論文の概要: Do e-scooters fill mobility gaps and promote equity before and during
COVID-19? A spatiotemporal analysis using open big data
- arxiv url: http://arxiv.org/abs/2103.09060v1
- Date: Thu, 11 Mar 2021 03:29:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-08 10:46:37.779404
- Title: Do e-scooters fill mobility gaps and promote equity before and during
COVID-19? A spatiotemporal analysis using open big data
- Title（参考訳）: eスクーターはモビリティのギャップを埋めて、新型コロナウイルスの前後で株式を促進するのか?
オープンビッグデータを用いた時空間解析
- Authors: Xiang Yan, Wencui Yang, Xiaojian Zhang, Yiming Xu, Ilir Bejleri, Xilei
Zhao
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 7.0445529434309515
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The growing popularity of e-scooters and their rapid expansion across urban
streets has attracted widespread attention. A major policy question is whether
e-scooters substitute existing mobility options or fill the service gaps left
by them. This study addresses this question by analyzing the spatiotemporal
patterns of e-scooter service availability and use in Washington DC, focusing
on their spatial relationships with public transit and bikesharing. Results
from an analysis of three open big datasets suggest that e-scooters have both
competing and complementary effects on transit and bikesharing services. The
supply of e-scooters significantly overlaps with the service areas of transit
and bikesharing, and we classify a majority of e-scooter trips as substitutes
to transit and bikesharing uses. A travel-time-based analysis further reveals
that when choosing e-scooters over transit, travelers pay a price premium and
save some travel time. The price premium is greater during the COVID-19
pandemic but the associated travel-time savings are smaller. This implies that
public health considerations rather than time-cost tradeoffs are the main
driver for many to choose e-scooters over transit during COVID. In addition, we
find that e-scooters complement bikesharing and transit by providing services
to underserved neighborhoods. A sizeable proportion (about 10 percent) of
e-scooter trips are taken to connect with the rail services. Future research
may combine the big-data-based analysis presented here with traditional methods
to further shed light on the interactions between e-scooter services,
bikesharing, and public transit.
- Abstract（参考訳）: eスクーターの人気が高まり、都市部をまたがる急速な拡大が注目を集めている。
主要な政策課題は、電子スクーターが既存の移動手段を代替するか、あるいは残されたサービスギャップを埋めるかである。
本研究は,ワシントンD.C.におけるE-Scooterサービス利用の時空間パターンを分析し,公共交通機関や自転車シェアリングとの空間的関係に着目した。
オープンな3つの大きなデータセットの分析結果から、E-Scooterはトランジットと自転車シェアリングサービスに競合し、相補的な影響を与えることが示唆されている。
電動スクーターの供給は交通機関や自転車シェアリングのサービス領域と大きく重なり、電動スクーターのほとんどが交通機関や自転車シェアリングの代替品として分類される。
旅行時間に基づく分析では、移動中に電子スクーターを選択すると、旅行者は料金プレミアムを支払い、旅行時間を節約できる。
新型コロナウイルス(COVID-19)のパンデミックで価格が高騰する一方、旅行時間の節約は少ない。
これは、新型コロナウイルスの感染拡大に伴う電子スクーターの選択が、時間的コストのトレードオフよりも公衆衛生上の配慮を主な要因としている。
さらに,eスクータは,未利用地域へのサービス提供によって,自転車シェアリングやトランジットを補完することがわかった。
鉄道サービスと接続するために、大きな割合(約10%)のeスクーター旅行が取られている。
今後の研究は、ここで提示されたビッグデータに基づく分析と、電子スクーターサービス、自転車シェアリング、公共交通機関間の相互作用をさらに深める従来の方法を組み合わせるかもしれない。
関連論文リスト
- Fair collaborative vehicle routing: A deep multi-agent reinforcement
learning approach [49.00137468773683]
協力的な車両ルーティングは、キャリアがそれぞれの輸送要求を共有し、互いに代表して輸送要求を実行することで協力するときに発生する。
従来のゲーム理論解の概念は、特性関数がエージェントの数とともに指数関数的にスケールするので、計算に費用がかかる。
我々は,この問題を,深層マルチエージェント強化学習を用いて解決した連立交渉ゲームとしてモデル化することを提案する。
論文 参考訳（メタデータ） (2023-10-26T15:42:29Z) - DenseLight: Efficient Control for Large-scale Traffic Signals with Dense
Feedback [109.84667902348498]
交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。
従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。
DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
論文 参考訳（メタデータ） (2023-06-13T05:58:57Z) - 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) - 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) - 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) - Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。
本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。
我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
論文 参考訳（メタデータ） (2021-06-22T15:40:21Z) - 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) - Pooling for First and Last Mile: Integrating Carpooling and Transit [0.7644902597398214]
カープールとトランジットを統合した統合システムを提案する。
カープールは交通機関の供給源として機能し、交通局は統合ポイントとして機能する。
統合システムにより、乗換客数が増加し、自動依存度が低下することを示す。
論文 参考訳（メタデータ） (2020-10-26T09:18:21Z) - Identifying synergies in private and public transportation [9.2148680438251]
自律走行車(AV)が安価で効率的な輸送サービスを提供している将来、こうした区別は曖昧になるだろう。
アジア2都市における各バスとタクシーの走行距離の同時利用は,交通サービス品質の向上につながる可能性が示唆された。
論文 参考訳（メタデータ） (2020-09-21T07:53:40Z) - A Comparative Analysis of E-Scooter and E-Bike Usage Patterns: Findings
from the City of Austin, TX [5.107549049636038]
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。
論文 参考訳（メタデータ） (2020-06-07T03:27:44Z) - 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)
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。