Data driven spatio-temporal analysis of e-cargo bike network in Lisbon and its expansion: The Yoob case study

Abstract

The adoption of more environmentally friendly and sustainable fleets for last-mile parcel delivery within large urban centers has been on the rise. Cargo bikes have been the most common alternative. The implementation of this type of fleet has proven to bring benefits, but has evidenced some limitations. The infrastructure network, which supports urban logistics, had to adapt to respond to the requirements of this new type of fleet. The implementation of micro-hubs and nano-hubs was the solution. Our study has two main objectives. The first objective is to perform a spatiotemporal characterization of fleet behavior, by conducting a case study where we explored the data from YOOB (a last mile delivery logistics start-up that operates in the Lisbon area and outskirts) e-cargo bike fleet. And the second is to identify potential expansion locations to the establishment of new hubs. The work procedures followed the CRIPS-DM methodology and the collected data was based on a 4-month period (January to April 2022). By adopting data science and machine learning techniques, five types of performances of YOOB fleet were identified, with variations in distances traveled, times, volumes transported and speeds. In the perspective of expanding YOOB's e-cargo bike network, three new locations in Lisbon were signaled for potential new hub installation.

A adoção de frotas mais ecológicas e sustentáveis para a distribuição das encomendas na última milha dentro dos grandes centros urbanos tem vindo a crescer. As bicicletas de carga têm sido a alternativa mais comum. A implementação deste tipo de frotas, demonstrou trazer benefícios, mas evidenciou algumas limitações. A rede de infraestruturas, que serve de suporte á logística urbana, teve de se adaptar para poder responder às necessidades deste novo tipo de frotas. A implementação de microhubs e nano-hubs foram a alternativa. O nosso estudo tem dois objetivos principais. O primeiro objetivo é o de fazer uma caracterização espácio temporal dos comportamentos da frota, através de um estudo de caso onde efetuámos a exploração dos dados da frota de e-cargo bike da YOOB (start-up logística de entregas na última milha que atua na área de Lisboa e na periferia). E o segundo consiste em identificar potenciais locais de expansão para a instalação de novos hubs no mesmo estudo de caso. Nos processos de trabalho foi seguida a metodologia CRISP-DM e os dados recolhidos foram referentes a um período de 4 meses (Janeiro a Abril de 2022). Com recurso a técnicas de ciência dos dados e aprendizagem automática, foram identificados cinco tipos de desempenhos da frota da YOOB, com variações em distâncias percorridas, tempos efetuados, volumes transportados e velocidades praticadas. Numa perspetiva de expansão da rede de e-cargo bike da YOOB, forma identificados três novos locais na cidade de Lisboa para a instalação potencial de novos hubs.