Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Transporte para todos: mapeo de la conexión equitativa entre bicicletas y metro mediante el aprendizaje de representación regional

Created by
  • Haebom

Autor

Min Namgung, Janghyeon Lee, Fangyi Ding, Yao-Yi Chiang

Describir

Este documento presenta Transit for All (TFA), un marco de computación espacial para expandir los sistemas de bicicletas compartidas (BSS) y abordar así los desafíos del acceso limitado al transporte público para comunidades de bajos ingresos y minorías en ciudades densamente pobladas como la ciudad de Nueva York. TFA consta de tres componentes. Primero, utiliza el aprendizaje de representación local, que integra diversos datos espaciales, para predecir la demanda de bicicletas compartidas en nuevas ubicaciones de estaciones. Segundo, realiza una evaluación integral de la accesibilidad del transporte público utilizando un novedoso Nivel Ponderado de Accesibilidad al Transporte Público (wPTAL), que combina la demanda prevista de bicicletas compartidas con las métricas de accesibilidad del transporte público existentes. Tercero, proporciona recomendaciones estratégicas para la ubicación de nuevas estaciones de bicicletas, considerando las posibles ganancias en términos de número de pasajeros y equidad. Usando la ciudad de Nueva York como caso de estudio, identifica las brechas de acceso al transporte público que afectan desproporcionadamente a las comunidades de bajos ingresos y minorías y demuestra que la ubicación estratégica de nuevas estaciones con base en wPTAL puede reducir significativamente las inequidades en la accesibilidad del transporte público asociadas con factores económicos y demográficos.

Takeaways, Limitations

Takeaways:
Proponemos un modelo de predicción de la demanda de bicicletas compartidas basado en el aprendizaje de representación local que integra diversos datos espaciales, lo que puede mejorar la precisión de la predicción de la demanda en nuevas ubicaciones de paradas.
El indicador wPTAL, que combina los indicadores de accesibilidad del transporte público existentes con la demanda de bicicletas compartidas, permite una evaluación más completa de la accesibilidad del transporte público.
El marco del TFA puede ayudar a reducir las desigualdades en el acceso al transporte público para las comunidades de bajos ingresos y minoritarias.
Proporciona orientación práctica a los planificadores urbanos para la expansión equitativa de los sistemas de bicicletas compartidas.
Limitations:
Dado que este estudio utilizó la ciudad de Nueva York como caso de estudio, se necesitan más investigaciones para determinar la generalización a otras ciudades.
Es posible que se necesiten revisiones y mejoras adicionales con respecto a la ponderación del indicador wPTAL.
Falta de consideración de otros factores que influyen en la expansión de los sistemas de bicicletas compartidas (por ejemplo, el robo de bicicletas, problemas de seguridad).
👍