شیوع ویروس کرونا عامل اساسی تغییر در روند سفرهای درون شهری بوده است.میزان سفرهای فعال (active travel) ، مانند پیاده روی و دوچرخه سواری افزایش یافته است و تغییر نگرش نسبت به رفت و آمد و امکان دورکاری و انعطاف در ساعات کاری، باعث تغییرات زیادی در انتخاب چگونگی و زمان سفرهایمان، گردیده است.
ضمنا، این مسئله منجر به ایجاد انگیزه در دنیا برای رسیدن به جامعه‌ای سبز، شده است.با شروع قرنطینه، وضع محدودیت‌ها و مقررات سفر، میزان سفرهای فعال، نقش تعیین کننده‌ای در رسیدن به جهانی سبزتر و دوستدار محیط زیست داشته است. این روند جدید باعث ظهور نوآوری‌های جدید نیز شده است.تغییر کاربری خیابان‌های تعطیل شده به مسیر دوچرخه سواری و عبور عابران پیاده و همینطور ساخت مسیرهای ویژه و جداسازی شده هر روز رایج‌تر می شوند. البته این تغییرات به دنبال تاثیرگذاری بلندمدت و دائمی هستند نه موقتی.به همین دلیل، برای دستیابی به این اهداف بلند مدت، باید تغییرات زیرساختی و نوآوری در روش‌های سفر ایجاد گردد. تغییر در زیرساخت‌ها باید همراه با تغییر نگرش‌ها باشد و بر عکس.
بینش فرا محلی
توانایی ارزیابی اثربخشی چنین طرح‌هایی، نهایتا به نحوه‌ی استفاده از داده‌ها مربوط می‌شود.بکارگیری داده‌ها برای تجزیه و تحلیل حالات مختلف سفر از طریق شمارش اشیاء (به عنوان مثال 10 دوچرخه سوار ، 4 عابر پیاده) ، نظارت بر رفتار و سرعت اشخاص در مسیرها، به بهبود زیرساخت‌ها و ایجاد ابتکارات بیشتر در سفرهای فعال، کمک می‌کند.این کارها را می‌توان از طریق نصب سنسورهای هوشمند در محل تقاطع‌ها یا در طول مسیرهای مختلف انجام داد.
متفاوت فکر کنید
جمع‌آوری این داده‌های ناشناس در مسیرهای دوچرخه فوق‌العاده ارزشمند است، به عنوان مثال با یک سنسور هوشمند می‌توان داده‌های ارزشمندی از مسیرهای متنوع مانند مسیرهای دوچرخه سواری، عابر پیاده و یا مسیرهای مختلط (پیاده و دوچرخه)، فراهم کرد.بنابراین شهرداری‌ها می‌توانند این داده‌های ناشناس را از داشبورد مدیریتی شهری دانلود کرده و از آنها برای اتخاذ تصمیم‌های بهتر در مدیریت شهری استفاده کنند و مزایای تغییرات فضای مسیرها و برنامه‌ریزی سفرهای فعال شهری را مشاهده کنند. با این حال، این داده‌ها، اطلاعات خاصی می‌باشد که تنها از یک محل خاص جمع‌آوری شده است (فراگیر و گسترده نمی‌باشد).سایر فناوری‌ها برای پر کردن این شکاف داده‌ای که بین حسگرها و روندهای کلان وجود دارد، کمک می‌کنند.به عنوان مثال، Strava برنامه‌ای است که از فناوری‌های تحلیل محلی داده‌ها و تکنولوژی‌های شبکههای اجتماعی بهره می‌برد تا دوندگان و دوچرخه سواران را تشویق به فعالیت بیشتر کند. آنها می‌توانند فعالیت‌های خود را برای دوستان و دنبال کنندگان خود به اشتراک بگذارند و از ویژگی‌هایی مانند تابلوهای امتیازات و کاوش در مسیرهای جدید نیز بهره ببرند. از سوی دیگر، این برنامه امکان بکارگیری داده های ناشناس و جمع آوری شده درباره سفرهای فیزیکی را نیز فراهم می کند. این پلتفرم شامل مجموعه قابل توجه از اطلاعات حمل و نقل می‌باشد که توسط کاربران خود اپلیکیشن تولید شده است، و منبعی بی‌نظیر برای برنامه‌ریزان شهری است. با این حال، داده‌های این برنامه که اغلب فقط توسط دوچرخه سواران و دوندگان مشتاق استفاده می‌شود و اطلاعات روزمره سفرکاربران فعالی که این برنامه را ندارند، شامل نمی‌گردد. مثال عالی دیگراپلیکیشنSee.Sense است، یک شرکت جذاب که چراغ‌های متصل به هم (connected bike lights) دوچرخه تولید می‌کند. کاربران می‌توانند موقعیت مکانی خود را به صورت داده‌های ناشناس از طریق چراغ دوچرخه خود برای سایر کاربران بفرستند و از سایر دوچرخه‌سواران نیز بازخورد بگیرند. حالا اینجا مجموعه‌ای داده در مورد الگوهای حرکت، مسیرهای محبوب، شرایط جاده و رویدادهای محلی اطراف به وجود می آید که به کاربران در تصمیم‌گیری بهتر کمک می‌کند. این برنامه به ایجاد پوشش شبکه در سطحی وسیع کمک می‌کند. همکاری بین فن‌آوری‌ها و شرکت‌های مختلف منجر به ارتقا بیشتر توانایی‌ها و قدرت بینش ما در ارتباط با سفرهای فعال می‌گردد.
حقیقت ماجرا
البته در برخی موارد روی تفسیر نوع موانع جاده‌ای و تغییر چیدمان مسیرها اختلاف نظر وجود دارد. شکایاتی مانند تخلف در فضای پارک خودروها، افزایش ترافیک و عدم همکاری عمومی کافی، منجر به حذف برخی از طرح ها شده است. البته داده‌ها می‌توانند حقایق عینی را وارد این مباحث کنند - به عنوان مثال، علم داده می تواند نتایج "قبل ، حین و بعد از اقدامات خلاقانه" را ارزیابی کرده و موارد مختلفی را نشان دهد. به عنوان مثال آیا دوچرخه سواران از این مسیرهای جدید استفاده می‌کنند؟ آیا این تغییرات روی کاربران جاده‌ای دیگر اثر می‌گذارد؟ آیا این طرح‌ها به بهبود سفرها کمک کرده‌اند؟ علاوه بر این، برای اجرای این ابتکارات، تامین بودجه در طولانی مدت برای ایجاد تغییر در رفتارهای سفر(travel behavior) ، اساسی می‌باشد. باز هم باید اشاره کرد، داده‌ها بسیار کلیدی هستند. همینطور که وارد سال 2021 شده‌ایم، با در دسترس بودن منابع مالی دولتی برای ایجاد تغییرات بلند مدت در روش‌های سفرهای شهری، برای اثبات اینکه این فعالیت‌ها ارزش پولی که خرج می‌شود را دارند، داده‌ها نقشی حیاتی ایفا خواهد کرد.
در سال 2021 چه خواهد شد؟
قبل از سال 2020 ، یافته‌ها نشان می‌داد که بیش از 60 % سفرهای بین یک تا دو مایل در انگلیس با ماشین انجام شده است.ما به عنوان یک جامعه باید فراتر از این عمل کنیم و به جای وسایل نقلیه شخصی از دوچرخه سواری، پیاده روی و حمل و نقل عمومی استفاده کنیم.داده‌های به دست آمده از این سفرهای کوتاه‌تر می‌تواند کمک بزرگی در کاهش تداخلات حمل و نقل باشد.با نگاهی به آینده، تکامل شبکه حمل و نقل با روش‌های جدید بسیار جذاب خواهد بود. آیا کاربرانی که معمولاً برای مسافت های کوتاه از اتومبیل استفاده می کنند، ترغیب می‌شوند به جای آن از اسکوتر استفاده کنند یا باعث می‌شود پیاده روی و دوچرخه سواری از بین برود؟ همانطور که محبوبیت این اسکوترها هفته به هفته افزایش می‌یابد، تعامل بین اسکوترهای برقی و سایر کاربران جاده‌ای، این نوید را می دهد که تصمیمات و بحث‌های مهیجی در آینده وجود خواهد داشت. داده‌های محلی دقیق، منبع مهمی برای حمایت از طراحی هوشمند تغییرات در شهرها و نشان دادن ارزش آنها برای متقاعد کردن مقامات، شوراها و مردم است. با ایجاد فضاهای بهتر و امن‌تر می‌توان استفاده از این تغییرات در نوع سفر را به ویژه در مسافت های کوتاه‌تر ترویج داد. علاوه بر این می‌توان به اهدافی مانند ضرورت‌های اجتماعی برای بهبود وضعیت آب و هوایی رسید. در سال جاری و با بازگشت برخی از مشاغل به وضعیت سابق، جایگزینی روش‌های بی‌ملاحظه‌ی زندگی و سفر با روش‌های سالم‌تر و پایدارتر روز به روز واجب‌تر می‌شود. داده در حال تبدیل شدن به بازیگر اصلی سفرهای فعال و دوستدار محیط زیست در آینده، می‌باشد.
