英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料
对自行车共享使用和再平衡的实证分析：
巴塞罗那和塞维利亚的证据
摘要
全球超过400个城市已经部署或计划部署自行车共享系统。但是，驱动其使用的因素以及它们所需的再平衡量并不准确。了解这些因素后，城市可以设计或修改其系统以增加使用量，同时降低再平衡成本。我们从两个城市收集车站级别的入住数据，并将车站入住快照数据转换为车站级别的客户到达和离开，以执行我们的分析。具体而言，我们假设到达和离开车站可分为：（i）由于消费者而到达（和离开），以及（ii）由于系统操作员重新平衡系统而到达（和离开）。然后，我们开发了一个混合线性模型来估计自行车基础设施，社会人口特征和土地使用特征对客户到达和离开的影响。此外，我们开发一个二进制logit模型来识别再平衡时间段和一个回归模型框架来估计再平衡量。该研究利用来自西班牙巴塞罗那和塞维利亚的自行车共享数据进行。由此产生的建模框架提供了一个模板，用于检查不同环境下的自行车再平衡情况，以及改进自行车共享系统的系统管理的工具。
关键词：自行车共享；再平衡；线性混合模型；兴趣点
1.介绍
自行车共享系统是一种新兴的交通工具，提供临时租用公共自行车。这些方案有可能减少密集街区的汽车使用量，从而减少拥堵;另外他们促进健康的生活和环境友好。全世界有400多个城市开展自行车共享项目，包括北美和南美，欧洲和亚洲（请参阅http://bike-sharing.blogspot.com）。在这个过程中，许多城市规划人员对现有和拟议的自行车共享系统进行了可行性研究。这些研究通常包括命令估计和相应的方法。例如，费城（DVRP，2011），纽约（NYC，2011），Lon-唐（TFL，2011）和其他许多人已经发表了自行车共享可行性研究。在这些报告中，为需求估计提出了许多假设和假设。可行性研究对各种社会人口，土地利用，经济和基础设施等因素进行了假设。 Krykewycz等人的工作。 （2011）是自行车共享系统需求估计方法的代表。他们假设有助于旅行生成和旅行吸引力的因素。这些因素分为三大类：社会人口学，土地利用和基础设施空间属性。我们的方法在使用系统使用数据时也使用这三个类别。
本文的目的是解释影响台站占用快照数据的旅行产生和旅行吸引力的因素。早期的研究表明，快照数据可以提供自行车共享使用的有用表示（de Chardon和Caruso，2015）。我们将车站入住快照数据转换为两类：（i）客户到达和离开，以及（ii）系统运营商重新平衡（移除和重新填充），以执行此分析。我们用来自西班牙巴塞罗那和塞维利亚的系统数据以人口普查级别的社会人口统计数据和兴趣点数据来增加影响自行车共享使用的各种因素的假设。因为它，我们选择巴塞罗那作为我们研究的主要城市人气和大量的自行车旅行。此外，巴塞罗那之前已经在文献中进行过研究，参见Froehlich et al。 （2008年，2009年）。这两篇论文的目标是预测每个车站的自行车的可用性。相比之下，我们的目标不是预测，而是解释有助于旅行生成和吸引力的因素。我们还选择塞维利亚作为案例研究，因为过去十年发生的城市重建和创新交通规划（Cycling Mobility，2011）。所提出的研究工作评估了两个假设及其相应的问题。首先，我们假设自行车共享需求受自行车基础设施（自行车站数量和容量），土地使用（人口密度，就业密度和兴趣点）和时间变量（如温度和湿度）的影响。我们回答了量化这些各种因素对自行车共享需求的影响的问题，并采用多元分析。其次，我们假设每个电台的再平衡要求可以分为电台再平衡的数量和再平衡的频率。虽然这些指标很可能受到影响自行车共享需求的相同变量集的显着影响，但我们预计这些变量的影响对于再平衡而言会有所不同。我们回答了这些因素在重新平衡方面的影响与需求相比在数量和符号上的差异。例如，虽然混合土地使用区域增加了自行车共用需求，但它们也可能减少对再平衡的需求，因为自行车流动发生在密集地区的所有部分。这个文章的概述如下。在第2节中，我们回顾了相关文献。在第3节中，我们讨论了经验估计策略中使用的独特数据源。我们提出了线性混合模型，并在第4节中讨论了其估计中最突出的挑战和解决方案。在第5节中，我们讨论了巴塞罗那和塞维利亚的估计结果，包括用户出行的解释，自行车不平衡导致的再平衡操作该系统以及系统设计的政策含义。我们在第6节得出结论。
1.1成果
本文的主要贡献如下。首先，我们通过三个数据集的组合生成一个独特的数据集 - （1）从运营商网站收集的电台占用快照; （2）社会人口，经济和社会住房数据来自人口普查数据（本文件来自欧盟统计局）;和（3）描述TeleAtlas土地利用的兴趣点数据。其次，我们使用a将用户到达和离开运营商重新平衡（去除或重新装满自行车）启发式方法。通过实证分析，我们测试了影响客户到达和离开的因素以及重新平衡重新加注和清除的假设。我们应用行为模型分析这些系统的方法，特别是线性混合模型。最后，我们提出了第一次关于系统再平衡的实证分析，运营商侧重于理解造成这种不平衡的因素，采用由二元逻辑模型组成的方法
识别需要重新平衡的电台）以及重新平衡量的线性回归模型。这种分析可以帮助制定提前重新平衡的计划，并为客户重新平衡自行车创造激励机制。
2.文献综述
对非机动行驶模式的需求估计已经得到了相当充分的研究（参见Rietveld等人，2001; Cao等人，2006; Chatman，2005; Handy等人，2006; Kitamura等人，1997; Schwanen等人Mokhtarian，2005）。 FHWA报告（FHWA，1999）描述了非机动模式旅行产生的关键因素。其他研究尝试了对自行车使用和出行率的需求分析（Chatman，2005），使用和模式选择（Baltes，1996; Beck和Immers，1996; Cervero和Duncan，2003; Hunt和Abraham，2007）里程数（Ewing等，2005）。关于自行车所有权及其与自行车使用的关系的研究相对较少。此外，自行车使用的衡量标准在旅行调查中可能不准确，因此往往记录不当（BTS，2000）。然而，与其他非机动模式相比，自行车共享系统预计会具有一些相似和一些不同的特征。例如，与其他非机动车系统区别的自行车共享系统的特点是它们不需要拥有自行车，因此有助于增加自行车和过境。自行车共享和其他非机动车系统的共同特点是年龄群体的人口预计将有利于他们的使用。有关自行车共享系统的新兴文献。诸如Shaheen等人的研究。 （2010）和deMaio（2009）描述了自行车共享系统的历史，而Carballeda等人（2010）调查了西班牙的公共自行车系统。量化研究的大部分重点是使用时间序列模型对系统进行状态预测。 Borgnat等人（2009a，2009b，2010），Kaltenbrunner等人（2010）和Vogel和Christian（2010）提出了自行车共享的时间序列模型。 Jensen等人。 （2010）也推断了里昂自行车共享项目中自行车的行驶速度。 Froehlich等人（2008年，2009年）使用贝叶斯网络和聚类预测自行车的可用性。最近，有几个量化研究从不同维度检查自行车共享系统。
例如，一些研究表明，增加自行车共享系统基础设施（站数和容量）或增加车站周边自行车路线会增加自行车共享系统的使用（Buck和Buehler，2012; Faghih-Imaniet等，2014; Wang等，2016 ）。 Faghih-Imani和Eluru（2014）发现了自我选择假说的证据，表明忽略建模过程中的安装决策过程倾向于高估自行车共享系统的影响
基础设施。研究发现，就业或人口密度较高的地区或附近有较多兴趣点的电台（例如餐厅，零售店和大学）经历较高的抵达和离开
（Rixey，2013; Faghih-Imani等，2014）。此外，自行车共享系统与其他公共交通系统（如地铁或公共交通系统）之间的关系也通过若干研究工作进行了检验（Nair等，2013;
Faghih-Imani等人，2014; Faghih-Imani和Eluru，2015; Gonzaacute;lez等，2015）。对自行车共享系统的时间属性的分析表明，在高峰时段观察到高峰使用率，而平日往往有较高的使用率
与周末相比，表明自行车共用系统在平日用于通勤目的（O#39;Brien，2014; Faghih-Imani等，2014; Murphy和Usher，2015）。几项研究分析了天气特征的影响
（如温度和湿度）对自行车共享系统的使用（Gebhart和Noland，2014; Faghih-Imaniet等，2014）。另一篇文献侧重于自行车共享系统的运行效率。奈尔等人。 （2013）描述了自行车共享系统固有的空间 - 时间供求不对称。相辅相成的是，拉维夫等人。 （2013），Lin和Yang（2011）试图通过优化自行车重新定位操作来解决这些不对称问题。
2.1旅行世代和吸引力因素
许多城市已经发布了使用类似方法的自行车共享可行性和需求预测研究（参见纽约市（NYC，2011），伦敦（TFL，2011）和费城（DVRP，2011）），大多数研究假定三个主要用户
自行车共享小组：通勤者，学生和游客。可行性研究通常使用陈述偏好调查和人口普查区域数据来估计每个用户群的吸收率。此外，调查试图提出问题
导致行程替代和模式份额变化的估计。我们的方法不同之处在于，我们根据显示的偏好（使用情况）数据来估算旅程生成和吸引力因素。 Krykewycz等人（2011）是最直接相关的工作到这篇论文.Krykewycz et al。 （2011）提出了一个系统框架来估计宾夕法尼亚州费城自行车共享项目的需求。此外，他们假设有助于旅行起源和旅行吸引力的因素。
起源因素包括人口密度和第四季度人口密度。吸引力因素包括工作密度，旅游景点的位置，以及靠近公园和娱乐场所。他们还考虑网络设施和基础设施的功能，像火车站，自行车道和巴士站。我们补充了Krykewycz等人的工作。 （2011）通过使用观察到的使用数据来揭示影响旅行生成和吸引力的因素。虽然基于人口普查数据的结果在自行车共享可行性研究中很常见 - 参见费城（DVRP，2011），纽约（NYC，2011），伦敦（TFL，2011） - 我们提供了一个经验分析来测试影响因素自行车共享使用。
3.数据来源的说明
我们的目标是解释在西班牙巴塞罗那和塞维利亚影响自行车共享旅行产生和吸引力的选择因素。我们分析的利益因变量是公共自行车使用的到达和离开率以及运营商重新平衡城市副市区（SCD）的重新加注和清除率。 SCD是空间上同质的区域（就社会结构和建筑环境而言），以便于规划。 自变量包括人口普查数据来自欧洲统计局的社会人口统计学，经济学和住房方面的SCD级别。 兴趣点（POI）数据（如商业地点，地铁站，休闲活动，餐馆等）用作土地使用特征的代理和旅行的目的。 我们在下面详细描述这些数据源的编译练习。
3.1。自行车共享使用数据
我们开发了一个包含网络爬虫的信息系统基础设施，通过这些程序的网站实时捕捉自行车共享系统状态（快照）数据。数据集，从自行车共享网站获得节目，从2009年5月1日至9月20日跨度。通过这一过程，城市中所有自行车站的状态信息每5分钟获取一次（由于爬行者的限制）。但是，由于信息系统的间歇性错误基础设施，几个电台和时间点都缺少数据。我们清理这些数据，分别为巴塞罗那和塞维利亚的每个电台提供34天和21天的5分钟状态数据。本研究中的出行率信息来源于收集状态信息。我们还记录了城市中每个自行车站的经度和纬度，以及每个SCD中自行车站的总数。通过这个过程，我们编制了一个独特的关于每个人使用的纵向数据集车站和SCD。
为了将这些数据转化为我们模型中使用的因变量，我们首先计算每个台站在5分钟时的总到达率和出发率。请注意，自行车总数的到达和离开可能受到两个客户的影响以及运营商的重新平衡操作。我们使用启发式方法将明显的总到达率和总出发率分为四个组成部分 - （i）到达率，（ii）出发率，（iii）重新填充率和（iv）移除率。（i）和（ii）的价格是由于客户的使用所致;（iii）和（iv）由于经营者的再平衡所致。我们分离背后的假设是：当运营商重新平衡车站的自行车时，通常会有一个重大变化与用户借用和返回自行车相比，车站在短时间内的自行车总数（重新补充或移除）。因此，当我们观察到5分钟的总抵达（总出发）率大于第99百分位该站的到达（离开）速率，我们假设操作员执行重新平衡操作（重新填充或移除）。具体而言，我们的启发式假设当总到达（总出发）费率超过该站的到达（出发）费率的第99百分位时，由于公共需求的到达（离开）费率是最后两个5分钟到达费用的平均费率（离开时间），剩余时间由操作员重新填充（移除）（注意，根据数据中的观察结果，还可以使用不同的阈值，例如第95百分位）。 1将（i）到达率，（ii）出发率，（iii）再填充率和（iv）去除率的5分钟水平数据进一步在时间和空间上进行汇总以创建其在SCD小时级别的相应小时指标。
3.2 欧盟统计局的城市审计
欧盟的统计机构欧盟统计局和成员国国家统计机构在城市审计（Eurostat，2007）中为城市内部的一些城市汇编了一定数量的城市数据。 欧盟统计局的城市审计数据提供了以下类别的变量：社会人口，经济和住房。 这些数据可在市级和次级城市区（SCD）级获得。 对于这项研究，我们使用SCD级别的数据。 本研究使用2006 - 2007年城市审计收集的数据。 2006-2007年SCD级变量的数量有限， 我们能够在SCD水平上提取以下变量：人口密度，女性人口，一人家庭和劳动力市场参与率。
3.3。Tele Atlas的兴趣点
我们使用Tele Atlas（www.teleatlas.com）提供的地理数据库提供的兴趣点（POI）数据。 Tele
全文共7583字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[16125]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
