Bedömning av tunnelbaneresiliens vid extremt väder med vine-copula-modellering

Varför väder och tunnelbana spelar roll för stadslivet

När vädret blir svårt stannar inte stadslivet — men det förändras. För miljontals människor som är beroende av New Yorks tunnelbana kan kraftigt regn, värmeböljor eller bitande kyla avgöra om de går på ett tåg som vanligt eller stannar hemma. Denna studie undersöker noggrant hur tunnelbaneresandet i New York reagerar på extremt väder, och hur dessa reaktioner skiljer sig mellan stationer och mellan rusningstid och lugnare delar av dagen. Genom att förstå dessa mönster kan planerare bättre förbereda systemet för ett varmare, våtare och mer svårförutsägbart klimat.

Följa människor genom det underjordiska nätet

Tunnelbanan är mer än en samling separata stationer: den är ett nätverk av sammanlänkade platser vars öden stiger och faller tillsammans. Resandet vid en hållplats rör sig ofta i takt med närliggande nav eller med stationer som delar många av samma resenärer. Tidigare forskning behandlade vanligtvis stationer som om de reagerade på väder isolerat, eller förlitade sig på svarta lådor inom maskininlärning som är svåra att tolka. I kontrast fokuserar denna studie på hur grupper av nyckelstationer i Manhattan, Queens och Brooklyn rör sig tillsammans under varje timme och hur dessa relationer förändras när vädret blir extremt.

En flexibel karta över dolda samband

För att avslöja dessa dolda länkar använde forskarna en statistisk metod känd som vine-copula. Istället för att anta enkla, raklinjiga samband bygger denna metod ett flexibelt nätverk av parvisa kopplingar mellan stationer och mellan närliggande timmar på dagen. Den börjar med att modellera varje stations timvisa resandemönster separat och syr sedan ihop dem till en fullständig gemensam bild som fångar både typiska dagar och sällsynta händelser. Med denna struktur kan teamet skapa realistiska syntetiska resandemönster för många typer av väder, inklusive förhållanden som bara inträffar ett fåtal gånger i de verkliga uppgifterna. Tester visar att dessa simulerade mönster stämmer väl överens med observerat resande, särskilt under morgon- och kvällsrusning.

Hur resenärer reagerar när vädret blir extremt

Med denna modell jämförde författarna resandefördelningar under tre typer av extremt väder — mycket kalla dagar, mycket varma dagar och kraftigt regn — med baslinjeförhållanden med mild temperatur och inget regn. De undersökte både rusningstimmar, när pendlare tränger tågen, och icke-rusningsperioder, då resor är mer frivilliga. Kraftigt regn under rusningstid gav de brantaste nedgångarna i resande, där vissa trafikerade stationer upplevde typiska minskningar på omkring en femtedel till nästan en tredjedel jämfört med normalt väder, och ett brett spektrum av möjliga utfall. I kontrast hade frostiga temperaturer endast måttliga effekter på resor under rusningstid men slog hårdare mot resor utanför rusningstid, vilket tyder på att människor i kallt väder är mer villiga att hoppa över shopping eller sociala besök än att missa arbete eller skola. Extrem värme minskade resandet både under rusning och utanför rusning, med något starkare effekter när tåg och perronger var mest trånga.

Starkare nav, mer utsatta kanter

Studien visar också att inte alla stationer är lika sårbara. Stora nav i Manhattans centrum — som Grand Central och Union Square — tenderar att återhämta sig bättre under påfrestningar, med mindre medianminskningar och mer förutsägbart beteende. Stationer i ytterdistrikt, inklusive trafikerade terminaler i Queens och Brooklyn, upplever ofta större och mer osäkra nedgångar. Stationer som ligger i centrum av modellens beroendenätverk, vilket innebär att deras resande är tätt kopplat till många andra, visar generellt större resiliens och mer stabila reaktioner på dåligt väder, särskilt utanför rusningstid. Bilden är ändå nyanserad: vissa centrala Manhattan-lägen, som Columbus Circle, kan drabbas särskilt hårt av kraftigt regn, vilket speglar lokal stationsdesign, trängsel och tillgänglighetsförhållanden.

Vad detta betyder för resenärer och planerare

För vardagliga resenärer bekräftar resultaten en intuitiv berättelse: när vädret är fruktansvärt förblir tunnelbanan en livlina för nödvändiga resor men frivilliga resor minskar, och bördan fördelas ojämnt över nätverket. För planerare och beslutsfattare erbjuder vine-copula-ramverket ett kraftfullt sätt att testa "tänk om"-scenarier för sällsynta men skadliga händelser, även när historiska data är glesa. Genom att peka ut vilka stationer och tidsperioder som är mest utsatta — för skurar, värmeböljor eller köldknäppar — kan metoden vägleda riktade förbättringar såsom bättre skydd, förbättrad dränering, kylning och ventilation eller utökad trafik där det behövs mest. Kort sagt ger arbetet en datadriven karta över hur väder och mänskligt beteende samspelar under marken, vilket hjälper städer att investera klokt i ett mer klimatresilient kollektivtrafiksystem.

Citering: 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

Nyckelord: tunnelbaneresande, extremt väder, stadens resiliens, kollektivtrafik i New York, efterfrågemodellering