MARC

 008250224s2024        us  ||||||||||||||c||eng  d
■001000017163810
■00520250211152756
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798383728383
■035    ▼a(MiAaPQ)AAI31555817
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a385
■1001  ▼aFan,  Zhufeng.
■24510▼aReshaping  Urban  Transportation  With  Micromobility.
■260    ▼a[S.l.]▼bCarnegie  Mellon  University.  ▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a163  p.
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-02,  Section:  B.
■500    ▼aAdvisor:  Harper,  Corey.
■5021  ▼aThesis  (Ph.D.)--Carnegie  Mellon  University,  2024.
■520    ▼aMicromobility  (e.g.,  bikes  and  e-scooters)  has  become  a  vital  component  in  modern  cities  in  recent  years,  representing  significant  opportunities  to  reshape  urban  transportation  systems.  This  dissertation  develops  methods  and  frameworks  to  estimate  the  impacts,  improve  equity,  and  improve  operations  of  micromobility  modes  in  urban  areas.  Three  research  questions  are  answered  in  this  dissertation:  1)  What  are  the  upper  bound  potential  for  micromobility  to  replace  short  vehicle  trips  in  an  urban  area  and  the  resulting  impacts  to  traffic  congestion  and  environments;  2)  How  do  transportation  planner  preferences  for  satisfying  equity  and  demand  objectives  affect  bike  share  station  siting  decisions;  3)  What  extra  information  can  social  media  data  provide  for  bikeshare  demand  predictions.Chapter  2  investigates  the  effects  of  micromobility  to  replace  short  private  vehicles  trips  (0-3  miles).  This  study  uses  Seattle  as  a  case  study  and  estimates  that  up  to  18%  of  short  car  trips  could  be  replaced  by  micromobility.  A  static  traffic  assignment  model  is  developed  to  simulate  and  compare  the  results  of  peak  hour  traffic  under  a  base  case  scenario  (2014  traffic  conditions)  to  scenarios  where  a  portion  of  short  car  trips  are  substituted  by  micromobility.  Results  indicate  that  micromobility  could  reduce  congestion  on  heavily  congested  corridors  and  wide-scale  bike  lane  deployment  can  maximize  congestion  benefits,  but  the  impacts  to  energy  use  and  emissions  are  disproportionately  low  and  other  measures  (e.g.,  vehicle  electrification)  are  needed  to  meet  climate  change  emissions  targets.Chapter  3  explores  the  design  and  equity  implications  of  bike  share  systems.  Shared  bikes  represent  a  significant  opportunity  to  improve  transit  accessibility  but  have  issues  with  low-density  and  inequitable  distribution  of  services,  typically  in  low-income  areas.  This  study  develops  a  method  to  estimate  public  transit  service  supply  within  a  region  with  micromobility  using  bus  schedule  and  bike  station  location  data.  A  bi-objective  optimization  model  is  developed  and  applied  to  Pittsburgh,  PA  to  illuminate  how  stakeholder  preferences  towards  equity  (i.e.,  improving  mobility  access  for  disadvantaged  communities)  impacts  the  design  of  docked  bike  share  systems.  Results  indicate  that  bike  share  systems  can  significantly  improve  public  transit  accessibility  within  a  region,  particularly  in  neighborhoods  that  have  bike  stations  deployed.  Emphasizing  equity  enables  disadvantaged  communities  to  have  greater  access  to  public  transit,  while  balancing  equity  and  demand  can  help  bridge  transportation  disparities  among  population  groups.Chapter  4  examines  the  potential  of  social  media  data  to  bikeshare  demand  predictions,  using  the  bikeshare  program  in  Pittsburgh  as  a  case  study.  Numerical  feature  representations  are  extracted  from  Twitter  messages  using  state-of-the-art  large  language  models  and  follow  up  with  a  time-series  regressor  for  demand  prediction.  Although  sentiment  features  extracted  from  Twitter  messages  marginally  improve  prediction  performance,  the  usability  of  text  embeddings  of  Twitter  data  is  limited  due  to  noise  and  irrelevance  compared  to  traditional  data  sources.  Finetuning  large  language  models  can  reduce  the  gap  between  social  media  features  and  actual  demand,  but  future  discovery  is  still  needed  to  maximize  the  overall  utilization  of  social  media  data  in  micromobility  research.This  dissertation  deepens  the  understanding  of  micromobility  modes  and  assists  policymakers  in  more  effectively  incorporating  micromobility  into  urban  transportation  systems.  Together  with  advancements  in  other  transportation  modes,  micromobility  is  aspired  to  improve  the  overall  quality  of  urban  life  by  enhancing  accessibility,  equity,  and  convenience  in  urban  transportation  in  the  future.
■590    ▼aSchool  code:  0041.
■650  4▼aTransportation.
■650  4▼aUrban  planning.
■650  4▼aEnvironmental  engineering.
■653    ▼aEquity
■653    ▼aMicromobility
■653    ▼aUrban  transportation  systems
■653    ▼aTraffic  congestion
■690    ▼a0543
■690    ▼a0709
■690    ▼a0775
■690    ▼a0999
■71020▼aCarnegie  Mellon  University▼bCivil  and  Environmental  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g86-02B.
■790    ▼a0041
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17163810▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서