疫情之后,纽约这些街区的网约车,是回到了原来的钟点吗?
论文名片|Yunzhe Liu、Meixu Chen,An open framework for assessing urban mobility resilience: evidence from New York City,npj Urban Sustainability,2026,Article in Press(未编校稿;2025年4月1日收稿,2026年2月18日接收)。两位作者同等贡献,通讯作者为 Meixu Chen。DOI:10.1038/s42949-026-00368-3。这是一套用开放数据给城市出行韧性分类的测量框架,案例是纽约的观察数据,不是干预实验。
史泰登岛清晨那趟预约叫车如果少了,曼哈顿中城傍晚的订单却还挤在原来的街道上。这两种变化不能放进同一个“恢复了没有”的问题里。论文没有跟踪某一个乘客。它问的是:一个出租车区的工作日订单,在一天24小时里的形状,疫情之后还是不是疫情前的那一类。
城市出行韧性(urban mobility resilience, UMR)在文中的定义很宽:出行系统受到冲击后,还能不能维持、重组并调整运行和出行行为,让人继续相对公平地到达工作、医疗和社会联系。落到这套数据上,测量却窄得多。稳定指的是预约叫车的工作日钟点类型三年都一样,不是订单总数回到2019年,也不是居民的全部出行没变。
方向很清楚。在保留下来的234个出租车区里,多数区的钟点类型保持不变;真正在疫情中改过、疫情后又回到原类型的只有15个区。外围和过渡地带更常换成另一套钟点。富裕的曼哈顿核心几乎全是稳定,但稳定并不只属于高收入区:另一类收入较低、公交较方便的内城社区,稳定区也过半。这些都是网约车这一种方式的时间结构,和街区背景有中等程度的统计关联,不能当成原因已经找到。
先说结论
- 分析单位是出租车区,不是人,也不是单次行程。剔除29个客流异常低或没有居住功能的区之后,保留234个区。聚类用的是各区工作日各小时的行程占比,所以比的是钟点形状。
- 三个阶段各自得到8种节奏。白天主导的区从116个减到82个,傍晚及夜间主导的区从91个增到123个。后半夜从41个区增到65个,深夜从11个区增到22个。这是区数的重新分配,不是订单翻倍。
- 三条轨迹盖满234个区:稳定131个,适应88个,恢复15个。恢复区只出现在皇后区和布鲁克林。曼哈顿稳定48/61,布朗克斯适应22/39,史泰登岛适应11/18。
- 六类地理人口区与三条轨迹相关,卡方 χ² = 33.459,p < 0.001,Cramér’s V = 0.267。都市精英飞地15/15全部稳定;更新中的工业边缘有8/16适应。关联是中等强度,街区背景不是唯一因素,也没有做因果识别。
比的是钟点形状,不是订单总量回来了没有
数据是纽约市出租汽车与豪华轿车委员会(Taxi and Limousine Commission, TLC)公开的预约叫车行程,英文称 for-hire vehicle(FHV)。它包括 Uber、Lyft,也包括社区包车和 black car,不是街头扬招的黄色出租车。作者不用黄色出租车,是因为扬招上车点集中在曼哈顿核心和机场;绿色出租车又偏向外围行政区。FHV 五个行政区都有,2019年大约占 TLC 监管行程的76%。这里的分母是 TLC 监管行程,不是全市所有出行。
全市口径小得多。论文引用纽约市交通局2019年出行报告:FHV 只占全部行程的2.5%,步行30.7%,私人小汽车30.2%,地铁20.5%,公交11.5%。这几项合计95.4%,其余方式报告没有在这句话里列出。作者还写道,在中城主要走廊上,FHV 合计可以占到车辆的一半以上。那是走廊上的车辆构成,不是全市行程份额。三套分母不能混用。
行程覆盖2019年初到2023年末,切成三段。疫情中从2020年3月1日算起,疫情后从疫苗强制令结束的2023年2月10日算起。三段的行程次数分别是289,997,244、498,859,884和200,363,039。中段的日历明显长于前后两段,4.99亿次不能读成“每天更多人在叫车”。后面的分类也不拿这三笔总数做恢复指标。
每个区先做成一张工作日时间表:周一到周五、每天24小时,共120格,格子里是该小时行程占这个区行程的比例。周末被拿掉,为的是少把更随意的休闲出行混进来。因此后面的深夜和通宵,都是工作日夜里的形状,不是周六的夜生活统计。
这120格先做主成分分析(principal component analysis, PCA),只保留特征值不低于1的主成分,用来减轻维度过高带来的噪声。正文没有写出最终留了几个主成分。再在三个阶段分别做层次 K 均值(hierarchical K-means, H-K-means):先用欧氏距离把区分层,切出预设的类,用这些类的中心当 K 均值的起点,然后让类内平方和变小。类内平方和就是每个区到自己那一类中心的距离平方之和。肘部法把每一阶段的类数定为8。肘部曲线在补充图里,这篇正文没有给出曲线本身。
8个类在三个阶段是各自编号的。疫情前的 Cluster 1 不能直接当成疫情后的 Cluster 1。作者按钟点形状把它们排成同一行,之后才谈“同一种节奏”。稳定与否,依赖的是这次主题对齐,不是原始编号的自动相等。

图 8|分析落到哪一块地面上?
主图是纽约五个行政区,再切成 TLC 出租车区。蓝色越深,人口密度越高,单位是每平方千米人口;灰色是不纳入分析的区,例如机场和公园。右上角小图把纽约标在美国境内。这张图说明空间单元和剔除范围,不说明哪个区更有韧性。来源:原论文 Fig. 8。
剔除的是29个客流过低或没有居住区的出租车区,留下234个。地图上的灰色块是未分析区域,正文没有逐块给出灰色多边形的个数,所以不能把灰色块的个数直接说成29。
两层数据各答一个问题
只看钟点,还是不知道什么样的街区更容易换节奏。框架因此做成两层,并且两层都用公开数据。

图 9|节奏和街区为什么要分成两层?
这是示意图,不是数据结果。左层用2019–2023年的 FHV 行程,在234个有效出租车区上做成5×24的工作日矩阵,经 PCA 和 H-K-means 得到节奏,再用规则标成稳定、恢复或适应。右层把人口、社会经济和建成环境汇总成地理人口分类。底部把两层交叉,做列联表、卡方和 Cramér’s V。图中的三条规则是:三个阶段标签相同为稳定;疫情前等于疫情后、且疫情中不同为恢复;疫情后不同于疫情前为适应。来源:原论文 Fig. 9。
这三条规则把234个区分成互不重叠的三类。一个区若始终是清晨型,算稳定,不算恢复。恢复必须中间改过、最后又回到原标签。适应包括两种例子:疫情后停在一个新标签上,或者疫情后再换成第三种标签。只要疫情后的标签和疫情前不同,就归入适应。
右层是地理人口分类(geodemographics):按一套共同特征,把小区域分成互斥的类型,用来看不同的人住在哪里。论文使用59个变量,来自2023年版美国社区调查(American Community Survey, ACS)2019–2023五年估计、MapPLUTO 地块,以及纽约开放数据中的地标点。普查区指标按与出租车区重叠的面积加权,不是按人口加权;地标则数点后除以面积。变量先做 Box-Cox 变换,再标准化,然后同样用 H-K-means,肘部法取6类。
ACS 这五年正好跨过疫情前、中、后。作者特意选用这份跨年份的调查,是要让街区画像代表这一整段的平均状况,而不是2019年之前单独一年的底图。代价是:街区特征和出行结果发生在互相重叠的年份里,不能把分类当成冲击前已经定好的原因。
八种工作日节奏,怎样从白天转向更晚
8种节奏按主导时段命名。清晨型是4:00到7:00需求偏高。平峰型是早高峰和晚高峰之间,约10:00到16:00,相对更忙。其余六种是傍晚扩散、日间扩散、深夜、后半夜、双高峰和通宵。官方高峰在图上用虚线框标出,即7:00–10:00和16:00–19:00。热图的颜色是相对全市平均的指数,平均设为100;红色高于全市,蓝色低于全市。

图 1|每种节奏占多少个区,高峰相对全市是高还是低?
(a)(b)(c)分别是疫情前、疫情中、疫情后。每一行是作者对齐后的一种节奏,不是该阶段原始的簇编号。格内颜色红高蓝低,虚线框是官方高峰。各格标题给出的 N 是出租车区个数,分母是234。
行 A 清晨:65、56、46个区。行 B 傍晚扩散:30、29、27。行 C 日间扩散:34、37、26。行 D 深夜:11、12、22。行 E 后半夜:41、51、65。行 F 平峰:17、14、10。行 G 双高峰:27、29、29。行 H 通宵:9、6、9。每一列相加都是234。来源:原论文 Fig. 1。
| 节奏 | 分组 | 疫情前 | 疫情中 | 疫情后 |
|---|---|---|---|---|
| 清晨 | 白天 | 65 | 56 | 46 |
| 日间扩散 | 白天 | 34 | 37 | 26 |
| 平峰 | 白天 | 17 | 14 | 10 |
| 傍晚扩散 | 傍晚及夜间 | 30 | 29 | 27 |
| 深夜 | 傍晚及夜间 | 11 | 12 | 22 |
| 后半夜 | 傍晚及夜间 | 41 | 51 | 65 |
| 通宵 | 傍晚及夜间 | 9 | 6 | 9 |
| 双高峰 | 高峰时段 | 27 | 29 | 29 |
| 合计 | 234 | 234 | 234 |
表中的分母是234个出租车区。深夜从11个区增到22个区,只能说被标成深夜型的区数加倍,不能说深夜订单加倍。论文没有按节奏报告行程量。
白天主导是清晨、日间扩散和平峰:疫情前116/234,即49.6%;疫情后82/234,即35.0%,少了34个区。其中清晨少19个,日间扩散少8个,平峰少7个。傍晚及夜间主导从91/234增到123/234,净增32个区:后半夜多24个,深夜多11个,傍晚扩散少3个,通宵从9个回到9个。双高峰从27个区到29个区。少掉的34个区、多出的32个区和双高峰多出的2个区,正好对上,总区数没有变。
正文写白天主导从50.6%降到35.0%,下降15.6个百分点。35.0%与82/234一致。50.6%等于桑基图上的28.8%加14.5%再加7.3%,而热图给清晨的是65个区、27.8%,65/234就是27.8%,不是28.8%。15.6个百分点跟着这1个百分点一起偏大。按区数,下降是34/234,即14.5个百分点。后文用区数。
另有两处标签和区数不一致。疫情后双高峰热图在 N = 29 旁边印了12.9%,29/234应为12.4%,桑基图印的是12.4%。疫情后平峰热图印了4.2%,10/234应为4.3%,桑基图印的是4.3%。未编校稿里,同一批区数出现了不止一种百分比。

图 2|这些钟点落在城市的哪一圈?
(a)(b)(c)仍是疫情前、中、后。颜色按三大组区分:白天主导里,清晨偏青、日间扩散偏紫、平峰偏橙;傍晚及夜间里,傍晚扩散偏黄、深夜偏红、后半夜偏蓝、通宵偏粉;双高峰是绿色。灰色未纳入分析。
白天主导的节奏大多在外围行政区,曼哈顿核心几乎没有清晨型;清晨型分布在布朗克斯、皇后区、布鲁克林和史泰登岛,日间扩散在史泰登岛和皇后区东部更集中,平峰最集中的是布鲁克林南部,其次是史泰登岛中部和上东区。傍晚扩散集中在曼哈顿下城和中城,并延伸到上城、布鲁克林下城和新镇溪一带。通宵集中在下城的 Soho、华埠,以及布鲁克林威廉斯堡桥附近。双高峰最集中的就业地包括上东区,卡罗尔花园和布鲁克林下城也多。
空间上的变化并不均匀。曼哈顿和内布鲁克林的傍晚节奏、高峰节奏大体还在原来的核心。外围行政区的清晨和日间扩散则收缩并重组。这支持“冲击主要改写了外围的白天节奏”,不支持“全市每一类钟点都被打散”,也不支持“这些街区的居民总出行量已经恢复”。
三条轨迹里,恢复是最少的那一类
把三个阶段的标签连起来,才得到作者所说的韧性类型。图9的规则落到234个区上,结果是一个完整的划分:稳定131个,适应88个,恢复15个。

图 3|一个区的节奏标签怎样流进稳定、恢复或适应?
四列从左到右是疫情前节奏、疫情中节奏、疫情后节奏和最终类型。色带代表出租车区的流向,块的高度对应占234个区的份额。字母 A 到 H 与图1的八种节奏相同。最右列是适应、恢复和稳定。来源:原论文 Fig. 3。
稳定不是“城市已经没事了”。它只表示三个阶段被标成同一种钟点。一个区的 FHV 订单可以少很多,只要剩下的订单还落在同样的小时上,就会被标成稳定。反过来,订单数量即使接近原来的水平,只要小时形状换成后半夜,就算适应。

图 4|三条轨迹在五个行政区里各有多少区?
一张地图同时画出三类:米色是适应,绿色是恢复,浅黄是稳定,灰色未分析。图注里的(a)(b)(c)就是各行政区标注中的适应、恢复和稳定,不是三张分开的地图。来源:原论文 Fig. 4。
| 行政区 | 纳入区数 | 适应 | 恢复 | 稳定 |
|---|---|---|---|---|
| 曼哈顿 | 61 | 13(21.3%) | 0 | 48(78.7%) |
| 布朗克斯 | 39 | 22(56.4%) | 0 | 17(图上43.5%) |
| 皇后区 | 59 | 22(37.2%) | 10(16.9%) | 27(45.8%) |
| 布鲁克林 | 57 | 20(35.1%) | 5(8.7%) | 32(56.1%) |
| 史泰登岛 | 18 | 11(61.1%) | 0 | 7(38.9%) |
| 合计 | 234 | 88(37.6%) | 15(6.4%) | 131 |
括号里的百分比,分母是该行政区的纳入区数,不是234。布朗克斯稳定17/39若按一位小数四舍五入是43.6%,图上印的是43.5%。全市稳定131/234是56.0%,图4图例和正文印的是55.9%;适应88/234的37.6%和恢复15/234的6.4%与图例一致。三项相加为234。
曼哈顿将近八成区稳定,也就是48/61。布鲁克林稳定也过半,32/57。适应在布朗克斯和史泰登岛过半,分别是22/39和11/18。皇后区没有一类超过半数,最多的稳定也只是27/59。15个恢复区全部在皇后区(10个)和布鲁克林(5个),曼哈顿、布朗克斯和史泰登岛的恢复都是0。
所以“中心稳、外围在改”有地图上的依据,但不是五个行政区各只有一种命运。皇后区是混合的,布鲁克林既有全市第二高的稳定份额,也有5个恢复区。
六类街区,不是一条从穷到富的直线
地理人口分类给出6类。名字是作者按最突出的特征起的简称,描述的是出租车区的组合画像,不是区内每一个人。

图 5|六类街区各有多大,集中在哪里?
颜色对应六类,灰色未分析。图例份额与后面的交叉表区数一致:郊区老龄化家庭54/234(23.1%),生活承压48/234(20.5%),亚裔劳工聚居区52/234(22.2%),都市精英飞地15/234(6.4%),现代混合功能居住区49/234(20.9%),更新中的工业边缘16/234(6.8%)。各行政区只标注了区内占比较高的几类。
曼哈顿标注的前三类是现代混合功能34个(34/61,55.7%)、精英飞地15个(15/61,24.6%)、生活承压12个(12/61,19.7%)。34+15+12=61,三项百分比相加为100%,就是曼哈顿纳入分析的全部区。精英飞地全市也只有15个区,因此这一类全部在曼哈顿。现代混合功能全市49个区,曼哈顿占34个,其余15个在曼哈顿以外。史泰登岛18个区中,郊区老龄化家庭17个(17/18),亚裔劳工聚居区1个,生活承压为0。来源:原论文 Fig. 5。
正文对位置的描述是:郊区老龄化家庭最多,集中在史泰登岛、皇后区东部和布鲁克林中南部,出行距离长,拥有三辆及以上私家车的家庭多,住宅密度低,收入居中。生活承压集中在曼哈顿北部、布朗克斯西部和中部、布鲁克林中部,黑人与西裔居民比例高,教育程度和英语熟练度较低,失业较高,住房偏老、租房多,私家车很少,通勤时间长,但公交可达性高。亚裔劳工聚居区在布鲁克林西南、皇后区中部和布朗克斯最南端,家庭规模较大,英语和教育指标偏低,体力型低收入职业多,通勤很长。精英飞地只在曼哈顿核心和最南端,高教育、高收入,白人与亚裔比例高,高层公寓和独居多,通勤短,地标和商业密集。现代混合功能居住区在曼哈顿核心外围和布鲁克林西北部,中年专业人员、收入和学历高,新公寓、小家庭、少用车,步行和公交混合利用高。工业边缘散布在布朗克斯南北、布鲁克林西部,西部皇后区最密,靠近工业和交通设施,有2020年及以后的开发,容积率和地标密度低于全市平均。

图 6|六个简称分别高在哪些指标、低在哪些指标?
(a)人口,(b)社会经济,(c)建成环境。列 A 到 F 就是上面的六类。每一格是相对纽约全市平均的指数,100是基线。图注规定红色低于全市平均、蓝色高于全市平均。这和本文图1相反:图1的红色是出行指数偏高。图6没有为每个格子另报显著性检验,不能把颜色深浅读成已经做过统计检验。更完整的文字画像在补充说明里,正文没有逐格列出。来源:原论文 Fig. 6。
节奏和街区有关,解释不了全部差异

图 7|哪一类街区里,稳定、适应、恢复各占多少区?
行是三条轨迹,列 A 到 F 是六类街区。格内是出租车区个数,以及它占该列街区的比例;空白格是0。颜色越深,这一列内部的比例越高。右上角给出卡方、似然比、Cramér’s V 和列联系数。来源:原论文 Fig. 7。
| 街区类型 | 区数 | 适应 | 恢复 | 稳定 |
|---|---|---|---|---|
| A 郊区老龄化家庭 | 54 | 26(48.1%) | 4(7.4%) | 24(44.4%) |
| B 生活承压 | 48 | 21(43.8%) | 0 | 27(56.2%) |
| C 亚裔劳工聚居区 | 52 | 20(38.5%) | 8(15.4%) | 24(46.2%) |
| D 都市精英飞地 | 15 | 0 | 0 | 15(100%) |
| E 现代混合功能居住区 | 49 | 13(26.5%) | 1(2%) | 35(71.4%) |
| F 更新中的工业边缘 | 16 | 8(50%) | 2(12.5%) | 6(37.5%) |
| 合计 | 234 | 88 | 15 | 131 |
每一格的百分比,分母是该列的区数。例如工业边缘的50%是8/16,不是8/234。六列区数54+48+52+15+49+16=234,与三条轨迹的88、15、131也一致。
卡方检验的是“行和列无关”这个原假设。χ² = 33.459,p < 0.001,原假设不成立:三类轨迹在六类街区里的分布不一样。图上还印着似然比40.697,p < 0.001,以及列联系数0.354。Cramér’s V 把卡方变成0到1的关联强度:V = √(χ² / (n(k−1))),这里 n = 234,k 是行数和列数中较小的那个,即3,所以 k−1 = 2。代入得0.267。作者把它解释为中等关联:街区类型有助于看出韧性轨迹的格局,但不是唯一因素。0.267不是“街区解释了26.7%的韧性”,也不是因果份额。
读这张表时,贫富直线并不够用。稳定比例最高的是精英飞地15/15,其次是现代混合功能35/49。接下来却是生活承压27/48,而不是另一个高收入类型。稳定比例最低的是工业边缘6/16和郊区老龄化家庭24/54。适应比例最高的是工业边缘8/16,其次是郊区老龄化家庭26/54;精英飞地的适应是0/15,现代混合功能是13/49。恢复仍然最少。比例最高的是亚裔劳工聚居区8/52,其次是工业边缘2/16。生活承压和精英飞地的恢复都是0,现代混合功能只有1个区。
作者对这种差别给了一个解释,但分析本身没有把它证成原因。核心、公交方便的地方更能维持原来的钟点;生活承压区的稳定,可能是因为班次固定的必要工作、少车和靠近公交,使出行时间不容易改。外围和过渡地带通勤更长、密度更低、更新更多,适应更多。恢复少,被他们读成:很多地方要么维持旧节奏,要么停在新节奏,而不是走一个“偏离后再回来”的标准工程恢复路径。这些是讨论中的机制推测。交叉表只能说明分类之间的关联。
讨论里还把结果接到可持续发展目标11的交通可达、参与式规划和公共空间时间管理上,例如外围适应区的晚间公交、工业边缘的混合利用、生活承压区的出行支持。这些是作者建议怎样使用这套分类,不是本文实施过并评估过的政策。
这些数字能支持到哪一步
FHV 只覆盖一种方式,而且2019年只占全市行程的2.5%。步行、地铁和公交更常用,却没有被这套钟点包括。FHV 的使用者偏向较高收入群体,老年、低收入和更匮乏地区会被少算到。作者指出,这可能让特权地区的稳定被高估,也看不到非机动方式里更细的适应。把234个区的稳定份额说成纽约人的出行已经稳定,超出了数据。
机场和开敞空间因为居住密度低被剔除。那里的人流有自己的城市含义,只是不在这套居住区地理人口框架里。
三类轨迹和六类街区的关系停在关联。ACS 又是2019–2023的平均,不是冲击前的外生背景。收入、密度或公交哪一个在推动适应,本文没有分离开来。作者把可解释机器学习列为后续,而不是已经完成的分析。
8类和6类是为了能跨时间比较而固定下来的。真正新出现、然后消失的钟点,可能被并进这8个名字里。主题对齐这一步也带有研究者的判断。热图和桑基图个别百分比与区数不一致,说明未编校稿还不能把每一个印出来的百分号都当成最终数字;区数能加总到234的那些结果,彼此是闭合的。
一句话总结
在234个纽约出租车区里,工作日预约叫车的钟点类型多数没有换类,真正换过又换回去的只有15个区;外围更常见的是改到另一套钟点,而这只描述了网约车的时间结构。
核心来源
- Liu, Y., & Chen, M. (2026). An open framework for assessing urban mobility resilience: evidence from New York City. npj Urban Sustainability. Article in Press. https://doi.org/10.1038/s42949-026-00368-3
- 行程:纽约 TLC Trip Record Data。街区变量:ACS 2019–2023五年估计、NYC MapPLUTO、NYC Open Data 地标。
- 2019年方式份额来自论文所引纽约市交通局出行报告,分母是全市行程;76%的分母是 TLC 监管行程。
- 代码与示例数据:https://doi.org/10.5281/zenodo.18019522 。论文写明使用 R 4.5.1 与 QGIS 3.40.9。
作者
Yunzhe Liu,论文署名为华东师范大学社会发展学院人口研究所,以及帝国理工学院公共卫生学院 MRC 环境与健康中心。他与陈同等贡献,论文分工里负责数据整理、软件和可视化,并共同完成概念、方法、调查与核验。参考文献中的纽约公交导向开发分类、地理人口变量筛选,以及他与陈合作的纽约城市活力研究,与本文的出租车区和地理人口做法直接相关。
Meixu Chen,论文署名为华东理工大学社会与公共管理学院,以及利物浦大学地理与规划系,通讯作者。她与刘同等贡献,负责初稿,并共同完成概念、方法、调查与修改。参考文献中她参与的伦敦城市活力韧性、城市兴趣区研究,属于同一条用开放地理数据讨论城市活力的线索。
延伸思考
以下是 AI 基于论文结果所作的延伸,不属于原论文结论。
如果城市管理部门直接用这131/234的稳定比例给社区韧性排序,排序对象其实是预约叫车工作日钟点,不是居民到达工作和医院的能力。一个地铁依赖的区,FHV 钟点可以一直稳定,公交班次却已经改掉;外围区的适应,也可能只是少数仍在使用网约车的人把订单挪到了更晚的小时。同一套三条规则若改用地铁闸机或公交刷卡重做,布朗克斯那些适应区未必还是适应区。闸机的空间单元是车站,和出租车区对不齐,这是一件新的测量工作。
适应被放在“可以不回到旧常态”的转型韧性里。后半夜类型从41个区增到65个区,却同时容纳两种完全不同的生活:一种是弹性工作把社交挪晚,一种是轮班和更长通勤被挤进夜里。图7只能说工业边缘和郊区老龄化家庭的适应比例高,不能说这种新钟点对居民更好。要分开这两种含义,需要职业、班次或照料时间,而本文的街区指标是出租车区的平均值。
还有一个会改变交叉表的数据选择。ACS 使用的是2019–2023五年平均,绅士化如果发生在这五年内部,疫情前的街区和疫情后的街区会被写成同一列。把背景换成2015–2019的 ACS 再交叉一次,精英飞地15/15全部稳定、生活承压27/48稳定这些格子还在不在,才能判断表7反映的是冲击前的条件,还是和结果缠在一起的同期画像。另外,29个低客流区被剔除,但正文没有给出保留下来的234个区各自至少有多少次行程。疫情后订单所剩很少的区,小时占比会抖动,从而更容易被记成适应。外围较高的适应比例里,有多少是行为转型,有多少是小样本把标签推来推去,本文的数字还分不开。