Natężenie ruchu: Jak je przewidzieć?

Nowy model uczenia maszynowego może przewidywać natężenie ruchu ulicznego w różnych strefach miejskich. Tym zagadnieniem zajął się badacz z austriackiego Complexity Science Hub. Zrozumienie interakcji między różnymi strefami miejskimi może pomóc uniknąć korków oraz ułatwić planowanie urbanistyczne.

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.

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 (https://www.nature.com/articles/s41598-023-30134-9)

PAP/ as/