Közlekedési profilok klaszterelemzése és a kerékpármegosztó szolgáltatás bővítési lehetőségei Rákosmentén

Péter Tóth; Domokos Esztergár-Kiss

doi:10.24228/KTSZ.2026.5.5

Szerzők

Tóth Péter Budapesti Műszaki és Gazdaságtudományi Egyetem, Közlekedésmérnöki és Járműmérnöki Kar, Közlekedéstechnológiai és Közlekedésgazdasági Tanszék
Esztergár-Kiss Domokos Budapesti Műszaki és Gazdaságtudományi Egyetem, Közlekedésmérnöki és Járműmérnöki Kar, Közlekedéstechnológiai és Közlekedésgazdasági Tanszék

DOI:

https://doi.org/10.24228/KTSZ.2026.5.5

Kulcsszavak:

közösségi kerékpármegosztás, 15 perces város, Látens Osztályos Klaszterelemzés

Absztrakt

A tanulmány a közösségi kerékpármegosztó szolgáltatás városperemi alkalmazhatóságát vizsgálja Rákosmentén a 15 perces város koncepciójának keretében. Egy 2025-ben végzett kérdőíves felmérés adatai alapján Látens Osztályos Klaszterelemzés segítségével azonosítja a lakosság eltérő mobilitási attitűdjeit. Az eredmények rámutatnak, hogy a kerületben jelentős, de heterogén kereslet mutatkozik egy integrált, kötöttpályás kapcsolatokra épülő kerékpármegosztó rendszer iránt, amely hozzájárulhat az autóhasználat csökkentéséhez és a helyi elérhetőség javításához.

Hivatkozások

Bean, R., Pojani, D., Corcoran, J. (2021) How does weather affect bikeshare use? A comparative analysis of forty cities across climate zones. Journal of Transport Geography, 95, 103155. DOI: https://doi.org/10.1016/j.jtrangeo.2021.103155

Bissel, M., Becker, S. (2024) Can cargo bikes compete with cars? Cargo bike sharing users rate cargo bikes superior on most motives – Especially if they reduced car ownership. Transportation Research Part F: Traffic Psychology and Behaviour, 101, pp. 218–235. DOI: https://doi.org/10.1016/j.trf.2023.12.018

Geržinič, N., Hagen, M., Al-Tamimi, H., Duives, D., Oort, N. (2025) Drivers and barriers to integrating shared micromobility with public transport: a latent class clustering analysis of adoption attitudes in the Netherlands. DOI: https://doi.org/10.48550/arXiv.2504.10943

Hess, A.-K., Schubert, I. (2019) Functional perceptions, barriers, and demographics concerning e-cargo bike sharing in Switzerland. Transp. Res. Part Transp. Environ., The roles of users in low-carbon transport innovations: Electrified, automated, and shared mobility, 71, pp. 153–168. DOI: https://doi.org/10.1016/j.trd.2018.12.013

Iwińska, K., Blicharska, M., Pierotti, L., Tainio, M., De Nazelle, A. (2018) Cycling in Warsaw, Poland – Perceived enablers and barriers according to cyclists and non-cyclists. Transp. Transportation Research Part A: Policy and Practice, 113, pp. 291–301. DOI: https://doi.org/10.1016/j.tra.2018.04.014

Kazemeini, A., Kermanshah, A. (2023) Promoting Sustainable Transport in Developing Countries: A Case Study of University Students in Tehran. Future Transportation, 3(3), pp. 858-877. DOI: https://doi.org/10.3390/futuretransp3030048

Kienteka, M., Camargo, E.M.D., Fermino, R.C., Reis, R.S. (2018) Aspectos quantitativos e qualitativos sobre as barreiras para o uso de bicicleta em adultos de Curitiba, Brasil. Revista Brasileira de Cineantropometria e Desempenho Humano, 20(1), pp. 29–42. DOI: https://doi.org/10.5007/1980-0037.2018v20n1p29

Kroesen, M., Handy, S., Chorus, C. (2017) Do attitudes cause behavior or vice versa? An alternative conceptualization of the attitude-behavior relationship in travel behavior modeling. Transportation Research Part A: Policy and Practice, 101, pp. 190–202. DOI: https://doi.org/10.1016/j.tra.2017.05.013

Lo, Y., Mendell, N.R., Rubin, D.B. (2001) Testing the number of components in a normal mixture. Biometrika, 88(3), pp. 767–778. DOI: https://doi.org/10.1093/biomet/88.3.767

Marincek, D., Rérat, P., Lurkin, V. (2024) Cargo bikes for personal transport: A user segmentation based on motivations for use. International Journal of Sustainable Transportation, 18(9), pp. 751–764. DOI: https://doi.org/10.1080/15568318.2024.2402753

Pernot, D., Weir IV, H. T. (2025) Replacing Car Trips with a Cargo Bike Sharing Service: What Features Do Users Value Most? Future Transportation, 5(1), 7. DOI: https://doi.org/10.3390/futuretransp5010007

Sasidharan, L., Wu, K.-F., Menendez, M. (2015) Exploring the application of latent class cluster analysis for investigating pedestrian crash injury severities in Switzerland. Accident Analysis & Prevention, 85, pp. 219–228. DOI: https://doi.org/10.1016/j.aap.2015.09.020

Sulikova, S., Brand, C. (2021) Investigating what makes people walk or cycle using a socio-ecological approach in seven European cities. Transportation Research Part F: Traffic Psychology and Behaviour, 83, pp. 351–381. DOI: https://doi.org/10.1016/j.trf.2021.10.008

Vermunt, J.K., Magidson, J. (2016) Technical Guide for Latent GOLD 5.1: Basic, Advanced, and Syntax. URL: https://www.statisticalinnovations.com/wp-content/uploads/LGtechnical.pdf

Weller, B.E., Bowen, N.K., Faubert, S.J. (2020) Latent Class Analysis: A Guide to Best Practice. Journal of Black Psychology, 46(4), pp. 287–311. DOI: https://doi.org/10.1177/0095798420930932

Zimmermann, K., Palgan, Y.V. (2024) Upscaling cargo bike sharing in cities: A comparative case study. Journal of Cleaner Production, 477, 143774. DOI: https://doi.org/10.1016/j.jclepro.2024.143774