Białe plamy na mapie transportu: dlaczego niektóre obszary są niedostępne?
Warszawa, ulica Płocka. Do najbliższego przystanku tramwajowego jest 850 metrów. Dla młodej osoby to zaledwie 10-minutowy spacer. Dla 80-letniej pani Janiny z laską – nieprzekraczalna bariera. Podobne historie powtarzają się w całej Polsce – martwe strefy komunikacyjne, gdzie transport publiczny omija potrzeby osób starszych i z niepełnosprawnościami. Paradoksalnie, rozwiązanie tego problemu może tkwić w danych, które każdy z nas generuje bezwiednie – sygnałach z telefonów komórkowych.
Dane geolokalizacyjne, odpowiednio przetworzone i zagregowane, odsłaniają wzorce przemieszczania się różnych grup społecznych. Pokazują nie tylko gdzie ludzie są, ale też – co istotne – gdzie nie mogą dotrzeć. W Łodzi analiza takich danych ujawniła ciekawą prawidłowość: osoby powyżej 65 roku życia rzadko przekraczają promień 500 metrów od swojego miejsca zamieszkania, jeśli nie mają dobrego połączenia komunikacyjnego.
Jak działa analiza danych mobilnych w praktyce?
Krakowscy planiści przez pół roku gromadzili anonimowe dane od operatorów komórkowych. Specjalne algorytmy odfiltrowały ruch turystyczny i zawodowy, skupiając się na lokalnych mieszkańcach. Wyniki były zaskakujące – okazało się, że osiedle Kliny, uważane dotąd za dobrze skomunikowane, ma poważne luki w dostępności dla osób poruszających się o kulach.
Technologia pozwala rozróżnić rodzaj przemieszczania się – czy osoba jedzie samochodem, autobusem czy idzie pieszo. To kluczowe przy analizie barier mobilności. Gdy starsza osoba zatacza kręgi wokół przystanku (co widać w danych GPS), to sygnał, że prawdopodobnie nie może znaleźć dogodnego połączenia albo przystanek jest źle zaprojektowany.
Przypadek Wrocławia: kiedy dane zmieniają politykę transportową
W 2019 roku analitycy z Uniwersytetu Wrocławskiego prześledzili trasy 12 tysięcy zanonimizowanych użytkowników powyżej 70 roku życia. Efekt? Kompletna przebudowa siatki linii nocnych – dodano 7 nowych przystanków w miejscach, gdzie seniorzy często korzystali z taksówek z powodu braku komunikacji. Po roku liczba nocnych podróży w tej grupie wiekowej wzrosła o 34%.
Nie chodzi tylko o dodawanie przystanków. Czasem rozwiązanie jest prostsze – w Poznaniu po analizie danych wydłużono czas zmiany świateł na skrzyżowaniach przy domach opieki. To drobna zmiana, która jednak znacząco poprawiła dostępność transportu dla osób poruszających się wolniej.
Etyka vs efektywność: jak chronić prywatność przy wykorzystywaniu danych?
Wiele osób obawia się, że wykorzystanie danych lokalizacyjnych narusza prywatność. Tymczasem nowoczesne systemy analityczne pracują wyłącznie na danych zagregowanych – nikt nie śledzi pojedynczych użytkowników. Operatorzy komórkowi dostarczają informacje w formie w tym miejscu o tej porze było X osób w przedziale wiekowym 60-70 lat, bez możliwości identyfikacji konkretnych osób.
Warszawski eksperyment z 2022 roku pokazał, że nawet ubogie dane (typu liczba osób w zasięgu stacji bazowej) mogą być przydatne. Analizując zmiany tych liczb w czasie, można wyłapać obszary, gdzie mieszkańcy są praktycznie uwięzieni w swoich domach z powodu braku transportu.
Nie tylko autobusy: jak dane wpływają na infrastrukturę pieszą
Analiza tras pokonywanych przez osoby z niepełnosprawnościami ruchowymi w Gdańsku ujawniła nieoczekiwany problem – nawet tam, gdzie były przystanki, często brakowało ciągłych, wygodnych chodników prowadzących do nich. Dzięki tym wnioskom w ciągu dwóch lat wybudowano 17 nowych odcinków chodników z podjazdami.
Ciekawy przykład pochodzi z Katowic, gdzie dane pokazały, że osoby starsze omijają najkrótsze trasy przez parki. Dokładniejsze badania ujawniły, że powodem był brak ławek do odpoczynku. Po ich instalacji ruch seniorów w tych obszarach wzrósł o 40%, co z kolei zwiększyło wykorzystanie pobliskich przystanków.
Technologie wspierające: od danych do konkretnych rozwiązań
Nie chodzi tylko o zbieranie danych, ale o ich inteligentne przetwarzanie. Systemy machine learning potrafią przewidzieć, gdzie bariery mobilności pojawią się w przyszłości – np. w związku ze starzeniem się populacji danych osiedli. W Szczecinie takie prognozy pozwoliły zawczasu zmienić plany rozbudowy tramwaju wodnego.
Aplikacje typu last mile (ostatnia mila), wykorzystujące dane o rzeczywistych trasach pieszych, zaczynają sugerować spersonalizowane rozwiązania. W Lublinie testowano system, który osobom o ograniczonej mobilności pokazywał nie najkrótszą, ale najwygodniejszą drogę do przystanku, uwzględniającą np. obecność ławek czy mniejsze nachylenie terenu.
Przyszłość dostępnego transportu: czego możemy się spodziewać?
Kilka polskich miast pracuje nad integracją danych mobilnych z systemami planowania przestrzennego. W Kielcach powstał nawet specjalny indeks dostępności transportowej, aktualizowany w czasie rzeczywistym na podstawie przepływów ludności. To nie science fiction – takie narzędzia już działają i przynoszą wymierne efekty.
Najważniejsze jednak, że technologia wreszcie zaczyna słuchać tych, których głos był często pomijany w planowaniu transportu. Dziś ślad cyfrowy starszej osoby waży tyle samo co młodego mieszkańca. Może właśnie dzięki temu w ciągu najbliższych lat znikną kolejne białe plamy na mapie transportowej Polski – nie z politycznego kaprysu, ale na podstawie twardych danych o realnych potrzebach.
W obliczu starzejącego się społeczeństwa, takie rozwiązania to nie luksus, ale konieczność. Kiedyś to my możemy znaleźć się w sytuacji pani Janiny z ulicy Płockiej – i wtedy docenimy, że ktoś wcześniej pomyślał o naszych potrzebach.
