Bicing Analysis
Analyse et prédiction d’activité dans un
         réseau de vélo public
              Jens Grivolla
      ...
Bicing




2   Jens Grivolla   Carrefour des Possibles - octobre 2009
La ville bouge




3   Jens Grivolla    Carrefour des Possibles - octobre 2009
Catégories d’activité
                                            St. 295: Diagonal (41.3875,2.1236)                      ...
Zones d’activité
 ns and
  where
average
 e mea-
 tations


         (1)


ned as


 ,
         (2)
 ,

unction
 ity be-

...
Prédiction




6   Jens Grivolla   Carrefour des Possibles - octobre 2009
Scénarios d’usage
    • Aide à l’utilisateur:
         bonne information = clients contents
    • Optimisation du service:...
Aide à l’usager
    • Est-ce que je vais trouver un vélo
         disponible en sortant du travail?
    • J’arrive à desti...
Optimisation du service
    • répartition de vélos dans les station
     • prévision des besoins
     • anticipation de pr...
Aide à la planification
     • Identifier les besoins (à long terme)
     • Détection de zones problématiques
     • Apprend...
Conclusions

     • Utilité à plusieurs niveaux
     • Pour des systèmes existants et de nouvelles
          implantations...
Nous cherchons

     • Partenaires pour poursuivre notre travail
          de recherche dans le cadre d’un projet
        ...
Bicing Analysis - Villes Cyclables
Upcoming SlideShare
Loading in …5
×

Bicing Analysis - Villes Cyclables

534 views
484 views

Published on

présentation au congrès des "Villes et Territoires Cyclables", Carrefour des Possibles, La Rochelle, octobre 2009

Published in: Technology, Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
534
On SlideShare
0
From Embeds
0
Number of Embeds
14
Actions
Shares
0
Downloads
3
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Bicing Analysis - Villes Cyclables

  1. 1. Bicing Analysis Analyse et prédiction d’activité dans un réseau de vélo public Jens Grivolla Fundació Barcelona Media
  2. 2. Bicing 2 Jens Grivolla Carrefour des Possibles - octobre 2009
  3. 3. La ville bouge 3 Jens Grivolla Carrefour des Possibles - octobre 2009
  4. 4. Catégories d’activité St. 295: Diagonal (41.3875,2.1236) St. 13: pg maritim barceloneta (41.3845,2.1957) St. 9: Marques de l’Argentera (41.385,2.1853) 25 20 total slots bikes Mo!Fr (± stdv) bikes Sa!Su (± stdv) 30 total slots bikes Mo!Fr (± stdv) bikes Sa!Su (± stdv) total slots bikes Mo!Fr (± stdv) bikes Sa!Su (± stdv) 20 25 15 Number of bikes/slots Number of bikes/slots Number of bikes/slots 20 15 15 10 10 10 5 5 5 0 0 0 6 8 10 12 14 16 18 20 22 24 6 8 10 12 14 16 18 20 22 24 6 8 10 12 14 16 18 20 22 24 Time of day Time of day Time of day St. 38: Ramon Berenguer el Gran (41.3843,2.1779) St. 332: Pl. Teresa de Claramunt (41.3631,2.1398) St. 21: Rossello (41.4033,2.1707) 30 total slots bikes Mo!Fr (± stdv) bikes Sa!Su (± stdv) 35 total slots bikes Mo!Fr (± stdv) bikes Sa!Su (± stdv) total slots bikes Mo!Fr (± stdv) bikes Sa!Su (± stdv) 30 25 30 25 Number of bikes/slots Number of bikes/slots Number of bikes/slots 25 20 20 20 15 15 15 10 10 10 5 5 5 0 0 0 6 8 10 12 14 16 18 20 22 24 6 8 10 12 14 16 18 20 22 24 6 8 10 12 14 16 18 20 22 24 Time of day Time of day Time of day Figure 2: Average number of available bicycles during working days (black), and weekends (blue lines) for six example stations with different types of activity cycles. Red curve gives the average total number of slots in the station. Gray and blue areas correspond to mean ± one stdv. 4 Jens Grivolla Carrefour des Possibles - octobre 2009 to eliminate most of the moments where we believe the data activity typical for residential areas where people mainly to be erroneous (e.g. the drops in the red line in Figure 1). withdraw bikes to move to their destinations (e.g. station
  5. 5. Zones d’activité ns and where average e mea- tations (1) ned as , (2) , unction ity be- 5 Jens Grivolla5: Clusters grouped by- their relative similar- Figure Carrefour des Possibles octobre 2009 (3) ity define clear and meaningful zones.
  6. 6. Prédiction 6 Jens Grivolla Carrefour des Possibles - octobre 2009
  7. 7. Scénarios d’usage • Aide à l’utilisateur: bonne information = clients contents • Optimisation du service: meilleure qualité de service réduction de coûts • Aide à la planification: identification de besoins / problèmes 7 Jens Grivolla Carrefour des Possibles - octobre 2009
  8. 8. Aide à l’usager • Est-ce que je vais trouver un vélo disponible en sortant du travail? • J’arrive à destination dans 30 minutes, pourrai-je déposer le vélo? Vers quelle station à proximité devrais-je m’orienter? • La station est vide/pleine. Dois-je attendre que quelqu’un laisse/prenne un vélo ou vaut-il mieux aller ailleurs? 8 Jens Grivolla Carrefour des Possibles - octobre 2009
  9. 9. Optimisation du service • répartition de vélos dans les station • prévision des besoins • anticipation de problèmes potentiels • planification de routes de camionettes de repartition • identification et prévision de pannes et autres incidents 9 Jens Grivolla Carrefour des Possibles - octobre 2009
  10. 10. Aide à la planification • Identifier les besoins (à long terme) • Détection de zones problématiques • Apprendre des autres villes • Quelles sont les différences entre Paris, Barcelone, Marseille, ... ? • Quel modèle est le plus adapté à ma ville? 10 Jens Grivolla Carrefour des Possibles - octobre 2009
  11. 11. Conclusions • Utilité à plusieurs niveaux • Pour des systèmes existants et de nouvelles implantations • Amélioration de qualité de service et réduction de coûts 11 Jens Grivolla Carrefour des Possibles - octobre 2009
  12. 12. Nous cherchons • Partenaires pour poursuivre notre travail de recherche dans le cadre d’un projet officiel • Des données d’activité, de préférence directement de l’opérateur du service 12 Jens Grivolla Carrefour des Possibles - octobre 2009

×