Justice-informed Planning of Intermodal Autonomous Mobility-on-Demand Systems under Operational Constraints
Dieser Artikel schließt die Lücke zwischen Verkehrseffizienz und Gerechtigkeit, indem er Optimierungsmodelle für intermodale autonome Mobilität-auf-Nachfrage-Systeme vorschlägt, die utilitaristische und gerechtigkeitsorientierte Ziele unter realen Randbedingungen ausbalancieren, und zeigt anhand einer Fallstudie für Manhattan, dass soziale Maßnahmen wie ein kostenloser öffentlicher Nahverkehr hohe Gerechtigkeitsniveaus erreichen können, ohne die Effizienz zu beeinträchtigen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich eine Stadt vor wie ein riesiges, komplexes Puzzle, bei dem Menschen von ihren Häusern zu ihren Arbeitsplätzen gelangen müssen. Seit langem versuchen Stadtplaner, dieses Puzzle mit einer einzigen Regel zu lösen: „Machen Sie die durchschnittliche Fahrt so schnell wie möglich."
Stellen Sie sich dies wie ein Rennen vor, bei dem das Ziel darin besteht, den durchschnittlichen Läufer schnell ins Ziel zu bringen. Das Problem ist, dass in einem Rennen, das sich nur auf den Durchschnitt konzentriert, die schnellsten Läufer vielleicht davon sprinten, während die langsamsten Läufer zurückgelassen oder sogar über den Haufen gestoßen werden, nur um die durchschnittliche Zeit niedrig zu halten. Dies ist das, was die Autoren als „utilitaristische Effizienz" bezeichnen. Es ist großartig für die Zahlen, lässt aber oft diejenigen, die am meisten Hilfe benötigen, im Stich.
Dieser Artikel schlägt eine neue Art vor, das Puzzle zu lösen. Anstatt nur auf den Durchschnitt zu schauen, fragen die Autoren: „Hat jeder eine hinreichend gute Fahrt?" Sie nennen dies „Pendelsuffizienz". Es ist wie ein Lehrer, dem nicht nur der KlassenDurchschnitt wichtig ist, sondern der sicherstellt, dass jeder einzelne Schüler die Prüfung besteht. Wenn ein Schüler Schwierigkeiten hat, passt der Lehrer den Lehrplan an, um ihm zu helfen, auch wenn dies bedeutet, dass die besten Schüler ein winziges bisschen länger warten müssen.
Das neue System: Ein mehrschichtiger Lieferdienst
Die Autoren untersuchen eine Zukunft, in der man nicht nur eine Art von Transport nutzt. Stellen Sie sich einen mehrschichtigen Lieferdienst für Menschen vor:
- Zu Fuß: Sie laufen zu einer Station.
- Fahrrad: Sie steigen auf ein Fahrrad.
- Öffentliche Verkehrsmittel: Sie nehmen eine U-Bahn oder einen Bus.
- Robotaxis: Sie steigen für den letzten Abschnitt in ein selbstfahrendes Auto (AMoD).
Der Artikel baut ein Computermodell dieses Systems auf, jedoch mit zwei sehr wichtigen „Sicherheitsvorkehrungen", die die meisten anderen Modelle ignorieren:
- Die Geldbörse-Sicherheitsvorkehrung: Nicht jeder hat das gleiche Geld. Das Modell stellt sicher, dass niemand gezwungen wird, eine Fahrt zu unternehmen, die mehr als sein tägliches Budget kostet.
- Die Sicherheit-Sicherheitsvorkehrung: Nicht jeder Radweg ist sicher. Das Modell verweigert es, Menschen auf gefährliche Straßen zu schicken, auch wenn dies die schnellste Route wäre.
Das Experiment: New York City
Um dies zu testen, verwendeten die Autoren Manhattan, New York, als ihren Spielplatz. Sie fütterten reale Daten darüber, wo Menschen leben, wo sie arbeiten, wie viel Geld sie verdienen und wie viel eine Fahrt mit der U-Bahn oder einem Taxi kostet, in ihr Computermodell.
Sie führten zwei verschiedene „Spiele" durch:
- Spiel A (Der alte Weg): Minimieren Sie die durchschnittliche Reisezeit für alle.
- Spiel B (Der neue Weg): Stellen Sie sicher, dass so viele Menschen wie möglich ihre Fahrt innerhalb eines „angemessenen" Zeitlimits (20 Minuten) abschließen, auch wenn dies bedeutet, dass die durchschnittliche Zeit leicht ansteigt.
Was sie fanden
1. Der „Fairness"-Kompromiss ist winzig
Als sie zum „Fairness"-Spiel (Spiel B) wechselten, stieg die durchschnittliche Reisezeit nur um etwa 3 % (von 14,26 Minuten auf 14,63 Minuten). Allerdings sank die Zahl der Menschen, die mit schrecklichen, übermäßig langen Fahrten feststeckten, um mehr als 20 %.
- Analogie: Es ist wie das Hinzufügen von ein paar zusätzlichen Sekunden zu einem Film, damit das Ende für alle Sinn ergibt, anstatt die Handlung nur zu hetzen, um die Laufzeit kurz zu halten.
2. Geld ist der wahre Engpass
Die Studie ergab, dass selbst mit der besten Planung, wenn Menschen den vollen Preis für Robotaxis und U-Bahnen zahlen müssen, das System unfair bleibt. Ärmere Viertel am Rand der Stadt litten weiterhin.
- Analogie: Man kann eine perfekte Autobahn bauen, aber wenn die Maut zu hoch ist, können die Menschen, die sie am meisten benötigen, sie nicht nutzen. Die „Gerechtigkeit" des Systems stößt wegen der Geldbörsen der Menschen auf eine Wand.
3. Kostenlose öffentliche Verkehrsmittel sind ein Zauberstab
Das überraschendste Ergebnis ergab sich, als sie kostenlose öffentliche Verkehrsmittel (wie eine kostenlose U-Bahn) simulierten.
- Als die U-Bahn kostenlos wurde, schoss die „Fairness"-Bewertung in die Höhe. Die Zahl der Menschen mit schrecklichen Fahrten sank um 90 %.
- Das System wurde fast so gut, als wäre jedes Verkehrsmittel (einschließlich der Robotaxis) kostenlos, jedoch ohne die massiven Kosten, Robotaxis kostenlos zu machen.
- Analogie: Es ist wie die Erkenntnis, dass man statt jedem einen kostenlosen Ferrari zu geben (was teuer und schwer zu verwalten ist), einfach das Bussystem kostenlos macht. Plötzlich kann jeder dorthin gelangen, wo er hin muss, und die „Ungerechtigkeit" verschwindet.
Das Fazit
Der Artikel kommt zu dem Schluss, dass wir uns nicht einfach auf Technologie (wie selbstfahrende Autos) verlassen können, um Ungleichheit zu beheben. Wenn wir es standardmäßigen Unternehmen überlassen, die Gewinn machen wollen, wird das System immer die ärmsten Menschen im Stich lassen.
Wenn wir jedoch intelligente Planung mit sozialen Politiken (wie der kostenlosen öffentlichen Verkehrsmittel) kombinieren, können wir ein System schaffen, in dem fast jeder eine „hinreichend gute" Fahrt erhält, ohne die Stadt zu sehr zu verlangsamen. Es ist eine Erinnerung daran, dass die beste Ingenieurslösung manchmal nicht eine neue Maschine ist, sondern eine Änderung der Art und Weise, wie wir für die Fahrt bezahlen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.