Representing the Underrepresented in Travel Demand Modeling Tools
تُظهر هذه الدراسة أن نماذج الطلب على السفر التي تُقدّر استناداً إلى المسوحات الأسرية القياسية فقط غالباً ما تُسيء تمثيل سلوكيات التنقل للفئات السكانية الضعيفة وغير الممثلة بشكل كافٍ، إلا أن دمج بيانات المسح المستهدفة من خلال إطار دمج "المركز والتابع" يحسن بشكل كبير من دقة النموذج وموثوقية تقييمات العدالة في النقل.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
لفهم كيفية تنقل الناس عبر المدينة، يعتمد المخططون على خرائط السلوك. فهم يبنون نماذج رياضية تتنبأ بأين سيذهب الشخص، وكيف سيصل إلى هناك، وما الذي سيضحي به للقيام بتلك الرحلة. هذه النماذج هي المحركات غير المرئية وراء القرارات المتعلقة بخطوط الحافلات الجديدة، وتوسعة الطرق، وأسعار التذاكر. ولعقود من الزمن، جاءت البيانات التي تغذي هذه المحركات من مسوحات أسرية كبيرة، حيث تُطلب من العائلات تسجيل رحلاتهم اليومية. والهدف هو خلق صورة للسكان بأكملهم. ومع ذلك، ظهرت مشكلة مستمرة: فالفئات التي تحتاج إلى وسائل النقل أكثر من غيرها — السكان ذوو الدخل المنخفض، والذين لا يملكون سيارات، وذوو التعليم المحدود — غالبًا ما يكون من الصعب الوصول إليهم في هذه المسوحات. إنهم ممثلون تمثيلاً ناقصاً في البيانات. وعندما يُبنى نموذج على بيانات تفتقر إلى هذه الفئات المحددة، فإنه يخاطر بخلق رؤية مشوهة للواقع، مما قد يؤدي إلى خطط تفشل في مساعدة الأشخاص الذين وُجدت من أجلهم.
هذه الدراسة، التي أُجريت في مدينة بينتون هار، ميشيغان، وهي مدينة صغيرة من الحقبة ما بعد الصناعية، وضعت هدفاً لاختبار ما إذا كان هذا النقص في التمثيل يغير بالفعل تنبؤات نماذج السفر هذه. ركز الباحثون على سؤال محدد: هل تختلف عادات السفر لدى الفئات الضعيفة بشكل كبير عن عامة السكان لدرجة أن المسح القياسي ببساً لا يمكنه التقاطها؟ ولمعرفة ذلك، لم يعتمدوا فقط على مسح الولاية الحالي، الذي أُجري بالفعل. بدلاً من ذلك، ذهبوا إلى المجتمع وأجروا مسحاً مستهدفاً خاصاً بهم، صُمم خصيصاً لإيجاد ومقابلة الأشخاص الذين غابوا عن السجلات الرسمية. ثم قاموا بدمج هذه البيانات الجديدة والمركزة مع البيانات القدة والواسعة لمعرفة كيف سيتغير النموذج الناتج.
قارن الباحثون بين ثلاث نسخ مختلفة من نموذج السفر. النسخة الأولى بُنيت باستخدام المسح المستهدف الجديد فقط من بينتون هار، والذي تضمن عدداً كبيراً من السكان ذوي الدخل المنخفض ومن لا يملكون سيارات. والثانية بُنيت باستخدام مسح الولاية القياسي فقط، والذي ضم عدداً قليلاً جداً من هؤلاء السكان أنفسهم. أما الثالثة، فكانت نموذجاً "مشتركاً" دمج كلا مجموعتي البيانات معاً. وكشفت النتائج عن اختلاف صارخ في كيفية تقدير هذه المجموعات للوقت والمال. ففي النموذج المبني من مسح الولاية القياسي فقط، بدا أن المسافرين ذوي الدخل المنخفض لا يهتمون كثيراً بتكلفة رحلاتهم. فقد أوحى النموذج بأنه إذا ارتفعت أسعار الحافلات، فلن يغير هؤلاء المسافرون سلوكهم كثيراً. وهذا افتراض خطير للمخططين، لأنه يعني أن رفع الأسعار لن يضر الفقراء.
ومع ذلك، أخبر النموذج المبني على المسح المستهدف قصة مختلفة تماماً. فقد أظهر أن المسافرين ذوي الدخل المنخفض حساسون للغاية تجاه التكلفة. وعندما نظر الباحثون في البيانات من الأشخاص الذين سعوا خلفهم تحديداً، وجدوا أن هؤلاء المسافرين كانوا أكثر عرضة لتغيير وسيلة النقل أو تغيير خططهم إذا أصبحت الرحلة أكثر تكلفة. لقد فات هذا السلوك الجوهري المسح القياسي تماماً. وعندما جُمعت مجموعتا البيانات، أنتج النموذج المشترك صورة أكثر واقعية. فقد أظهر أن المسافرين ذوي الدخل المنخفض يقدرون وقتهم بنحو 6.92 دولاراً في الساعة، بينما يقدر المسافرون ذوو الدخل المرتفع وقتهم بنحو 18.31 دولاراً في الساعة. والأهم من ذلك، أكد النموذج المشترك أن المسافرين ذوي الدخل المنخفض حساسون بالفعل لتغيرات الأسعار، وهي حقيقة فشل المسح القياسي وحده في اكتشافها.
كما درست الدراسة أيضاً كيف تتفاعل المجموعات المختلفة مع وقت السفر. ووجد الباحثون أن المسح القياسي قلل من تقدير مدى انزعاج المسافرين الضعفاء من الانتظار أو المشي. وفي النموذج المشترك، كانت الحساسية لوقت السفر من خلال المشي والنقل العام أعلى بكثير بالنسبة للفئة ذات الدخل المنخفض مما اقترحه النموذج القياسي. وهذا يعني أنه إذا استخدم المخطط البيانات القياسية فقط، فقد يعتقد أن مسار الحافلة مقبول لأن أوقات الانتظار قصيرة، دون أن يدرك أن الانتظار يمثل عبئاً كبيراً لمن يعتمدون عليه. لقد قام النموذج القياسي أساساً بـ "تنعيم" الحواف الحادة لعدم المساواة، مما جعل النظام يبدو أكثر تسامحاً مما هو عليه في الواقع.
من خلال إحضار الأصوات غير الممثلة، أثبت الباحثون أن المسافرين "المفقودين" لديهم تفضيلات متميزة لا يمكن تخمينها من عامة السكان. لقد كان المسح القياسي، رغم حجمه، أعمى عن القيود المحددة للفقراء. لقد عاملوا المسافرين ذوي الدخل المنخفض كما لو كانوا مثل الجميع، ولكن بمال أقل، بدلاً من الاعتراف بأن عملية اتخاذ القرار لديهم بالكامل تتشكل بفعل قيود مختلفة. وقد صحح النموذج المشترك، الذي مزج الرؤية الواسعة مع الرؤية المستهدفة، هذا الخطأ. فقد أظهر أنه عندما تستمع إلى الأشخاص الذين غالباً ما يتم تجاهلهم، تتعلم أنهم أكثر استجابة لتغيرات التكلفة والوقت مما كان يُعتقد سابقاً.
يشير هذا العمل إلى أن الأدوات المستخدمة لتخطيط مدننا معيبة حالياً لأنها مبنية على معلومات غير كاملة. فإذا كان النموذج لا يستطيع رؤية كيف يتفاعل ذوو الدخل المنخفض مع زيادة الأجرة، فإنه لا يمكنه التنبؤ بالتأثير الحقيقي لتلك السياسة. وتجادل الدراسة بأنه لبناء أنظمة نقل أكثر عدلاً، يجب على الوكالات أن تتجاوز المسوحات القياسية. يتعين عليهم البحث بنشاط عن الأشخاص الذين يصعب الوصول إليهم وإدراج سلوكياتهم المحددة في النماذج. فمن خلال دمج البيانات الواسعة مع الرؤى المستهدفة والمخصصة للمجتمع، يمكن للمخططين فقط خلق صورة حقيقية لكيفية تحرك مدنهم، مما يضمن أن القرارات المتخذة اليوم لا تضر دون قصد السكان الأكثر ضعفاً غداً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.