原标题：无障碍城市规划始于无偏见的数据洞察力
我们的城市正在变得越来越数字化，目的是使居住在其中的人们生活得更轻松。
特别是在新冠疫情爆发期间，运输业进行数字化转型，引入了数据分析和自动化系统，以使通勤者的旅程更加顺畅。
但是，大多数交互是在人与周围基础设施之间进行的，而不是在公共汽车或火车上进行的。但基础设施是不是被动的，它是一个关键。
新技术可以为我们的城市带来巨大的好处，但是不加考虑地实施，弊大于利。近年来，纽约市的LinkNYC信息亭就是一个例子。引入WiFi是为了使所有公众都能轻松访问WiFi，它缺乏可听见的指令和屏幕阅读功能，因此无法将盲人社区排除在外。尽管美国盲人联合会采取了行动来纠正这一问题，但它显示出一种更广泛的趋势：城市规划人员并没有真正了解边缘化人群的需求。
人工智能可以确保他们做到这一点。借助AI，市政当局可以在升级基础架构的同时实现无障碍规划。识别行为并准确预测所有行人的意图（无论环境，活动，文化或能力如何），可实现真正具有包容性，经济上可行的城市。
基础设施是为大多数人而建，而不是边缘化人
总体而言，城市基础设施是为大多数人设计的，而没有过多考虑具有不同能力的行人和道路使用者。
包容性基础设施的字面意义不同。
包容性基础设施被定义为可增强社会包容性的积极成果的任何发展，对于增加社会和人口流动性至关重要。这是一个推动因素：一项统计数据称，这是挖掘拥有不同能力的家庭的2490亿欧元捆绑消费能力的关键。这具有良好的商业意义；公共交通系统中的更多资金意味着该行业要进行创新的预算更高。确保所有人都能充分获得工作，医疗保健和社会生活，这对周围的经济都是有益的。
尽管如此，大多数数字创新仍然存在现有的偏见。基于数据的决策具有洞察力，但是如果数据基于交通枢纽或城市风貌（不包括社会阶层），则只会使问题变得更糟。
辛辛那提（Cincinnati）的移动实验室（Mobility Lab）等公司使用的Uber数据就是这一问题的一个例子。该合作伙伴关系的目的是使用Uber数据，包括骑手数据，乘车共享上下车活动数据，交通计数数据，视频文档和现场观察，以帮助城市优化规划并确定企业扩展和投资的理想地点。
但是，Uber的数据与其他任何汽车叫车服务一样，都是天生的偏差。此前有超过四分之一的美国骑手被记录为收入最高的四分之一，盖洛普（Gallup）在2018年进行的一项民意调查发现，有41％的Uber和Lyft用户的年收入超过9万美元。
孤立的过境数据具有使中产阶级化和使低收入家庭流离失所的历史，尤其是在考虑到这些群体整体上不太可能使用乘车服务的情况下。尽管辛辛那提（Cincinnati）项目确实可以帮助城市规划者做出明智的投资地点决策，但依靠不完整的图景和有偏见的数据只会使整个城市的不平等问题永久存在。这只是运输数据如何仅捕获社会的一个子集的一个示例，如果不加检查，它可能会继续排斥少数群体。
包容性数据集意味着在计划对基础架构进行更改时，可以识别，记录和考虑所有行为。
包容性创新就是高效创新
对于城市而言，基础设施的维护和升级是保持城市运转和经济增长的最大财政支出。国际运输论坛报道，2010年至2018年，美国，法国，中国，德国和瑞典在基础设施投资上花费了98.8万亿欧元。其中大部分用于标准维护成本。在日常使用大量资源的情况下，城市必须找出如何保持较低成本的同时仍要进行创新，以满足每个人的需求。
在几年前发起的一个案例研究中，佛罗里达州杰克逊维尔市部署了Numina传感器，以解决服务不足的人群的公共安全问题。杰克逊维尔（Jacksonville）项目是美国行人死亡率最高的地区之一，为边缘化群体提供了保护，这些群体必须出于必要而不得不步行和骑自行车。此项目此后已在拉斯维加斯和圣路易斯复制，为所有人使用道路提供了更好的见解。
在对COVID-19的回应中，一些欧洲公交机构利用人工智能来了解大流行期间通勤者行为的变化，评估对社会疏远规则和法规的遵守情况，并利用此见解来优化公交枢纽的设计方式。在西班牙加泰罗尼亚，由加泰罗尼亚理工大学开发的应用程序可通过预测全天公交车的占用率来帮助乘客导航高峰时段。同样，比利时的火车基础设施公司Infrabel也在使用AI对摄像机镜头进行分析，以监控社交距离和面具使用情况。
