Un nuevo análisis realizado por investigadores de ingeniería de la Universidad de Toronto utiliza el aprendizaje automático para ayudar a responder una pregunta espinosa: ¿Dónde deberían ubicarse los nuevos carriles para bicicletas protegidos para brindar los mayores beneficios?
“En este momento, pocas personas tienen un acceso realmente bueno a una infraestructura segura para bicicletas: pueden ir en bicicleta al trabajo, al supermercado o a lugares de recreación”, dijo Madeleine Bonsma-Fischer, becaria postdoctoral en el Departamento de Ingeniería Civil y Mineral. y autor principal de un nuevo artículo publicado en el escritor Revista de geografía del transporte.
“Más carriles pueden aumentar el número de destinos a los que pueden llegar, y trabajos anteriores muestran que aumentará el número de viajes en bicicleta.
“Sin embargo, muchas personas tienen poco o ningún acceso a infraestructuras ciclistas protegidas, lo que limita su capacidad para desplazarse. Esto plantea la pregunta: ¿es mejor maximizar el número de destinos conectados y viajes potenciales en general, o es mejor beneficiarse de ¿Es más importante el acceso a la red? ¿Se centra en maximizar el número de personas que pueden hacerlo?
Bonsama-Fisher y su equipo, incluidos sus codirectores, los profesores Shoshanna Sachse y Timothy Chan, y el estudiante de doctorado Bo Lin, utilizan el aprendizaje automático y la optimización para ayudar a fundamentar dichas decisiones. Este es un desafío que requiere nuevos métodos computacionales.
“Este tipo de problema de optimización se denomina problema NP-difícil, lo que significa que la potencia informática necesaria para resolverlo aumenta muy rápidamente con el tamaño de la red”, dice Sacks.
“Si se utiliza un algoritmo de optimización tradicional en una ciudad del tamaño de Toronto, todo se volverá loco. Pero el estudiante de doctorado Bo Lin ha inventado un modelo de aprendizaje automático realmente genial que puede considerar millones de combinaciones de más de 1.000 proyectos de infraestructura diferentes para probar. Nuevo Ciclismo El lugar más influyente para construir infraestructura”.
Utilizando Toronto como sustituto de cualquier gran ciudad norteamericana orientada al automóvil, el equipo trazó un mapa de la futura red de carriles para bicicletas a lo largo de las calles principales, optimizada de acuerdo con dos estrategias amplias.
El primero, al que llamaron enfoque utilitario, se centró en maximizar el número de viajes que se podían realizar en menos de 30 minutos utilizando sólo rutas con carriles para bicicletas protegidos, independientemente de quién hiciera esos viajes.
El segundo, al que llamaron basado en la equidad, tenía como objetivo maximizar el número de personas que tienen al menos alguna conexión a la red.
“Si se optimiza para lograr equidad, se obtiene un mapa más disperso y menos concentrado en el centro de la ciudad”, dice Bonsma-Fischer.
“Se obtienen más partes de la ciudad que tienen una accesibilidad mínima en bicicleta, pero también se obtiene una ganancia general ligeramente menor en accesibilidad promedio”.
“Existe una compensación”, dijo Saxe.
“Esta compensación es temporal, suponiendo que eventualmente tengamos una red ciclista completa en toda la ciudad, pero tiene sentido dada la forma en que hacemos las cosas y los desafíos actuales de construir infraestructura ciclista”.
Otro hallazgo clave fue que había ciertas rutas que parecían necesarias independientemente de la estrategia seguida.
“Por ejemplo, los carriles para bicicletas a lo largo de Bloor West aparecen en todas las condiciones”, dijo Sacks.
“Estos carriles para bicicletas también benefician a las personas que no viven cerca de ellos y son un tronco importante para maximizar tanto la equidad como la utilidad de la red para bicicletas. Sus efectos son tan consistentes en todos los modelos que desafían la idea de que los carriles para bicicletas sean un problema local. , optimizando al afectar solo a las personas cercanas. La infraestructura sirve repetidamente a vecindarios bastante distantes en nuestro modelo.
El equipo ya está compartiendo sus datos con los planificadores de la ciudad de Toronto para ayudar a informar las decisiones en curso sobre la inversión en infraestructura. En el futuro, el equipo espera aplicar su análisis también a otras ciudades.
“No importa cuáles sean sus problemas locales o qué decisiones termine tomando, es realmente importante comprobar qué objetivos persigue y si los está cumpliendo”, dice Bonsma-Fisher.
“Dicho análisis puede proporcionar un enfoque basado en evidencia y datos para responder estas difíciles preguntas”.