Bike-Share Systems: Accessibility and Availability
Ashish Kabra Elena Belavina Karan Girotra
Working Paper Series
2015/08/TOM
Urban agglomerations across Asia, Europe, and the Americas are faced with unprecedented traffic congestion and poor air quality that threatens their attractiveness to citizens and businesses. Only three of the 74 Chinese cities monitored by the central government managed to meet official minimum standards for air quality in 2013 [Wong, 2014]. In March 2014, levels of suspended particulate matter in the air above Paris reached twice the permissible level, which led to driving restrictions [Rubin, 2014]. Likewise, many large US cities are in a state of “non-attainment” with respect to their clean air requirements.1 Passenger vehicles are the major culprit in each case: 45% of air pollution in European cities can be directly attributed to private passenger vehicles, and that figure reaches 80% for some Asian cities.2
Traffic congestion worsens air quality and is a scourge in its own right. An average US commuter loses 34 hours and $750 annually to traffic congestion; commuters in Washington DC, Los Angeles, San Francisco, and Boston lose twice as much time and money.3 An average resident of Paris loses euro;2,883 each year because of traffic congestion, costing the French economy some euro;17 billion
annually [Negroni, 2014]. Emerging market mega-cities (Bangkok, Manila, Kuala Lumpur, Delhi, Mumbai, and Ho-Chi Minh City, inter alia) routinely break traffic congestion records, and Asian economies lose from 2% to 5% of their annual GDP to traffic congestion.
The use of bicycles helps to alleviate both traffic congestion and poor air quality. Bicycles can substitute for polluting vehicles on short trips, and they facilitate the use of environmentally effcient public transport for long trips by providing effective “last mile” connectivity. The use of bicycles also reduces road congestion: compared with a typical passenger vehicle, which occupies 115 of road space, a bicycle makes do with only about 6 [Rosenthal, 2011]. However, the adoption of bicycles by commuters remains low in most major cities. The main barriers are the lack of safe parking spaces for bikes in urban dwellings and at public transit hubs, vandalism and theft of bikes, and the inconvenience and cost of owning and maintaining a bike. Bike-share systems address each of these concerns.
A typical bike-sharing system includes a communal stock of sturdy, low-maintenance bikes distributed over a network of parking stations. Each station provides 10–100 automated parking spots, or docking points, and a networked controller interface. A registered commuter can “check out” any available bike from a station and, at the end of her commute, can return the bike to any station in the network. Registration often requires the commuter to pay a security deposit. Usually the first half hour of use is free of charge and subsequent intervals are progressively more expensive.
From an individual commuterrsquo;s point of view, bike-share systems eliminate the inconvenience of bike ownership, the need to find parking places, and the fear of theft and vandalism. Moreover, being able to take a bike from one station and drop it off at another facilitates one-way trips and the use of different modes on round trips. A crucial system feature is that bicycles can be used as an effective last-mile feeder system to other public transit systems, such as metro rail or bus systems.
While bike-sharing systems have existed since the 1950s, there has been renewed interest since the successful implementations in France in 2006. As of April 2013, these systems had spread across Europe, the United States, and Asia—there were more than 530 bike-sharing systems in operation around the world with a total fleet of about 517,000 bikes. Paris, Barcelona, London, Wuhan, Hangzhou, Shanghai, New York City, and Chicago have all implemented large-scale systems.
Although bike-sharing systems have garnered considerable attention, their promise is far from being fully realized. Despite widespread enthusiasm among citizens, ridership in some systems has fallen short of projections and there is increasing pressure on operator finances. More importantly,current ridership levels are well short of meeting the challenge of transforming urban transportation. A key reason for the lacking ridership is that while providers and operators have focused on bike-design and technology aspects, there is almost no rigorous analysis of operational aspects such as station location, system-reliability, nor are the commuter responses to such aspects understood [Tangel, 2014]. The aim of this paper is to identify relationships between ridership and design aspects of a bike-share system and, to illustrate the use of these relationships in designing systems that achieve higher ridership.
In particular, we estimate the impact on ridership of two factors: station accessibility, or how far a commuter must walk to reach a station; and bike-availability, or the likelihood of finding a bike at the station. There are, in turn, two aspects of bike-availability. The immediate one is that commuters must walk longer (or use other means of transport) if nearby stations donrsquo;t have bikes. The more subtle, long-term aspect of availability is that—to the extent that the system is less reliable in this regard—commuters are less likely to incorporate bike-sharing into their daily commute or to make long-term commitments (e.g., forgoing their cars, choosing to live in an urban area).
We conceptualize commuter behavior in bike-share systems as a choice between differentiated products. Thus, each commuter is viewed as a consumer, each station is a different product, the distance to a station and its historic bike-availability are product characteristics, and the set of stations with available bikes is the consumer
全文共19430字，剩余内容已隐藏，支付完成后下载完整资料
共享单车系统：易用性和可获性
Ashish Kabra、Elena Belavina、Karan Girotra
Working Paper Series
2015.8
亚洲，欧洲和美洲的城市集群面临着前所未有的交通拥堵和空气质量的恶化，这些问题威胁着它们对公民和企业的吸引力。2013年，中央政府监测的74个中国城市中，只有三个达到了空气质量的最低标准[Wong，2014]。 2014年3月，巴黎的空气悬浮颗粒物含量达到最低标准水平的两倍，直接导致了人们出行的机动车限制[Rubin，2014]。同样，美国许多大型城市在城市空气方面也处于“不达标”状态。其中，乘用车是主要的罪魁祸首：欧洲城市45％的空气污染可直接归因于私人车辆，这个数字在亚洲一些城市达到了80％。交通拥堵使空气质量恶化，这本身就是一个祸害。由于交通拥堵，美国的通勤者平均每年损失34小时和750美元;华盛顿特区，洛杉矶，旧金山和波士顿的上班族也因此失去了两倍的时间和金钱。由于交通拥堵，巴黎的普通居民每年损失2,883欧元，这使得法国经济每年损失约17亿欧元[Negroni，2014] 。新兴市场特大城市（曼谷，马尼拉，吉隆坡，德里，孟买和胡志明市等）经常打破交通拥堵记录，由于交通拥堵，亚洲经济体年均GDP减少2%-5%。
自行车的使用有助于缓解交通拥堵和空气质量差。 自行车可以在短途旅行中替代产生污染的机动车辆，并且通过提供有效的“最后一公里”连接，以绿色环保的方式使短途旅行更为便捷。 自行车的使用也减少了道路堵塞：与占地115立方米的典型乘用车相比，一辆自行车只有6立方米左右[Rosenthal，2011]。 然而，在大多数主要城市，通勤者采用自行车的比例仍然很低。 主要障碍是缺乏城市住宅和公共交通枢纽的自行车的安全停车位，自行车破坏和盗窃，以及拥有和维护自行车的不便和成本。 为了解决这些问题，共享单车系统应运而生。
典型的共享单车系统包括通过网点控制的公共停车区域以及低维护的自行车。 每个站点提供10-100个停靠点以及网络控制器界面。 经过网上注册的通勤者可以从车站搜索任何可用的自行车，并且在通勤结束时可以将自行车返回到网络中的任何站点。进行网络注册需要通勤者支付保证金。在骑行时，通常前半小时的使用是免费的，随后的时间间隔则越来越昂贵。
从个人通勤者的角度来看，自行车共享系统消除了自行车所有权所带来的不便和难以找到停车位的问题，规避了个人车辆可能被盗窃和被破坏的风险。 此外，能够从一个站点取车并将其停在另一个车站上，着便于单程旅行和在往返途中使用不同模式。同时，自行车可以用作其他公共交通系统（如地铁或公交系统）的有效最后一英里馈线系统，这也是共享单车系统中最重要的部分。
尽管自行车共享系统自20世纪50年代以来就已存在，但自从2006年在法国成功实施以来，它们重新引起了人们的兴趣。截至2013年4月，自行车共享系统遍布欧洲，美国和亚洲，超过530个自行车共享系统正在运营着517,000辆共享单车。 巴黎，巴塞罗那，伦敦，武汉，杭州，上海，纽约和芝加哥的自行车共享系统规模已非常庞大。
虽然自行车共享系统引起了相当大的关注，但他们的承诺还远未完全实现。 尽管市民普遍热情高涨，但某些系统的用户人数并未达到预期，而且运营商的财务压力也在增加。 更重要的是，目前的用户数量还远远不能满足城市交通改革的挑战。 用户不够的一个重要原因是，虽然车辆提供商和系统运营商都专注于自行车设计和技术方面，但几乎都没有对运营方面进行严格分析，如车站位置，系统可靠性，通勤者对这些方面的反应也不了解 [Tangel，2014]。 本文的目的是确定自行车共享系统的用户和设计方面之间的关系，并说明如何在实现更高用户转化率的系统中使用这些关系。
特别是，我们估计两个因素对乘客的影响：站点便利性，即：通勤者到达车站所需走多远; 和自行车可用性和自行车的可获性，即：在车站找到自行车的可能性。最直接的是，如果附近的车站没有自行车，通勤者必须走更长的路程（或使用其他交通工具）。 车辆可获性对于用户的潜在的习惯形成非常重要，若可获车辆的稳定性较低，则通勤者不太可能将自行车共享纳入他们的日常通勤选择。
我们将自行车共享系统中的通勤者行为看作不同产品之间的选择。因此，每个通勤者都被视为消费者，每个车站都是不同的产品，与车站的距离以及自行车的易获性都属于产品特征，而更便捷的车站则是消费者的选择。我们感兴趣的参数是消费者更加偏好距离短的站点还是易获的自行车。需要注意的是，第一个产品特征（到车站的距离）是一个既是车站所有的又是通勤者特有的特征。在简化模型中，站点等级模型需要考虑一个具有代表性的通勤者，并且在这种模型中，距离的影响与该站点的汇集区的影响相互混淆;也就是说，相较于其他站点，更远的站点会让通勤者走得更远，但也有更大的汇集区区域。另一种方法是在通勤站级建立一个模型，但这需要观察每个通勤者的起点。为避免这两种方法的缺陷，我们基于随机效用最大化框架（如[Berry et al。，1995]，以下简称“BLP”）开发了一种结构性需求模型，该模型仅使用站点等级数据，但恢复了通勤者在距离选择上的效应。
我们的模型考虑了一个潜在的通勤者人群，他们随着参数空间密度随机分布在整个操作区域。每个单独的通勤者都处于不同的站点和外部选项（即其他一些交通工具）之间进行选择。该选择基于通勤者对自行车的偏好，即：通勤者与不同车站的距离以及这些车站自行车的易获性。接下来，我们使用乘客的空间密度来汇总个人通勤者决策，以从不同站点获得起始旅程的数量。我们模型中的这种随机的起始通勤类似于传统BLP方法中使用的随机系数。
通勤者对自行车易获性的偏好是使用该易获性的纵向变化来测算的。对于距离的偏好是通过使用不同站点间的横截面变化来测算的。当车站用完自行车并得到补充时，通勤者的选择会发生变化;这些变化为我们提供了另一个层次的变化——除产生于乘客和车站空间分离的变化外，还有产品变化。与改变选择集改善传统BLP方法中识别随机系数的效率一样，站内缺货状态的纵向变化（以及由此产生的选择集变化）可帮助我们有效地估计我们存在未观察到的通勤者异质性。这种测算直接揭示了自行车易获性的长期影响，并且可以通过比较不同选择集之间的系统使用来确定自行车易获性的短期影响。
我们使用巴黎的Veacute;lib#39;自行车共享系统的数据估算我们的模型。 我们的数据是基于每两分钟在巴黎市中心观察349个自行车站，为期四个月。 有超过2,200万次这样的观察（或数据“快照”），这对应于超过250万次自行车旅行。 因此，我们的数据比结构需求模型中通常使用的数据大几个数量级。 这些高频数据可以使我们对通勤者偏好的估计精确; 但它们也会导致选择集中的高频变化，从而导致通常的数值方法来估计结构化需求模型在计算上是不可行的。
为了应对这一计算上的挑战，我们开发了一种新颖的数据转换。我们注意到，在我们的模型中，站点等级使用的每分钟变化仅受用户可用的选择的同时期变化以及某些固定效应（即，月，一天中的时间）。因此，我们可以将数据从时间区域转换为选择集的区域，将具有不同时间的相同选择集汇总到位于我们称为缺货状态域的单个数据点中。但是，全系统缺货状态的空间仍然太大，不足以在时间范围上提供足够的改进。但由于每个通勤者只能在附近的车站之间进行选择，所以我们可以通过为每个车站创建本地缺货状态，然后将数据点与常见的本地缺货状态（以及相同的固定效应）进行汇总，从而进一步改进设置。这大大减少了我们的计算负担，但它要求我们仔细考虑邻近站点的局部缺货状态。总而言之，数据的这种转换使我们能够从大量数据中获得精确的结构，这些数据利用选择集中的高频变化进行识别，同时管理计算负担。
我们的测算意味着，进入自行车共享站的距离（约13米）减少10％可以使系统使用率增加6.7％（每月增加61,140次）。 自行车易获性增加10％可使系统使用率增加约12％（每月增加109,530次）。 我们还发现，当在所选车站遇到缺货时，只有4.4％的需求替代了附近的车站; 如此低的替代率与减少到车站的距离和改善自行车可用性的显着积极影响是一致的。
这些测算可以用来改善现有系统的性能，使系统管理人员能够通过测算增加用户的社会和经济收益，以及减少改进距离系统的成本（例如通过增加额外车站）或增加自行车的易获性（为系统增加自行车，增加自行车从一个站到另一个站的转运等）。 同时，这种测算也可以作为新系统设计的关键投入。
我们通过提供替代站点网络设计的反事实研究来说明我们对于使用上的预估。具体来说，我们使用预估的方法来校准一个模拟，该模拟可以预测包含相同数量的自行车和停靠点的乘车情况，但在车站便利性与自行车易获性的竞争需求上放置不同的优先级。尽管一个网络拥有更多的站点，但每个站点的自行车数量减少，从而减少了与车站的距离，从而提高了便利性，但由于拥有混合自行车库存的统计效益，每个车站拥有更多自行车的车站数量会更多，从而获得更高的自行车易获性。因此，系统设计师可以根据通勤者在这两个问题间的价值衡量作出最佳设计。我们确定了最佳设计，并发现如果巴黎市中心的自行车共享系统将我们对通勤者偏好的估计纳入其车站网络设计中，其乘客量将增加29.41％（每月增加268,440次）。这种改善只需要改换系统，除此之外，不用自行车或停靠点上花费其他任何额外成本。
总体而言，我们测算的相关影响显示了自行车共享系统的巨大改进机会，这可能是由于更多地使用数据所致。在城市交通新模式的背景下，我们的工作说明了设施选址和库存可用性的实质性影响。
虽然这里报告的结果是在自行车共享系统的背景下发展起来的，但我们估计的便捷性的影响很可能适用于许多情况：包括其他公共交通系统，零售商店和消费者服务（银行，干洗店，旅馆等）。 我们对自行车可用性角色的估计可以作为其他按需交通系统设计的可用性度量标准，例如出租车应用程序（例如Uber，Lyft，EasyTaxi）。这也说明，车站设计中的便捷性、车辆的易获性对于自行车共享系统来说并不是独一无二的。 设计零售店，连锁酒店，汽车共享站和其他基于位置的服务网络所涉及的类似行业，可能对应于产品的易获性、分类或服务质量;，也有类似的问题。我们的分析可以为每种情况下的选择提供信息。
我们的研究有三个重要贡献。 在公交系统中，我们首次对通勤者对便捷性（步行距离）和易获性（服务水平）的反应进行了实证分析。 正如我们所说明的，这种分析可以帮助网络设计师大大改进的运输系统。 其次，本文所开发的方法可以用于各种需求估计环境，其中产品在空间上差异化，并且选择集的变化频率很高。 最后，我们的研究扩展了繁荣的经验性运营管理研究，通过将以前未研究的方面——自行车共享系统环境中的可用性和可访问性——添加到文献中已经提到的要素中，评估服务水平在需求中所扮演的角色（等待时间，产品种类，队列长度，保修等）。 此外，据我们所知，这是第一次联合考虑这些相关概念的研究。
本文涉及自行车共享系统的研究和客户对可访问性和可用性的响应。 我们的工作还涉及空间问题（设施位置，车辆路线等）的运营管理传统。 最后，我们的技术受到来自经验工业组织的需求估计模型的启发。
自行车共享系统。有关自行车共享系统的新兴文献在不同的研究领域。这篇文献的一个流使用混合整数规划和数值校准方法来检验管理自行车共享系统中的自行车转运的政策[Nair and Miller-Hooks，2011，Nair等，2013，Raviv等。，2013]。 George和Xia [2011]使用他们对封闭排队网络的近似来确定系统中最佳的自行车数量。 Daddio [2012]使用华盛顿自行车共享系统的数据来表明，通过人口特征（人口，种族，零售地点数量）和地理特征（距地铁/铁路的距离）可以预测车站需求。车站的集水区。 Lathia等人。 [2012]研究了伦敦自行车共享系统开放给临时用户之后，自行车共享利用率的增加的性质。 O#39;Brien等人[2013]根据不同的日内和日间使用模式对自行车共享系统进行分类。
便利性。交通系统设计的先前研究中出现了便利性的概念。 Murray和Wu [2003]制定了一个整数线性方案，用于公交站点位置，通过距离公交站点的距离进行交易，以防止过于频繁停靠的公交车辆的不便。他们将这个模型应用于来自俄亥俄州哥伦布市的实际地理数据;但缺乏有关通勤者对无障碍或过境时间的偏好的信息，该模型无法提供建议。 El-Geneidy等人[2014]调查了通勤者到不同的交通系统（铁路，公共汽车）的步行距离，并发现在蒙特利尔，到公交车（或铁路）公交系统的第85个百分点步行距离约为524米（分别为1,259米）。在零售网络设计方面也研究了可访问性;方法包括使用重力模型（Reilly [1931]，Huff [1964]）和消费者偏好的离散选择模型（Craig等[1984]，Fotheringham [1991]，Davis [2006]，Pancras等[2012 ]）。与我们的研究不同，这些分析仅考虑通勤距离的影响，并未考虑相关的服务问题（例如，产品/自行车易获性）。
易获性和服务水平。我们关于自行车易获性的概念与运营管理中深入研究的服务水平概念密切相关。在零售消费品方面，Musalem等人[2010]研究产品缺货和Olivares等人的影响。 [2011]杂货店等待时间的影响。安德森等人。 [2006]利用现场实验考察邮购目录服务环境下缺货的短期和长期影响。在快餐业，Allon等人[2011]研究在通过地点的等待时间，并根据需求评估其效果。在汽车行业，Guajardo等人[2014]将服务水平概念化为保修期和售后服务质量;这些作者研究了如此界定的服务水平的影响，Moreno和Terwiesch [2013]评估了产品品种的影响。对于零售银行业，Buell等人[2014]考察客户对服务水平的反应并讨论竞争的后果。 Parker等人[2013]考虑信息服务的质量和市场上质量的影响。最接近我们的情况，在运输部门，是Arikan等人的论文。 [2013]，他
全文共5862字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[10181]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
