論文の概要: A Comparative Analysis of E-Scooter and E-Bike Usage Patterns: Findings
from the City of Austin, TX
- arxiv url: http://arxiv.org/abs/2006.04033v1
- Date: Sun, 7 Jun 2020 03:27:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 08:06:25.884410
- Title: A Comparative Analysis of E-Scooter and E-Bike Usage Patterns: Findings
from the City of Austin, TX
- Title（参考訳）: E-ScooterとE-Bikeの利用パターンの比較分析:テキサス州オースチン市からの検討
- Authors: Mohammed Hamad Almannaa, Huthaifa I. Ashqar, Mohammed Elhenawy,
Mahmoud Masoud, Andry Rakotonirainy, and Hesham Rakha
- Abstract要約: 本研究では,平日と日時によって平均走行速度がどう変化するかを検討する。
ユーザーは、通勤目的で乗車する時と比べて、レクリエーション目的で平均速度が遅いeバイクやeスクーターに乗る傾向にある。
- 参考スコア（独自算出の注目度）: 5.107549049636038
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: E-scooter-sharing and e-bike-sharing systems are accommodating and easing the
increased traffic in dense cities and are expanding considerably. However,
these new micro-mobility transportation modes raise numerous operational and
safety concerns. This study analyzes e-scooter and dockless e-bike sharing
system user behavior. We investigate how average trip speed change depending on
the day of the week and the time of the day. We used a dataset from the city of
Austin, TX from December 2018 to May 2019. Our results generally show that the
trip average speed for e-bikes ranges between 3.01 and 3.44 m/s, which is
higher than that for e-scooters (2.19 to 2.78 m/s). Results also show a similar
usage pattern for the average speed of e-bikes and e-scooters throughout the
days of the week and a different usage pattern for the average speed of e-bikes
and e-scooters over the hours of the day. We found that users tend to ride
e-bikes and e-scooters with a slower average speed for recreational purposes
compared to when they are ridden for commuting purposes. This study is a
building block in this field, which serves as a first of its kind, and sheds
the light of significant new understanding of this emerging class of
shared-road users.
- Abstract（参考訳）: e-scooter-sharingとe-bike-sharing systemsは、密集した都市での交通の増大を緩和し、大幅に拡大している。
しかし、これらの新しいマイクロモビリティ輸送モードは、多くの運用および安全上の懸念を引き起こす。
本研究は,e-scooterおよびドックレスE-bike共有システムのユーザ行動を分析する。
本研究では,平日と日時によって平均走行速度がどう変化するかを検討する。
2018年12月から2019年5月まで,テキサス州オースチンのデータセットを使用していました。
以上の結果から,Eバイクの走行平均速度は3.1m/sから3.44m/sであり,Eスクーターよりも高い(2.19m/s)。
また,e-scooters と e-scooters の2日間の平均速度についても同様の使用パターンを示し,e-scooters と e-scooters の平均使用速度を1日の数時間にわたって異なる使用パターンを示した。
利用者は、通勤目的の乗車時間に比べて、レクリエーション目的の平均速度が遅いため、電動自転車や電動スクーターに乗る傾向にある。
この研究は、この分野におけるビルディングブロックであり、この種の第1段階として機能し、この新興の共有道路利用者の新たな理解の光を当てている。
関連論文リスト
- Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach [54.84957282120537]
本稿では,リンクレベルの自転車のボリュームをモデル化するために,グラフ畳み込みネットワークアーキテクチャを利用する最初の研究について述べる。
オーストラリア,メルボルン市全体での年間平均自転車数(AADB)を,Strava Metro の自転車数データを用いて推定した。
以上の結果から,GCNモデルは従来のAADB数予測モデルよりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-10-11T04:53:18Z) - The Growth of E-Bike Use: A Machine Learning Approach [57.506876852412034]
アメリカでのEバイクの使用は2022年に15,737.82キログラムのCO2排出量を削減した。
同年、電動自転車利用者は活動を通じて約716,630.727キロカロリーを燃やした。
論文 参考訳（メタデータ） (2023-07-15T03:34:10Z) - Are footpaths encroached by shared e-scooters? Spatio-temporal Analysis
of Micro-mobility Services [19.15684785810306]
我々は,e-scooterトリップに関連する空間的特徴と時間的特徴を解析する手法の組み合わせを用いる。
人口密度は最も重要な特徴であり、e-scooterの使用に肯定的に関連している。
その結果, 降水量よりも湿度の影響が重要であることがわかった。
論文 参考訳（メタデータ） (2023-04-18T04:27:56Z) - A Wearable Data Collection System for Studying Micro-Level E-Scooter
Behavior in Naturalistic Road Environment [3.5466525046297264]
本稿では,自然道路環境におけるマイクロレベルのe-Scooter動作を調査するためのウェアラブルデータ収集システムを提案する。
ロボットオペレーティングシステム(ROS)を用いたLiDAR、カメラ、GPSの統合により、e-Scooterベースのデータ取得システムを開発した。
論文 参考訳（メタデータ） (2022-12-22T18:58:54Z) - Predicting Citi Bike Demand Evolution Using Dynamic Graphs [81.12174591442479]
ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用した。
本稿では,ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用しようとする。
論文 参考訳（メタデータ） (2022-12-18T21:43:27Z) - Detection of E-scooter Riders in Naturalistic Scenes [2.1270496914042987]
本稿では,e-scooter ライダーと一般歩行者を区別する新しい視覚ベースシステムを提案する。
データセット上でMobileNetV2を微調整し、E-Scooterライダーと歩行者を分類するためにモデルをトレーニングします。
YOLOv3上でトレーニングされたMobileNetV2の分類精度は91%以上で、精度は0.9以上である。
論文 参考訳（メタデータ） (2021-11-28T05:59:36Z) - Efficiency, Fairness, and Stability in Non-Commercial Peer-to-Peer
Ridesharing [84.47891614815325]
本稿は、P2Pライドシェアリングにおける中核的な問題である、ライダーとドライバーのマッチングに焦点を当てる。
P2Pライドシェアリングにおける公平性と安定性の新たな概念を紹介する。
結果は、妥当な計算時間で、公平で安定した解が得られることを示唆している。
論文 参考訳（メタデータ） (2021-10-04T02:14:49Z) - Do e-scooters fill mobility gaps and promote equity before and during
COVID-19? A spatiotemporal analysis using open big data [7.0445529434309515]
Eスクーターは、トランジットと自転車シェアリングサービスに競合的かつ補完的な効果がある。
新型コロナウイルス(COVID-19)のパンデミックの間、価格のプレミアムは高いが、関連する旅行時間の節約は小さい。
電動スクーターは、未整備の地区にサービスを提供することで、自転車シェアリングとトランジットを補完する。
論文 参考訳（メタデータ） (2021-03-11T03:29:21Z) - Micromobility in Smart Cities: A Closer Look at Shared Dockless
E-Scooters via Big Social Data [6.001713653976455]
ドックレス電動スクーター(電動スクーター)は、大都市での短距離通勤の代替手段として毎日登場している。
エスクーターは交通規制、公共安全、駐車場規制、責任問題など、市の管理における課題を生んでいる。
本稿では,ビッグデータを用いた共有e-scooterに関する大規模研究としては,これが初めてである。
論文 参考訳（メタデータ） (2020-10-28T19:59:45Z) - On the Data Fight Between Cities and Mobility Providers [64.10012625591345]
ロサンゼルス交通省は、スクーター会社からスクーターの使用に関する詳細なデータを要求する仕様を策定した。
我々は、L.A.が新しい仕様を使うためのデータ要求は保証されていないと論じる。
本研究では,駐車中のスクーターデータを公開する際に,正式なプライバシとユーティリティの保証を可能にするアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-20T06:01:44Z) - Learning by Cheating [72.9701333689606]
この難解な学習問題を2段階に分解することで単純化できることを示す。
提案手法を用いて、視覚に基づく自律運転システムの訓練を行い、芸術の状況を大幅に上回っている。
提案手法は,従来のCARLAベンチマークのすべてのタスクにおける100%の成功率を初めて達成し,NoCrashベンチマークに新しい記録を樹立し,従来の技術と比較すると,屈折率を桁違いに低減する。
論文 参考訳（メタデータ） (2019-12-27T18:59:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。