Paris as a 15-Minute City: An Explainable AI Perspective
من خلال استخدام الذكاء الاصطناعي القابل للتفسير على بيانات التنقل في باريس، تحدد هذه الدراسة كمياً كيف تؤثر وفرة الخدمات المحلية على سلوك التنقل، مما يؤكد أن ارتفاع كثافة نقاط الاهتمام يقلل من الاعتماد على السيارات في الرحلات القصيرة، بينما يكشف في الوقت ذاته عن تباينات مكانية وديموغرافية كبيرة في هذه التأثيرات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك محقق تحاول حل لغز سبب اختيار الناس للمشي، أو ركوب الدراجة، أو القفز في سيارة في مدينة ضخمة. أنت لا تبحث عن مجرم، بل تبحث عن نمط في كيفية تحركنا. هذا هو عالم التنقل الحضري، وهو مجال يدرس فيه العلماء كيف تعمل المدن ككائنات حية. ولحل هذه القضية، غالبًا ما يستخدم الباحثون مفهوم "مدينة الـ 15 دقيقة". فكر في هذا كحيٍّ مصمم مثل قرية دافئة: كل ما تحتاجه للحياة اليومية — من مدارس، ومتاجر، ومتنزهات، وأطباء — قريب جدًا بحيث يمكنك الوصول إليه في غضون 15 دقيقة من المشي أو ركوب الدراجة. السؤال الكبير هو: هل العيش في مكان كهذا يجعل الناس يمشون أكثر ويقودون أقل حقًا؟ للإجابة على ذلك، يستخدم العلماء الذكاء الاصطناعي القابل للتفسير (XAI). إذا كان الذكاء الاصطناعي العادي عبارة عن "صندوق أسود" يعطيك إجابة ولكنه لا يخبرك لماذا، فإن الذكاء الاصطناعي القابل للتفسير يشبه المحقق الذي يفتح الصندوق، ويخرج الأدلة، ويقول: "أنا أعرف أن الإجابة هي 'المشي'، وإليك بالضبط أي دليل جعلني أقرر ذلك".
في هذه الدراسة، قرر فريق من الباحثين من المجر لعب دور المحقق في باريس، وهي الحالة الاختبارية المثالية لمدينة الـ 15 دقيقة. لم يكتفوا بالتخمين؛ بل جمعوا كومة هائلة من الآثار الرقمية من تحدي بيانات NetMob 2025، والذي تتبع تحركات حوالي 3,300 شخص. قاموا بخلط بيانات الحركة هذه مع خرائط لأماكن تواجد المتاجر والمدارس (من OpenStreetMap) ومعلومات عن حياة الناس (من INSEE، التعداد السكاني الفرنسي). وبعد تنظيف البيانات، انتهى بهم المطاف مع ما يقرب من 70,000 جزء رحلة — وهي شرائح صغيرة من الرحلات — لتحليلها.
بنى الباحثون نموذجًا حاسوبيًا ذكيًا (شجرة تعزيز التدرج - gradient-boosted tree) للتنبؤ بالوقت الذي ستستغرقه الرحلة وما إذا كان الشخص سيستخدم سيارة، أو دراجة، أو يمشي. ولكن بدلاً من مجرد ترك الكمبيوتر ينطق بتوقع، استخدموا الذكاء الاصطناعي القابل للتفسير لإلقاء نظرة داخل عقل النموذج. أرادوا معرفة أي العوامل كانت هي "العناصر المؤثرة بقوة" في اتخاذ القرار.
إليكم ما وجدوه، وهو مزيج من "تمامًا كما كنا نأمل" و"الأمر معقد".
أولاً، الأخبار الجيدة: تدعم البيانات عمومًا فكرة مدينة الـ 15 دقيقة. ففي قلب باريس والضواحي الداخلية، يرتبط وجود كثافة عالية من الخدمات المحلية (مثل مخبز، أو متنزه، أو مدرسة بالجوار) ارتباطًا قويًا بمشي الناس أو ركوبهم الدراجات وتقليل قيادتهم للسيارات. الأمر يشبه امتلاك خزانة مؤونة جيدة في مطبخك؛ فأنت لست بحاجة للقيادة إلى متجر البقالة في نهاية الشارع. ومع ذلك، يتلاشى هذا السحر كلما انتقلت إلى التجمع الخارجي (الضواحي البعيدة). هناك، حتى لو كانت هناك بعض المتاجر بالجوار، لا يزال الناس يقودون السيارات كثيرًا. إن العلاقة بين "وجود الأشياء بالقرب" و"عدم القيادة" أضعف بكثير هناك.
كما كشف نموذج الكمبيوتر عمن هم الأكثر عرضة للقيادة. ومن المثير للدهشة أن امتلاك السيارة وحيازة رخصة قيادة هما أكبر المتنبئين باستخدام السيارة، حتى في الرحلات القصيرة جدًا التي يمكن مشيها بسهولة. الأمر يشبه امتلاك مفتاح سيارة في جيبك؛ فأنت ببساğu أكثر عرضة لاستخدامه، حتى لو كنت ذاهبًا فقط إلى المتجر عند الزاوية. ومن ناحية أخرى، إذا كان لدى الشخص اشتراك في النقل العام (مثل بطاقة Navigo)، فإنه يكون أقل عرضة للقيادة، خاصة في المناطق التي تندر فيها الخدمات.
نظر الباحثون أيضًا في ماذا كان الناس يفعلون. إذا كانت الرحلة من أجل العمل، فكان من المرجح أن تكون آلية (بوسيلة نقل) وطويلة. ولكن إذا كانت الرحلة من أجل التسوق أو الصحة، فكان الناس أكثر عرضة للمشي أو ركوب الدراجة. ومن المثير للاهتمام أن العائلات التي لديها أطفال أظهرت نمطًا مختلفًا: فقد كانوا أقل عرضة للتأثر بوجود الخدمات بالقرب مقارنة بالمجموعات الأخرى، مما يشير إلى أن الآباء لديهم احتياجات تنقل فريدة قد لا يحلها مخطط "الـ 15 دقيقة" البسيط بشكل كامل.
أحد أروع أجزاء الدراسة كان استخدام تقنية خاصة تسمى SHAP غير المتماثل (Asymmetric SHAP). تخيل أنك تحاول معرفة ما إذا كان امتلاك سيارة يجعلك تقود، أم أن موقع عملك هو ما يجعلك تقود. الذكاء الاصطناعي القياسي قد يرتبك لأن هذه الأشياء مرتبطة ببعضها. استخدم الباحثون هذه الطريقة الخاصة لاختبار "قصص" مختلفة أو ترتيبات مختلفة للسبب والنتيجة. وجدوا أنه عندما عاملوا امتلاك السيارة كـ "رئيس" (أول شيء في سلسلة الأحداث)، قفزت أهميته في النموذج. وهذا يشير إلى أن امتلاك السيارة هو عامل أساسي ضخم قد يخفي تأثير أشياء أخرى، مثل عدد المتاجر القريبة.
لم تكتفِ الدراسة بتأكيد أن مفهوم مدن الـ 15 دقيقة فكرة جيدة، بل أظهرت أين تعمل بشكل أفضل ومن قد تتركهم خلفها. تشير النتائج إلى أنه بينما تشجع الأحياء الكثيفة التي تضم الكثير من الخدمات المحلية على المشي، فإن مجرد بناء المزيد من المتاجر في الضواحي البعيدة لن يمنع الناس من القيادة إذا كانوا يمتلكون سيارة بالفعل. ويخلص الباحثون إلى أنه لجعل هذه المدن تعمل للجميع، يحتاج مخططو المدن إلى النظر إلى ما هو أبعد من مجرد عد المتاجر. إنهم بحاجة إلى فهم المزيج المعقد من الحياة الأسرية، والدخل، وامتلاك السيارات الحالي.
باختصار، مفهوم مدينة الـ 15 دقيقة يصمد أمام البيانات، لكنه ليس عصا سحرية. إنه يعمل بشكل رائع في وسط باريس، ولكن في الحلقات الخارجية، لا تزال العادات القديمة للقيادة وواقع امتلاك السيارات تسيطر على الطريق. تثبت الدراسة أن استخدام الذكاء الاصطناه القابل للتفسير والذكي يمكن أن يساعد مخططي المدن على رؤية هذه الأنماط الخفية، وتحويل الصورة الضبابية لحركة المرور إلى خريطة واضحة لمدن أفضل وأكثر عدلاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.