写一段sql代码是分析共享单车数据间的联系

假设我们有如下的共享单车数据表格：

Table: bike_data

| bike_id | user_id | start_time         | end_time           | start_location | end_location |
|---------|---------|--------------------|--------------------|-----------------|---------------|
| 1       | 100     | 2021-01-01 08:00:00 | 2021-01-01 08:30:00 | New York        | Boston        |
| 2       | 200     | 2021-01-01 09:00:00 | 2021-01-01 09:30:00 | Boston          | Chicago       |
| 3       | 300     | 2021-01-01 12:00:00 | 2021-01-01 12:30:00 | New York        | Chicago       |
| 4       | 100     | 2021-01-01 15:00:00 | 2021-01-01 15:30:00 | Chicago         | Boston        |
| 5       | 200     | 2021-01-01 18:00:00 | 2021-01-01 18:30:00 | Boston          | New York      |
| 6       | 400     | 2021-01-02 10:00:00 | 2021-01-02 10:30:00 | Chicago         | New York      |
| 7       | 500     | 2021-01-02 11:00:00 | 2021-01-02 11:30:00 | New York        | Boston        |
| 8       | 300     | 2021-01-02 13:00:00 | 2021-01-02 13:30:00 | Boston          | Chicago       |
| 9       | 200     | 2021-01-02 16:00:00 | 2021-01-02 16:30:00 | Chicago         | Boston        |
| 10      | 400     | 2021-01-02 19:00:00 | 2021-01-02 19:30:00 | Boston          | New York      |

现在我们想要分析这些共享单车数据之间的联系，可以使用以下的 SQL 代码：

SELECT a.user_id AS user1, b.user_id AS user2, COUNT(*) AS num_trips
FROM bike_data a
INNER JOIN bike_data b
ON a.start_location = b.start_location AND a.end_location = b.end_location
GROUP BY a.user_id, b.user_id
HAVING num_trips >= 2
ORDER BY num_trips DESC

这段 SQL 代码使用 INNER JOIN 连接 bike_data 表格两次，以便找到起始和结束位置相同的记录。然后我们对用户 ID 进行分组，并统计每对用户之间的骑行次数。最后，我们过滤掉只有一次骑行记录的用户对，并按照骑行次数降序排序，以便更容易地发现最活跃的用户对。