Access graph: a novel graph representation of public transport networks for accessibility analysis

यहाँ शोध पत्र "Access graph: a novel graph representation of public transport networks for accessibility analysis" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

पहुंच (Accessibility), जिसे स्थानिक रूप से बिखरे हुए अवसरों के बीच यात्रा अवरोध (travel impedance) के रूप में परिभाषित किया गया है, सार्वजनिक परिवहन (PT) के उपयोग और शहरी नियोजन का एक महत्वपूर्ण निर्धारक है। हालाँकि, इस क्षेत्र में एक एकीकृत दृष्टिकोण (unified approach) की कमी है। मौजूदा पद्धतियाँ कई चुनौतियों का सामना करती हैं:

• परिचालन भिन्नता (Operationalization Variance): यात्रा अवरोध और अवसरों की गणना की परिभाषाएँ विभिन्न अध्ययनों में काफी भिन्न होती हैं, जिससे विभिन्न नेटवर्कों के बीच तुलना करना कठिन हो जाता है।
• मानक ग्राफों की सीमाएँ (Limitations of Standard Graphs): पारंपरिक PTN प्रतिनिधित्व (L-space/इन्फ्रास्ट्रक्चर और P-space/सर्विस) पहुंच विश्लेषण के लिए अपर्याप्त हैं। L-space बुनियादी ढांचे को दर्शाता है लेकिन ट्रांसफर व्यवहार को अनदेखा करता है; P-space बिना ट्रांसफर वाली यात्रा को दर्शाता है लेकिन स्थानिक बाधाओं को संक्षिप्त कर देता है। दोनों ही "सामान्यीकृत यात्रा समय" (इन-व्हीकल समय + प्रतीक्षा समय + ट्रांसफर पेनल्टी) को पूरी तरह से नहीं पकड़ पाते, जो एक समग्र पहुंच दृष्टिकोण के लिए आवश्यक है।
• मीट्रिक व्याख्यात्मकता (Metric Interpretability): सेंट्रैलिटी माप (जैसे क्लोजनेस) अक्सर स्थानीय नोड-स्तरीय अंतर्दृष्टि प्रदान करते हैं जो वैश्विक पहुंच गुणों या इक्विटी विश्लेषण में अच्छी तरह से अनुवादित नहीं होते हैं।
• एकीकृत ढांचे का अभाव (Lack of Unified Framework): एक नेटवर्क-विज्ञान-आधारित ढांचे की आवश्यकता है जो केवल व्यक्तिगत यात्रा मेट्रिक्स को एकत्रित करने के बजाय नेटवर्क संरचना स्तर पर पहुंच को मॉडल कर सके।

2. कार्यप्रणाली: एक्सेस ग्राफ (A-space)

लेखक एक नया ग्राफ प्रतिनिधित्व प्रस्तावित करते हैं जिसे एक्सेस ग्राफ (A-space) कहा जाता है, जो पहुंच को एक समय बजट ($t_b$) के फलन (function) के रूप में मॉडल करता है।

A. एक्सेस ग्राफ का निर्माण

1. इनपुट डेटा: यह विधि भारित (weighted) L-space (इन्फ्रास्ट्रक्चर) और P-space (सर्विस) प्रतिनिधित्वों के निर्माण के लिए मानक GTFS डेटा का उपयोग करती है।
2. सामान्यीकृत यात्रा समय मैट्रिक्स ($D$): एक मैट्रिक्स की गणना की जाती है जहाँ भार $d_{ij}$ स्टॉप $i$ और $j$ के बीच सामान्यीकृत यात्रा समय को दर्शाता है। इसमें शामिल हैं:
   • इन-व्हीकल समय ($t_{in-veh}$)।
   • प्रतीक्षा समय ($t_{wait}$), जो सेवा आवृत्ति ($30/f_{ij}$) से प्राप्त होता है।
   • ट्रांसफर पेनल्टी ($w_{transfer}$), जिसे अनुभवजन्य रूप से भारित किया गया है (जैसे प्रति ट्रांसफर 5 मिनट)।
   • सूत्र: $D = D_{L}^{in-veh} + w_{wait}D_{P}^{wait} + w_{transfer}(D_{P}^{u} - J_N)$।
3. ग्राफ जनरेशन: एक विशिष्ट समय बजट $t_b$ के लिए, एक किनारा (edge) नोड्स $i$ और $j$ के बीच तभी मौजूद होता है जब $d_{ij} \leq t_b$ हो।
   • $t_b = 0$ पर, ग्राफ खाली होता है।
   • $t_b = t_{max}$ (नेटवर्क में अधिकतम यात्रा समय) पर, ग्राफ एक पूर्ण क्लिक (complete clique) बन जाता है।
   • परिणामी ग्राफ अनडिरेक्टेड (undirected) और अनवेटेड (unweighted) है, जहाँ नोड डिग्री ($k$) सीधे समय बजट के भीतर सुलभ नोड्स (संचयी अवसर) की संख्या के बराबर होती है।

B. प्रस्तावित संकेतक (Proposed Indicators)

अध्ययन $t_b$ बढ़ने के साथ एक्सेस ग्राफ के विकास का विश्लेषण करता है, जिसमें दो श्रेणियों के संकेतक परिभाषित किए गए हैं:

1. सिस्टम प्रदर्शन संकेतक (Dual Access):

• $t_M$ (एक्सेस इन्फ्लेक्शन पॉइंट): वह समय बजट जहाँ औसत डिग्री वृद्धि ($\langle k \rangle'$) अधिकतम होती है। यह एक "फेज ट्रांजिशन" को दर्शाता है जहाँ नेटवर्क विरल (sparse) से अत्यधिक जुड़े हुए (highly connected) अवस्था में बदल जाता है।
• $\delta t_M$: सामान्यीकृत इन्फ्लेक्शन पॉइंट ($t_M / t_{max}$)।
• $\langle k \rangle_M$: इन्फ्लेक्शन पॉइंट पर औसत डिग्री।
• $t_{JS}$ (स्ट्रक्चरल चेंज पॉइंट): वह समय बजट जहाँ क्रमिक डिग्री वितरण के बीच जेन्सन-शैनन डाइवर्जेंस (JSD) अधिकतम होता है। यह नेटवर्क के सबसे महत्वपूर्ण संरचनात्मक पुनर्गठन को पकड़ता है।

2. यात्री परिप्रेक्ष्य संकेतक (Primal Access):

• $\langle k \rangle_{30}$: एक निश्चित $t_b = 30$ मिनट (एक मानक कम्यूट थ्रेशोल्ड) पर औसत डिग्री।
• $G_{30}$: $t_b = 30$ मिनट पर डिग्री वितरण का गिनी गुणांक (Gini coefficient), जो पहुंच असमानता को मापता है।

3. इक्विटी संकेतक (Equity Indicators):

• $G_M$ और $G_{30}$: नेटवर्क में पहुंच के अंतर को मापने के लिए इन्फ्लेक्शन पॉइंट और 30-मिनट के मार्क पर गणना किए गए गिनी गुणांक।

3. मुख्य योगदान

1. नया प्रतिनिधित्व (A-space): एक समय-बजट-निर्भर ग्राफ प्रतिनिधित्व पेश करता है जहाँ किनारे भौतिक या सेवा कनेक्शन के बजाय कार्यात्मक पहुंच (functional reachability) को दर्शाते हैं।
2. एकीकृत ढांचा: एक एल्गोरिदम आधारित, व्याख्या योग्य दृष्टिकोण प्रदान करता है जो नेटवर्क विज्ञान को परिवहन नियोजन के साथ एकीकृत करता है, जिससे विभिन्न शहरों और नेटवर्क आकारों के बीच सीधी तुलना संभव होती है।
3. नए संकेतक: नए वैश्विक संकेतक ($t_M, \delta t_M, \langle k \rangle_{30}, G_M$ आदि) परिभाषित करता है जो सिस्टम प्रदर्शन (नेटवर्क कितनी तेज़ी से जुड़ता है) और इक्विटी (पहुंच कितनी समान रूप से वितरित है) दोनों को पकड़ते हैं।
4. अनुभवजन्य सत्यापन: इस पद्धति को दुनिया भर के 51 मेट्रो नेटवर्कों के डेटासेट पर लागू किया गया, जो इस दृष्टिकोण की मजबूती और स्केलेबिलिटी को प्रदर्शित करता है।

4. परिणाम और विश्लेषण

इस पद्धति को 51 मेट्रो प्रणालियों (जेनोआ जैसे छोटे नेटवर्क $N=8$ से लेकर न्यूयॉर्क जैसे बड़े नेटवर्क $N=421$ तक) पर लागू किया गया।

• नेटवर्क विकास: अधिकांश नेटवर्क औसत डिग्री में सिग्मॉइड (S-आकार का) विकास प्रदर्शित करते हैं। इन्फ्लेक्शन पॉइंट ($t_M$) आमतौर पर कई नेटवर्कों के लिए 25-35 मिनट के बीच होता है, जो यात्री समय बजट के अनुरूप है।
• केस स्टडी (ओस्लो बनाम वियना):
  • वियना ने अधिक नियमित, यूनिमोडल डिग्री वितरण और प्रारंभिक संरचनात्मक परिवर्तन दिखाया, जो उच्च पहुंच और इक्विटी का संकेत देता है।
  • ओस्लो ने बाइमोडल वितरण और बाद का इन्फ्लेक्शन पॉइंट ($\delta t_M = 0.64$) दिखाया, जो एक "कोर-पेरिफेरी" संरचना का सुझाव देता है जहाँ कोर जल्दी जुड़ता है लेकिन पेरीफेरी पीछे रह जाती है, जिसके परिणामस्वरूप कम इक्विटी होती है।
• सहसंबंध (Correlations):
  • नेटवर्क आकार ($N$) बनाम पहुंच: बड़े नेटवर्कों में उच्च अधिकतम यात्रा समय ($t_{max}$) होने की प्रवृत्ति होती है लेकिन वे सब-लीनियर स्केलिंग दिखाते हैं, जो बताता है कि बड़े नेटवर्क अपेक्षाकृत अधिक कुशल होते हैं।
  • असमानता: गिनी गुणांक ($G_{30}$) आमतौर पर नेटवर्क के आकार के साथ बढ़ता है, जो यह दर्शाता है कि बड़े नेटवर्कों में पहुंच के उच्च अंतर होने की संभावना होती है। हालाँकि, $\delta t_M$ जैसे सामान्यीकृत संकेतक प्रदर्शन के आकार-स्वतंत्र माप प्रदान करते हैं।
  • संरचनात्मक परिवर्तन: सबसे बड़ा संरचनात्मक पुनर्गठन (पीक JSD) अक्सर औसत डिग्री के इन्फ्लेक्शन पॉइंट से पहले होता है, जो बताता है कि औसत कनेक्टिविटी संतृप्त होने से पहले ही नेटवर्क टोपोलॉजी महत्वपूर्ण रूप से बदल जाती है।

5. महत्व और भविष्य की दिशाएं

• नियोजन उपयोगिता: एक्सेस ग्राफ योजनाकारों को "एक्सेस डेजर्ट" (पहुंच की कमी वाले क्षेत्र) की पहचान करने और नेटवर्क परिवर्तनों (जैसे नई लाइनें या आवृत्ति समायोजन) के वैश्विक पहुंच और इक्विटी पर प्रभाव का अनुकरण करने के लिए एक उपकरण प्रदान करता है।
• व्याख्यात्मकता: जटिल यात्रा डेटा को समय-निर्भर ग्राफ में नोड डिग्री में बदलकर, यह विधि अत्यधिक व्याख्या योग्य मीट्रिक प्रदान करती है जो विभिन्न PT मोड (बस, रेल, आदि) में पुनरुत्पादित (reproducible) हैं।
• सीमाएँ और भविष्य का कार्य:
  • वर्तमान मॉडल मानता है कि प्रत्येक स्टॉप पर अवसरों की संख्या समान है; भविष्य के कार्य में वास्तविक अवसर घनत्व द्वारा नोड्स को भारित करने के लिए लैंड-यूज़ डेटा को एकीकृत करना शामिल हो सकता है।
  • मॉडल किनारों (edges) के लिए एक हार्ड कट-ऑफ का उपयोग करता है; भविष्य के संस्करण यात्री विषमता (heterogeneity) को ध्यान में रखने के लिए संभावabilistic एज समावेश या फजी थ्रेशोल्ड का पता लगा सकते हैं।
  • यह ढांचा मल्टीलेयर नेटवर्क विश्लेषण की ओर एक कदम है, जिसमें वित्तीय लागत या कथित पहुंच को अलग-अलग परतों के रूप में शामिल किया जा सकता है।

निष्कर्षतः, यह शोध पत्र एक एकीकृत, ग्राफ-सैद्धांतिक ढांचे को पेश करके नेटवर्क विज्ञान और पहुंच नियोजन के बीच के अंतर को सफलतापूर्वक पाटता है, जो सार्वजनिक परिवहन प्रणालियों की दक्षता और इक्विटी दोनों को मात्रात्मक रूप से निर्धारित करता है।