Technische Samenvatting: Het leren van stedelijke toegankelijkheidskosten uit herkomst-bestemmingsstromen via Inverse Optimal Transport

Probleemstelling

Stedelijke planners beheren regelmatig gemengde publiek-private dienstverleningsnetwerken (bijv. onderwijs, gezondheidszorg, transit), waarbij huishoudens keuzes maken op basis van een latente kostenfunctie die afstand, prijs en institutionele kwaliteit afweegt. Hoewel planners de resulterende herkomst-bestemmingsstromen (OD-stromen) kunnen observeren, ontbreekt het hen aan direct zicht op het onderliggende gedragsmatige kostenoppervlak dat deze beslissingen stuurt.

Dit artikel adresseert deze kloof met de context van schoolkeuze in de Filipijnen. Specifiek onderzoekt het de grootste nationale onderwijssubsidie van het land, die inschrijving in particuliere middelbare scholen financiert om de congestie in publieke scholen te verlichten. De kern van de planningsuitdaging is het bepalen van de "ruimtelijke reikwijdte" van een dergelijke subsidie: Hoeveel kilometer aan waargenomen reiskosten compenseert een subsidie, en varieert deze waarde over verschillende ruimtelijke regimes? Traditionele voorwaartse modellen (bijv. zwaartekracht- of discrete keuze-modellen) zijn effectief voor voorspelling, maar falen in het direct herstellen van de onderliggende kostenfunctie die nodig is om dergelijke planningsvragen te beantwoorden.

Methodologie

De auteurs kaderen het probleem als Inverse Optimal Transport (OT). Gegeven een geobserveerde stroommatrix $T_{obs}$ (genormaliseerd als een transportplan met marginalen $p$ en $q$), is het doel om de kostenmatrix $C$ te herstellen die de geobserveerde stromen het meest plausibel maakt onder een entropische OT-model.

Het Voorwaartse Model

Het voorwaartse proces modelleert de stroom $\hat{T}$ als de oplossing van een entropisch optimaal transportprobleem:
$$\hat{T} = \text{Sinkhorn}(p, q, C, \varepsilon)$$
waarbij $\varepsilon = 0,1$ de regularisatieparameter is.

Het Inverse Probleem

Het doel is om de parameters van de kostenfunctie te schatten die de discrepantie tussen geobserveerde en voorspelde stromen minimaliseren:
$$\Phi = \frac{\|T_{obs} - \hat{T}\|_F^2}{2\sigma^2}$$

Om dit op te lossen, stelt het artikel twee complementaire kostenmodellen voor:

1. Interpreteerbaar Banded-Afstandmodel:
   Dit parametrische model definieert de kosten $c_{ij}$ tussen herkomst $i$ en bestemming $j$ als:
   $$c_{ij} = \theta(k(d_{ij})) \cdot d_{ij} + \theta_e e_j$$

   • $d_{ij}$: Wegnetwerkafstand.
   • $e_j$: Bestemmingssubsidiebedrag (in duizenden peso's).
   • $k(d_{ij})$: Een index voor afstandsbands (0–5 km, 5–15 km, 15–50 km).
   • Kernmetriek: Het model leidt de subsidie-equivalente afstand $\lambda(k) = -\frac{\theta_e}{\theta_d(k)}$ af, wat de kilometers aan waargenomen reiskosten vertegenwoordigt die door een toename van 1.000 peso aan subsidie worden gecompenseerd in een specifieke band.

2. Neuraal Kostenmodel:
   Een niet-parametrische benadering waarbij de kosten een neuraal netwerkfunctie zijn $c_{ij} = f_w(d_{ij}, e_j)$. Dit model wordt getraind door terug te propageren door een differentieerbare Sinkhorn-operator, waardoor het netwerk complexe, niet-lineaire interacties tussen afstand en subsidies kan leren zonder vooraf gedefinieerde banden.

Data

De studie maakt gebruik van administratieve gegevens van het Filipijnse Departement van Onderwijs voor de schooljaren 2022–2024 in de meest bevolkte regio.

• Schaal: 4.200 herkomstscholen, 1.861 bestemmingsscholen.
• Stromen: 23.820 geobserveerde positieve OD-paren die 283.016 leerlingreizen vertegenwoordigen.
• Restricties: Alleen haalbare paren binnen 50 km (1.852.177 paren) werden overwogen. Alle data is geaggregeerd; geen individuele leerling is identificeerbaar.

Belangrijkste Resultaten

1. Prestatievergelijking

• Piecewise Model: Gebruikmakend van GPU-versnelde Maximum A Posteriori (MAP) optimalisatie, verminderde het stukgewijze model de loss $\Phi$ van een initiële 5,00 naar 3,29.
• Neuraal Model: Het neurale inverse OT-model bereikte een lagere loss van 2,84, wat een verbetering van 13,7% in fit betekent ten opzichte van het stukgewijze model.

2. Subsidie-equivalente Afstand ($\lambda$)

Het stukgewijze model leverde de volgende schattingen voor de kilometers aan waargenomen kosten die worden gecompenseerd per 1.000 peso:

• 0–5 km band: $\lambda(1) = 5,35$ km
• 5–15 km band: $\lambda(2) = 6,07$ km
• 15–50 km band: $\lambda(3) = 1,00$ km

Interpretatie: In de 5–15 km band maakt een toename van 1.000 peso aan subsidie een school ongeveer 6,07 km dichterbij in termen van waargenomen reiskosten. Dit is een verandering in de keuze-kostenfunctie, niet in de reductie van de fysieke reisafstand.

3. Afstand-Subsidie Interacties

Analyse van de afstand-afgeleide ($dc/dd$) van het neurale model onthulde nuances die door de stukgewijze benadering werden gemist:

• Bij een nul-subsidie is de gevoeligheid vloeiend en laag (0,083–0,196).
• Bij mediaan (9.000 peso) en maximaal (13.000 peso) subsidies neemt de gevoeligheid significant toe bij korte afstanden, maar vlakt deze af over middelmatige en lange afstanden.
• Het neurale model suggereert dat de scherpe toename in wrijving die door de 15–50 km band in het stukgewijze model werd geïmpliceerd, een artefact is van bandaggregatie in plaats van een werkelijke gedragsdrempel.

Betekenis en Claims

Het artikel claimt drie primaire bijdragen aan stedelijke planning en computationele sociale wetenschappen:

1. Methodologische Innovatie: Het introduceert een duaal modelkader voor inverse OT, waarbij een interpreteerbaar stukgewijs estimator wordt gecombineerd met een flexibele neurale estimator getraind via differentieerbare Sinkhorn.
2. Beleidsrelevante Metrieken: Het leidt de subsidie-equivalente afstand $\lambda(k)$ af, een metriek die abstracte subsidiebedragen vertaalt naar tastbare ruimtelijke toegankelijkheidswinsten. Dit stelt planners in staat om subsidies te kalibreren en faciliteiten te situeren op basis van hoeveel "waargenomen afstand" een subsidie effectief "koopt".
3. Generaliseerbaarheid: Hoewel gedemonstreerd op de Filipijnse schoolkeuze, stellen de auteurs dat het kader van toepassing is op elk stedelijk systeem met gemengde netwerken en OD-stromen, inclusief de keuze voor gezondheidsvoorzieningen, transitgebruik, gesubsidieerde huisvesting en evacuatiegedrag.

De centrale planningsimplicatie is dat subsidies een ruimtelijke voetafdruk bezitten. Hun effectiviteit is niet uniform; het hangt af van de afstemming tussen de gesubsidieerde locatie van faciliteiten en de vraag, evenals de afstandgevoeligheid van huishoudens in specifieke netwerkregio's. Het framework biedt een instrument om administratieve stroomgegevens te transformeren naar actiegerichte metrieken voor toegankelijkheidsbewuste dienstverlening.