Measuring accessibility: A Big Data perspective on Uber service waiting times [Original version]

Medindo a acessibilidade: Uma perspectiva de Big Data sobre os tempos de espera do serviço da Uber
Medición de accesibilidad: Una perspectiva de Big Data sobre los tiempos de espera del servicio de la Uber
Citar

APA

Insardi, A., Lorenzo, R. O. (2019). Measuring accessibility: A Big Data perspective on Uber service waiting times [Original version]. RAE-Revista de Administração de Empresas (Journal of Business Management), 59(6), 402-414. http://dx.doi.org/10.1590/S0034-759020190606

ABNT

INSARDI, A.; LORENZO, R. O. Measuring accessibility: A Big Data perspective on Uber service waiting times [Original version]. RAE-Revista de Administração de Empresas (Journal of Business Management), v. 59, n. 6, november-december, p.402-414, 2019. http://dx.doi.org/10.1590/S0034-759020190606

André Insardi - Escola Superior de Propaganda e Marketing, São Paulo, SP e Brazil - Other articles of this author
Rodolfo Oliveira Lorenzo - FGV EAESP - Other articles of this author

ABSTRACT

This study aims to relate information about the waiting times of ride-sourcing services, with specific reference to Uber, using socioeconomic variables from São Paulo, Brazil. The intention is to explore the possibility of using this measure as an accessibility proxy. A database was created with the mean waiting time data per district, which was aggregated to a set of socioeconomic and transport infrastructure variables. From this database, a multiple linear regression model was built. In addition, the stepwise method selected the most significant variables. Moran’s I test confirmed the spatial distribution pattern of the measures, motivating the use of a spatial autoregressive model. The results indicate that physical variables, such as area and population density, are important to explain this relation. However, the mileage of district bus lines and the non-white resident rate were also significant. Besides, the spatial component indicates a possible relation to accessibility.

 

KEYWORDS | Accessibility, Big Data, Uber, space statistic, urban disparity.

RESUMO

O presente artigo busca relacionar informações sobre o tempo de espera de serviços de aluguel de carro,especificamente Uber, com variáveis socioeconômicas da cidade de São Paulo com a intenção de explorar a possibilidade uso dessas medidas como um proxy de acessibilidade. Foi montada uma base com a média dos dados de tempo de espera do serviço por distrito, que foi agregada a um conjunto de variáveis socioeconômicas e de infraestrutura de transporte. A partir dessa base foram elaborados modelos de regressão linear multipla (RLM), e utilizando o método stepwise foram selecionadas as variáveis mais significativas do modelo. Foi verificado padrão espacial das variáveis através do teste I de Moran, que motivou a elaboração de um modelo espacial autoregressivo (SAR). Os resultados indicam que variáveis físicas são importantes para essa relação, como área e densidade populacional, mas a quilometragem de linhas de ônibus no distrito a taxa de residentes não brancos, além do componente espacial, indica uma possível relação com acessibilidade.

 

PALAVRAS-CHAVE | Acessibilidade, Big Data, Uber, estatística espacial, disparidade urbana.

 

RESUMEN

El presente artículo busca relacionar informaciones sobre el tiempo de espera de servicios de alquiler de coches, específicamente Uber, con variables socioeconómicas de la ciudad de São Paulo con la intención de explorar la posibilidad de utilizar esas medidas como un proxy de accesibilidad. Se ha montado una base con la media de los datos de tiempo de espera del servicio por distrito, que se ha agregado a un conjunto de variables socioeconómicas y de infraestructura de transporte. A partir de esta base se elaboraron modelos de regresión lineal MLR, y utilizando el método stepwise se seleccionaron las variables más significativas del modelo. Se verificó el patrón espacial de las variables a través de la prueba I de Moran, que motivó la elaboración de un modelo espacial autoregresivo (SAR). Los resultados indican que las variables físicas son importantes para esa relación, como el área y la densidad de población, pero el kilometraje de líneas de autobús en el distrito, la tasa de residentes no blancos, además del componente espacial, indica una posible relación con accesibilidad.

PALABRAS CLAVE | Accesibilidad, Big Data, Uber, estadística espacial, disparidad urbana.

Num. Páginas: 
402-414

Post new comment

The content of this field is kept private and will not be shown publicly.
To prevent automated spam submissions leave this field empty.

Portal FGVENG

Escolas FGV

Acompanhe na rede