合成データで州全体の交通投資をより賢明にする方法を発見

Tokyoニューヨーク大学タンデン工学部の研究者たちは、ニューヨーク州における交通投資の影響を偽のデータを用いて調査しました。この研究は米国運輸省の資金提供を受け、1,950万人の住民による12万回以上の旅行行動を分析しています。従来の調査は低所得層や周縁化されたコミュニティをしばしば見落とし、資源の不適切な配分を招いてきました。NYUの新しい手法は、この問題の解決を目指しています。

研究者たちは「エクイティに配慮した選択ベースの意思決定支援ツール」を利用して、最適なサービス地域を選定しました。このツールは、以下の4つの主要な目的を考慮しています。

• 総収益の最大化
• 総消費者余剰の増加の最大化
• 消費者余剰の格差の最小化
• 消費者余剰の不足の最小化

ニューヨーク大学タンドン校の准教授ジョセフ・チョウは、この研究を主導しました。研究の目的は、交通システムを効率的かつ公正にすることです。この意思決定ツールは、収益を上げることと、公正なサービスの提供をうまく両立させる手助けをします。

この調査では、2種類の交通サービスが検討されました。1つは、速いが高額なライドヘイリングです。もう1つは、遅いが安価なオンデマンドミクロトランジットです。彼らは、州全体のデータを用いてさまざまな投資方法を試みました。

調査結果は、各投資戦略によって異なる影響を示しました。

• 長距離移動に主にライドヘイリングサービスに投資することで、収益が最大化されました
• 短距離移動にライドヘイリングサービスを優先することで、消費者余剰が最大化されました
• オンデマンドのマイクロトランジットに主に投資することで、消費者余剰の格差が最小化されました
• 両方のサービスに予算を分けることにより、公平性と効率性のバランスが取れました

関連記事:

昨日 · 19:10

20世紀初頭の海面温度：予想以上に穏やかな変動が明らかに

マイクロトランジットは貧困地域でより効果的でしたが、資金援助が必要でした。一方、ライドヘイリングは利益を上げたものの、公平にすべての人にサービスを提供することはできませんでした。両方のサービスを組み合わせて利用することで、良い妥協点が得られました。

チョウ氏は、この研究が全国で活用できることを強調しました。目的は、アメリカ国内で交通資源を公平に配分することです。この研究は、交通データ企業のReplicaから提供された合成データセットにより実現しました。このデータには、人々の移動に関する実際の情報、人口統計、および環境要因が含まれていました。

レプリカ社の研究所長であるロバート・レゲ氏がこの研究を後押ししています。彼は、シンセティックデータがプライバシーを守りながら、公平で持続可能な都市づくりを助けることを強調しました。この目標は、NYUタンデンでの研究でも支持されています。

ジョセフ・チョウ、博士課程の学生であるレン・シユアン氏、そしてNYU上海の助教授であるグアン・チェンホーによって行われたこの研究は、アメリカ合衆国運輸省によって資金提供を受けているセンターC2SMARTERからの支援を受けた研究チームによるものです。

研究者たちは新しい方法を用いて交通計画を革新しようとしています。彼らは人工データを使用して、より的確な意思決定を支援するツールを作成する予定です。これにより、全国的に公共交通サービスへの支出がより公平になる可能性があります。