文章描述了GPS数据在城市规划中的实际应用及其难点所在。事实上很多城市都缺乏对骑行者行为及路径选择的认知,因此数据的追踪恰好满足了骑行规划的需求。随着智能手机在欧洲的广泛普及(2018年德国达80%)以及大众在自我追踪、公民科学方面的兴趣上升,类似ECC挑战赛所创建的数据库更频繁出现,相似的操作还有Strava以及BikeCitizens。然而在科学领域,针对这种数据库规模的研究却寥寥无几,(Hood, Sall, &Charlton, 2011; Menghini, Carrasco, Schüssler, & Ax-hausen, 2010),呈现出明显的滞后。
GPS追踪骑行数据的强大,在于它的空间可用性和直观的视觉效果。首先,自动计数站只能在大范围路网中提供准时数据,这种不足显然就被GPS数据填补了。其次,它能为政策制定者提供有趣的视角,比如骑行者在空间的可视化。而对于科学家来说,这种数据在很多研究上都颇具价值,它能用于出行模式或骑行行为的研究、文中案例1或案例3的规划实践,或者对已建自行车路径进行评估。
尽管GPS数据在参与者数量和空间分布上具有优势,它也有些实质性的缺点值得注意。参与者不是随机产生的,相反出于个人兴趣的自我参与会带来显著的偏差。另外需要考虑没有智能手机或GPS记录器的人,他们会被系统地排除。事实上GPS数据在数据的代表性方面有些失败,它甚至无法量化。这就是科学家和实践者们在接下来得尽快应对的一大问题。
而另一个棘手的问题是,参与者数量与城市整体居民相比实在太少。这很重要,因为短期数据的收集需要一个最小统计确定性。文章中的参与者和其他数据源相比已经很多,但数据在中年男性方面有着明显偏差。该领域多项研究都有同样问题(Broach,Dill, & Gliebe, 2012; Jestico, Nelson, & Winters,2016),即这个特殊用户群体的确切影响目前仍然未知。
从科学的角度来看,对自选样本在路径选择和速度影响进行定性和定量分析是十分重要的。一个运动型骑行者(比如Strava用户)和一个送孩子去幼儿园的妈妈明显具有实质性不同,同样从A到B,一个“死飞型”用户和一个老年骑行者也绝对会有不同的路径选择。所以从实践者的角度,尽管面临许多问题,但科学、合理地利用新数据源进行工作是根本命题。
考虑实践者对GPS数据的利用,比如博洛尼亚和罗马的两个案例,科学和实践的差距不容忽视。这二者无法强行结合,所以我们应该在截然不同的两种视角和机会中学习如何利用数据来促进自行车出行。虽然科研项目的数据都有充分的预处理,但对于参加ECC挑战赛的城市,案例中数据的传输方式非常原始。从科学的角度这是极好的,因为没有损失任何信息,但主管部门却不一定拥有足够知识或人力来验证这么原始的GPS数据。那么对于异常值、出行分段或者模式识别都不会有筛选,而这些环节可以通过学校、资金等外部力量来推动完成,比如Bikeprint.nl网站的开源方法介绍了使用GPS数据库的一般方法。另外需要注意数据收集的背景,比如游戏化方法很可能引起短期行为的改变,这就可能成为数据比较上的一个阻碍。
从实践者的角度,这三个案例无疑指出了GPS数据对自行车规划有实质性的帮助,因此更应该强调处理数据来源的代表性以加强数据理解,这项科学任务十分明确。正如两个案例所展示,经济力量和实践者们都已迈出了利用数据的第一步,现在科学必须着手数据的可靠程度,以获得一个真正有用并且值得信赖的自行车规划工具。
第一步,必须分辨不同类型的骑行者在出行上移动模式的不同,并由此过滤和加权自选样本以改善样本的代表性。第二步,就像前文应用案例中的实践者们,应持续评估规划结果、不断确认所用措施是否达到了理想效果。通过这些步骤,对于借助GPS数据进行真正可行的规划就应该清晰了。
如果仔细观察数据记录,会发现另有一些重要步骤应当补充。第一,居民使用者们应当管理自己的数据并需要了解数据在利用上的条款。第二,每项操作都必须符合EU-DSGVO数据保护条例,来妥善应对隐私问题。第三,必须强调公民科学及参与的重点。实践者需对此负责,收集的数据至少能够产生自行车基础设施的积极改进,否则用户一旦望,数据记录方法中参与者的数量就会减少。对于第三点如何达成,Liguori等人的研究为我们指明了道路。