토론토 대학교 공학 연구원의 새로운 분석은 기계 학습을 활용하여 다음과 같은 까다로운 질문에 답하는 데 도움을 줍니다. 최대 이익을 제공하려면 새로운 보호 자전거 도로를 어디에 배치해야 합니까?

"현재 일부 사람들은 보호된 자전거를 쉽게 이용할 수 있습니다.하부 구조: 그들은 자전거를 타고 직장에 가거나식료품점또는 엔터테인먼트 장소에."라고 토목 및 광물 공학과의 박사후 연구원이자교통 지리 저널.

"차선이 많아지면 도달할 수 있는 목적지의 수가 늘어날 수 있으며,이전 작품 전시그러면 자전거 여행 횟수가 늘어납니다.

"그러나 많은 사람들은 보호된 자전거 인프라에 거의 또는 전혀 접근할 수 없어 이동 능력이 제한되어 있습니다. 이는 전체적으로 연결된 목적지와 잠재적 여행의 수를 최대화하는 것이 더 나은지, 아니면 더 중요한지에 대한 질문을 제기합니다.네트워크에 접근함으로써 혜택을 받을 수 있는 사람들의 수를 최대화하는 데 중점을 두고 있습니까?"

Bonsma-Fisher와 공동 지도교수인 Shoshanna Saxe 교수와 Timothy Chan 교수, 그리고 Ph.D.를 포함한 그녀의 팀.학생 Bo Lin은 머신러닝과 최적화를 사용하여 그러한 결정을 내리는 데 도움을 줍니다.이는 새로운 계산 접근 방식이 필요한 과제입니다.

Saxe는 "이런 종류의 최적화 문제는 NP-하드 문제라고 불리는데, 이는 이를 해결하는 데 필요한 컴퓨팅 성능이 네트워크 크기에 따라 매우 빠르게 확장된다는 것을 의미합니다."라고 말합니다.

"토론토 크기의 도시에서 전통적인 최적화 알고리즘을 사용하면 모든 것이 충돌할 것입니다. 하지만 박사과정 학생인 Bo Lin은 테스트할 1,000개가 넘는 인프라 프로젝트의 수백만 가지 조합을 고려할 수 있는 정말 멋진 기계 학습 모델을 발명했습니다.새로운 사이클링 인프라를 구축하는 데 가장 영향력 있는 장소는 어디입니까?"

팀은 토론토를 자동차 중심의 북미 대형 도시의 대리인으로 사용하여 두 가지 광범위한 유형의 전략에 따라 최적화된 주요 거리를 따라 미래의 자전거 도로 네트워크 지도를 생성했습니다.

그들이 실용적인 접근 방식이라고 부르는 첫 번째 방법은 누가 이동했는지에 관계없이 보호된 자전거 도로가 있는 경로만 사용하여 30분 이내에 이동할 수 있는 이동 횟수를 최대화하는 데 중점을 두었습니다.

그들이 지분 기반이라고 부르는 두 번째는 네트워크에 최소한 어느 정도 연결되어 있는 사람들의 수를 최대화하는 것을 목표로 했습니다.

Bonsma-Fisher는 "형평성을 최적화하면 도심 지역에 더 분산되고 덜 집중된 지도를 얻을 수 있습니다"라고 말합니다.

"자전거로 최소한의 접근성을 갖춘 도시의 더 많은 부분을 얻을 수 있지만 평균 접근성에서는 전체적으로 다소 작은 이득을 얻습니다."

"거기에 절충안이 있습니다"라고 Saxe는 말합니다.

"이러한 절충안은 우리가 궁극적으로 도시 전역에 걸쳐 완전한 사이클링 네트워크를 갖게 될 것이라고 가정할 때 일시적이지만, 그 동안 우리가 일을 수행하는 방식에 의미가 있으며 사이클링 인프라 구축에 대한 지속적인 과제를 고려할 때 오랫동안 지속될 수 있습니다."

또 다른 주요 발견은 어떤 전략을 추구하더라도 필수적으로 보이는 몇 가지 경로가 있다는 것입니다.

"예를 들어 Bloor West의 자전거 도로는 모든 시나리오에 나타납니다."라고 Saxe는 말합니다.

"자전거 차선은 근처에 살지 않는 사람들에게도 혜택을 주며 자전거 네트워크의 공평성과 유용성을 극대화하는 데 중요한 역할을 합니다. 자전거 도로의 영향은 모델 전반에 걸쳐 매우 일관적이어서 다음과 같은 아이디어에 도전합니다.자전거도로가까운 사람들에게만 영향을 미치는 지역 문제입니다.최적화된 인프라는 우리 모델에서 꽤 멀리 떨어진 이웃에게 서비스를 제공하는 것으로 반복적으로 나타납니다.

팀은 인프라 투자에 대한 지속적인 결정을 알리기 위해 이미 토론토의 도시 계획자들과 데이터를 공유하고 있습니다.앞으로 팀은 분석을 다른 도시에도 적용하기를 희망합니다.

Bonsma-Fisher는 "지역 문제가 무엇이든, 어떤 선택을 하게 되든, 자신이 목표로 하는 목표가 무엇인지 명확히 이해하고 목표를 달성하고 있는지 확인하는 것이 정말 중요합니다."라고 말합니다.

"이러한 종류의 분석은 이러한 어려운 질문에 답하기 위한 증거 기반의 데이터 중심 접근 방식을 제공할 수 있습니다."