מחקר על בחירת אמצעי הנסיעה של תושבי ערים בהתבסס על שיטת CART-Apriori

למה הנסיעה היומית שלך חשובה

כל נסיעה שאתה עושה בעיר — בהליכה, באופניים, באוטובוס או ברכב — מעצבת באופן שקט את הפקקים, הזיהום ואפילו את צמיחת העיר. במחקר זה נבחן מקרוב כיצד אנשים בעיר בגודל בינוני בסין בוחרים את אמצעי התנועה שלהם, ונבדק שיטה חדשה מונעת-נתונים לחיזוי הבחירות הללו. הממצאים מסבירים מדוע חלק מהאנשים הולכים קילומטר בעוד אחרים מזמינים נסיעה לשם אותה מרחק, וכיצד תכנון חכם יותר יכול לצמצם עומס ותצרוכת פחמן.

איך אנשים נעים בעיר בגודל בינוני

העיר שנבדקה במחקר מונה כ-580,000 תושבים עירוניים, ללא מטרו או רשת רכבות, עם תנועה יחסית חלקה. רוב הנסיעות קצרות, ואפשרויות נפוצות כוללות הליכה, אופניים ושיתופי קטנועים חשמליים, אוטובוסים, מוניות או שירותי שיתוף נסיעות, ורכבים פרטיים. מאחר שעלות הנסיעה באוטובוס נמוכה ובדרך כלל אחידה, אנשים אינם מהססים בגלל הבדלים קטנים במחיר לנסיעה בודדת. במקום זאת הם שמים דגש על החלטות לטווח ארוך כמו האם לקנות רכב, ועל פרטים מעשיים כמו המרחק שיש לעבור וכמה החלפות יש לבצע בתחבורה הציבורית. סקר נרחב של 1,500 תושבים אסף מידע על זהות הנסיעים, מטרת הנסיעה, המרחק והאמצעי הנבחר.

שילוב מודלים ישנים עם אלגוריתמים חדשים

בעשורים האחרונים חוקרי תחבורה השתמשו במודלים מתמטיים מסורתיים לחיזוי בחירות נסיעה, אך אלה מתקשים לעתים עם התנהגות מורכבת במציאות. כלי למידת מכונה מודרניים יכולים לחזות ביתר דיוק, אך לעתים קרובות מותקפים כ"קופסאות שחורות" שקשה לפרש אותן. במחקר זה משלבים מספר גישות במסגרת אחת. ראשית, אלגוריתם שנקרא Apriori סורק את נתוני הסקר כדי למצוא את דפוסי ה"אם–אז" החזקים ביותר, למשל: "אם אדם נוסע 3–5 קמ, בעל רכב וחייב לבצע העברה אחת או שתיים, אז סביר מאוד שהוא יבחר בשירות שיתוף נסיעות." דפוסים אלה מוזנים אחר כך למודל עץ החלטה הידוע כ-CART, שמפצל שוב ושוב את הנוסעים לענפים על סמך גורמים כגון מרחק או בעלות ברכב כדי לחזות איזה אמצעי כל אדם ישתמש בו.

להפוך את הקופסה השחורה למובנת

כדי להתקדם מעבר לחיזוי גולמי ולהסביר בפועל התנהגות, החוקרים מוסיפים מודל בשם RuleFit. RuleFit לוקח את ענפי עץ ההחלטה — החוקים שאומרים מי יבחר איזה אמצעי — והופך אותם להצהרות פשוטות וקריאות לבני אדם עם משקלים מספריים. משקלים אלה מראים עד כמה כל כלל דוחף אדם לעבר הליכה, רכיבה על אופניים, נסיעה באוטובוס, נהיגה או הזמנת נסיעה. בכך יכול המחקר גם לחזות מה אנשים יעשו וגם לתאר בצורה ברורה את הדפוסים המרכזיים, במקום להוציא אך ורק חיזוי ללא הסבר.

הגורמים המעטים שחשובים באמת

למרות שמתחילים עם מספר גדול של גורמים אפשריים, שלב כריית הנתונים מגלה שרק ארבעה גורמים שולטנים בהחלטות נסיעה: המרחק שהנוסעים מתגלגלים, מטרת הנסיעה, האם הם בעלי רכב וכמה החלפות נדרשות בתחבורה הציבורית. המרחק בולט בראש. התושבים בדרך כלל הולכים כשהנסיעה פחות מקילומטר, ללא תלות בבעלות ברכב. אופניים שיתופיים פופולריים במיוחד לעבודה בנסיעות של 1–3 קמ, אפילו בקרב בעלי רכבים. לנסיעות בינוניות של 3–5 קמ קטנועים חשמליים שיתופיים ורכבים פרטיים מושכים את אלה שמעדיפים נסיעה ישירה ורוצים להמנע מהחלפות מרובות. אוטובוסים מתאימים ביותר לנסיעות של 3–5 קמ שאינן דורשות החלפת קו. שירותי שיתוף נסיעות מועדפים לנסיעות של 1–3 קמ כאשר חלופה באוטובוס הייתה כוללת מספר החלפות. בכלל, מודל משולב CART–Apriori חוזה נכון את אמצעי הבחירה של אנשים בכ-83% מהמקרים, ומשיג ביצועים גבוהים יותר ממספר שיטות נפוצות אחרות.

מה זה אומר לרחובות ירוקים יותר

בהצביעו על קבוצה קטנה של גורמים שמניעים בפועל את הבחירות היומיומיות, המחקר מספק הכוונה ברורה לתכנוני ערים. שיפור מדרכות ונתיבי אופניים בתוך 3 קמ מהבתים יכול להעביר רבות מהנסיעות הקצרות להליכה ולקלנוע. עיצוב מחדש של מסלולי האוטובוס כדי להפחית החלפות, במיוחד לנסיעות של 3–5 קמ, יכול להפוך את התחבורה הציבורית לאטרקטיבית יותר מהנהיגה. מדיניות כגון תשלומי חניה או חיובי עומס לנסיעות קצרות ברכב, בשילוב עם אופניים וקורקינטים שיתופיים נוחים, יכולה עוד לעודד אופציות נמוכות פחמן. בקיצור, למי שאינו מומחה: כשערים מקלות על נסיעות קצרות בהליכה או באופניים, וגורמות לנסיעות ארוכות להיעשות באוטובוס בלי החלפות מרובות, אנשים בוחרים באופן טבעי בדרכים נקיות ויעילות יותר להתניידות.

ציטוט: Song, H., Wang, X., Tian, W. et al. Study on urban residents’ travel mode choice based on the CART-Apriori method. Sci Rep 16, 6270 (2026). https://doi.org/10.1038/s41598-026-37216-4

מילות מפתח: התנהגות נסיעות עירונית, בחירת אמצעי תחבורה, למידת מכונה, תחבורה בת-קיימא, תחבורה ציבורית