Estimating Heterogeneity in Travel Mode Choice Shifts with Causal Forests
Este estudio aplica bosques causales a los datos de la Encuesta Nacional de Viajes en el Hogar para cuantificar los efectos causales heterogéneos de la pandemia de COVID-19 en las elecciones de modo de viaje, revelando un cambio significativo hacia el uso del automóvil que varía según la distancia del viaje, el ingreso y el género.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina que eres un detective intentando resolver un misterio, pero en lugar de buscar una joya robada, estás tratando de averiguar por qué la gente de repente conduce más sus coches y camina menos. En el mundo de la ciencia del transporte, los investigadores han pasado décadas construyendo mapas para predecir cómo se mueve la gente. Tradicionalmente, utilizaban herramientas que eran excelentes para detectar patrones, como notar que las personas con casas grandes tienden a conducir coches grandes. Pero detectar un patrón no es lo mismo que demostrar la causa y el efecto. Es como ver que la gente lleva paraguas cuando llueve y concluir que los paraguas causaron la lluvia. Para entender realmente por qué sucede algo, necesitas saber qué habría ocurrido si la situación hubiera sido diferente. Esta es la parte complicada de la "causalidad". Por lo general, para probar la causa y el efecto, los científicos realizan experimentos donde cambian una cosa y mantienen todo lo demás igual, como un chef probando una nueva especia. Pero no puedes realizar fácilmente un experimento gigante en toda una ciudad para ver qué pasaría si de repente hicieras que todo el mundo se quedara en casa durante un año. Ahí es donde entra un nuevo tipo de herramienta de detective: un método llamado "bosques causales". Piensa en estos bosques no como árboles con hojas, sino como un enorme bosque digital de árboles de decisión que pueden observar millones de viajes pasados, dividirlos en grupos diminutos basados en quiénes son los viajeros y hacia dónde fueron, y preguntar: "¿Si esta persona específica hubiera vivido en un tiempo diferente, habría elegido una forma distinta de viajar?".
Este artículo toma ese bosque digital y lo planta en el suelo de un evento muy real y muy caótico: la pandemia de COVID-19. La pandemia fue un experimento gigante y no planificado que cambió la forma en que el mundo se movía. Los autores, Rishabh S. Chauhan, Mahdi Ghadimi y Lishun Liu Gaara, quisieron usar su bosque causal para averiguar exactamente cómo la pandemia cambió los hábitos de viaje de las personas, no solo en promedio, sino para tipos específicos de personas. No se limitaron a preguntar: "¿La gente condujo más?". Preguntaron: "¿La gente rica condujo más? ¿Las mujeres condujeron más? ¿La gente que realizaba viajes cortos condujo más?". Al analizar más de 800,000 registros de viajes de antes de la pandemia (en 2017) y después de que esta se asentara en una nueva normalidad (en 2022), utilizaron este avanzado método de aprendizaje automático para aislar el verdadero "efecto pandemia" de todos los demás cambios que ocurrían al mismo tiempo.
Esto es lo que encontró su bosque digital. Cuando observaron a la persona promedio, la pandemia causó un cambio donde la probabilidad de conducir un coche aumentó 1.86 puntos porcentuales, mientras que la probabilidad de usar el transporte público cayó 0.38 puntos porcentuales y la probabilidad de caminar disminuyó 1.57 puntos porcentuales. Pero la verdadera historia está en los detalles, porque el bosque reveló que estos cambios no fueron iguales para todos. El mayor salto en el uso del coche ocurrió para personas que realizaban viajes muy cortos (una milla o menos), para hogares con ingresos superiores a $200,000 al año y para viajeras mujeres. De hecho, las mujeres se desplazaron hacia la conducción y se alejaron de la caminata de manera mucho más dramática que los hombres. Por el contrario, las personas que vieron la mayor caída en el uso del transporte público fueron aquellas que no tenían ningún vehículo en el hogar, y los ancianos (6ables de 65 años o más) apenas cambiaron sus hábitos, mostrando una especie de "inercia conductual".
Los autores también usaron su herramienta para observar a los grupos más extremos. Encontraron que una combinación específica de factores —vivir en el oeste de EE. UU., ganar entre 49,999, y realizar un viaje de una milla o menos— condujo a un aumento masivo de 16.37 puntos porcentuales en el uso del coche en comparación con todos los demás. Por el contrario, las personas sin vehículos en el hogar que realizaban viajes de longitud media no relacionados con el trabajo vieron caer significativamente su uso del coche. El estudio sugiere que, si bien la tendencia general fue un movimiento hacia los coches, el "por qué" y el "quién" fueron increíblemente complejos. Los investigadores son cuidadosos al señalar que esto es una instantánea en el tiempo y que su método depende de los datos que tenían, pero los resultados ofrecen una imagen mucho más clara y matizada que los simples promedios. Al usar bosques causales, fueron más allá de solo decir "la gente condujo más" para comprender exactamente qué sectores de la población cambiaron de opinión y por cuánto, proporcionando una nueva y poderosa forma para que los planificadores urbanos vean las capas ocultas del comportamiento humano.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.