Eles estão por toda parte, de Berlim a Pequim, bicicletas coloridas que você pode emprestar para se locomover pela cidade sem carro. Esses sistemas, juntamente com as e-scooters, oferecem às pessoas uma maneira rápida e conveniente de viajar pelas áreas urbanas. E em um momento em que as cidades estão lutando para encontrar maneiras de atingir suas metas climáticas, elas são uma ferramenta bem-vinda para os planejadores urbanos.
Garantir que as bicicletas e e-scooters estejam à mão pode ser um desafio, mas também é fundamental para o sucesso da oferta, diz Steffen Bakker, pesquisador do Departamento de Economia Industrial e Gerenciamento de Tecnologia da NTNU que estuda maneiras de tornar o transporte mais verde e mais eficiente.

"Se um sistema como esse for bem-sucedido, precisamos ter a satisfação do usuário", disse Bakker. "As pessoas querem que as motos estejam lá quando quiserem usá-las e só vão querer usar o sistema se for um bom serviço."

Bakker foi coautor de um artigo recente que descreve um modelo de otimização para ajudar cidades e empresas a fazer um trabalho melhor mantendo seus clientes de compartilhamento de bicicletas felizes.

Como atirar em um alvo em movimento

Considere os desafios de fornecer bicicletas ou patinetes onde e quando as pessoas quiserem.

Os pesquisadores descrevem o problema como dinâmico, porque está sempre mudando, e estocástico, porque muda de maneira aleatória e muitas vezes difícil de prever, disse Bakker.

"Os usuários do sistema de compartilhamento de bicicletas pegam as bicicletas em um lugar e as movem para outro lugar. E então o estado do sistema muda porque, de repente, as bicicletas não estão onde começaram, que é a parte dinâmica", ele disse. "Mas além disso, você não sabe quando os clientes vão pegar as bicicletas e onde vão colocá-las. Essa é a parte estocástica. Então, se você quer planejar no início do dia, você não saber o que vai acontecer."

Bakker e seus colegas podem usar o enorme tesouro de dados coletados por bicicletas e patinetes elétricas quando estão em uso para fazer previsões. Mas não há garantia de que a forma como as motos foram usadas na terça-feira passada, por exemplo, será a mesma na terça-feira seguinte, disse ele.

"Você tem que se ajustar às coisas que ocorrem durante o dia", disse ele. "Talvez, de repente, haja um evento acontecendo ou o clima mude e as pessoas não usem o serviço e o padrão de demanda mude, o que impacta no planejamento."

Juntar as peças

O que Bakker e seus colegas desenvolveram é um modelo de otimização que pode fornecer recomendações sobre o que os operadores de serviço devem fazer.

Isso inclui o que os veículos de serviço devem fazer na estação em que estão atualmente – se devem deixar ou pegar bicicletas, ou trocar baterias por e-bikes e scooters – e para onde ir em seguida. Os cálculos subjacentes são baseados no que aconteceu até agora durante o dia e no que se espera que aconteça no futuro próximo.

A pesquisa do grupo é financiada como parte de um projeto de NOK 10 milhões financiado pelo Conselho de Pesquisa da Noruega chamado Futuro da Micromobilidade (FOMO), com a empresa Urban Sharing AS como o principal negócio da subvenção.

"Através do Pilot-T, planejamos usar os sistemas de bicicletas urbanas existentes como bases de teste e, ao desenvolver novas ferramentas de suporte à decisão, o objetivo é aumentar a eficiência das equipes de reequilíbrio em 30% e a vida útil das bicicletas em 20%. " disse Jasmina Vele, gerente de projetos do Urban Sharing. "Isso pode ser realizado por meio de melhores decisões relacionadas ao reequilíbrio e manutenção preventiva, e isso corresponderá a uma grande redução de custos nos sistemas de bicicletas existentes nas cidades".

Movimentar bicicletas da maneira mais eficiente

O processo de coleta e movimentação de bicicletas de uma estação de estacionamento para outra é chamado de "reequilíbrio". A utilização do modelo de otimização, ainda em fase de desenvolvimento, permite que os motoristas recebam um novo plano sempre que chegam a uma estação de bicicletas.

"Você não faz apenas um plano no início do dia, mas o que fazemos é fazer um novo plano toda vez que um veículo chega a uma estação de bicicletas", disse ele. "E quando o carro chegar à estação, diremos a eles:'Ok, peguem tantas bicicletas ou deixem tantas bicicletas'."

Mas é aqui que entra a parte complicada. É importante não ser muito míope, concentrando-se apenas no estado atual do sistema, diz Bakker, especialmente se for esperado que certas estações tenham mais demanda na próxima hora.

"É muito complexo, porque é um sistema grande", disse ele. "Talvez haja muita demanda na estação em uma hora. Então você já quer trazer algumas bicicletas para lá. Mas, ao mesmo tempo, pode haver estações agora que estão quase vazias e precisam de algumas bicicletas. você precisa descobrir essa troca."

Também é importante coordenar os embarques e desembarques entre os diferentes veículos que atendem à rede de compartilhamento de bicicletas, disse ele.

Gêmeos digitais e tempo computacional

Bakker e seus colegas estão trabalhando com o Departamento de Ciência da Computação da NTNU para criar um “gêmeo digital”, ou uma simulação computacional, dos sistemas que estão modelando, para que possam experimentar diferentes abordagens sem precisar testá-los no mundo real.

Testes iniciais mostraram que o modelo que o grupo gerou pode reduzir o número de problemas (ou seja, não há bicicletas suficientes onde o usuário deseja uma, ou muitas bicicletas para que o usuário não possa estacionar a bicicleta) em 41% em comparação com não fazer nenhum reequilíbrio de forma alguma.

Em comparação com as atuais práticas de reequilíbrio da Oslo City Bikes, que também é colaboradora da doação NFR, o número de problemas foi reduzido em 24%. Bakker diz que as versões mais recentes do modelo mostram ainda mais potencial.

Abordagens mais simples também são possíveis

Não surpreendentemente, os tipos de cálculos necessários para fazer o modelo funcionar são complexos, e os pesquisadores precisam ajustar os diferentes parâmetros que afetam o desempenho do modelo.

Bakker e seus colegas também trabalharam em um componente do modelo de otimização chamado pontuação de criticidade, que é um pouco mais simples e pode ser usado independentemente do modelo de otimização maior.

Uma pontuação de criticidade é basicamente uma pontuação dada a diferentes áreas de estacionamento de bicicletas compartilhadas com base no número de bicicletas que atualmente contém ou precisa. Essas pontuações são relativamente simples de calcular e podem ser fornecidas aos motoristas enquanto viajam pela cidade para reequilibrar o número de bicicletas em cada estação.

"É uma pontuação que informa ao motorista qual estação é mais importante para visitar", disse Bakker. "Se você puder apresentar isso para a pessoa que dirige o carro e dizer que essas são as estações com a maior pontuação de criticidade, podemos fornecer algo que não é o melhor, mas provavelmente é bom e muito melhor do que as empresas de compartilhamento de bicicletas fazem agora. ."

Vele, da Urban Sharing, diz que usar esses tipos de modelos de otimização pode ajudar a tornar o compartilhamento de bicicletas um componente importante no transporte urbano.

"A visão do Urban Sharing para a mobilidade futura é um sistema de transporte que seja responsivo e adaptável. Usando dados e algoritmos de aprendizado de máquina/otimização, podemos combinar o melhor dos sistemas de transporte tradicionais e modernos e criar um sistema eficiente de recursos que responda às demanda e se adapta às necessidades individuais dos usuários", disse ela.

A pesquisa foi publicada no European Journal of Operational Research . + Explorar mais

Lyft suspende e-bikes após a bateria disparar