Inequities in Canadian Traffic and Congestion Exposure Under Socioeconomic Pathways
यह अध्ययन पांच सामाजिक-आर्थिक परिदृश्यों के तहत 2100 तक कनाडा भर में यातायात की मात्रा और भीड़भाड़ का अनुमान लगाने के लिए एक मशीन-लर्निंग फ्रेमवर्क विकसित करता है, जो यह प्रकट करता है कि भविष्य की भीड़भाड़ असमान रूप से वितरित होगी, जिसमें निरंतर असमानताएं अल्पसंख्यक समूहों को गैर-अल्पसंख्यक आबादी की तुलना में काफी उच्च यातायात स्तरों के प्रति संवेदनशील बनाती हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
यातायात केवल एक दैनिक हताशा से कहीं अधिक है; यह एक मौलिक शक्ति है जो यह आकार देती है कि लोग नौकरियों, स्वास्थ्य सेवा और ताजी हवा तक कैसे पहुँचते हैं। जब सड़कें जाम होती हैं, तो इसके परिणाम व्यापक रूप से फैलते हैं, जिससे अर्थव्यवस्थाएं धीमी हो जाती हैं और हवा में ऐसे प्रदूषक भर जाते हैं जो मानव स्वास्थ्य को नुकसान पहुँचाते हैं। ये समस्याएँ समान रूप से वितरित नहीं हैं। कई स्थानों पर, यातायात के धुएं और देरी से सबसे अधिक पीड़ित वे लोग होते हैं जिनके पास अपनी स्थिति बदलने की सबसे कम शक्ति होती है, जैसे कि कम आय वाले परिवार या नस्लीय अल्पसंख्यक। यातायात के इन पैटर्न के ठीक कहाँ और क्यों बनने की प्रक्रिया को समझना कठिन है क्योंकि सड़क नेटवर्क विशाल, निरंतर परिवर्तनशील और अक्सर विस्तृत रूप से मानचित्रित नहीं होता है। दशकों से, योजनाकार उन सर्वेक्षणों पर निर्भर रहे हैं जो ड्राइवरों के केवल एक बहुत छोटे हिस्से को पकड़ पाते हैं या उन मॉडलों पर जो किसी एक पड़ोस को प्रभावित करने वाले विशिष्ट बाधाओं (bottlenecks) को देखने के लिए बहुत मोटे स्तर के होते हैं। पूरे सिस्टम की स्पष्ट, उच्च-रिज़ॉल्यूशन वाली तस्वीर के बिना, यह जानना कठिन है कि नई सड़कें कहाँ बनाई जाएँ, सार्वजनिक परिवहन में कहाँ सुधार किया जाए, या भीड़भाड़ के बढ़ते बोझ से कमजोर समुदायों की रक्षा कैसे की जाए।
ब्रिटिश कोलंबिया विश्वविद्यालय के शोधकर्ताओं की एक टीम ने कनाडा में पूरे यातायात का मानचित्र बनाने के लिए, भविष्य में बहुत आगे देखते हुए, इस चुनौती से निपटने का एक नया तरीका विकसित किया है। सीमित डेटा के आधार पर अनुमान लगाने के बजाय, उन्होंने एक कंप्यूटर फ्रेमवर्क बनाया है जो वास्तविक दुनिया के अवलोकनों से सीखता है ताकि यह अनुमान लगाया जा सके कि देश की लगभग हर प्रमुख सड़क पर यातायात कैसा व्यवहार करेगा, टोरंटो की हलचल भरी सड़कों से लेकर युकोन के दूरदराज के राजमार्गों तक। उन्होंने इसे लाखों वास्तविक यातायात गणनाओं पर एक मशीन-लर्निंग सिस्टम को प्रशिक्षित करके किया, जिससे इसे यह पहचानने में मदद मिली कि वाहन सड़कों पर क्यों आते हैं। यह प्रणाली विभिन्न कारकों पर विचार करती है, जिसमें यह शामिल है कि आस-पास कितने लोग रहते हैं, नौकरियां कहाँ स्थित हैं, भूमि का आकार क्या है, और यहाँ तक कि सड़क का प्रकार भी। इस प्रणाली में कनाडा की जनसंख्या और अर्थव्यवस्था के अगले अस्सी वर्षों में बढ़ने या घटने के विभिन्न परिदृश्यों को फीड करके, शोधकर्ता यह सिम्युलेट (simulate) करने में सक्षम थे कि विभिन्न संभावित भविष्यों के तहत यातायात का आयतन और भीड़भाड़ कैसे विकसित होगी।
परिणाम यातायात के एक ऐसे परिदृश्य को प्रकट करते हैं जो अत्यधिक असमान है। वर्तमान में, अधिकांश वाहन महानगरीय क्षेत्रों में केंद्रित हैं, जहाँ वे प्रमुख राजमार्गों और मुख्य सड़कों पर जमा होते हैं। अध्ययन अनुमान लगाता है कि जबकि कुछ सड़कों पर यातायात का स्तर स्थिर हो जाएगा या वास्तव में कम हो जाएगा, अन्य सड़कें तेजी से जाम हो जाएंगी, विशेष रूप से उन प्रमुख गलियारों में जो कनाडा के सबसे बड़े शहरों को जोड़ते हैं। इस भीड़भाड़ की गंभीरता इस बात पर बहुत निर्भर करती है कि समाज कौन सा रास्ता चुनता है। एक परिदृश्य में जहाँ विकास खंडित है और आर्थिक विकास धीमा है, यातायात कुछ पूर्वी प्रांतों में कम हो सकता है। एक अन्य परिदृश्य में, जो तीव्र आर्थिक विस्तार और जीवाश्म ईंधन के उपयोग से प्रेरित है, यातायात का आयतन नाटकीय रूप रूप से बढ़ सकता है, जिससे सदी के अंत तक कई और सड़क खंड ग्रिडलॉक (जाम) में बदल सकते हैं। सिमुलेशन दिखाते हैं कि ये परिवर्तन हर जगह एक साथ नहीं होंगे; इसके बजाय, सबसे भारी प्रभाव विशिष्ट शहरी गलियारों में महसूस किए जाएंगे, जबकि ग्रामीण जोड़ने वाली सड़कें अपेक्षाकृत मुक्त प्रवाह वाली बनी रह सकती हैं।
सबसे चौंकाने वाला निष्कर्ष इस बारे में है कि कौन इस यातायात का बोझ उठाता है। शोधकर्ताओं ने गणना की कि सड़क के पास रहने मात्र से एक व्यक्ति को कितना यातायात झेलना पड़ता है, इसके लिए उन्होंने एक 'बफर ज़ोन' का उपयोग किया जो उस दूरी का प्रतिनिधित्व करता है जहाँ वाहनों से होने वाला वायु प्रदूषण स्वास्थ्य के लिए एक महत्वपूर्ण जोखिम बना रहता है। उन्होंने पाया कि यह जोखिम समान रूप से साझा नहीं किया गया है। शहरों और कस्बों दोनों में, नस्लीय अल्पसंख्यक समूह गैर-अल्पसंख्यक आबादी की तुलना में यातायात के काफी उच्च स्तर का सामना करते हैं। उदाहरण के लिए, गैर-महानगरीय क्षेत्रों में, अरब और पश्चिम एशियाई आबादी अपने पड़ोसियों की तुलना में लगभग दोगुना यातायात जोखिम झेलती है। शहरी केंद्रों में, "अन्य अल्पसंख्यक" श्रेणी गैर-अल्पसंख्यकों की तुलना में एक चौथाई अधिक जोखिम का सामना करती है। ये असमानताएं तब भी बनी रहती हैं जब शोधकर्ताओं ने आय स्तरों और शिक्षा को भी ध्यान में रखा, जो यह सुझाव देता है कि लोग कहाँ रहते हैं, यह उनकी जाति और जातीयता से मजबूती से जुड़ा हुआ है, जिससे वे भारी यातायात के शोर और धुएं के करीब पहुँच जाते हैं।
अध्ययन ने यातायात के आयतन को संचालित करने वाले विशिष्ट कारकों की भी पहचान की, जो इसके प्रबंधन के लिए सुराग प्रदान करते हैं। शहरों में, एक छोटी दूरी के भीतर रहने वाले लोगों की संख्या सबसे बड़ा भविष्यवक्ता है कि सड़क पर कितने कारें होंगी। हालाँकि, ग्रामीण क्षेत्रों में, उत्तर-दक्षिण जनसंख्या ढाल (gradient) के सापेक्ष सड़क का स्थान तत्काल जनसंख्या घनत्व से अधिक महत्वपूर्ण होता है। रोजगार का स्तर भी प्रमुख भूमिका निभाता है, विशेष रूप से उन प्रमुख राजमार्गों के लिए जो शहरों को जोड़ते हैं। शोधकर्ताओं ने नोट किया कि जबकि इनमें से कुछ चालक, जैसे जनसंख्या वृद्धि, को नियंत्रित करना कठिन है, अन्य, जैसे कि पारगमन पहुंच (transit accessibility) और यातायात की गति, नीति द्वारा प्रभावित किए जा सकते हैं। भविष्य में किन सड़कों और किन समुदायों को गंभीर भीड़भाड़ का सामना करना पड़ सकता है, इसका सटीक पता लगाकर, यह कार्य योजनाकारों के लिए एक विस्तृत मानचित्र प्रदान करता है। यह सुझाव देता है कि एक अधिक निष्पक्ष और टिकाऊ परिवहन प्रणाली बनाने के लिए, हस्तक्षेप केवल व्यस्त राजमार्गों पर ही नहीं, बल्कि विशेष रूप से उन पड़ोसों में लक्षित होने चाहिए जहाँ कमजोर आबादी पहले से ही कारों पर अपनी निर्भरता की भारी कीमत चुका रही है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।