曼哈顿Uber数据为证,拼车服务并不会加重交通拥堵

简介:



纽约市长Bill de Blasio 在这个夏天盯上了Uber,尝试 (却无法) 限制Uber在城市里运营的车辆数目的上限。拼车服务在很多问题上都引起了广泛批评—包括其劳工问题 — 但市长更担心的是交通拥堵。纽约街道上黄色绿色的出租车数量都是由城市严格仔细控制的,现在额外加入的无上限的Uber舰队,是否将会导致城市交通的堵塞和瘫痪?



基于这些年的统计,这些担心似乎是毫无根据。根据FiveThirtyEight 的数据分析,Uber并没有造成接单量的增加—至少不在曼哈顿。相反,拼车服务在市中心取代了出租,同时对繁华区的乘车需求进行了补给。


为了响应我们在今年7月根据信息自由法提出的查询申请,纽约出租车与轿车委员会于上个月(9月)做出了回应。他们提供给我们Uber从今年1月到6月接单量的数据。加上该协会根据我们去年的申请所提供给我们的 14 年 4月到9 月的数据,我们现在可以来对比每年的 4月到 6 月。毫无疑问,由于Uber公司在市场上的猛烈进军,Uber这段时间在纽约的接单量增长的很迅猛。根据纽约出租车与轿车委员会在线信息,绿色出租车(指在北曼哈顿和周边街区接单的车)看到增幅,黄色出租车同时却在衰减。但总体来说,这三种出租车服务(我们没有2015年黑色出租车在不同地点的接单量数据)已从4千8百万涨到5千1百万。


这3百万接单量的增幅听起来是个不小的数字,但是真正的大问题是—正如经济学家杂志在8月份提出的—这3百万接单的出租车辆都是从哪里开来的。如果这些新增的接单车辆都是从市中心或者曼哈顿下方来,那么这将给这些本来就是交通堵塞十分严重的城市区域带来更大的压力。这也是de Blasio担心的地方,因为这些核心地段也是Uber对司机回扣给予的最多的地段。另一方面,由于在北曼哈顿及其他地区有曾尝试通过The Green Boro Taxi项目提供更多的出租,所以在这些地区Uber接单并不是什么大问题。因此如果Uber想要首先在这些地区增加接单量的话,对于市长来说,想在这些地区打击Uber就变得更困难了。


下方的地图表明了从14年4月-6月和15年4月-6月总共,仅出租和仅Uber在接单量上的变化。蓝色代表着接单量减少,红色代表接单量增加。



对于Brooklyn和Queens,出租和Uber接单量都有增长,尤其是在Gentrifying区域。在这些相邻区域,两种服务互相补给。Uber在Staten Island和Bronx也收获了一定的市场,而出租于此同时在这些区域却是表现平平。在上图圈中的曼哈顿区域,绿色出租车是被禁止接单的,而在15年的4月到6月间,Uber正是在这片区域里对比上年同期达到了382万的增长,然而同一区域,Taxis在同一时期损失了383万。所以总体的接单量并没有很明显的改变:14年的3937万对15年的3936万。



图:Uber在这个曼哈顿正在取代出租车


这种转变在整个核心区域是一致的。在这部分城市区域内,有51个出租车区域,而且在我们已经对Uber积极推广的战略的预测下,他们的乘客在每个区域都在增加。与此同时,出租车在每个区域内都几乎以1:1的获取损失比例失去了乘客。


对比2014年4月到6月以及 2015年同期,该图比较了在市中心出租车区域出程车乘客数量与Uber乘客数量的变化程度。



一个值得注意的案例是,在最大的私有房地产开发的所在地西切尔西区/哈德逊庭院地区,Uber乘客增加了112000但出租车“只”减少了63000个乘客。在特里贝克地区也是同样的,Uber乘客的增加量远高于出租车损失的乘客数,共额外多出51000的搭乘数。但是包括从临街社区到曼哈顿岛60街南边共同构成的曼哈顿中央商务区在内的其他地区,净搭乘数是下降的或者是非常有限的增长。因此,总体来讲,Uber赢得了310万乘客而出租车损失了309万乘客。


在曼哈顿,乘坐者也从出租车转向Uber,这也许是受到Uber优势特性的吸引:车更新,无需挥手招车,司机评分及没有小费(译者注:在美国吃饭或乘车等需要额外付一定比例的小费)。但是这些特性并没有让曼哈顿居民远离自己的私家车,地铁,公交车及自行车。因为包括出租车与Uber在内的全部乘车者数量并没有增长。


值得注意的是净乘客数与拥堵没有精准的相互呼应关系,因为我们没有其他Uber的竞争公司比如Lyft以及当地黑色出租车公司的上下车地点及行程长短的数据。这也许因为相比去年,有更多的空出租车在曼哈顿穿行,然而对于那些租车的司机而言,这个空驶并不经济,因为它无法持续太久。


“接单数并不是所有,他们不能掩盖造成拥堵的真正原因,”市长 de Brasio的发言人Wiley Norvell在一篇邮件中提到。他说,那些真正的原因包括路上有多少供出租的车,他们的行程多远,还有他们中多少往来经营。他又提到这所城市正在用一种“完全分析法”来发现哪些因素造成了交通拥堵。


Uber纽约市总经理Josh Mohrer不认为Uber增加了曼哈顿最繁忙地区的交通。在工作日早7点到晚7点,Uber在曼哈顿中心商业区的平均车数为2000辆,他在电话采访中说道,“在这个交通拥堵块,我们完全不起作用。”


由于曼哈顿的庞大乘车数,多出的400万Uber乘客只在此处把市场占有率从4%增加到13%。Uber在曼哈顿外的市场占有率在去年时要高于曼哈顿,在今年曼哈顿外仍比在曼哈顿内要高出许多而且持续增长。他们高兴地指出:( Uber市场地区占有率表如下)


这些变化是惊人的,在布鲁克林出租车与Uber的乘车比是2:1,因此这掩盖了两方真正较量的地方。超过70%的Uber与80%出租车的乘客始终在曼哈顿,这个纽约市最繁华最富有的地区。这显示了至少在目前为止,Uber和出租车可以在曼哈顿外和平共处。但是在曼哈顿,出租车或许陷入了困境。


声明(10月13日下午7:15):之前文中提到关于在纽约市对Uber限制的最大程度是不准确的。尽管Uber车辆的数目没有被管理化,但是司机和车辆都被纽约市出租车与礼车委员会管理并被赋予执照。


原文发布时间为:2015-10-25

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
算法 网络虚拟化 数据安全/隐私保护
计算机网络——数据链路层(三)
计算机网络——数据链路层(三)
1137 0
计算机网络——数据链路层(三)
|
Java 关系型数据库 MySQL
Springboot 导入导出Excel ,一对多关系,复合表格、合并单元格数据
Springboot 导入导出Excel ,一对多关系,复合表格、合并单元格数据
2776 1
Springboot 导入导出Excel ,一对多关系,复合表格、合并单元格数据
|
6月前
|
人工智能 监控 Ubuntu
装了OpenClaw不会用?阿里云/本地部署零基础保姆级步骤+免费API配置+11类实战案例及避坑指南
2026年,OpenClaw(曾用名Clawdbot)已从“小众工具”成长为“全场景AI助手”,但多数用户面临“部署易、用透难”的困境——仅完成安装却不知如何落地实际场景,让强大的开源生态沦为“摆设”。事实上,OpenClaw的核心价值藏在ClawHub的海量Skill中:从金融投资的股票分析、新媒体的全自动运营,到办公场景的会议纪要生成、跨平台信息搜索,11类高频实战案例能覆盖80%的日常需求。
1081 2
|
11月前
|
Kubernetes API 开发工具
Kubeflow-Pipelines-架构学习指南
本指南带你深入 Kubeflow Pipelines 架构,从零掌握 ML 工作流编排。涵盖核心组件、代码结构、开发调试及贡献流程,结合实战练习与学习路径,助你由使用者进阶为贡献者。
1441 139
|
7月前
|
人工智能 缓存 文字识别
Python驱动的PDF信息提取与结构化输出:从文本到表格的全流程解析
本文详解Python处理PDF的三大场景:文本提取(PyPDF2/pdfplumber)、扫描件OCR(Tesseract+pdf2image)、表格结构化(Camelot/tabula),结合真实案例演示精准提取与自动化输出,助力合同、发票等业务数据高效数字化。(239字)
1043 1
|
10月前
|
小程序 前端开发 关系型数据库
告别“月月光”:Uni+Php校园系统小程序,给大学生的低成本创业方案,学业赚钱两不误
uni+Php,寓意“大学加技能”,融合技术与校园生活。轻量小程序整合跑腿、团购、打印等服务,助力学生技能变现。PHP低成本架构,快速落地,覆盖代取快递、宿舍团购、失物招领等高频需求,打造校园一站式服务平台,实现多渠道盈利,月入过万可期。
告别“月月光”:Uni+Php校园系统小程序,给大学生的低成本创业方案,学业赚钱两不误
|
8月前
|
存储 缓存 固态存储
如何恢复格式化的电脑文件数据
误格式化≠数据消失!快速格式化仅清除索引,文件仍可恢复。关键:立即停止写入、勿装软件、避免覆盖。用专业工具扫描并预览,找回文件后另存他盘。注意SSD的TRIM与文件碎片化影响。冷静+正确操作=高概率拯救数据。备份才是根本!(239字)
|
12月前
|
人工智能 安全 数据库
《从延迟300ms到80ms:GitHub Copilot X+Snyk重构手游跨服社交系统实录》
本文复盘了MMORPG手游“星辰纪元”“跨服公会战”版本中,借助GitHub Copilot X与Snyk实现人机协同,破解“跨服社交数据同步”难题的21天实战。项目初期因10服分布式架构下“延迟与一致性”矛盾,同步延迟飙升至300ms,数据错误率达5%,常规优化无效。引入AI工具后,Copilot X完成同步逻辑拆解重构、生成核心代码,提出“事件触发+定时补偿”同步策略,解决模块耦合与兼容性问题;Snyk定位分布式锁死锁、数据库连接池耗尽等隐性问题,优化性能与安全。最终系统达成延迟≤80ms、一致性99.995%。
415 17
|
10月前
|
存储 缓存 安全
Python类与实例变量:你真的理解它们的区别吗?
本文深入解析Python中类变量与实例变量的区别,通过20个代码案例详解二者在内存、作用域及生命周期上的差异,涵盖应用场景、常见误区及多线程安全等实战问题,助你掌握面向对象编程核心要点。附免费Python教程链接。
400 0
|
12月前
|
安全 Android开发 图形学
《拆解URP管线角色材质失效:从现象到底层的深度排障与优化》
本文以某开放世界手游项目中“动态光照场景下角色材质批量失效”问题为核心,还原技术环境(Unity 2022.3.15f1、URP 14.0.11,目标Android中高端机型),梳理问题现象(Android端角色进场景后35%概率变纯白,与点光源、阴影相关)。通过多维度排查,先排除材质参数问题,再发现Shader光照计算异常,进而定位Adreno GPU编译优化缺陷与URP光照数据同步问题。最终通过调整光照更新策略、优化Shader逻辑解决问题,同步提升性能。同时提炼排查方法论与前期避坑策略,为URP管线复杂渲染问题提供可复用的解决思路,助力开发者高效突破技术瓶颈。
593 9