تقييم مرونة استخدام المترو أثناء الطقس القاسي باستخدام نمذجة فاين كوبولا

لماذا يهم الطقس والمترو حياة المدينة

عندما يسوء الطقس، لا تتوقف حياة المدينة—ولكنها تتغير. بالنسبة لملايين الأشخاص الذين يعتمدون على مترو مدينة نيويورك، يمكن أن يجعل هطول الأمطار الغزيرة أو موجات الحرارة أو البرد القارس الفرق بين ركوب القطار كالمعتاد أو البقاء في المنزل. تدرس هذه الورقة كيف يستجيب عدد ركاب المترو في نيويورك للطقس القاسي، وكيف تختلف تلك الاستجابات من محطة إلى أخرى ومن ساعة ذروة إلى هدوء منتصف اليوم. من خلال فهم هذه الأنماط، يمكن للمخططين تجهيز النظام بشكل أفضل لمناخ أكثر دفئًا ورطوبةً وتقلبًا.

متابعة الناس عبر الشبكة تحت الأرض

المترو أكثر من مجموعة محطات منفصلة: إنه شبكة لأماكن مترابطة ترتفع وتنهار فيها الحظوظ معًا. غالبًا ما يتحرك عدد الركاب في محطة واحدة بالتوازي مع محاور قريبة أو مع محطات تشترك معها في كثير من الركاب. دراسات سابقة تعاملت عادةً مع المحطات كما لو أنها تتفاعل مع الطقس بمفردها، أو اعتمدت على أدوات تعلم آلي مغلقة يصعب تفسيرها. بالمقابل، تركز هذه الدراسة على كيفية تحرك مجموعات من المحطات الرئيسية في مانهاتن وكوينز وبروكلين معًا على مدار كل ساعة، وكيف تتغير تلك العلاقة عندما يشتد الطقس.

خريطة مرنة للروابط الخفية

لكشف تلك الروابط الخفية، استخدم الباحثون نهجًا إحصائيًا يُعرف باسم فاين كوبولا. بدلاً من افتراض علاقات بسيطة ومستقيمة، يبني هذا الأسلوب شبكة مرنة من الاتصالات الزوجية بين المحطات وبين الساعات المتجاورة في اليوم. يبدأ بنمذجة نمط ركاب كل محطة على أساس ساعي مستقل، ثم يجمعها في صورة مشتركة كاملة تلتقط كلًا من الأيام الاعتيادية والأحداث النادرة. ومع هذا الهيكل، يمكن للفريق توليد أنماط ركاب اصطناعية وواقعية تحت أنواع عديدة من الطقس، بما في ذلك ظروف تحدث مرات قليلة فقط في البيانات الحقيقية. تُظهر الاختبارات أن هذه الأنماط المحاكاة تطابق عن كثب أعداد الركاب المرصودة، لا سيما خلال ذروة الصباح والمساء.

كيف يتفاعل الركاب عندما يشتد الطقس

مسلحين بهذا النموذج، قارن المؤلفون توزيعات أعداد الركاب تحت ثلاثة أنواع من الطقس القاسي—أيام شديدة البرودة، وأيام شديدة الحرارة، وهطول أمطار غزيرة—مع ظروف أساسية ذات درجات حرارة معتدلة ودون أمطار. فحصوا كلًا من ساعات الذروة، عندما تزدحم القطارات بالcommuters، وفترات ما بعد الذروة، عندما تكون الرحلات أكثر اختيارية. أدى هطول الأمطار الغزيرة خلال ساعات الذروة إلى أكبر الانخفاضات في عدد الركاب، حيث شهدت بعض المحطات المزدحمة انخفاضات نموذجية تتراوح حوالي خُمس إلى ما يقرب من ثلث مقارنةً بالطقس الطبيعي، مع نطاق واسع من النتائج الممكنة. في المقابل، كان لدرجات الصقيع تأثيرات متواضعة على رحلات ساعات الذروة لكنه أثر بشكل أعمق على السفر خارج أوقات الذروة، ما يشير إلى أن الناس أكثر استعدادًا لتجنب التسوق أو الزيارات الاجتماعية أكثر من تفويت العمل أو المدرسة في الأيام الباردة. قلل الحر الشديد من عدد الركاب في كل من فترات الذروة وما بعد الذروة، مع تأثير أقوى إلى حد ما عندما تكون القطارات والمنصات الأكثر ازدحامًا.

مراكز أقوى وحواف معرضة أكثر

تُظهر الدراسة أيضًا أن ليس كل المحطات عرضة بالمقدار ذاته. تميل المراكز الرئيسية في قلب مانهاتن—مثل جراند سنترال ويونيون سكوير—للانتعاش بشكل أفضل تحت الضغط، مع انخفاضات وسطية أصغر وسلوك أكثر قابلية للتنبؤ. غالبًا ما تعاني محطات الأحياء الخارجية، بما في ذلك المحطات الطرفية المزدحمة في كوينز وبروكلين، انخفاضات أكبر وأكثر عدم يقين. المحطات التي تقع في مركز شبكة الاعتماد داخل النموذج، بمعنى أن أعداد ركابها مرتبطة بإحكام مع العديد من المحطات الأخرى، تظهر عمومًا مرونة أكبر واستجابات أكثر استقرارًا للطقس السيئ، خاصة خارج ساعات الذروة. ومع ذلك، الصورة معقدة: فبعض المواقع المركزية في مانهاتن، مثل كولومبوس سيركل، قد تتعرض لضربات شديدة بسبب الأمطار الغزيرة، مما يعكس تصميم المحطة المحلي والازدحام وظروف الوصول.

ماذا يعني هذا للركاب والمخططين

بالنسبة لركاب اليوميّين، تؤكد النتائج قصة بديهية: عندما يكون الطقس سيئًا، يظل المترو شريانًا أساسيًا للرحلات الضرورية لكن يقل السفر التقديري، والأثر يتوزع بشكل غير متساوٍ عبر الشبكة. بالنسبة للمخططين وصانعي القرار، يوفر إطار فاين كوبولا طريقة قوية لاختبار سيناريوهات «ماذا لو» للحوادث النادرة لكن الضارة، حتى عندما تكون البيانات التاريخية محدودة. من خلال تحديد أي المحطات والفترات الزمنية الأكثر تعرضًا—للهطولات الغزيرة أو موجات الحرارة أو نوبات البرد—يمكن أن يوجه الأسلوب تحسينات مستهدفة مثل ملاجئ أفضل، وتصريف محسّن، وتبريد وتهوية، أو زيادة الخدمة حيث تكون الحاجة أكبر. باختصار، يقدم العمل خريطة مدفوعة بالبيانات لكيفية تفاعل الطقس والسلوك البشري تحت الأرض، مما يساعد المدن على الاستثمار بحكمة في نظام نقل أكثر مرونة مناخيًا.

الاستشهاد: Guo, Y., He, B.Y., Chow, J.Y.J. et al. Assessing subway ridership resilience under extreme weather with vine copula modeling. npj. Sustain. Mobil. Transp. 3, 25 (2026). https://doi.org/10.1038/s44333-026-00094-4

الكلمات المفتاحية: استخدام المترو, الطقس القاسي, مرونة المدن, نظام النقل في مدينة نيويورك, نمذجة الطلب