מסגרת למידת מכונה להערכת רב־ממדית של איכות החיים העירונית

מדוע החיים בעיר הם יותר מסכום הכסף

כשאנחנו חושבים על "עיר טובה" למגורים, לעתים קרובות אנו נוטים למדדים פשוטים כמו הכנסה ממוצעת או מחירי דירות. אך החיים היומיומיים מעוצבים לא פחות על ידי ביטחון, אוויר נקי, תחבורה ציבורית, שירותי בריאות, ואפילו תחושת הביטחון לגבי העתיד. המחקר הזה בוחן 99 מהערים המפותחות בעולם ושואל: אם נתחשב בהרבה מרכיבים אלה בו־זמנית, האם ניתן לגלות דפוסים נסתריים שמסבירים מדוע מקומות מסוימים נתפסים כיותר ראויים למגורים מאחרים — ואיך מנהיגי ערים עשויים ללמוד זה מזה?

מסתכלים על ערים דרך עיניים רבות

החוקרים מתחילים מדיון ממושך: האם יש לשפוט את איכות החיים בעיקר לפי עובדות קשות כמו הכנסה והשכלה, לפי מידת שביעות רצון האנשים מהעדפותיהם, או לפי תחושות היומיום שלהם של ביטחון, נוחות וסיפוק? במקום לבחור במחנה אחד, הצוות משלב במכוון את שלושתם. הם נשענים על דירוגים פורמליים גלובליים של "ישוביות" וגם על דירוגים המתקבלים מקהל התושבים. הנתונים שלהם כוללים אחד עשר סוגי מדדים, המחולקים לארבעה תחומים רחבים: גורמים כלכליים כמו עלות מחיה, שכר דירה, מחירי מזון וכוח קנייה; גורמים חברתיים כגון חינוך, בריאות, ביטחון ויציבות פוליטית; תשתיות כגון תחבורה ושירותים; ותנאים סביבתיים כמו זיהום וניקיון, בנוסף לגודל העיר.

מלמדים מחשבים לזהות משפחות של ערים

מכיוון שרבים מהמדדים הללו נעים יחד — לדוגמה, ערים עם מזון יקר נוטות גם לעלות מחיה גבוהה — המחברים משתמשים בכלים סטטיסטיים ולמידת מכונה כדי לפרום את הסתבכות הנתונים. הם מאחדים ראשית את כל המספרים באופן סטנדרטי כדי לאפשר השוואה הוגנת בין ערים, ואז מזינים אותם לטכניקה שנקראת ניתוח רכיבים עיקריים, שמצמצמת את האחת־עשרה המדדים לשלוש "מימדים" מעורבים. מימד אחד משקף סממנים קלאסיים של התפתחות כגון בתי ספר טובים, בתי חולים וכוח קנייה חזק (מה שהמחברים קוראים לו גישה "נורמטיבית"). מימד שני תופס את איך שהחיים בעיר מרגישים בפועל, ומשלב ביטחון, יציבות ותשתיות ל"מימד החוויה האישית". המימד השלישי מקשר בין גודל אוכלוסייה לאיכות הסביבה ל"מימד האקולוגיה האנושית", ומדגיש עד כמה העיר מאזנת בין צמיחה לסביבה בריאה.

שלושה סוגים של ערים מצליחות

עם שלושת המימדים הללו, הצוות משתמש בשיטת אשכולות כדי לראות אילו ערים דומות זו לזו באופן כולל. המחשב קובע שלוש קבוצות מובחנות. האשכול הראשון מאגד ערים עשירות בצפון אמריקה, אירופה ואסיה כגון וינה, טוקיו וסן פרנסיסקו. מקומות אלה מצטיינים במדדי איכות חיים מסורתיים אך נופלים באופן מפתיע בחוויה היומיומית ובאיזון סביבתי, לעתים משלבים עלויות גבוהות, צפיפות גבוהה וביטחון או ניקיון יומיומי חלשים יותר משהעושר שלהם עשוי לרמז. האשכול השני כולל רבות מהערים האירופיות וכמה מפרצי המפרץ והמזרח הרחוק כגון קופנהגן, אבו דאבי ותאיוואן. ערים אלה משיגות פרופיל מאוזן יותר: ביצועים כלכליים חזקים לצד ביטחון מוצק, תשתיות טובות ותנאים סביבתיים יחסית טובים.

ערים עולה וחוזקות חבויות

האשכול השלישי מורכב בעיקר מערים גדולות בכלכלות מתפתחות באסיה, אפריקה ולמרכז ולדרום אמריקה, כולל מומבאי, ניירובי וסאו פאולו. במדדים השמרניים יותר כמו הכנסה, חינוך והוצאות בריאות, ערים אלה מפגרות אחרי שני האשכולות הראשונים. עם זאת, הניתוח חושף חוזקות שלא הוערכו דיו: ציונים מתונים במימדי חוויה ואקולוגיה מרמזים שחלק מהערים הללו מציעות ביטחון יומיומי או איכות סביבתית טובה יותר ממה שרמת ההכנסה שלהן עשויה להצביע, או לפחות מנהלות את לחצי האוכלוסייה באופן יעיל יותר מהמצופה. כדי להבין אילו מרכיבים הכי מבדילים בין האשכולות, המחברים מאמנים מודלים של עץ החלטה ובוסטינג — צורות פשוטות של בינה מלאכותית. המודלים הללו מדגישים יציבות פוליטית כמחלק העיקרי, אחריה חינוך, איכות סביבתית, רמות שכירות ותשתיות, ומציעים נקודות השפעה שבהן המדיניות יכולה לעשות את ההבדל הגדול ביותר.

מה זה אומר לתושבים ולקובעי מדיניות

ללא־מומחים, המסר המרכזי הוא שאיכות החיים העירונית אינה ניתנת לצמצום לשכר או לתוצר המקומי הגולמי. יש ערים בעלות הכנסה גבוהה שעדיין מתקשות לספק חיים יומיים בטוחים, נעימים ובריאים סביבתית, בעוד שבעלי־הכנסה נמוכה מסוימים מפגינים חוזקות מפתיעות בתחומים אלה. על ידי קיבוץ ערים עם פרופילים דומים, המחקר מציע מפת דרכים ללמידה "בין ערים אחיות": מקומות באותו אשכול יכולים לשתף אסטרטגיות לאתגרים משותפים, וערים מאשכולות שונים יכולות ללמוד כיצד אחרות השיגו איזון טוב יותר בין כסף, שירותים, ביטחון וסביבה. בסופו של דבר, המחברים טוענים שתכנון עירוני עתידי צריך להשתמש בכלים רב־ממדיים כאלה כדי להתקדם מעבר לצמיחה בכל מחיר ולכוון לערים שבהן שגשוג, חוויה יום־יומית ובריאות אקולוגית עולים יחדיו.

ציטוט: Ahmed, A.A.A., Abdelghafur, Y., Ahmed, Y. et al. Machine learning framework for multidimensional assessment of urban quality of life. Sci Rep 16, 12568 (2026). https://doi.org/10.1038/s41598-026-41350-4

מילות מפתח: איכות החיים העירונית, אשכולות ערים, למידת מכונה, מדדי ישוביות, מדיניות עירונית