FOMO - Future of Micromobility

Projektet Future of Micromobility (FOMO) har løpt fra 2020 til 2022 med målet om å bevise at driften av micromobility kan forbedres ved hjelp av predictive software tools. Målene for prosjektet inkluderte utviklingen av Urban Crew, en web- og app-baserte løsning for micromobility operatører, testing av pilotverktøy for sykkel-deleordningen til Oslo City Bike, utvikling av data-drevne, optimeringsbaserte beslutningsstøtteverktøy for bærekraftig transportsektor gjennom integrasjon med micromobility, og implementering av den endelige løsningen gjennom Urban Sharing's plattform med målet om å øke plattformens attraktivitet. Urban Crew er nå pilotert hos Oslo City Bike i 2021 og 2022, og resultatene har vist at denne løsningen effektivt kan bidra til å redusere kostnadene ved drift og vedlikehold av sykkel-deleordninger. Gjennom å bruke domenekunnskap og forskning fra NTNU, ble det utviklet en data-drevet, optimeringsbasert beslutningsstøtte-tool, som har bidratt til å oppnå disse målene. Innen forskningsområdet har vi oppnådd å utvikle en simulator for testing av strategier for mikromobilitetsystemer, inkludert muligheter for testing av rebalanseringsstrategier. Rammen tillater for flere typer analyser, og vi ferdigstiller de siste analysene nå, med forventning om å publisere resultatene i en anerkjent fagtidsskrift. Unikt nok vil vi også frigjøre simulatoren til bruk av andre forskningsmiljøer. Vi har også utviklet støtteverktøy for rebalansering og publisert en artikkel i en høykvalitets, fagfellevurdert internasjonal journal (EJOR, nivå 2). Metoden er på høyeste nivå innen fagfeltet, og løser større problemer enn det som har blitt rapportert tidligere. Under prosjektet ble det skrevet fire prosjektoppgaver og to masteroppgaver ved NTNU innen industriell økonomi og teknologiledelse, alle direkte tilknyttet FOMO-prosjektet. Gjennom to av disse oppgavene har vi utvidet omfanget til å inkludere både elsykler og elsparkesykler, og bidratt med kunnskap om "multi-asset management". Det pågår også forskning som går utover prosjektets levetid, med flere pågående masteroppgaver ved NTNU, samt samarbeid med Universitetet i Bergen for å bruke simulatoren vi har utviklet. Arbeidet har blitt presentert på konferanser, både nasjonalt og internasjonalt, og vi har mottatt positiv tilbakemelding på en populær vitenskapelig publikasjon i Norwegian SciTech News og Gemini. I alt har FOMO-prosjektet bevist at micromobility drift kan forbedres gjennom bruken av predikeringssoftware, og at Urban Crew har stor potensial til å bli en ledende løsning i micromobility-bransjen.

FOMO har oppnådd forventede resultater og gjort betydelige bidrag til utviklingen av en ny modell for predictive rebalancing, som vil videre dypere forskningen innenfor området offentlig transport. Den nye modellen har ført til skapelsen av et nytt produkt, Urban Crew, som inneholder de fleste av de nye utviklingene og gjør dem tilgjengelige på markedet. I tillegg har en unik simulator for predictive maintenance tool blitt utviklet, noe som gir en førstegang i micromobility-sektoren. Når det gjelder teknisk ramme, har FOMO vellykket levert en ramme for håndtering av optimering, visualisering og databehandling som kan brukes til å teste nye modeller og metoder. Videre har FOMO levert state-of-the-art modeller, metoder og verktøy for å løse planleggingsproblemer relatert til responsive rebalancing operasjoner og predictive maintenance av eiendeler. Ny modeller, metoder og verktøy har blitt utviklet for planleggingsproblemer i et micromobility-system, inkludert interaksjonen mellom ulike transportformer og flåte sammensetning. Når det gjelder virkning, har FOMO bidratt til FNs bærekraftsmål 11: Bærekraftige byer og samfunn, og mer spesifikt Mål 11.2 ved å støtte trygge, tilgjengelige, rimelige og bærekraftige transportsystemer for alle. Utviklingen av predictive rebalancing-løsninger har også gitt en mulighet for plass-effektive løsninger for å takle voksende kø i byrom, noe som vil ha en positiv innvirkning på bærekraft og livskvalitet i byområder.

In FOMO, Urban Sharing AS, in collaboration with NTNU, Entur and Oslo City Bike will create a data-driven, optimization-based decision support tool for managing an adaptive and responsive urban micromobility system. By merging deep knowledge about operations research with data and experience from bike sharing systems, we will develop state-of-the-art methods to support tactical and operational planning. Objectives include predictive asset rebalancing, predictive maintenance and management of multiple assets in one platform.  The models and methods will be extensively tested on real transport systems using a novel technical framework that allows us to collect data and statistics to evaluate and assess them. This closeness between research and a real transport system narrows the gap between theory and practice and shortens the path from research to commercialization.