Spelling suggestions: "subject:"[een] CARSHARING"" "subject:"[enn] CARSHARING""
1 |
Kombinierte Mobilität gestalten die Schnittstelle ÖPNV - CarSharing /Huwer, Ulrike. January 2003 (has links) (PDF)
Kaiserslautern, Universiẗat, Diss., 2002.
|
2 |
Analyse des innovativen Car-Sharing-Konzepts "car2go" - Überprüfung der Anwendbarkeit auf Großstädte am Beispiel WienDorn, Carina 06 1900 (has links) (PDF)
(kein Abstract vorhanden) / Series: Schriftenreihe des Instituts für Transportwirtschaft und Logistik - Verkehr
|
3 |
The Potential for Daimler’s Car2Go in Austin and at the University of TexasKortum, Katherine 2009 August 1900 (has links)
Carsharing, a service that allows individuals the use of a private vehicle without
the burden of ownership, is expanding rapidly around the world. In the United States,
for-profit and non-profit organizations are emerging and expanding at high rates.
Daimler Auto Group is entering this market with its Car2Go, a carsharing organization
with a fleet composed entirely of Smart Fortwo vehicles, beginning with a pilot program
in Austin, Texas. This paper compared the Austin market with successful carshare
markets in order to determine the likelihood of success for Car2Go. Using new surveys
and analysis of previous literature, this research has found that the highly-educated and
high-income populations found residing in downtown Austin and working or studying at
the University of Texas are likely to be strong markets for future carsharing services. / text
|
4 |
Free-floating carsharing systems : innovations in membership prediction, mode share, and vehicle allocation optimization methodologiesKortum, Katherine, 1983- 03 July 2012 (has links)
Free-floating carsharing systems are among the newest types of carsharing programs. They allow one-way rentals and have no set “homes” or docks for the carsharing vehicles; instead, users are permitted to drive the vehicles anywhere within the operating zone and leave the vehicle in a legal parking space. Compared to traditional carsharing operations, which require the user to bring the vehicle back to its assigned parking space before being able to end the rental, free-floating carsharing allows much greater spontaneity and flexibility for the user. However, it leads to additional operational challenges for the program.
This dissertation provides methodologies for some of these challenges facing both free-floating and traditional carsharing programs. First, it analyzes cities with carsharing to determine what characteristics increase the likelihood of the city supporting a successful carsharing program; high overall population, small household sizes, high transit use, and high levels of government employment all make the city a likely carsharing contender. Second, in terms of membership prediction, several modeling alternatives exist. All of the options find that the operating area is of key importance, with other factors (including household size, household densities, and proportion of the population between ages 20 and 39) of varying importance depending on the modeling technique. Third, carsharing trip frequencies and mode share are of value to both carsharing and metropolitan planning organizations, and this dissertation provides innovative techniques to determine the number of trips taken and the share of total travel completed with carsharing (both free-floating and traditional). Fourth and finally, an original methodology for optimizing the vehicle allocation issue for free-floating carsharing organizations is provided. The methodology takes a user input for the total number of vehicles and returns the allocations across multiple demand periods that will maximize revenue, taking into account the cost of reallocating vehicles between demand periods. / text
|
5 |
Optimierung von Stellplätzen und Übergabestationen stadtteilbezogener Carsharing-EinrichtungenHuber, Anita. January 2002 (has links)
Stuttgart, Univ., Diplomarb., 2002.
|
6 |
Analýza a návrh automatizovaného systému pro provozování carsharinguVenclů, Martin January 2012 (has links)
No description available.
|
7 |
Variablen-Verdichtung und Clustern von Big Data – Wie lassen sich die Free-Floating-Carsharing-Nutzer typisieren?Harz, Jonas 21 September 2016 (has links) (PDF)
In den letzten Jahren hat die Verbreitung von stationsungebundenem Carsharing (Free- Floating-Carsharing) weltweit stark zugenommen. Aufgrund dessen wurden verschiedene Studien, welche die verkehrliche Wirkung von Free-Floating-Carsharing beschreiben, erstellt. Bisher unzureichend unter-sucht wurden jedoch die Nutzer von Free-Floating-Carsharing- Systemen. Im Rahmen der Mitarbeit der TU Dresden am Evaluationsbericht Carsharing in der Landeshauptstadt München standen für sämtliche Münchener Carsharinganbieter Daten zu Buchungen und Kunden zur Verfügung. Ziel dieser Arbeit war es nun, für die zwei Anbieter von Free-Floating-Carsharing eine Typisierung der Nutzer vorzunehmen.
Für die Einteilung der Nutzer in Gruppen wurden zunächst Input-Variablen ausgewählt und erzeugt. Neben den zeitlichen Häufigkeiten der Nutzung für Monate, Wochentage und Zeitscheiben wurden zudem Gini-Faktoren berechnet, welche die Regelmäßigkeit der Nutzung abbilden. Außerdem wurden verschiedene Variablen aus den Buchungsdaten erzeugt. Dazu zählen Untersuchungen wie viele Fahrten amWohnort der Nutzer beginnen und/oder enden, ob Fahrten am gleichen Ort beginnen und enden und bei wie vielen Fahrten der Parktarif der Anbieter zum Einsatz kommt. Des Weiteren wurde untersucht, wie viele Fahrten den Flughafen als Start oder Ziel haben, wie der Einfluss des Wetters auf die Anzahl der Buchungen ist und wie hoch die mittlere Fahrtzeit pro Buchung je Nutzer ist. Alle Variablen dienten nun als Input für die Typisierung der Nutzer.
Für die Typisierung wurde das Verfahren der Clusteranalyse ausgewählt. Dabei sind jedoch 30 Variablen eine zu große Anzahl, weswegen zuerst eine Verdichtung der Input-Variablen durchgeführt wurde. Dabei kam eine sogenannte Hauptkomponentenanalyse zum Einsatz. Diese bietet die Möglichkeit, verschieden stark korrelierende Variablen zusammenzufassen und dabei den Informationsgehalt dieser zu erhalten. Aus den 30 einfließenden Variablen ergaben sich mit Hilfe der Hauptkomponentenanalyse vier Faktoren, welche anschließend für die Clusteranalyse genutzt wurden.
Jeder Nutzer lässt sich durch die vier Faktoren in einem vierdimensionalen Koordinatensystem ein-tragen. Anschließend kann in diesem Raum eine Clusterung durchgeführt werden. Für diese Arbeit wurde sich für das k-Means-Verfahren entschieden. Mit diesem wurden fünf Cluster bestimmt, welche die 13 000 Nutzer abbilden. Jeder Cluster lässt sich durch die Mittelwerte der eingeflossenen sowie durch soziodemografische Variablen wie Alter und Geschlecht und die Wohnorte der Nutzer hinsichtlich seiner Aussage interpretieren. Die fünf Cluster können in zwei Cluster mit einer niedrigen (Nr. 1 und 2), einen mit einer mittleren (Nr. 3) und zwei mit einer hohen Nutzungsintensität einteilen werden (Nr. 4 und 5). Cluster 1 vereint Nutzer, die selten aber spontane Fahrten unternehmen. Dabei sind überdurchschnittliche viele Fahrten am Wochenende und abends zu verzeichnen.
In Cluster 2 finden sich Nutzer, die vorwiegend Fahrten mit langen Fahrtzeiten unternehmen. Dabei werden innerhalb einer Buchung mehrere Wege zurückgelegt, was sich an der hohen Nutzung des Parktarifs zeigt und daran, dass der größte Teil der Fahrten am Ausgangsort wieder enden. Diese Gruppe besitzt unter allen Gruppen einen überdurchschnittlich hohen Anteil an Frauen. Cluster 3 beschreibt den normalen Nutzer hinsichtlich der Nutzungsintensität und der zeitlichen Nutzung. Er ist mit 41,4% der Kunden der größte aller Cluster.
Cluster 4 und 5 vereinen Kunden mit einer hohen Nutzungsintensität. Obwohl nur ca. 5% der Kunden in diesen beiden Gruppen zu finden sind, werden jedoch ein Drittel aller Fahrten von diesen Nutzern zurückgelegt. Cluster 4 beschreibt Nutzer mit einem typischen Pendlerverhalten. Dabei werden Fahrten vorwiegend Werktags und während der Hauptverkehrszeiten unternommen. Eine abnehmende Nutzung von Januar zu Juni lässt vermuten, dass andere Verkehrsmittel wie das Fahrrad genutzt werden. In Cluster 5 finden sich Kunden, die häufig Carsharing in der Nacht nutzen. Dies lässt vermuten, dass Aktivitäten des Nachtlebens besucht werden. Dieser Cluster hat im Vergleich zum Durchschnitt den geringsten Anteil an Frauen.
Da die Ergebnisse ausschließlich auf den Anbieterdaten basieren, ist es nicht möglich, konkrete Aus-sagen über Effekte und Wirkungen von Free-Floating-Carsharing zu treffen und zu bewerten. Dafür wäre weitere Daten zum Beispiel aus Umfragen notwendig. Die klar abgrenzbaren und gut interpre-tierbaren Nutzergruppen zeigen jedoch, dass die gewählte Methodik sich zur Typisierung von Carsha-ringnutzern eignet. Eine Wiederholung des Verfahrens mit anderen Daten, zum Beispiel aus einem späteren Untersuchungszeitraum oder einer anderen Stadt, ist zu empfehlen.
|
8 |
Demographic and demand characteristics of carsharing : a case study of Austin, TexasThomen, Martin K. 21 November 2013 (has links)
Demographic and Demand Characteristics of Carsharing: A Case Study of Austin,
Texas explores the use of geospatial analysis in order to understand the demand
characteristics and market for carsharing services. A literature review was performed and
the demographic characteristics of typical users of carsharing were established. A series
of maps was created to geospatially identify concentrations of typical users and their
location and access in reference to carsharing vehicle locations. The greater urbanized
area of Austin, Texas located within Travis County was used as a case study for this
analysis. The report demonstrates that geospatial analysis is a valuable tool to understand
the spatial relationship between typical carshare users, nontypical
carshare users and the
placement of carshare vehicles. / text
|
9 |
Definition, Teilimplementation und Verifikation eines vollautomatischen Vermittlungssystems für den PersonentransportZegartowski, Lutz. Unknown Date (has links)
Universiẗat, Diss., 1998--Bremen.
|
10 |
Podnikatelský plán / Business PlanPolách, Petr January 2014 (has links)
This master thesis aims to create a business plan for a fictitious company named Car 4 All which will provide car sharing services in Olomouc. Thesis includes four main parts - introduction, theoretical part, application part and conclusion. The theoretical part mainly describes the structure and procedure for writing a business plan and then focuses on corporate strategy. The practical part is already applying the methods and procedures described on the company. In this section was also made basic market research, competition analysis through Porter's five forces model. The key outcomes for the conclusion provides especially financial analysis and financial statements (e.g. balance sheet, profit and loss statement etc.). This master thesis also serves as my personal basis in case I will actually implemented this business plan.
|
Page generated in 0.0432 seconds