MARC

 008260126s2025        us                              c    eng  d
■001000017358998
■00520260202104820
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798297600539
■035    ▼a(MiAaPQ)AAI32169086
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a385
■1001  ▼aJu,  Mengying.
■24510▼aBehavioral  and  Operational  Dynamics  in  Shared  Mobility:  Modeling  and  Evaluating  Micromobility-Transit  Linkages  and  Ridehailing  Electrification
■260    ▼a[Sl]▼bUniversity  of  California,  Berkeley▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a154  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-04,  Section:  B.
■500    ▼aAdvisor:  Shaheen,  Susan.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Berkeley,  2025.
■520    ▼aSustainability  has  emerged  as  a  central  paradigm  in  the  evolution  of  transportation  systems.  The  transportation  sector  is  a  major  contributor  to  local  air  pollutants,  greenhouse  gas  (GHG)  emissions,  and  urban  congestion.  In  response,  policymakers  and  urban  planners  have  increasingly  prioritized  strategies  that  promote  multimodal  integration,  accelerate  vehicle  electrification,  and  expand  access  to  shared  mobility  services.  Nonetheless,  more  limited  attention  has  been  given  to  the  interactions  among  these  systems  and  the  conditions  under  which  their  adoption  and  integration  can  be  most  effectively  supported.In  this  dissertation,  I  aim  to  address  this  limitation  through  two  empirical  applications  to  shared  mobility  that  offer  a  demand-side  perspective  and  a  supply-side  lens.  While  shared  micromobility  and  ridehailing  electrification  have  been  studies  independently,  few  works  empirically  evaluate  their  interaction  with  public  transit  at  the  system  level,  or  rigorously  assess  the  economic  and  behavioral  barriers  to  electric  vehicle  adoption  among  ridehailing  drivers  using  cost  modeling  and  original  data  (e.g.,  survey)  collection.  In  response  to  these  gaps,  on  the  demand  side,  I  focus  on  the  active  transportation  mode  (shared  micromobility  users);  on  the  supply  side,  my  research  centers  on  transportation  network  companies  (TNCs)  service  providers  of  the  ridehailing  industry.Research  ObjectivesIn  response  to  some  notable  knowledge  gaps,  my  dissertation  pursues  four  core  research  objectives,  to:  1)  examine  how  shared  micromobility  systems  can  become  more  integrated  versus  isolated,  2)  evaluate  the  financial  considerations  involved  in  adopting  electric  vehicles  (EVs)  in  ridehailing  fleets,  3)  identify  the  factors  shaping  perceptions  and  adoption  potential  of  EVs  among  ridehailing  drivers,  and  4)  assess  how  policy  interventions  might  facilitate  the  uptake  of  sustainable  shared  mobility  options  on  both  the  active  (bikesharing  and  scooter  sharing,  demand  side)  and  automotive  (ridehailing,  supply  side)  sides  of  the  spectrum.BackgroundShared  micromobility  such  as  bikes  and  scooters  refers  to  the  shared  use  of  small,  low-speed  vehicles,  often  powered  by  human  effort  or  electricity.  Its  popularity  has  grown  in  recent  decades  due  to  its  flexibility  and  energy  efficiency,  particularly  for  short-distance  trips  and  first-  and  last-mile  travel.  In  contrast,  fixed-route  rail  (i.e.,  not  including  buses)  transit  enables  faster  and  longer-distance  travel,  but  its  fixed  routes  limit  door-to-door  convenience.  When  combined,  shared  micromobility  can  complement  or  substitute  parts  of  a  rail  trip,  particularly  for  first-  and  last-mile  connections.  This  integration  enhances  not  only  access  to  transit  but  also  overall  travel  speed  and  reach.  My  dissertation  explores  this  integration  from  the  user's  perspective  to  better  understand  how  sustainable  modes  can  work  together.In  addition,  ridehailing  services  like  Uber  and  Lyft  have  become  major  players  in  urban  transport  since  the  2010s.  However,  these  services  have  also  contributed  to  increased  vehicle  miles  traveled  (VMT),  congestion,  and  emissions.  In  response,  California  passed  Senate  Bill  (SB)  1014  (Clean  Miles  Standard)  in  2018,  requiring  the  California  Public  Utilities  Commission  (CPUC)  and  the  California  Air  Resources  Board  (CARB)  to  set  annual  GHG  reduction  targets  for  ridehailing  fleets  by  encouraging  EV  adoption.  While  this  policy  is  a  step  toward  lowering  transportation  emissions,  important  challenges  remain,  such  as  EV  charging  access,  the  affordability  of  EVs,  and  how  policies  might  apply  to  full-  and  part-time  drivers.Guided  by  these  motivations,  my  dissertation  investigates  the  adoption  of  sustainable  mobility  strategies  and  evaluates  related  policy  options,  with  a  focus  on  two  areas:  1)  the  integration  of  shared  micromobility  with  rail  public  transit  and  2)  the  electrification  of  ridehailing  services.MethodsMy  work  offers  a  broad  understanding  of  sustainability  efforts  in  shared  mobility  system  integration,  user-  and  provider-focused  behavioral  dynamics,  and  future  policy  considerations.  This  dissertation  starts  with  an  introduction  in  Chapter  1,  presenting  an  overview  of  transportation  sustainability  and  shared  mobility.  It  also  highlights  the  gaps  identified  in  existing  research  and  applications  of  micromobility  and  ridehailing.Chapter  2,  What  Is  the  Connection?  Understanding  Shared  Micromobility  Links  to  Rail  Public  Transit  Systems  in  Major  California  Cities,  introduces  the  first  of  three  studies  that  collectively  advance  the  goals  of  this  dissertation.  I  investigate  the  integration  of  shared  micromobility  and  public  transit  systems  by  analyzing  spatial-temporal  usage  patterns  of  bikesharing  and  scooter  sharing  around  rail  public  transit  hubs  in  four  California  cities  (San  Francisco,  Los  Angeles,  Sacramento,  and  San  Jose).  This  analysis  evaluates  over  one  million  shared  micromobility  trips  and  real-time  transit  schedule  data  from  October  2019  to  February  2020.  It  identifies  the  contextual  factors  that  influence  whether  shared  micromobility  serves  as  a  complement  or  substitute  to  fixed-route  transit  services.  To  measure  the  spatial  proximity  of  trips  linked  by  the  two  systems,  I  employed  an  automated  data  pipeline  to  extract  OpenStreetMap  (OSM)  road  networks  and  computed  network  travel  distances  between  shared  micromobility  trip  origins  and  destinations.  I  further  incorporated  the  General  Transit  Feeds  Specification  (GTFS  or  transit  schedules)  to  exclude  trips  occurring  outside.  (Abstract  shortened  by  ProQuest).
■590    ▼aSchool  code:  0028.
■650  4▼aTransportation
■650  4▼aSustainability
■650  4▼aAutomotive  engineering
■653    ▼aDriver  behavior
■653    ▼aElectric  vehicles
■653    ▼aPolicy  incentives
■653    ▼aRidehailing
■653    ▼aShared  micromobility
■653    ▼aTransportation  equity
■690    ▼a0709
■690    ▼a0640
■690    ▼a0540
■71020▼aUniversity  of  California,  Berkeley▼bCivil  and  Environmental  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g87-04B.
■790    ▼a0028
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17358998▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서