Resumen

Los programas de uso compartido de bicicletas sin muelle han sido ampliamente aceptados como un modo eficiente de beneficiar la salud y reducir los atascos. Y la modelización y la predicción siempre han sido una propuesta fundamental en el campo del transporte. La mayoría de los modelos existentes de predicción de la demanda de bicicletas compartidas toman regiones como objetos de investigación; por lo tanto, un método basado en PDI puede ser un complemento beneficioso para la investigación existente, incluidas las técnicas a nivel de zona, a nivel de OD y a nivel de estación. El punto de interés (PDI) es la descripción de la ubicación de las entidades espaciales, que puede reflejar hasta cierto punto las características de la ruta ciclista tanto para los desplazamientos diarios como para los no diarios, y es también el principal punto de generación y atracción del flujo de viajes en bicicleta compartida. En este estudio, nos esforzamos por modelizar la demanda ciclista a nivel de POI con un método jerárquico bayesiano. El modelo propuesto combina la aproximación de Laplace anidada integrada (INLA) y la ecuación diferencial parcial aleatoria (SPDE) para hacer frente al enorme cálculo en el proceso de modelización. En particular, hemos adoptado los registros de alquiler de bicicletas compartidas sin muelle de Mobike como caso de estudio para validar nuestro método; el área de estudio fue uno de los distritos urbanos de más rápido crecimiento en Shanghái en agosto de 2016. Los resultados de la operación muestran que el método puede ayudar a comprender, medir y caracterizar mejor los patrones espaciotemporales de los usuarios de bicicletas compartidas a nivel de POI y cuantificar el impacto del efecto espaciotemporal en el uso de bicicletas compartidas.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:poi, método, menos bicicleta, ecuación diferencial parcial aleatoria, método jerárquico bayesiano, flujo de viajes en bicicleta, características de las rutas ciclistas, modelos de predicción de la demanda, nivel de demanda ciclista, punto generador principal
• Keywords:poi, method, less bicycle, random partial differential equation, bayesian hierarchical method, bike travel flow, cycling route characteristics, demand prediction models, level cycling demand, main generating point