Bicycle Parking Use Patterns, Occupancy and Rotation Rates in the Streets of Barcelona
Notice bibliographique
Résumé
Bicycle parking is a critical piece of cycling infrastructure and yet there is little known about who and how often these facilities are used. This study investigates the use patterns, occupancy, duration times and rotation rates of on-street bike parking in Barcelona, Spain. We sampled all city districts with rectangular plots (20 ha) that included 163 bike parking locations. We visited them 4-15 times during two field work campaigns in spring and summer 2021. We measured total occupancy, bicycle type (bike-share, kid, abandoned, private) and developed a method to estimate rotation rates, turnover and service levels. We estimate that Barcelona has approximately 18,730 bicycles parked on the street every day, of which 8% are dockless shared bikes, 5% are kid bikes and 3% are abandoned bikes or bike parts. We find that 10% of bike parking locations were saturated (average occupancy 90%+) and 30% reached saturation in at least one measurement. Contrary to our hypothesis, we do not find strong diurnal temporal variations, as occupancy rates are remarkably stable over the day across the city. We estimate that 35% of bicycles parked on the streets are for long term parking (1 week+) or storage, while only 12% of bicycles are short-term day-users. To improve the management of on-street bicycle parking, cities must maintain an updated spatial data set of bike parking locations and understand the patterns of who and when they are used.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».