論文の概要: Multiscale spatiotemporal heterogeneity analysis of bike-sharing system's self-loop phenomenon: Evidence from Shanghai

• arxiv url: http://arxiv.org/abs/2411.17555v1
• Date: Tue, 26 Nov 2024 16:18:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-27 13:34:04.320246
• Title: Multiscale spatiotemporal heterogeneity analysis of bike-sharing system's self-loop phenomenon: Evidence from Shanghai
• Title（参考訳）: 自転車シェアリングシステムの自己ループ現象のマルチスケール時空間不均一性解析:上海からの証拠
• Authors: Yichen Wang, Qing Yu, Yancun Song, Quan Yuan, Chao Yang, Chengcheng Yu,
• Abstract要約: 本研究では,空間的自己回帰モデルと二重機械学習フレームワークを用いたマルチスケール解析を行う。 その結果,自転車シェアリングの自己ループ強度は道路規模で空間ラグ効果が顕著であることがわかった。 自転車シェアリングの連携を強化するため,地下鉄の利用率が高く,バスの運行率も低い地域での自転車利用率の向上を提唱する。
• 参考スコア（独自算出の注目度）: 8.946633693774283
• License:
• Abstract: Bike-sharing is an environmentally friendly shared mobility mode, but its self-loop phenomenon, where bikes are returned to the same station after several time usage, significantly impacts equity in accessing its services. Therefore, this study conducts a multiscale analysis with a spatial autoregressive model and double machine learning framework to assess socioeconomic features and geospatial location's impact on the self-loop phenomenon at metro stations and street scales. The results reveal that bike-sharing self-loop intensity exhibits significant spatial lag effect at street scale and is positively associated with residential land use. Marginal treatment effects of residential land use is higher on streets with middle-aged residents, high fixed employment, and low car ownership. The multimodal public transit condition reveals significant positive marginal treatment effects at both scales. To enhance bike-sharing cooperation, we advocate augmenting bicycle availability in areas with high metro usage and low bus coverage, alongside implementing adaptable redistribution strategies.
• Abstract（参考訳）: 自転車シェアリングは環境に優しい共有モビリティモードだが、自転車が何度も利用された後に同じ駅に戻されるセルフループ現象は、同社のサービスへのアクセスにおける株式に大きな影響を及ぼす。 そこで,本稿では,空間的自己回帰モデルと二重機械学習フレームワークを用いたマルチスケール分析を行い,都市駅や街路における自己ループ現象に対する社会経済的特徴と地理空間的位置の影響を評価する。 その結果,自転車シェアリングの自己ループ強度は道路規模で大きな空間ラグ効果を示し,住宅利用に肯定的な関連があることが判明した。 中年層住民の通りや高い固定雇用、自動車所有率の低い道路では、住宅用土地利用のマージナルな処理効果が高い。 マルチモーダルな公共交通条件は両尺度とも有意な正の辺縁治療効果を示した。 本研究では,都市部における自転車利用率の向上と,バス利用率の低さを両立させるとともに,自転車利用率の向上を提唱する。

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)
• Mining individual daily commuting patterns of dockless bike-sharing users: a two-layer framework integrating spatiotemporal flow clustering and rule-based decision trees [3.3988622291971247]
  本論文は、ドックレス自転車共有旅行データから、個人自転車の日々の通勤パターンをユーザIDで抽出する枠組みを提案する。 このフレームワークの有効性と適用性は、深センでの2億回以上の自転車共有旅行記録によって実証されている。 多くの自転車共有通勤者が都市村や古い町の近くに住んでおり、特に中心部では生活費が低い。
  論文  参考訳（メタデータ） (2024-07-13T09:30:51Z)
• From Counting Stations to City-Wide Estimates: Data-Driven Bicycle Volume Extrapolation [0.0]
  ストリートレベルの自転車量情報は、都市が自転車を奨励するためのインフラの改善を計画するのに役立つだろう。 現在市や市民が利用できるデータは、わずかに数える駅からしか得られないことが多い。 本論文は,ベルリン全都市における自転車の容積を推定するために,これらの数箇所を超える自転車の容積を推定する。
  論文  参考訳（メタデータ） (2024-06-26T16:01:53Z)
• 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)
• Bike Sharing Demand Prediction based on Knowledge Sharing across Modes: A Graph-based Deep Learning Approach [8.695763084463055]
  本研究では,自転車共有需要予測(B-MRGNN)のためのグラフに基づくディープラーニング手法を提案する。 マルチリレーショナルグラフニューラルネットワーク(MRGNN)を導入し、モード間の空間単位間の相関を捉える。 実験はニューヨーク市の実際の自転車シェアリング、地下鉄、ライドシェアリングのデータを用いて行われた。
  論文  参考訳（メタデータ） (2022-03-18T06:10:17Z)
• SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian Trajectory Prediction [59.064925464991056]
  ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。 SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。 公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
  論文  参考訳（メタデータ） (2021-12-05T01:49:18Z)
• 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)
• Simulation study on the fleet performance of shared autonomous bicycles [2.8511319162856674]
  自律的な自転車シェアリングシステムは、自動車シェアリング、電気化、自律化、マイクロモビリティを組み合わせたものだ。 自律性がフリートのパフォーマンスとユーザエクスペリエンスに与える影響を定量化する必要がある。 本稿では,自律型自転車共有システムのフリート挙動を詳細に把握したアドホックエージェントベースシミュレータを提案する。
  論文  参考訳（メタデータ） (2021-06-17T17:47:08Z)
• Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems using Multi-objective Reinforcement Learning [79.61517670541863]
  ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用 DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
  論文  参考訳（メタデータ） (2021-01-19T03:09:51Z)
• Dynamic Planning of Bicycle Stations in Dockless Public Bicycle-sharing System Using Gated Graph Neural Network [79.61517670541863]
  Dockless Public Bicycle-share (DL-PBS)ネットワークは多くの国でますます人気が高まっています。 冗長で低電力の駅は、DL-PBSベンダーの公共都市空間とメンテナンスコストを無駄にします。 DL-PBSネットワークに最適な自転車ステーションレイアウトを動的に提供できるよう、BSDP(自転車ステーションダイナミックプランニング)システムを提案します。
  論文  参考訳（メタデータ） (2021-01-19T02:51:12Z)

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。