Vấn đề này thường được giải quyết bằng cách tái cân bằng, bao gồm việc điều động các xe tải đặc biệt để di dời xe đạp thừa sang các bến cần thiết. Trong một nghiên cứu từ năm 2021, Giáo sư Tohru Ikeguchi và các đồng nghiệp của ông từ Đại học Khoa học Tokyo, Nhật Bản, đã đề xuất một phương pháp để tái cân bằng các chuyến du lịch một cách tối ưu trong thời gian tương đối ngắn. Tuy nhiên, các nhà nghiên cứu chỉ kiểm tra hiệu suất của thuật toán bằng cách sử dụng các bến được tạo ngẫu nhiên làm điểm chuẩn, điều này có thể không phản ánh điều kiện của các bến BSS trên thực tế.Vấn đề này thường được giải quyết bằng cách tái cân bằng, bao gồm việc điều động các xe tải đặc biệt để di dời xe đạp thừa sang các bến cần thiết. Trong một nghiên cứu từ năm 2021, Giáo
Để giải quyết vấn đề này, Giáo sư Ikeguchi đã dẫn đầu một nghiên cứu khác, cùng với nghiên cứu sinh Honami Tsushima, để tìm ra các tiêu chuẩn thực tế hơn. Trong bài báo mà họ viết được xuất bản trên tạp chí Nonlinear Theory and Its Applications, IEICE, các nhà nghiên cứu đã tìm cách tạo ra các điểm chuẩn này bằng cách phân tích thống kê lịch sử sử dụng thực tế của xe đạp thuê và trả lại trong các BSS thực. “Hệ thống chia sẻ xe đạp có thể trở thành hệ thống giao thông công cộng được ưa chuộng trên toàn cầu trong tương lai. Do đó, đây là một vấn đề quan trọng cần giải quyết trong xã hội của chúng ta”, GS Ikeguchi giải thích.
Các nhà nghiên cứu đã sử dụng dữ liệu có sẵn công khai từ bốn BSS thực đặt tại bốn thành phố lớn ở Hoa Kỳ: Boston, Washington DC, New York City và Chicago. Đặc biệt, với Boston, thành phố này có hơn 560 bến mỗi thành phố, với tổng số xe đạp lên đến hàng nghìn chiếc.
Đầu tiên, một phân tích sơ bộ cho thấy tình trạng thừa và thiếu xe đạp xảy ra trên cả bốn BSS trong tất cả các tháng trong năm. Tiếp theo, nhóm nghiên cứu tìm cách tìm hiểu mô hình thời gian của xe đạp đã thuê và trả lại, họ coi các sự kiện cho thuê và trả lại đã ghi là “quy trình tích điểm”.
Các nhà nghiên cứu đã phân tích độc lập cả hai quá trình điểm bằng cách sử dụng ba cách tiếp cận, đó là biểu đồ raster, hệ số biến thiên và biến cục bộ. Biểu đồ Raster đã giúp họ tìm ra các kiểu sử dụng định kỳ, trong khi hệ số biến thiên và biến cục bộ cho phép họ đo lường các biến cục bộ và toàn cầu tương ứng của các khoảng thời gian ngẫu nhiên giữa các sự kiện trả lại hoặc thuê xe đạp liên tiếp.
Hầu hết xe đạp được sử dụng vào ban ngày và ít đi qua đêm hơn, tạo ra một mô hình tuần hoàn. Điều thú vị là, từ các phân tích về sự thay đổi địa phương, nhóm nghiên cứu nhận thấy rằng các mô hình sử dụng tương tự nhau giữa các ngày trong tuần và cuối tuần, trái ngược với kết quả của các nghiên cứu trước đó. Cuối cùng, kết quả chỉ ra rằng các đặc điểm thống kê của mô hình thời gian của xe đạp thuê và xe trả lại tuân theo quy trình Poisson – một phân phối ngẫu nhiên được nghiên cứu rộng rãi – chỉ ở thành phố New York. Đây là một phát hiện quan trọng, dựa trên mục tiêu ban đầu của nhóm nghiên cứu. Giáo sư Ikeguchi giải thích: “Giờ đây, chúng tôi có thể tạo ra các trường hợp chuẩn thực tế mà mô hình thời gian của xe đạp cho thuê và trả lại tuân theo quy trình Poisson. Điều này có thể giúp cải thiện mô hình tái cân bằng xe đạp mà chúng tôi đã đề xuất trong nghiên cứu trước đây của mình”.
Nhìn chung, nghiên cứu này mở ra con đường để hiểu sâu hơn về cách mọi người sử dụng BSS. Hơn nữa, thông qua các phân tích chi tiết hơn, có thể có được cái nhìn sâu sắc hơn về các khía cạnh phức tạp hơn của cuộc sống con người, như Giáo sư Ikeguchi nhận xét rằng họ “tin rằng việc phân tích dữ liệu BSS sẽ không chỉ dẫn đến việc chia sẻ xe đạp hiệu quả mà còn tốt hơn hiểu biết về các động lực xã hội của sự vận động của con người.”
Trong bất kỳ trường hợp nào, việc đưa BSS trở thành một lựa chọn hiệu quả và hấp dẫn hơn, sẽ khiến tỷ lệ người dân chọn xe đạp làm phương tiện đi lại ưa thích.
Ngọc Bích (sưu tầm và dịch)
Nguồn: https://phys.org/news/2022-04-bicycle-statistics.html