Inequities in Canadian Traffic and Congestion Exposure Under Socioeconomic Pathways
本研究开发了一个机器学习框架，旨在通过五种社会经济情景预测到2100年加拿大的交通量和拥堵情况，结果显示未来的拥堵分布不均，且持续存在的差异性使得少数群体面临着比非少数群体显著更高的交通水平。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
交通不仅仅是日常的烦恼，它还是一种塑造人们获取工作、医疗和新鲜空气方式的基础力量。当道路拥堵时，其后果会向外扩散，减缓经济发展，并让空气中充满危害人类健康的污染物。这些问题并非均匀分布。在许多地方，受交通废气和延误影响最严重的人，往往是那些缺乏改变现状能力的人群，例如低收入家庭或少数族裔。由于道路网络庞大、不断变化且往往缺乏详细的地图记录，准确理解这些交通模式形成的确切位置和原因非常困难。几十年来，规划者一直依赖于仅能捕捉到极少数驾驶者信息的调查，或是过于粗略、无法观察到单个社区特定瓶颈的模型。如果没有对整个系统清晰、高分辨率的图像，就很难知道在哪里修建新路、在哪里改善公共交通，或者如何保护脆弱社区免受日益严重的拥堵负担。
不列颠哥伦比亚大学的一个研究小组通过建立一种全新的方法来绘制全加拿大的交通图谱，并展望遥远的未来，从而应对了这一挑战。他们没有基于有限的数据进行猜测，而是创建了一个计算机框架，通过学习现实世界的观测结果，来预测全国几乎每一条主要道路的交通行为——从繁忙的多伦多街道到偏远的育空地区高速公路。他们通过在数百万计的实际交通计数上训练机器学习系统，教会系统识别驱动车辆上路的模式。该系统考虑了广泛的因素，包括周边人口数量、就业地点、地形特征，甚至包括道路类型。通过向该系统输入关于加拿大人口和经济在未来八十年内可能增长或萎缩的不同情景，研究人员能够模拟在各种可能的未来下，交通量和拥堵情况将如何演变。
结果揭示了一个极不均衡的交通景观。目前，绝大多数车辆都集中在都市区，挤在主要高速公路和干道上。研究预计，虽然一些道路的交通水平会趋于稳定甚至下降，但另一些道路将会变得日益拥堵，特别是在连接加拿大主要城市的关键走廊沿线。拥堵的严重程度在很大程度上取决于社会选择哪条路径。在一种开发碎片化且经济增长缓慢的情景下，一些东部省份的交通可能会有所缓解。而在另一种由快速经济扩张和化石燃料使用驱动的情景下，交通量可能会剧增，到本世纪末使更多路段陷入瘫痪。模拟显示，这些变化不会同时发生在所有地方；相反，最严重的影响将集中在特定的城市走廊，而农村连接道路可能保持相对畅通。
或许最令人震惊的发现涉及谁承担了这种负担。研究人员计算了每个人仅仅因为居住在道路附近而承受的交通量，并使用了一个代表汽车空气污染仍具有显著健康风险距离的缓冲区。他们发现，这种暴露程度并非平等分配。无论是在城市还是城镇，种族化少数群体面临的交通暴露水平都明显高于非少数群体。例如，在非都市地区，阿拉伯人和西亚裔人口承受的交通暴露量几乎是邻居的两倍。在城市中心，“其他少数群体”类别面临的暴露量比非少数群体高出四分之一。即使研究人员在考虑了收入水平和教育程度后，这些差异依然存在，这表明人们居住地与其种族和族裔有着强烈的联系，使他们更靠近重型交通带来的噪音和废气。
该研究还确定了驱动交通量的具体因素，为如何管理交通提供了线索。在城市中，居住在短距离内的总人口数是预测道路车辆数量的最大预测因子。然而，在农村地区，道路相对于南北人口梯度的位置比即时人口密度更为重要。就业水平也起着重要作用，特别是对于连接城市的干线公路。研究人员指出，虽然像人口增长这样的一些驱动因素难以控制，但诸如公共交通通达性和交通速度等因素可以通过政策进行干预。通过精确锁定哪些道路和哪些社区在未来可能面临严重拥堵，这项工作为规划者提供了一份详细的地图。它表明，为了建设一个更公平、更可持续的交通系统，干预措施不应仅仅针对最繁忙的高速公路，而应专门针对那些因国家对汽车依赖而已经付出最高代价的脆弱社区。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。