Learning spatial inequalities: an approach to support transportation planning.

• Main Author: Juliana Siqueira Gay
• Other Authors: Mariana Abrantes Giannotti
• Language: English
• Published: Universidade de São Paulo 2018
• Subjects: Desigualdades; Equidade; Mobilidade urbana; Planejamento de transportes; Sistemas de transportes; Uso do solo; Accessibility; Machine learning; Mobility plans; Transport systems
• Online Access: http://www.teses.usp.br/teses/disponiveis/3/3138/tde-03052018-103817/

Part of the literature of transportation planning understand transportation infrastructure as a mean of distributing people and opportunities across the territory. Therefore, the spatial inequalities become a relevant issue in transportation and land use planning. To meet the challenge of evaluating the heterogeneity of transportation provision and land use in the urban environment, this work aims at identifying and describing patterns hidden the distribution of accessibility to different urban facilities and socioeconomic information using Machine Learning (ML) techniques to inform the decision making of transportation plans. To feature the current consideration of spatial inequalities measures in the practice of transportation planning in Brazil, nine mobility plans were reviewed. For investigating the potentialities and restrictions of ML application, unsupervised and supervised analysis of income and accessibility indicators to health, education and leisure were performed. The data of the São Paulo municipality from the years of 2000 and 2010 was explored. The analyzed plans do not present measures for evaluating spatial inequalities. It is possible to identify that the low-income population has low accessibility to all facilities, especially, hospital and cultural centers. The east zone of the city presents a low-income group with intermediate level to public schools and sports centers, revealing the heterogeneity in regions out of the city center. Finally, a framework is proposed to incorporate spatial inequalities by using ML techniques in transportation plans. === Parte da literatura de planejamento de transportes conceitua a infraestrutura de transportes como uma forma de distribuir pessoas e oportunidades no território. Portanto, as desigualdades espaciais tornaram-se uma questão relevante a ser endereçada no planejamento de transportes e uso do solo. De maneira a contribuir com o desafio de avaliar desigualdades e sua heterogeneidade no ambiente urbano, esse trabalho tem como objetivo identificar e descrever padrões existentes na distribuição acessibilidade a diferentes equipamentos urbanos e dados socioeconômicos por meio de técnicas de Aprendizagem de Máquina (AM) para informar a tomada de decisão em planos de transportes. De forma a caracterizar a atual consideração de métricas de desigualdades espaciais na prática do planejamento de transportes no Brasil, nove planos de mobilidade foram revisados. Para investigar as potencialidades e restrições da aplicação de AM, análises supervisionadas e não supervisionadas de indicadores de renda e acessibilidade a saúde, educação e lazer foram realizadas. Os dados do município de São Paulo dos anos de 2000 e 2010 foram explorados. Os Planos de Mobilidade analisados não apresentam medidas para avaliação de desigualdades espaciais. Além disso, é possível identificar que a população de baixa renda tem baixa acessibilidade a todos os equipamentos urbanos, especialmente hospitais e centros culturais. A zona leste da cidade apresenta um grupo de baixa renda com nível intermediário de acessibilidade a escolas públicas e centros esportivos, evidenciando a heterogeneidade nas regiões periféricas da cidade. Finalmente, um quadro de referência é proposto para incorporação de técnicas de AM no planejamento de transportes.