論文の概要: Transit for All: Mapping Equitable Bike2Subway Connection using Region Representation Learning
- arxiv url: http://arxiv.org/abs/2506.15113v1
- Date: Wed, 18 Jun 2025 03:31:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-19 19:35:51.540807
- Title: Transit for All: Mapping Equitable Bike2Subway Connection using Region Representation Learning
- Title（参考訳）: 全てのためのトランジット:領域表現学習を用いた等価Bike2サブウェイ接続のマッピング
- Authors: Min Namgung, JangHyeon Lee, Fangyi Ding, Yao-Yi Chiang,
- Abstract要約: 自転車シェアリングシステム(BSS)は、手頃なファーストマイルとラストマイルの接続を提供することで、株式ギャップを埋めることができる。
本稿では,BSSの等間隔展開を導くための空間コンピューティングフレームワークであるTransit for All(TFA)を紹介する。
ニューヨーク市をケーススタディとして、低所得層や少数民族社会に不均衡に影響を及ぼす交通アクセシビリティのギャップを同定する。
- 参考スコア（独自算出の注目度）: 6.20584161498609
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ensuring equitable public transit access remains challenging, particularly in densely populated cities like New York City (NYC), where low-income and minority communities often face limited transit accessibility. Bike-sharing systems (BSS) can bridge these equity gaps by providing affordable first- and last-mile connections. However, strategically expanding BSS into underserved neighborhoods is difficult due to uncertain bike-sharing demand at newly planned ("cold-start") station locations and limitations in traditional accessibility metrics that may overlook realistic bike usage potential. We introduce Transit for All (TFA), a spatial computing framework designed to guide the equitable expansion of BSS through three components: (1) spatially-informed bike-sharing demand prediction at cold-start stations using region representation learning that integrates multimodal geospatial data, (2) comprehensive transit accessibility assessment leveraging our novel weighted Public Transport Accessibility Level (wPTAL) by combining predicted bike-sharing demand with conventional transit accessibility metrics, and (3) strategic recommendations for new bike station placements that consider potential ridership and equity enhancement. Using NYC as a case study, we identify transit accessibility gaps that disproportionately impact low-income and minority communities in historically underserved neighborhoods. Our results show that strategically placing new stations guided by wPTAL notably reduces disparities in transit access related to economic and demographic factors. From our study, we demonstrate that TFA provides practical guidance for urban planners to promote equitable transit and enhance the quality of life in underserved urban communities.
- Abstract（参考訳）: 特にニューヨーク市のような人口密度の高い都市では、低所得層や少数民族のコミュニティが交通アクセスの制限に直面している。
自転車シェアリングシステム(BSS)は、手頃なファーストマイルとラストマイルの接続を提供することで、これらの株式ギャップを埋めることができる。
しかし、新しく計画された「コールドスタート」駅での自転車シェアリング需要の不確実さと、現実的な自転車利用の可能性を見落としているような従来のアクセシビリティ指標の制限のため、BSSを未利用地区に戦略的に拡張することは困難である。
筆者らは,(1)寒冷地空間データを統合した地域表現学習を用いた寒冷地における自転車共有需要予測,(2)新しい公共交通アクセシビリティレベル(wPTAL)を活用した包括的交通アクセシビリティ評価,(3)自転車共有需要と従来の交通アクセシビリティ指標を組み合わせることで,BSSの公平な拡大を導くための空間コンピューティングフレームワークであるTransit for Allを紹介した。
ニューヨーク市をケーススタディとして、歴史的に保存されていない地区の低所得層や少数派社会に不均等に影響を及ぼす交通アクセス率のギャップを同定する。
以上の結果から,wPTALで案内される新しい駅を戦略的に配置することで,経済・人口統計要因による交通アクセスの格差が著しく低減されることがわかった。
本研究は, 都市計画立案者に対して, 公平な交通を促進し, 生活の質を高めるための実践的ガイダンスを提供することを実証するものである。
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体積をモデル化するためにGCNアーキテクチャを利用する最初の研究について述べる。
線形回帰、サポートベクターマシン、ランダムフォレストといった従来の機械学習モデルと比較した。
以上の結果から,GCNモデルは,年間平均自転車数(AADB)を予測する上で,従来のモデルよりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2024-10-11T04:53:18Z) - Smart Recommendations for Renting Bikes in Bike Sharing Systems [1.5115914900997285]
自動車シェアリングシステムは近年、大都市で人気が高まっている。
それらの利点の1つは、例えば、市内のほぼどこでも車両を運べる(または出発する)可能性である。
規制緩和の問題 — 使用パターンのため、利用可能な車両は特定のエリアに集中しているが、他の地域では利用できない — は、このようなシステムでは極めて一般的である。
本稿では, 自転車の貸出・返却を希望する利用者に対して, 駅を推薦する戦略を提示し, 比較する。
論文 参考訳（メタデータ） (2024-01-22T19:29:33Z) - Towards Understanding the Benefits and Challenges of Demand Responsive Public Transit- A Case Study in the City of Charlotte, NC [3.678540247562326]
本研究は, ノースカロライナ州シャーロット市において, 交通依存人口が直面する課題について検討する。
本研究は、当初、待ち時間、信頼性の低いスケジュール、アクセシビリティの制限といった重要な問題を評価した。
この評価には、既存のシャーロット地域交通システム(CATS)モバイルアプリケーションの分析と、提案されたスマートオンデマンドトランジット技術に対するユーザ受け入れ調査が含まれていた。
論文 参考訳（メタデータ） (2023-04-09T03:10:36Z) - Equity Promotion in Public Transportation [18.057286025603055]
本研究は,エクイティ・プロモーション目的のために,この2つのアプローチを一体化するための最適化モデルを提案する。
我々は線形プログラミング(LP)に基づくラウンドリングアルゴリズムを設計し、最適近似比が1-1/eであることを証明する。
実験により,我々の理論予測を検証し,社会資本の促進に向けたLPベースの戦略の有効性を実証した。
論文 参考訳（メタデータ） (2022-11-26T10:06:00Z) - Equity Scores for Public Transit Lines from Open-Data and Accessibility
Measures [0.3058685580689604]
現在の交通は明らかな不平等に悩まされており、郊外の交通のレベルは都市部よりもはるかに低い。
持続可能性の目標を達成し、自動車依存を減らすためには、輸送は株式を中心に(再)設計されるべきである。
論文 参考訳（メタデータ） (2022-09-30T22:58:11Z) - An Energy Consumption Model for Electrical Vehicle Networks via Extended
Federated-learning [50.85048976506701]
本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。
バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
論文 参考訳（メタデータ） (2021-11-13T15:03:44Z) - Transfer Learning Approach to Bicycle-sharing Systems' Station Location
Planning using OpenStreetMap Data [4.869953137750582]
本稿では,空間埋め込み手法を用いて,計画の合理化と効率化を図るための新しい手法を提案する。
OpenStreetMapの公開データとヨーロッパの34都市からの駅レイアウトに基づいて、都市をマイクロリージョンに分割する手法が開発されている。
論文 参考訳（メタデータ） (2021-11-01T14:56:49Z) - 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) - Exploiting Interpretable Patterns for Flow Prediction in Dockless Bike
Sharing Systems [45.45179250456602]
本稿では,解釈可能な交通パターンを用いた効率的な自転車フロー予測を実現するための,解釈可能な自転車フロー予測(IBFP)フレームワークを提案する。
都市部をフロー密度に応じて領域に分割することにより、まず、グラフ正規化スパース表現を用いて、各領域間の自転車の流れをモデル化する。
そして,スパース表現を用いたサブスペースクラスタリングを用いて,自転車のフローからトラフィックパターンを抽出し,解釈可能なベース行列を構築する。
最後に、実世界のデータを用いた実験結果から、ドックレス自転車シェアリングシステムにおけるフロー予測におけるIBFP法の利点が示された。
論文 参考訳（メタデータ） (2020-04-13T05:31:50Z)
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。