합성 데이터가 주 전역 대중교통 투자에 더 현명한 결정을 돕는다

Seoul뉴욕대학교의 탠든 공대 연구진은 뉴욕주의 교통 투자 효과를 가상의 데이터를 사용하여 연구했습니다. 이 연구는 미국 교통부의 자금을 지원받았으며, 1,950만 명의 주민들이 12만 번 이상의 이동을 하는 행동을 조사했습니다. 전통적인 조사는 종종 저소득층 및 소외된 커뮤니티를 간과하여 자원 배분에 문제가 발생합니다. NYU의 방법은 이 문제를 해결하는 것을 목표로 하고 있습니다.

• 총 수익 최대화
• 총 소비자 잉여 증가 최대화
• 소비자 잉여 격차 최소화
• 소비자 잉여 부족 최소화

뉴욕대 탠던 공과대학의 부교수인 조셉 초우가 이끄는 이번 연구는 교통 시스템의 효율성과 공정성을 향상시키기 위한 것입니다. 연구진은 수익 창출과 공정한 서비스 제공을 균형 있게 할 수 있는 의사결정 도구를 개발했습니다.

이 연구는 두 가지 종류의 운송 서비스를 조사했습니다. 하나는 더 빠르지만 비용이 더 비싼 라이드헤일링이었고, 다른 하나는 더 느리지만 저렴한 온디맨드 마이크로트랜짓이었습니다. 그들은 주 전역의 데이터를 활용하여 다양한 투자 방법을 시도했습니다.

각 투자 전략의 차이에 따른 결과는 다음과 같았습니다:

• 긴 거리 여행의 경우 주로 라이드 헤일링 서비스에 투자하는 것이 수익을 극대화했습니다.
• 짧은 거리 여행에서는 라이드 헤일링 서비스를 우선시 하는 것이 소비자 잉여를 극대화했습니다.
• 주로 온디맨드 마이크로트랜짓에 투자하는 것이 소비자 잉여의 불균형을 최소화했습니다.
• 두 서비스를 적절히 나누어 예산을 배분하는 것이 형평성과 효율성을 조화롭게 했습니다.

마이크로 교통은 저소득 지역에서 더 잘 운영되었지만, 재정적 지원이 필요했습니다. 라이드헤일링 서비스는 더 많은 수익을 창출했지만 모든 사람에게 공평하게 제공되지는 않았습니다. 이 두 서비스를 함께 활용하는 것이 좋은 절충안이 되었습니다.

더 읽기:

오늘 · 오후 1:29

운동 스트레스가 대학 운동선수 식습관에 미치는 영향

초우는 이 연구가 미국 전역에서 활용될 수 있음을 강조했습니다. 목표는 미국 내 교통 자원을 공평하게 분배하는 것입니다. 이 연구는 교통 데이터 회사인 Replica에서 제공한 합성 데이터 세트를 통해 가능했습니다. 이 데이터에는 사람들의 이동, 인구통계 및 환경 요인에 대한 실제 정보가 포함되어 있습니다.

Replica의 연구 책임자인 로버트 레게는 이 연구를 지지하며, 합성 데이터가 개인 정보 보호를 유지하면서 공정하고 지속 가능한 도시를 구축하는 데 도움을 준다고 강조했습니다. 이러한 목표는 NYU 탠던에서의 연구에 의해 뒷받침됩니다.

이 연구는 조셉 차우, 박사 과정 학생 시위안런, 그리고 뉴욕대 상하이의 조교수 청허관이 수행했습니다. 연구팀은 미국 교통부가 지원하는 C2SMARTER 센터로부터 자금을 받았습니다.

연구자들은 새로운 방법으로 교통 계획을 혁신하고자 합니다. 그들은 인공 데이터를 활용하여 더 나은 의사결정을 위한 도구를 개발할 것입니다. 이는 전국의 대중교통 서비스 지출이 더 공정히 이루어지도록 하는 데 도움이 될 수 있습니다.