动城市交通绿色、可持续发展具有重要意义。其中，共享单车、共享货运自行车、共享滑板车、共享轻便摩托车等服务统称为微出行(micro-mobility)。这类微出行方式快速普及并显著改变了市民短途出行方式。

各类共享出行方式对居民的出行行为存在潜在影响：基于站点的共享单车更多运用在日常通勤中；自由流动式的微出行方式更多以娱乐为目的，也可取代公共交通、步行和私人自行车出行；共享货运自行车和共享汽车拥有替代私人汽车的潜力。既有研究发现，在不同监管框架和经济条件等当地因素影响下，欧洲各国共享出行市场发展并不均衡，并非所有欧洲共享出行市场都被视为有潜力的市场。私人运营商通常更加关注具有盈利潜力的市场。考虑到可用资源的差异，公共运营商或公私合营运营商会制定不同的共享出行计划。既有研究还发现，多种因素会对共享出行方案制定产生重要影响，这些因素包括城市建成环境(如公共交通基础设施建设、人口密度)、社会人口因素(如年龄、收入、汽车拥有率、目标群体)、地理环境要素(如温度、降水、地形)等。

尽管共享出行对于欧洲建立可持续城市交通具有重要意义，但是既有研究对欧洲大城市共享出行情况缺乏了解，也缺乏对共享模式和方案的数据分析。基于此，《欧洲共享出行市场分析：311个欧洲城市共享出行方案的比较分析》一文旨在补充欧洲大城市共享出行服务的相关数据，并在考虑城市特征的基础上对欧洲共享出行市场进行深入分析。该论文主要研究以下问题：1)欧洲共享出行的分布情况；2)在共享出行市场中哪些国家、地区和城市领先或落后；3)不同地区共享出行方式类型；4)共享出行运营商活跃于哪些地区和城市；5)公共机构主要参与领域；6)当下共享出行市场结构的影响因素。

首先，该论文针对人口在10万人以上的311个欧洲城市构建了包含本地共享出行市场信息和影响共享出行相关变量的数据体系。本地共享出行数据获取来源包括地方交通主管部门网站、提供共享出行解决方案的国家利益组织(如英国的CoMoUK、比利时的Autodelen.net等)、现有展示共享出行分布的地图(如全球共享单车地图、全球共享轻便摩托车地图等)和运营商网站。同时还考虑影响城市共享出行数据的其他变量，包括社会人口因素(年龄、收入、性别、教育水平和汽车拥有率)、目标群体(游客、家庭和学生)、城市建成环境(土地面积、人口密度、自行车基础设施)、天气(温度)和地形，并对这些数据进行定性分析，以对市场进行初步了解，方便进一步聚类分析。

其次，在数据收集完成后，采用K-means聚类分析法和潜在类别聚类分析法(Latent class clustering analysis, LCCA)对311个城市共享出行市场进行分组。首先选择可以代表当地共享出行服务竞争力(competitiveness)、综合性(comprehensiveness)和结构(composition)的变量，包括不同运营商、不同交通方式类别的数量。接着运用K-means和潜在类别聚类分析法细分相似市场并对城市进行分组，将具有相似特征的数据点连接起来，识别数据库的结构，以便对数据进行分类。运用K-means聚类分析法计算样本点之间的欧式距离，将相似的样本点归为一类，直到达到预设的聚类数目。运用潜在类别聚类分析法进行分析，与K-means聚类分析法给出确定性结果相比，其并不给出确定性结果，旨在为观测值是否属于某个类别分配一个概率，以便将观测值分配给不同类别。潜在类别聚类分析法的优点在于可以根据统计信息标准选择最优模型，该论文运用贝叶斯信息准则(Bayesian Information Criterion, BIC)和完全信息似然(Integrated Completed Likelihood, ICL)来确定最优的类数。

最后，为确保聚类结果的准确性和可靠性，对两种方法的结果进行交叉验证。经过数据聚类和聚类验证阶段后，该论文发现9个聚类是最优解决方案，这些聚类在共享出行市场特征上表现出显著的区分度(见表1)。

表1 9个不同聚类及所对应的城市数量占比

共享出行服务广泛分布在人口超过10万人的欧洲城市中。首都、经济中心等大城市是共享出行的主要市场，这些城市通常也拥有较高的经济潜力和更完整的交通基础设施。例如德国、法国、荷兰等国家在推动共享出行方面走在世界前列，不仅可以提供更全面的共享出行服务，也拥有较为成熟和多元的共享出行市场。相反，受经济发展水平、政策环境、居民生活习惯等多种因素影响，一些东欧或南欧城市的共享出行市场发展相对滞后。

不同的共享出行服务类型在不同地区的分布情况存在差异，其市场接受度和普及度也各不相同。例如，西欧和北欧许多城市以共享单车和共享汽车为主导；而在南欧城市，共享滑板车因其灵活性和便捷性而更受欢迎。总体来说，微出行在大多数城市中占据主导地位，尤其是在城市中心区和短途出行中。同时，共享汽车服务也在部分城市中得到了广泛应用，特别是在那些鼓励减少私人汽车使用的城市中。

欧洲共享出行服务市场呈现多家运营商共存、竞争激烈的格局。运营商分为私人运营商和公共运营商。私人运营商通常主导微出行市场，能够快速适应市场变化，推出新车辆类型和新运营形式。公共运营商则在共享汽车和公共交通整合以及推动共享出行发展方面发挥着重要作用，通过提供补贴或与其他管理措施(如拥堵收费计划、设置低排放区等)协同来提升公共交通的整体效率，其推动作用体现在政策制定、基础设施建设和市场监管等方面。国际知名的私人运营商(如Nextbike，Bolt，Lime等)在服务覆盖范围和所提供的共享出行方式类型上存在差异。这些运营商为欧洲多个城市提供多样化服务，其中部分运营商仅提供某一类共享出行方式，有的则同时提供多种共享出行方式。

公共机构在共享出行市场中扮演着重要的政策制定者和监管者角色，通过制定相关法规、设立行业标准和提供政策补贴等方式引导和规范市场发展。在一些城市中，公共机构直接参与运营共享出行服务，或通过与私人运营商合作来扩大服务范围和提高服务质量，以提高公众接受度和使用率。

经济、政策、社会、地理４方面影响因素对共享出行市场结构的形成有辅助解释作用。经济发展水平是影响共享出行市场的关键因素之一，经济发达城市往往拥有更多资源和资金投入，能够吸引更多运营商并提供更多服务类型。这些城市通常有较高的居民生活水平、更完善的交通基础设施和较高的公众接受度。而经济相对落后的城市则可能面临资源匮乏、交通基础设施不完善等问题，限制了共享出行市场的发展。政府监管政策和支持力度也对市场发展有深远影响，开放的政策环境、税收优惠和补贴政策能够激发市场活力和创新，极大程度地鼓励私人运营商进入市场。例如国际共享滑板车运营商提供的共享服务并不如传统预期那样集中在经济发达、人口密集的大城市，而是更多地转向东欧和南欧经济欠发达的城市，因为这些城市的限制措施相对宽松，对滑板车运营商的发展更有利。社会因素主要包括不同人群、不同出行需求差异对共享出行服务发展的影响，研究发现拥有0~17岁儿童的家庭占比较低的城市，其共享出行市场更加多元。地理因素包括天气、海拔等因素，研究表明气温较低的城市更易采用共享汽车和共享滑板车作为共享出行方式，海拔较低城市的共享出行市场呈现除共享滑板车外其他共享出行方式并存的局面。

该论文形成了一个可以更好了解各类共享出行方案的数据集，对评估共享出行市场未来发展、识别市场发展结构演变和风险具有重要意义。

该论文的局限性主要体现在5方面：1)没有考虑人口低于10万人的小城市；2)未能考虑共享出行工具的具体数量及覆盖程度；3)缺乏关于制度背景和公共交通系统的信息，例如地方立法、公共交通建设质量和覆盖范围等；4)制度环境和公共交通系统纳入考量之后，将如何影响本研究的结果有待长期观察；5)未能对想要吸引运营商入驻的地区提供政策建议。

论文最后给出了未来研究中可扩展的方向：1)关注政策背景和公共交通系统对共享出行服务市场的影响，包括不同城市和地区的法规如何影响共享出行服务的发展和吸引力；2)未来可以跟进共享出行市场的发展，以了解市场如何演变，更彻底地剖析不同政策框架的作用；3)以运营商视角研究其选择城市的动机，帮助政策制定者深入了解哪些政策可以助力共享出行服务市场的发展。

资料来源：COENEGRACHTS E, VANELSLANDER T, VERHETSEL A, et al. Analyzing shared mobility markets in Europe: a comparative analysis of shared mobility schemes across 311 European cities[J]. Journal of transport geography, 2024, 118: 103918.

《城市交通》2025年第1期刊载文章