Jeśli model na przykład pokazuje, że istnieje połączenie celowe między dwiema strefami, tj. że ludzie dojeżdżają z jednej strefy do drugiej z pewnych powodów, można zapewnić usługi, które usprawnią przemieszczanie się. Jeśli z drugiej strony model pokazuje, że aktywność w danej lokalizacji jest niewielka, decydenci mogą wykorzystać tę wiedzę do inwestowania w struktury, aby to zmienić.
„Zrozumienie wzorców mobilności ludzi będzie miało kluczowe znaczenie dla poprawy przepływu ruchu w miastach. Wraz ze wzrostem liczby ludności na obszarach miejskich wiedza ta może pomóc decydentom w projektowaniu i wdrażaniu skutecznych polityk transportowych oraz integracyjnego planowania urbanistycznego” – powiedział autor badania Simone Daniotti.
Jak zrobiono badanie
Do badania wykorzystano dane firmy zajmującej się wynajmem samochodów – lokalizację wszystkich aut floty w czterech włoskich miastach (Rzym, Turyn, Mediolan i Florencja) w 2017 r. – rejestrując lokalizację parkowania każdego samochodu, a także znaczniki czasu rozpoczęcia i zakończenia jazdy. Autor badania wykorzystał to jako wskaźnik zastępczy dla całego ruchu miejskiego i stworzył model, który nie tylko umożliwia dokładne prognozowanie czasoprzestrzenne w różnych obszarach miejskich, ale także dokładne wykrywanie anomalii, takich jak strajki i złe warunki pogodowe, które wpływają na ruch uliczny.
Chociaż istnieje już wiele modeli zaprojektowanych do przewidywania zachowania ruchu ulicznego w miastach, „zdecydowana większość modeli prognozowania zbiorczych danych nie jest w pełni interpretowalna. Mimo że pewna struktura modelu łączy dwie strefy, nie można ich interpretować jako interakcji” – wyjaśnia Daniotti.
Ogranicza to zrozumienie podstawowych mechanizmów rządzących codziennymi obowiązkami obywateli. Ponieważ uwzględniono tylko minimalną liczbę ograniczeń, a wszystkie parametry reprezentują rzeczywiste interakcje, nowy model jest w pełni interpretowalny. „Oczywiście ważne jest, aby przewidywać, ale można dokonać dokładnych prognoz, a jeśli nie zinterpretujesz wyników poprawnie, czasami ryzykujesz wyciągnięcie błędnych wniosków” – wyjaśnia Daniotti. Nie znając przyczyny, dla której model pokazuje określony wynik, trudno jest kontrolować zdarzenia, w których model nie pokazywał tego, czego się oczekiwało.
Nauka o miastach to stosunkowo nowy i interdyscyplinarny temat, którego celem jest badanie i charakteryzowanie zbiorowych procesów kształtujących wzrost i dynamikę populacji miejskich. Prognozowanie trendów mobilności w przestrzeniach miejskich jest żywym tematem badawczym, którego celem jest pomoc w projektowaniu i wdrażaniu skutecznych polityk transportowych i integracyjnego planowania urbanistycznego.
Badanie zostało opublikowane w czasopiśmie Scientific Reports.
