Negli ultimi decenni, le popolazioni urbane nelle città cinesi sono cresciute notevolmente, e l'aumento dei redditi ha portato a una rapida espansione della proprietà di automobili. Infatti, La Cina è ora il più grande mercato mondiale per le automobili. La combinazione di urbanizzazione e motorizzazione ha portato a un urgente bisogno di politiche di trasporto per affrontare problemi urbani come la congestione, inquinamento dell'aria, e le emissioni di gas serra.

Negli ultimi tre anni, un team del MIT guidato da Joanna Moody, responsabile del programma di ricerca del Mobility Systems Center del MIT Energy Initiative, e Jinhua Zhao, il Professore Associato Edward H. e Joyce Linde nel Dipartimento di Studi Urbani e Pianificazione (DUSP) e direttore del JTL Urban Mobility Lab del MIT, ha esaminato la politica dei trasporti e la definizione delle politiche in Cina. "Si presume spesso che la politica dei trasporti in Cina sia dettata dal governo nazionale, " dice Zhao. "Ma abbiamo visto che il governo nazionale fissa obiettivi e poi consente alle singole città di decidere quali politiche attuare per raggiungere tali obiettivi".

Molti studi hanno studiato la politica dei trasporti nelle megalopoli cinesi come Pechino e Shanghai, ma pochi si sono concentrati sulle centinaia di città di piccole e medie dimensioni dislocate in tutto il Paese. così lunatico, Zhao, e il loro team voleva prendere in considerazione il processo in queste città trascurate. In particolare, hanno chiesto:in che modo i dirigenti comunali decidono quali politiche di trasporto attuare, e possono essere meglio messi in grado di imparare dalle esperienze degli altri? Le risposte a queste domande potrebbero fornire una guida ai decisori comunali che cercano di affrontare le diverse sfide legate ai trasporti affrontate dalle loro città.

Le risposte potrebbero anche aiutare a colmare una lacuna nella letteratura di ricerca. Il numero e la diversità delle città in tutta la Cina ha reso impegnativo lo studio sistematico della politica dei trasporti urbani, eppure questo argomento è di crescente importanza. In risposta all'inquinamento atmosferico locale e alla congestione del traffico, alcune città cinesi stanno ora adottando politiche per limitare la proprietà e l'uso delle auto, e quelle politiche locali possono in definitiva determinare se la crescita senza precedenti delle vendite di veicoli privati ​​a livello nazionale continuerà nei prossimi decenni.

Apprendimento delle politiche

I responsabili delle politiche dei trasporti di tutto il mondo beneficiano di una pratica chiamata apprendimento delle politiche:i responsabili delle decisioni in una città guardano ad altre città per vedere quali politiche sono state efficaci e quali non sono state. In Cina, Pechino e Shanghai sono generalmente viste come trendsetter nella politica dei trasporti innovativa, e i leader municipali di altre città cinesi si rivolgono a quelle megalopoli come modelli di ruolo.

Ma è un approccio efficace per loro? Dopotutto, le loro impostazioni urbane e le sfide dei trasporti sono quasi certamente molto diverse. Non sarebbe meglio se guardassero a città "peer" con le quali hanno più cose in comune?

Lunatico, Zhao, e i loro colleghi del DUSP, il postdoc Shenhao Wang e gli studenti laureati Jungwoo Chun e Xuenan Ni, tutto nel JTL Urban Mobility Lab, ha ipotizzato un quadro alternativo per l'apprendimento delle politiche in cui le città che condividono storie di urbanizzazione e motorizzazione comuni avrebbero condiviso le loro conoscenze politiche. Un simile sviluppo degli spazi urbani e dei modelli di viaggio potrebbe portare alle stesse sfide di trasporto, e quindi ad analoghe esigenze per le politiche dei trasporti.

Per verificare la loro ipotesi, i ricercatori dovevano rispondere a due domande. Iniziare, avevano bisogno di sapere se le città cinesi hanno un numero limitato di storie di urbanizzazione e motorizzazione comuni. Se hanno raggruppato le 287 città in Cina sulla base di quelle storie, finirebbero con un numero moderatamente piccolo di gruppi significativi di città paritarie? E secondo, le città di ciascun gruppo avrebbero politiche e priorità di trasporto simili?

Raggruppare le città

Le città in Cina sono spesso raggruppate in tre "livelli" basati sull'amministrazione politica, o i tipi di ruoli giurisdizionali che le città svolgono. Il livello 1 include Pechino, Shanghai, e altre due città che hanno gli stessi poteri politici delle province. Il livello 2 comprende circa 20 capoluoghi di provincia. Le restanti città, circa 260 di esse, rientrano tutte nel livello 3. Questi raggruppamenti non sono necessariamente rilevanti per le condizioni urbane e di trasporto locali delle città.

Lunatico, Zhao, e i loro colleghi invece volevano ordinare le 287 città in base alle loro storie di urbanizzazione e motorizzazione. Fortunatamente, avevano un accesso relativamente facile ai dati di cui avevano bisogno. Ogni anno, il governo cinese richiede che ogni città riporti statistiche ben definite su una varietà di misure e le renda pubbliche.

Tra queste misure, 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, Taxi, autobus, 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, Taxi, 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, and 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.

Primo, 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, road, macchina, bus, 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. Per esempio, 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. Per esempio, 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."

All'inizio, 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. Nel loro 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, però, 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, " lei 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, dire, 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.

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.