Badanie wyboru środka podróży mieszkańców miast w oparciu o metodę CART-Apriori

Dlaczego twoje codzienne dojazdy mają znaczenie

Każda podróż po mieście — czy to pieszo, rowerem, autobusem czy samochodem — w subtelny sposób kształtuje korki, zanieczyszczenie powietrza, a nawet sposób rozwoju miasta. W tym badaniu przyglądamy się, jak mieszkańcy średniej wielkości chińskiego miasta wybierają środki transportu, i testujemy nową, opartą na danych metodę przewidywania tych wyborów. Wyniki pomagają wyjaśnić, dlaczego niektórzy ludzie idą kilometr pieszo, podczas gdy inni wzywają przejazd na tę samą odległość, oraz jak lepsze planowanie może zmniejszyć zatłoczenie i emisję dwutlenku węgla.

Jak poruszają się ludzie w średnim mieście

Miasto badane w tym opracowaniu ma około 580 000 mieszkańców miejskich, nie ma metra ani systemu kolejowego i cechuje się stosunkowo płynnym ruchem. Większość podróży jest krótka, a powszechne opcje to spacer, współdzielone rowery i hulajnogi elektryczne, autobusy, taksówki lub przewozy na żądanie oraz samochody prywatne. Ponieważ bilety autobusowe są tanie i mają głównie stałą cenę, ludzie nie rozważają drobnych różnic kosztów przy pojedynczej podróży. Zamiast tego zwracają większą uwagę na decyzje długoterminowe, takie jak zakup samochodu, oraz na praktyczne szczegóły, np. jak daleko muszą się udać i ile razy muszą się przesiadać. Duże badanie ankietowe obejmujące 1 500 mieszkańców zebrało informacje o tym, kim są podróżujący, dlaczego podróżują, jak daleko pokonują trasy i który środek transportu wybierają.

Łączenie klasycznych modeli z nowymi algorytmami

Przez dekady badacze transportu wykorzystywali tradycyjne modele matematyczne do przewidywania wyborów podróżnych, ale często miały one trudności z uchwyceniem złożonego, rzeczywistego zachowania. Nowocześniejsze narzędzia uczenia maszynowego potrafią przewidywać lepiej, jednak często są krytykowane jako „czarne skrzynki” trudne do interpretacji. W tym badaniu łączy się kilka podejść w jednym frameworku. Najpierw algorytm Apriori skanuje dane ankietowe, aby znaleźć najsilniejsze reguły „jeśli–to”, na przykład: „jeśli osoba podróżuje 3–5 km, posiada samochód i musi się przesiadać raz lub dwa razy, to bardzo prawdopodobne jest, że wybierze przewóz na żądanie”. Te reguły są następnie wprowadzane do modelu drzewa decyzyjnego znanego jako CART, który wielokrotnie rozdziela podróżujących na gałęzie na podstawie czynników takich jak odległość czy posiadanie samochodu, aby przewidzieć, którego środka użyje każda osoba.

Uczynienie „czarnej skrzynki” zrozumiałą

Aby wyjść poza surowe przewidywania i rzeczywiście wyjaśniać zachowania, badacze dodają model zwany RuleFit. RuleFit przekształca gałęzie drzewa decyzyjnego — reguły mówiące, kto wybiera który środek — w proste, czytelne dla człowieka stwierdzenia z przypisanymi wagami liczbowymi. Te wagi pokazują, jak mocno każda reguła skłania osobę do pieszych spacerów, jazdy rowerem, podróży autobusem, prowadzenia auta lub zamawiania przejazdu. Dzięki temu badanie potrafi zarówno prognozować, co ludzie zrobią, jak i jasno opisać główne wzorce, zamiast jedynie podawać nieopatrzoną prognozę bez wyjaśnienia.

Niewiele czynników, które mają największe znaczenie

Mimo że analiza zaczynała się od wielu potencjalnych wpływów, etap eksploracji danych ujawnia, że w decyzjach transportowych dominuje zaledwie cztery czynniki: odległość podróży, cel podróży, posiadanie samochodu oraz liczba przesiadek wymagana w transporcie publicznym. Na czele stawki jest odległość. Mieszkańcy zwykle chodzą pieszo, gdy podróż ma mniej niż jeden kilometr, niezależnie od tego, czy mają samochód. Współdzielone rowery są szczególnie popularne przy dojazdach do pracy na 1–3 km, także wśród posiadaczy aut. Przy średnich dystansach 3–5 km współdzielone hulajnogi elektryczne i samochody prywatne przemawiają do tych, którzy chcą bezpośredniego przejazdu i uniknąć wielu przesiadek. Autobusy sprawdzają się najlepiej przy odcinkach 3–5 km, które nie wymagają zmiany trasy. Przewozy na żądanie są preferowane przy dojazdach 1–3 km, gdy alternatywa autobusowa wiązałaby się z kilkoma przesiadkami. Ogólnie połączony model CART–Apriori poprawnie przewiduje wybrany środek transportu w około 83% przypadków, przewyższając kilka innych powszechnie stosowanych metod.

Co to oznacza dla bardziej zielonych ulic

Wskazując mały zestaw czynników naprawdę decydujących o codziennych wyborach, badanie dostarcza jasnych wskazówek dla planistów miejskich. Poprawa chodników i ścieżek rowerowych w promieniu 3 km od domów mogłaby skierować wiele krótkich podróży na pieszo i rower. Przeprojektowanie tras autobusowych w celu ograniczenia przesiadek, zwłaszcza dla podróży 3–5 km, może uczynić transport publiczny atrakcyjniejszym niż jazda samochodem. Polityki takie jak opłaty parkingowe czy opłaty za wjazd do stref o dużym natężeniu ruchu dla krótkich przejazdów, połączone z wygodnymi współdzielonymi rowerami i hulajnogami, mogą dodatkowo promować niskoemisyjne opcje. Dla laika najważniejszy wniosek jest prosty: gdy miasta ułatwią wykonywanie krótkich podróży pieszo lub rowerem, a dłuższych — autobusem bez wielu przesiadek, ludzie naturalnie wybiorą czystsze i bardziej efektywne sposoby poruszania się.

Cytowanie: 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

Słowa kluczowe: zachowania podróżne w mieście, wybór środka transportu, uczenie maszynowe, zrównoważony transport, transport publiczny