MARC

 008260126s2024        us                              c    eng  d
■001000017360676
■00520260202105604
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798265407160
■035    ▼a(MiAaPQ)AAI32316062
■035    ▼a(MiAaPQ)GeorgiaTech76972
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a388.4
■1001  ▼aPassmore,  Tanner  Reid.
■24510▼aUsing  Changes  in  Revealed  Impedance  to  Assess  the  Potential  Benefits  of  New  Cycling  Infrastructure  Using  BikewaySim
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a200  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  A.
■500    ▼aAdvisor:  Watkins,  Kari;Guensler,  Randall.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2024.
■520    ▼aThe  lack  of  cycling  infrastructure  is  a  major  deterrent  to  the  use  of  bicycle  transportation  in  the  United  States.  Planners  and  engineers  currently  lack  a  comprehensive  set  of  tools  that  can  be  used  to  assess  and  communicate  how  new  and  improved  cycling  infrastructure  would  potentially  improve  cycling  mobility  and  accessibility.  Without  these  tools,  cycling  infrastructure  may  be  built  ad  hoc  or  where  it  is  politically  convenient,  instead  of  where  it  would  be  the  most  effective,  thus  reducing  the  likelihood  that  bicycles  will  be  used  for  transportation.  This  research  outlines  a  framework  for  assessing  new  and  existing  cycling  infrastructure  through  minimum  impedance  routing,  which  is  calibrated  through  stochastic  optimization  techniques  on  a  dataset  of  monitored  cycling  GPS  traces.  Impedance  represents  the  relative  difficulty  of  cycling  along  different  routes,  taking  into  consideration  travel  time,  road  grade,  exposure  to  traffic,  turn  movements,  characteristics  of  cycling  infrastructure  provided,  etc.The  framework  is  implemented  by  first  developing  an  all-paths  network  (containing  all  viable  streets  and  non-motorized  paths  for  cycling)  from  OpenStreetMap  data.  Then,  data  on  traffic  volumes,  vehicle  speeds,  the  number  of  vehicle  lanes,  elevation,  and  bicycle  facilities  are  joined  to  the  all-paths  network.  Once  joined,  links  where  cycling  is  not  viable  (Interstates,  Interstate  access  ramps,  sidewalks,  parking  aisles,  driveways,  etc.)  are  removed.  In  the  case  of  sidewalks,  it  should  be  acknowledged  that  cyclists  do  often  ride  on  sidewalks  if  they  find  it  uncomfortable  to  ride  on  the  adjacent  road  (Barajas,  2021;  Chaloux  &  El-Geneidy,  2019;  Marshall  et  al.,  2017).  However,  sidewalks  were  infeasible  to  include  for  the  analyses  of  this  dissertation  because  the  GPS  data  are  not  precise  enough  to  determine  if  a  cyclist  was  on  the  road  or  the  sidewalk.  In  the  research  study  area,  the  all-paths  network  consisted  of  over  77,000  links,  66,000  nodes,  and  223,000  link-to-link  turn  opportunities.Processed  and  filtered  cycling  GPS  traces  from  the  CycleAtlanta  app  were  map  matched  to  the  all-paths  network.  More  than  2,500  trips,  across  more  than  600  users,  were  successfully  map  matched  to  the  all-paths  network.  These  data  were  used  to  calibrate  impedance  factors  for  minimum  impedance  routing.  The  impedance  calibration  process  uses  particle  swarm  optimization  to  maximize  the  similarity  between  the  map-matched  and  modeled  impedance  routes.  The  best-performing  combination  of  impedance  factors  included  attributes  for  the  number  of  lanes,  the  speed  limit,  the  average  link  grade,  cycling  facility  type  (if  any),  turning  movements,  and  turn  characteristics.  As  additional  network  data  becomes  available,  additional  impedance  factors  can  be  calibrated.  The  bootstrap  method  was  used  to  estimate  confidence  intervals  for  the  coefficients  and  objective  function.  This  allowed  for  the  statistical  hypothesis  testing  against  the  travel  time  model.  Using  the  bootstrap  estimated  median  coefficient  values,  the  bootstrap  impedance  model  showed  a  30%  increase  in  the  overlap  metric  from  the  least  travel  time  model.The  calibrated  link  and  turn  impedance  functions  reported  herein  were  then  applied  to  the  250  square  mile  metro  Atlanta  study  area  to  assess  the  impact  of  117  planned  bicycle  facilities  for  127,682  unique  origin-destination  pairs  (representing  3.6  million  trips  across  from  the  Atlanta  Regional  Commission  Activity  Based  Model  TIP  Amendment  Six  2030  model  run).  The  minimum  travel  time  and  minimum  impedance  routes  were  calculated  for  the  existing  network  and  compared  against  the  minimum  impedance  routes  for  the  future  network  that  contained  the  planned  bicycle  facilities.  The  results  were  then  processed  to  create  metrics  and  visuals  on  trip  impedance  reduction,  percent  detour,  change  in  link  betweenness  centrality,  impedance  reduction  contribution,  and  bikesheds.The  open  source  BikewaySim  repository  contains  scripts  for  creating  an  all-paths  network  from  OpenStreetMap  data,  reconciling  other  data  sources  with  the  all-paths  network,  map  matching  cycling  GPS  traces,  calibrating  link  and  turn  impedance  functions,  and  using  the  framework  to  evaluate  new  and  improved  cycling  infrastructure.
■590    ▼aSchool  code:  0078.
■650  4▼aTransportation  planning
■650  4▼aTravel
■650  4▼aFatalities
■650  4▼aRoute  choice
■650  4▼aWalkways
■650  4▼aOptimization  techniques
■650  4▼aRoads  &  highways
■650  4▼aBicycling
■650  4▼aTransportation
■690    ▼a0543
■690    ▼a0501
■690    ▼a0801
■690    ▼a0709
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05A.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360676▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books