Please use this identifier to cite or link to this item: https://hdl.handle.net/1822/79527

TitleBike-sharing docking stations identification using clustering methods in Lisbon city
Author(s)Fontes, Tiago Rafael da Fonseca
Advisor(s)Novais, Paulo
KeywordsSmart soft mobility
Real use case
Lisbon
Soft mobility
Artificial intelligence
Sustainability
Forecasting
Mobilidade suave inteligente
Caso uso real
Lisboa
Mobilidade suave
Inteligência artificial
Sustentabilidade
Previsão
Issue date2021
Abstract(s)Urban mobility has enormous impacts on environmental, economic and, social levels, promoting necessary eco-friendly means of sustainable transportation. Soft mobility (specially bike-sharing services) plays a crucial role in these initiatives since it provides an alternative for hydrocarbon fuel vehicles inside the cities. However, choosing the best location to install soft mobility docks can be difficult since many variables should be considered (e.g. proximity to bike paths, points of interest, transportation access hubs, schools, etc.). In Portugal and Lisbon’s most specific case, we have been facing critical traffic jams and congestion, being the city elected in recent years as the "most congested city in the Iberian Peninsula". For that reason, and being the most populated city in the country, the natural pendular movements in the capital turns it a spotlight regarding mobility and sustainability. After realising the real-world problem and the necessity of solving the pollution and negative impacts of carbon emissions solutions, this thesis aims to understand the mobility patterns within site, looking to optimise the current bicycle sharing system implemented in the study area and promote carbon-free solutions with the most efficiency as possible. To take this task into practice, one of the most accurate ways of characterising the location of citizens is mobile data from personal cellphones, which can provide critical information regarding demographic rate, traffic trajectories, origin/destination points, etc., and can aid in the installation of soft mobility platforms, as explained in the document. This dissertation presents a decision support system to study existing and new bike-sharing docking stations, using mobile data and clustering techniques for three Lisbon council parishes: Beato, Marvila and Parque das Nações. Throughout the followed methodology, it was possible to compare the findings with the in-site docking stations from the public bike-sharing system and discover and suggest new points for installing these soft-mobility solutions. In outr perspective, through the implementation of this study it will be possible to increase using rate concerning carbon-free transport modes in the city. In summary, the work plan followed and the system implemented is viable to be replicated in other contexts and cities since mobility issues are well known in several locations worldwide. By taking advantage of similar device mapping, it would be possible to apply the system to other locations and cities and potentially reduce carbon emissions.
A mobilidade urbana tem enormes impactos nos níveis ambiental, económico e social, promovendo os meios de transporte sustentáveis necessários e amigos do ambiente. A mobilidade suave (especialmente os serviços de partilha de bicicletas) desempenham um papel crucial nestas iniciativas, uma vez que proporciona uma alternativa sustentável aos veículos emissores de carbon dentro das cidades. No entanto, a escolha do melhor local para a instalação de docas de mobilidade suave pode ser difícil, uma vez que muitas variáveis devem ser consideradas (por exemplo, a proximidade de ciclovias, pontos de interesse, centros de acesso ao transporte, escolas, etc.). Em Portugal, e tendo em conta o caso específico de Lisboa, temos enfrentado engarrafamentos e congestionamentos críticos, tendo sido a cidade eleita nos últimos anos como "a cidade mais congestionada da Península Ibérica". Por essa razão, e sendo a cidade mais populosa do país, os movimentos pendulares naturais na capital tornam-na um foco de atenção no que diz respeito à mobilidade e sustentabilidade. Depois de compreender o problema, de escala global e real, bem como a necessidade de resolver a poluição e os impactos negativos das soluções smissoras de carbono, esta tese visa compreender os padrões de mobilidade na ciade mencionada, procurando optimizar o actual sistema de partilha de bicicletas implementado na área de estudo e promover soluções livres de carbono com a maior eficiência possível. Em termos práticos, uma das formas mais precisas de caracterizar a localização dos cidadãos são os dados móveis de telemóveis pessoais, que podem fornecer informações sensíveis relativamente à taxa demográfica, trajectórias de tráfego, pontos de origem/destino, etc., que podem ajudar na instalação de plataformas de mobilidade suave, como explicado ao longo do documento. Assim, esta dissertação apresenta um sistema de apoio à decisão para estudar tanto as estações de bicicletas partilhadas existentes, bem como identificar as novas estações, utilizando para tal dados móveis e técnicas de clustering (agrupamento), em três freguesias do concelho de Lisboa: Beato, Marvila e Parque das Nações. Através da metodologia seguida, foi possível comparar os resultados com as estações de bicicletas relativas ao sistema de partilha de bicicletas públicas, bem como encontrar e sugerir novos pontos para a instalação destas soluções de mobilidade suave. Na nossa perspectiva, este estudo, se implementado, conduzirá a um potencial aumento da taxa de utilização de modos de transporte sem carbono na cidade. Em suma, o sistema implementado é viável para ser replicado noutros contextos e cidades, uma vez que as preocupações em torno da mobilidade são bem conhecidas em vários locais em todo o mundo. Tirando partido de um mapeamento de dispositivos similar, será possível aplicar sistema noutras localizações e potencialmente reduzir emissões de carbono.
TypeMaster thesis
DescriptionMestrado integrado em Informatics Engineering
URIhttps://hdl.handle.net/1822/79527
AccessRestricted access (Author)
Appears in Collections:BUM - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
Tiago Rafael da Fonseca Fontes.pdf27,86 MBAdobe PDFView/Open

This item is licensed under a Creative Commons License Creative Commons

Partilhe no FacebookPartilhe no TwitterPartilhe no DeliciousPartilhe no LinkedInPartilhe no DiggAdicionar ao Google BookmarksPartilhe no MySpacePartilhe no Orkut
Exporte no formato BibTex mendeley Exporte no formato Endnote Adicione ao seu ORCID