Användning av syntetiska data möjliggör smartare beslut för investeringar i kollektivtrafik över hela landet

StockholmForskare från NYU:s Tandon School of Engineering undersökte effekterna av transportinvesteringar i delstaten New York med hjälp av simulerad data. Deras arbete, som finansierades av USA:s transportdepartement, granskade beteendet hos 19,5 miljoner invånare som genomförde över 120 000 resor. Traditionella undersökningar missar ofta låginkomsttagare och marginaliserade grupper, vilket leder till dålig resursfördelning. NYU:s metod syftar till att lösa detta problem.

Forskarna använde ett "rättvisemedvetet valbaserat beslutstödsverktyg" för att välja optimala tjänsteregioner. Detta verktyg tog hänsyn till fyra huvudsakliga mål:

• Maximera totala intäkter
• Maximera totalt ökat konsumentöverskott
• Minimera skillnader i konsumentöverskott
• Minimera brist på konsumentöverskott

Joseph Chow, en lektor vid NYU Tandon, ledde studien. Forskningens mål är att göra transportsystemen effektiva och rättvisa. Beslutsverktyget hjälper till att balansera att tjäna pengar med att erbjuda rättvisa tjänster.

Studien undersökte två typer av transporttjänster. Den ena var taxi-tjänster som är snabbare men dyrare. Den andra var on-demand kollektivtrafik som är långsammare men billigare. De provade olika sätt att investera med hjälp av data från hela staten.

Resultaten visade olika effekter för varje investeringsstrategi:

• Investeringar i åktjänster för längre resor maximerade intäkterna
• Att prioritera åktjänster för kortare resor maximerade konsumentöverskottet
• Investeringar i on-demand-mikrotransit minskade skillnaderna i konsumentöverskottet
• Att dela upp budgeten mellan båda tjänsterna gav en balans mellan rättvisa och effektivitet

Läs också:

Idag · 18:29

Hur prestationsångest påverkar universitetsidrottares matvanor

Mikrotransporter fungerade bättre i fattigare områden men behövde finansiellt stöd. Taxitjänster genererade mer pengar men var inte rättvisa för alla. Att använda båda tjänsterna tillsammans gav en bra balans.

Chow påpekade att denna forskning kan användas i hela landet. Syftet är att fördela transportresurser rättvist i USA. Forskningen blev möjlig tack vare en syntetisk datamängd från Replica, ett företag som tillhandahåller transportdata. Denna data inkluderade verklig information om människors rörelsemönster, demografi och miljöfaktorer.

Robert Regué, forskningsdirektör hos Replica, stödjer studien. Han betonade att syntetiska data hjälper till att bygga rättvisa och hållbara städer samtidigt som de skyddar privatlivet. Forskningen vid NYU Tandon stöder dessa mål.

Studien genomfördes av Joseph Chow, doktorand Xiyuan Ren och biträdande professor ChengHe Guan vid NYU Shanghai. Forskarteamet fick finansiering från C2SMARTER, ett center finansierat av USA:s transportdepartement.

Forskare vill revolutionera transportplaneringen med en ny metod. De kommer att använda artificiell data för att utveckla verktyg som hjälper till att fatta bättre beslut. Detta kan bidra till rättvisare fördelning av resurser för kollektivtrafiken över hela landet.