New technologies applied to transportation services in the city, enable the shift to sustainable transportation modes making bike-sharing systems (BSS) more popular in the urban mobility scenario. This study focuses on understanding the spatiotemporal station and trip activity patterns in the Lisbon BSS, based in 2018 data taken as the baseline, and understand trip rate changes in such system, that happened in the following years of 2019 and 2020. Furthermore, our paper aims to understand the COVID-19 pandemic impact in BSS mobility patterns. In this paper, we analyzed large datasets adopting a CRISP-DM data mining method. By studying and identifying spatiotemporal distribution of trips through stations, combined with weather factors, we looked at BSS improvements more suitable to accommodate users' demand. Our major contribution was a new insight on how people move in the city using bikes, via a data science approach using BSS network usage data. Major findings show that most bike trips occur on weekdays, with no precipitation, and we observed a substantial growth of trip count, during the observed time frame, although cut short by the pandemic. We believe that our approach can be applied to any city with available urban mobility data.
A adoção de frotas mais ecológicas e sustentáveis para a distribuição das encomendas na última milha dentro dos grandes centros urbanos tem vindo a crescer. As bicicletas de carga têm sido a alternativa mais comum. A implementação deste tipo de frotas, demonstrou trazer benefícios, mas evidenciou algumas limitações. A rede de infraestruturas, que serve de suporte á logística urbana, teve de se adaptar para poder responder às necessidades deste novo tipo de frotas. A implementação de microhubs e nano-hubs foram a alternativa.O nosso estudo tem dois objetivos principais. O primeiro objetivo é o de fazer uma caracterização espácio temporal dos comportamentos da frota, através de um estudo de caso onde efetuámos a exploração dos dados da frota de e-cargo bike da YOOB (start-up logística de entregas na última milha que atua na área de Lisboa e na periferia). E o segundo consiste em identificar potenciais locais de expansão para a instalação de novos hubs no mesmo estudo de caso. Nos processos de trabalho foi seguida a metodologia CRISP-DM e os dados recolhidos foram referentes a um período de 4 meses (Janeiro a Abril de 2022).Com recurso a técnicas de ciência dos dados e aprendizagem automática, foram identificados cinco tipos de desempenhos da frota da YOOB, com variações em distâncias percorridas, tempos efetuados, volumes transportados e velocidades praticadas. Numa perspetiva de expansão da rede de e-cargo bike da YOOB, forma identificados três novos locais na cidade de Lisboa para a instalação potencial de novos hubs.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.