Estimation d'un modèle d'origine de scooter en matière d'origine tirant parti des données POI Yelp

Le Dr Abolfazl Karimpour, professeur adjoint d'ingénierie des transports au SUNY Polytechnic Institute et directeur du Transportation AI Research Lab (Trail), est l'auteur principal d'une nouvelle étude qui fait progresser la compréhension de la mobilité de l'e-scooter dans les environnements urbains.

Publié dans Environnement et planification B: Analytique urbaine et science de la villeL'article, «Estimation d'un modèle d'origine de scooteur en e-scooter, tirant parti des données Yelp POI pour améliorer les informations de la mobilité urbaine», présente le premier modèle d'apprentissage automatique inspiré de la gravité pour les voyages en e-scooter. Les travaux ont été achevés en collaboration avec des chercheurs de l'Université de Louisville.

À l'aide de Louisville, du Kentucky, en tant qu'étude de cas, la recherche a intégré les données de décrochage électronique, les limites de la zone d'analyse du trafic (TAZ) et les données d'intérêt (POI) de crowdsourced Points de Yelp. Le modèle a révélé que les flux E-Scooter sont fortement influencés par la présence de restaurants, de bars, de cafés et de centres commerciaux, tandis que les parcs et les musées ont moins d'effet. Il a été démontré que la distance entre les zones réduisait les volumes de déclenchement, reflétant la nature à courte portée des voyages de micromobilité.

L'étude montre comment les données du POI peuvent être combinées avec les enregistrements de voyage pour prévoir la demande, évaluer les besoins des infrastructures et optimiser le rééquilibrage de la flotte. L'approche fournit un cadre pour que les villes évaluent comment les changements urbains, tels que l'ajout de nouvelles zones commerciales, peuvent affecter l'utilisation des scooters électroniques.

Cette recherche contribue de nouveaux outils pour les urbanistes et les agences de transport cherchant à intégrer la micromobilité dans des systèmes de transport plus larges.