• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Naturaleza
    Elaboración de políticas de transporte en las ciudades chinas

    Utilizando una metodología novedosa, La investigadora del MITEI Joanna Moody y la profesora asociada Jinhua Zhao descubrieron patrones en las tendencias de desarrollo y las políticas de transporte de las 287 ciudades de China, incluida Fengcheng, que se muestran aquí, que pueden ayudar a los tomadores de decisiones a aprender unos de otros. Crédito:blake.thornberry / Flickr

    En décadas recientes, las poblaciones urbanas en las ciudades de China han crecido sustancialmente, y el aumento de los ingresos ha llevado a una rápida expansión de la propiedad de automóviles. En efecto, China es ahora el mercado de automóviles más grande del mundo. La combinación de urbanización y motorización ha llevado a una necesidad urgente de políticas de transporte para abordar problemas urbanos como la congestión, la contaminación del aire, y emisiones de gases de efecto invernadero.

    Por los últimos tres años, un equipo del MIT dirigido por Joanna Moody, director del programa de investigación del Centro de Sistemas de Movilidad de la Iniciativa Energética del MIT, y Jinhua Zhao, el profesor adjunto Edward H. y Joyce Linde en el Departamento de Estudios Urbanos y Planificación (DUSP) y director del Laboratorio de Movilidad Urbana JTL del MIT, ha estado examinando la política de transporte y la formulación de políticas en China. "A menudo se asume que la política de transporte en China la dicta el gobierno nacional, ", dice Zhao." Pero hemos visto que el gobierno nacional establece objetivos y luego permite que las ciudades individuales decidan qué políticas implementar para alcanzar esos objetivos ".

    Muchos estudios han investigado la formulación de políticas de transporte en megaciudades de China como Beijing y Shanghai, pero pocos se han centrado en los cientos de ciudades pequeñas y medianas ubicadas en todo el país. Tan malhumorado, Zhao, y su equipo quería considerar el proceso en estas ciudades pasadas por alto. En particular, preguntaron:¿cómo deciden los líderes municipales qué políticas de transporte implementar? y ¿pueden estar mejor capacitados para aprender de las experiencias de los demás? Las respuestas a esas preguntas podrían brindar orientación a los tomadores de decisiones municipales que intentan abordar los diferentes desafíos relacionados con el transporte que enfrentan sus ciudades.

    Las respuestas también podrían ayudar a llenar un vacío en la literatura de investigación. La cantidad y diversidad de ciudades en China ha hecho que realizar un estudio sistemático de la política de transporte urbano sea un desafío, sin embargo, ese tema es de creciente importancia. En respuesta a la contaminación del aire local y la congestión del tráfico, algunas ciudades chinas ahora están promulgando políticas para restringir la propiedad y el uso de automóviles, y esas políticas locales pueden determinar en última instancia si el crecimiento sin precedentes en las ventas de vehículos privados a nivel nacional persistirá en las próximas décadas.

    Aprendizaje de políticas

    Los responsables de la formulación de políticas de transporte en todo el mundo se benefician de una práctica llamada aprendizaje de políticas:los responsables de la toma de decisiones en una ciudad miran a otras ciudades para ver qué políticas han sido y qué no han sido efectivas. En China, Beijing y Shanghái generalmente se ven como pioneros de tendencias en la formulación de políticas de transporte innovadoras, y los líderes municipales de otras ciudades chinas recurren a esas megaciudades como modelos a seguir.

    Pero, ¿es ese un enfoque eficaz para ellos? Después de todo, sus entornos urbanos y los desafíos del transporte son casi con certeza bastante diferentes. ¿No sería mejor si buscaran ciudades "iguales" con las que tienen más en común?

    Temperamental, Zhao, y sus colegas de DUSP, el postdoctorado Shenhao Wang y los estudiantes de posgrado Jungwoo Chun y Xuenan Ni, todo en el Laboratorio de Movilidad Urbana de JTL:planteó la hipótesis de un marco alternativo para el aprendizaje de políticas en el que las ciudades que comparten historias comunes de urbanización y motorización compartirían sus conocimientos sobre políticas. Un desarrollo similar de los espacios de la ciudad y los patrones de viaje podría conducir a los mismos desafíos de transporte, y por lo tanto a necesidades similares de políticas de transporte.

    Para probar su hipótesis, los investigadores debían abordar dos preguntas. Para comenzar, necesitaban saber si las ciudades chinas tienen un número limitado de historias comunes de urbanización y motorización. Si agruparon las 287 ciudades de China basándose en esas historias, ¿terminarían con un número moderadamente pequeño de grupos significativos de ciudades pares? Y segundo, ¿Tendrían las ciudades de cada grupo políticas y prioridades de transporte similares?

    Agrupando las ciudades

    Las ciudades de China a menudo se agrupan en tres "niveles" según la administración política, o los tipos de roles jurisdiccionales que desempeñan las ciudades. El nivel 1 incluye Beijing, Llevar a la fuerza, y otras dos ciudades que tienen los mismos poderes políticos que las provincias. El nivel 2 incluye alrededor de 20 capitales de provincia. Las ciudades restantes, unas 260 de ellas, se encuentran todas en el Nivel 3. Estas agrupaciones no son necesariamente relevantes para las condiciones urbanas y de transporte locales de las ciudades.

    Temperamental, Zhao, y sus colegas, en cambio, querían clasificar las 287 ciudades en función de sus antecedentes de urbanización y motorización. Afortunadamente, they had relatively easy access to the data they needed. Todos los años, the Chinese government requires each city to report well-defined statistics on a variety of measures and to make them public.

    Among those measures, the researchers chose four indicators of urbanization—gross domestic product per capita, total urban population, urban population density, and road area per capita—and four indicators of motorization—the number of automobiles, Taxis, autobuses and subway lines per capita. They compiled those data from 2001 to 2014 for each of the 287 cities.

    The next step was to sort the cities into groups based on those historical datasets—a task they accomplished using a clustering algorithm. For the algorithm to work well, they needed to select parameters that would summarize trends in the time series data for each indicator in each city. They found that they could summarize the 14-year change in each indicator using the mean value and two additional variables:the slope of change over time and the rate at which the slope changes (the acceleration).

    Based on those data, the clustering algorithm examined different possible numbers of groupings, and four gave the best outcome in terms of the cities' urbanization and motorization histories. "With four groups, the cities were most similar within each cluster and most different across the clusters, " says Moody. "Adding more groups gave no additional benefit."

    The four groups of similar cities are as follows:

    • Cluster 1:23 large, denso, wealthy megacities that have urban rail systems and high overall mobility levels over all modes, including buses, Taxis, and private cars. This cluster encompasses most of the government's Tier 1 and Tier 2 cities, while the Tier 3 cities are distributed among Clusters 2, 3, y 4.
    • Cluster 2:41 wealthy cities that don't have urban rail and therefore are more sprawling, have lower population density, and have auto-oriented travel patterns.
    • Cluster 3:134 medium-wealth cities that have a low-density urban form and moderate mobility fairly spread across different modes, with limited but emerging car use.
    • Cluster 4:89 low-income cities that have generally lower levels of mobility, with some public transit buses but not many roads. Because people usually walk, these cities are concentrated in terms of density and development.

    City clusters and policy priorities

    The researchers' next task was to determine whether the cities within a given cluster have transportation policy priorities that are similar to each other—and also different from those of cities in the other clusters. With no quantitative data to analyze, the researchers needed to look for such patterns using a different approach.

    Primero, they selected 44 cities at random (with the stipulation that at least 10 percent of the cities in each cluster had to be represented). They then downloaded the 2017 mayoral report from each of the 44 cities.

    Those reports highlight the main policy initiatives and directions of the city in the past year, so they include all types of policymaking. To identify the transportation-oriented sections of the reports, the researchers performed keyword searches on terms such as transportation, la carretera, coche, autobús, and public transit. They extracted any sections highlighting transportation initiatives and manually labeled each of the text segments with one of 21 policy types. They then created a spreadsheet organizing the cities into the four clusters. Finalmente, they examined the outcome to see whether there were clear patterns within and across clusters in terms of the types of policies they prioritize.

    "We found strikingly clear patterns in the types of transportation policies adopted within city clusters and clear differences across clusters, " says Moody. "That reinforced our hypothesis that different motorization and urbanization trajectories would be reflected in very different policy priorities."

    Here are some highlights of the policy priorities within the clusters:

    The cities in Cluster 1 have urban rail systems and are starting to consider policies around them. Por ejemplo, how can they better connect their rail systems with other transportation modes—for instance, by taking steps to integrate them with buses or with walking infrastructure? How can they plan their land use and urban development to be more transit-oriented, such as by providing mixed-use development around the existing rail network?

    Cluster 2 cities are building urban rail systems, but they're generally not yet thinking about other policies that can come with rail development. They could learn from Cluster 1 cities about other factors to take into account at the outset. Por ejemplo, they could develop their urban rail with issues of multi-modality and of transit-oriented development in mind.

    In Cluster 3 cities, policies tend to emphasize electrifying buses and providing improved and expanded bus service. In these cities with no rail networks, the focus is on making buses work better.

    Cluster 4 cities are still focused on road development, even within their urban areas. Policy priorities often emphasize connecting the urban core to rural areas and to adjacent cities—steps that will give their populations access to the region as a whole, expanding the opportunities available to them.

    Benefits of a "mixed method" approach

    Results of the researchers' analysis thus support their initial hypothesis. "Different urbanization and motorization trends that we captured in the clustering analysis are reflective of very different transportation priorities, " says Moody. "That match means we can use this approach for further policymaking analysis."

    Al principio, she viewed their study as a "proof of concept" for performing transportation policy studies using a mixed-method approach. Mixed-method research involves a blending of quantitative and qualitative approaches. En su caso, the former was the mathematical analysis of time series data, and the latter was the in-depth review of city government reports to identify transportation policy priorities. "Mixed-method research is a growing area of interest, and it's a powerful and valuable tool, " says Moody.

    She did, sin embargo, find the experience of combining the quantitative and qualitative work challenging. "There weren't many examples of people doing something similar, and that meant that we had to make sure that our quantitative work was defensible, that our qualitative work was defensible, and that the combination of them was defensible and meaningful, " ella dice.

    The results of their work confirm that their novel analytical framework could be used in other large, rapidly developing countries with heterogeneous urban areas. "It's probable that if you were to do this type of analysis for cities in, decir, India, you might get a different number of city types, and those city types could be very different from what we got in China, " says Moody. Regardless of the setting, the capabilities provided by this kind of mixed method framework should prove increasingly important as more and more cities around the world begin innovating and learning from one another how to shape sustainable urban transportation systems.

    Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre la investigación del MIT, innovación y docencia.




    © Ciencia https://es.scienceaq.com