Miten liikennejärjestelmät sopeutuvat häiriöihin ja varmistavat kestävän liikkumisen Pääkaupunkiseudulla?
Kaupungit ovat yhä haavoittuvampia ilmastosta johtuville häiriöille ja infrastruktuurishokeille. Aiempi tutkimus on edistänyt merkittävästi pitkän aikavälin liikkumismallien ja infrastruktuuri-investointien ymmärtämistä 12, mutta empiiristä tietoa kaupunkien liikenneverkostojen reagoinnista lyhytaikaisiin häiriöihin on edelleen niukasti. Aalto-yliopistossa toteutettavassa, pääkaupunkiseudun kaupunkien kanssa yhteistyössä tehdyssä tutkimushankkeessa pyrimme paikkaamaan tätä puutetta tarjoamalla uutta tietoa sekä käyttäytymisreaktioista, että järjestelmätason vasteista tieliikenteen häiriöihin, hyödyntäen reaaliaikaista dataa ja tarkkaa mallinnusta.
Mitä tiedämme kaupunkiliikenteen resilienssistä?
Tutkimuksemme pohjautuu laajaan taloustieteelliseen kirjallisuuteen. Aiemmat empiiriset tutkimukset – mukaan lukien omamme3 – ovat osoittaneet, että liikenteen häiriöt voivat vaikuttaa paljon laajemmalle alueelle kuin vain häiriön tapahtumapaikkaan. Useimmat tutkimukset ovat kuitenkin keskittyneet paikallisiin vaikutuksiin, sillä käytettävissä oleva data on ollut rajallista. Tämän seurauksena vähälle huomiolle on jäänyt, miten viivästykset voivat ajan myötä kasaantua ja levitä koko liikenneverkkoon. Perinteisesti liikennesuunnittelussa on tukeuduttu simulointimalleihin 45, jotka soveltuvat tavanomaisten tilanteiden suunnitteluun, mutta eivät tavoita todellisten häiriötilanteiden arvaamattomuutta.
”Mittareiden avulla voidaan tunnistaa pullonkaulat ja kriittiset kohdat, joissa pienetkin häiriöt voivat aiheuttaa suuria vaikutuksia.”
Ilmastotaloustieteessä on edistytty pitkäaikaisten sääilmiöiden aiheuttamien vahinkojen arvioinnissa67. Lyhyen aikavälin käyttäytymisreaktioihin paikallisiin liikenteen häiriöihin on kiinnitetty vähemmän huomiota. Toisin kuin aiemmat lyhyen aikavälin tutkimukset, jotka perustuvat simulointeihin tai rajallisiin kenttäkokeisiin8, me käytämme havaintoaineistoa, joka kattaa tietoa koko metropolialueella toteutuneista liikenteen häiriöistä. Näin pystymme analysoimaan liikenneviiveiden keskeisiä mekanismeja, käyttäytymismuutoksia ja korvausvaihtoehtojen käyttöä todellisen datan pohjalta, ilman että joudumme yksinkertaistamaan liikennejärjestelmän monimuotoisuutta.
Mikä tekee tutkimuksestamme uutta?
Tutkimuksemme keskeinen vahvuus on sen empiirisessä perustassa. Rakennamme laajaa ja reaaliaikaista tietoinfrastruktuuria, joka sisältää: Tieliikenteen häiriötietoja, joita kerätään jatkuvasti julkisista rajapinnoista, kuten Bing Maps, HERE ja TomTom.
Liikennevirta-aineistoa Telia Crowd Insights -palvelusta, joka perustuu anonymisoituihin matkapuhelinsijaintitietoihin. Näin voimme seurata matkustajamääriä tienosuuksittain sekä alku- ja määränpään mukaan.
Matka-aikatietoa, jota saadaan jatkuvasti automatisoiduilla Google Maps -hauilla, kattaen miljoonia matkoja eri vuorokauden- ja vuodenaikoina.
Näiden tietojen avulla voimme rakentaa kvantitatiivisen mallin kaupunkiliikenteestä häiriötilanteissa. Havaitsemalla poikkeamia odotetusta liikenteestä voimme arvioida, miten tietyt häiriöt leviävät muihin tienosuuksiin, vuorokaudenaikoihin ja liikennemuotoihin. Olemme erityisen kiinnostuneita mittaamaan niin sanottuja substituutiojoustoja – kuinka helposti matkustajat voivat vaihtaa reittiä, ajoittaa lähtönsä uudelleen tai siirtyä käyttämään muita kulkumuotoja häiriötilanteissa.
Mallimme erottelee myös liikenteen tarjontapuolen (esimerkiksi ruuhkien ja viiveiden kehityksen tienkäytön ja verkon ominaisuuksien perusteella) ja kysyntäpuolen (matkustajien reaktiot muuttuneisiin liikenneyhteyksiin). Tämä kaksisuuntainen näkökulma mahdollistaa sekä suorien että epäsuorien hyvinvointivaikutusten arvioinnin – mukaan lukien ne ulkoisvaikutukset, joita suuret häiriöt aiheuttavat myös muille kuin suoraan vaikutusalueella liikkuville.
Miten tämä hyödyttää pääkaupunkiseudun kaupunkeja?
Helsingin seutu tarjoaa ihanteellisen alustan tälle hankkeelle, ja tavoitteemme on tuottaa suoraan hyödynnettävää tietoa Helsingin, Espoon ja Vantaan päätöksentekijöille.
Ensinnäkin kehitämme tarkkoja, tienosuustasolle ulottuvia mittareita liikenneverkon resilienssistä. Näiden avulla voidaan tunnistaa pullonkaulat ja kriittiset kohdat, joissa pienetkin häiriöt voivat aiheuttaa suuria vaikutuksia.
Toiseksi rakennamme uudelleenkäytettävää tietopohjaa kaupunkisuunnittelun tueksi. Kun tietojenkeruujärjestelmä on kerran perustettu, sen ylläpito on edullista, ja se soveltuu jatkuvaan liikenteen seurantaan, infrastruktuurin arviointiin tai uusien politiikkatoimien pilotointiin.
Kolmanneksi kehittämämme malli mahdollistaa vaihtoehtoisten politiikkaskenaarioiden simuloinnin ja eri toimenpiteiden hyvinvointivaikutusten kvantifioinnin. Voimme esimerkiksi arvioida, miten uusi joukkoliikennekäytävä, ruuhkamaksu tai liikennemuotojen parempi yhteensovitus voisi lieventää tulevien häiriöiden haittavaikutuksia.
Tavoitteenamme ei ole ainoastaan syventää teoreettista ymmärrystä, vaan myös tarjota konkreettisia työkaluja ja oivalluksia, joita pääkaupunkiseudun – ja myöhemmin muidenkin kaupunkien – päättäjät voivat hyödyntää rakentaessaan kestävämpiä ja tasa-arvoisempia liikkumisjärjestelmiä.
Lähteet
Akbar, P. & Duranton, G. (2017). Mobility and congestion in urban India. American Economic Review, 113(4), 1083–1111.
Allen, T. & Arkolakis, C. (2022). The welfare effects of transportation infrastructure improvements. Review of Economic Studies, 89(6), 2911–2957.
Bilal, A. & Rossi-Hansberg, E. (2023). Anticipating climate change across the United States. NBER Working Paper No. 31323.
Carleton, T. et al. (2022). Valuing the global mortality consequences of climate change. Quarterly Journal of Economics, 137(4), 2037–2105.
Dewees, D. (1979). Estimating the time costs of highway congestion. Econometrica, 1499–1512.
Geroliminis, N. & Daganzo, C.F. (2008). Existence of urban-scale macroscopic fundamental diagrams: Some experimental findings. Transportation Research Part B.
Kreindler, G. (2024). The role of departure time choice elasticities in congestion pricing. Working Paper.
Parry, I. & Small, K. (2009). Should urban transit subsidies be reduced? American Economic Review, 99(3), 700–724.
Storeygard, A. (2016). Transport costs, trade and urban growth in Sub-Saharan Africa. Review of Economic Studies, 83(3), 1263–1295.
- Allen & Arkolakis, 2022 ↩︎
- Storeygard, 2016 ↩︎
- Akbar & Duranton, 2017 ↩︎
- Dewees, 1979 ↩︎
- Parry & Small, 2009 ↩︎
- Carleton ym., 2022 ↩︎
- Bilal & Rossi-Hansberg, 2023 ↩︎
- Kreindler, 2024 ↩︎
Piditkö artikkelista? Jaa se ystävillesi.
Kirjoittajasta
Prottoy Akbar
