Оцінка ефективності відокремлених велодоріжок: комбінований підхід часових рядів та причинно-наслідкового аналізу на прикладі Бруклінського моста.
DOI:
https://doi.org/10.25140/2411-5363-2025-3(41)-310-321Ключові слова:
велосипедна інфраструктура; часовий ряд; SARIMA; Difference-in-Differences; CUSUM/CUSUMSQ; прогнозування; робастністьАнотація
У статті досліджено вплив реконструкції Бруклінського мосту в Нью-Йорку у вересні 2021 року, коли було впроваджено відокремлену велосипедну доріжку, на динаміку велосипедного трафіку на цій ділянці велосипедної інфраструктури. Для оцінки ефекту застосовано комбінацію прогнозних та каузальних методів: модель SARIMA для аналізу часових рядів та метод різниць у різницях (Difference-in-Differences, DiD) із використанням Мангеттенського мосту як контрольної групи. SARIMA-модель продемонструвала високу точність у доінтервенційний період (MAPE ≈ 25,5 %, RMSE ≈ 10,4 тис.), проте після реконструкції її прогнозна здатність суттєво погіршилася (MAPE ≈ 51 %, RMSE ≈ 55 тис.), що вказує на наявність структурного зсуву в даних. Додатковий аналіз за допомогою тестів CUSUM/CUSUMSQ підтвердив систематичне недооцінювання фактичного велотрафіку, починаючи з середини 2022 року.
Каузальний аналіз показав статистично значущий позитивний ефект: оцінка DiD становила близько 26,7 тис. додаткових велосипедних поїздок на місяць ( ), що відповідає відносному приросту на 48,4 % порівняно з базовим рівнем. Тести на робастність підтвердили стабільність результату при зміні дати інтервенції, виключенні пандемійного періоду та врахуванні сезонних ефектів.
Отримані результати свідчать про значний практичний ефект розвитку велосипедної інфраструктури, підтверджуючи її роль як чинника сталого міського транспорту. Застосоване поєднання SARIMA та DiD дозволяє комплексно оцінювати вплив інфраструктурних рішень, враховуючи як прогнозні можливості, так і причинно-наслідкові ефекти. Подальші дослідження можуть бути спрямовані на використання ARIMAX чи синтетичного контролю для врахування зовнішніх факторів. Досвід реконструкції Бруклінського мосту може бути адаптований до українських реалій, зокрема під час планування реконструкції мосту Патона в Києві.
Посилання
Fishman, E. (2015). Cycling as transport. Transport Reviews, 36(1), 1-8. https://doi.org/10.1080/ 01441647.2015.1114271.
Piatkowski, D. P., & Marshall, W. E. (2015). Not all prospective bicyclists are created equal: The role of attitudes, socio-demographics, and the built environment in bicycle commuting. Travel Behaviour and Society, 2(3), 166-173. https://doi.org/10.1016/j.tbs.2015.02.001.
Buehler, R., & Dill, J. (2015). Bikeway Networks: A Review of Effects on Cycling. Transport Reviews, 36(1), 9-27. https://doi.org/10.1080/01441647.2015.1069908.
Winters, M., Branion-Calles, M., Therrien, S., et al. (2018). Impacts of bicycle infrastructure in mid-sized cities (IBIMS): Protocol for a natural experiment study in three Canadian cities. BMJ Open, 8, e019130. https://doi.org/10.1136/bmjopen-2017-019130.
Schrauth, Philipp, The Causal Effect of Cycling Infrastructure on Traffic and Accidents: Evidence from Pop-Up Bike Lanes in Berlin. Preprints.http://dx.doi.org/10.2139/ssrn.4333192.
Box, G.E.P., Jenkins, G.M., Reinsel, G.C. and Ljung, G.M. (2016) Time Series Analysis: Forecasting and Control. (5th ed.). Wiley Series in Probability and Statistics, John Wiley & Sons, Inc., Hoboken.
Shumway, R.H. and Stoffer, D.S. (2017) Time Series Analysis and Its Applications: With R Examples. Fourth Edition, Springer Texts in Statistics, Springer, Cham.
Wei, W. W. S. (2006). Time Series Analysis: Univariate and Multivariate Methods. (2nd ed.). Pearson.
Hamilton, J. D. (1994) Time Series Analysis. Princeton University Press, Princeton. https://doi.org/10.1515/9780691218632.
Lysetska, O. (2025). BrooklynBridgePaper. GitHub. https://github.com/OleksandraLysetska/ BrooklynBridgePaper.
New York City Department of Transportation. (2024). Eco-Counter – Brooklyn Bridge and Manhattan Bridge cycling data. https://newyorkcitydot.eco-counter.com/site/300020904?year= 2024&month=12.
Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice. (3rd ed.). OTexts. https://otexts.com/fpp3/.
Gardner, E. S., Jr. (2006). Exponential smoothing: The state of the art – Part II. International Journal of Forecasting, 22(4), 637-666.
http://dx.doi.org/10.1016/j.ijforecast.2006.03.005.
Brown, R. L., Durbin, J., & Evans, J. M. (1975). Techniques for testing the constancy of regression relationships over time. Journal of the Royal Statistical Society: Series B (Methodological), 37(2), 149-192. https://doi.org/10.1111/j.2517-6161.1975.tb01532.x.
Zeileis, A., Leisch, F., Hornik, K., & Kleiber, C. (2003). strucchange: An R package for testing for structural change in linear regression models. Journal of Statistical Software, 7(2), 1-38. https://doi.org/10.18637/jss.v007.i02.
Angrist, J. D., & Pischke, J. S. (2009). Mostly Harmless Econometrics: An Empiricist’s Companion. Princeton, NJ: Princeton University Press. https://doi.org/10.1515/9781400829828.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
