PT
As novas tecnologias aplicadas aos serviços de transporte e a transição para meios de
transporte sustentáveis tornaram os sistemas de bicicletas partilhadas mais relevantes no
cenário da mobilidade urbana. O objetivo deste estudo é compreender os padrões de
mobilidade de espaço e tempo das estações e viagens neste sistema de Lisboa em 2018, e
também compreender as mudanças na taxa de viagens nos sistemas de Lisboa em 2019 e
2020 em comparação com 2018. Analisando a distribuição de espaço e tempo das viagens
através das estações e, os fatores climáticos juntamente com a taxa de utilização ao longo
dos anos, é possível melhorar e tornar o sistema mais adequado à procura dos utilizadores.
Usamos um grande conjunto de dados com implementação do CRISP-DM. A principal
contribuição do trabalho foi o desenvolvimento de um processo de análise e visualização
de dados urbanos, especificamente dados de sistemas de bicicletas partilhadas, que
permite assim, a melhor compreensão de como as pessoas se movem na cidade usando
bicicletas. Além disso, é importante identificar os padrões de mobilidade que mudam com
o tempo e o impacto dos eventos pandémicos. Os resultados mostram que a maior parte
do uso de bicicletas partilhadas é efetuado durante a semana, sem precipitação e com
temperatura amena. Houve um aumento exponencial no número de viagens, por sua vez
interrompido pela pandemia do COVID-19. Esta abordagem pode ser aplicada a qualquer
cidade com dados digitais disponíveis.
EN
New technologies applied to transportation services and the shifting to sustainable
modes of transportation turned bike-sharing systems more relevant in the urban mobility
scenario. This thesis aims to understand the spatiotemporal station and trip activity
patterns in Lisbon bike-sharing system in 2018 and understand trip rate changes in Lisbon
bike-sharing system in 2019 and 2020 compared to 2018. By analyzing the
spatiotemporal distribution of trips through stations and the weather factors combined
with the usage rate throughout the years, it is possible to improve and make the system
more suitable to the users’ demand. In this research work, we used large open datasets
made available by the Lisbon City Hall, that are deployed by using the CRISP-DM. Our
major work contribution was the development of a data analytics process for urban data,
specifically bike-sharing data, that helps to understand how people move in the city using
bikes. Moreover, we aimed to understand how mobility patterns change over time and the
impact of pandemic events. Major findings show that most bike-sharing happens on
weekdays, with no precipitation and mild temperature. Additionally, there was an
exponential increase in the number of trips, cut short by COVID-19 pandemics. The
current approach can be applied to any city with digital data available.
