National Transport Library Research Database

Användning av stora datamängder för att omdefiniera upplevd social segregation: hur den styrs av rörlighet, byggd miljö och bostadsort (Using urban big data to redefine experienced social segregation: how it is driven by mobility, built environment, and residence)

  • Liao, Yuan
  • Chalmers tekniska högskola AB, Universitet eller högskola, 556479-5598
Sponsors, duration, budget: Vetenskapsrådet ; 2023-01-01 -- 2025-12-31 ; 3 600 000 kronorRegistration number:
  • Vetenskapsrådet 2022-06215
Subject(s): Abstract: En hållbar urbanisering kännetecknas av en mångfald av befolkningar och social sammanhållning. Städerna i dag står dock inför en allt djupare social segregation. En bättre förståelse av segregation genom innovativa perspektiv och data är nödvändig och avgörande för att minska social segregation och ojämlikhet. Forskning om social segregation har huvudsakligen fokuserat på boendesegregation eller potentiella möjligheter till interaktion mellan grupper. Upplevd social segregation bestäms av de faktiska interaktionerna mellan människor, vilket var svårt att fånga upp tills stora uppgifter om människors rörlighet blev globalt tillgängliga. Data om rörlighet används allt oftare för att beskriva upplevd social segregation, men litteraturen är begränsad och förklarar sällan segregationen på ett heltäckande sätt. Detta projekt syftar till att 1) använda stora stadsdata (Eng: ”big data”) för att förstå begreppet upplevd social segregation och 2) utforska hur social segregation förklaras av rörelsebeteenden, den byggda miljön och boende i globala regioner genom att utnyttja avancerad teknik inom beräkningsbaserad samhällsvetenskap och mobilitetssystem. Detta projekt kommer att ge djupgående insikter i hur upplevd social segregation fördelar sig över olika regioner, vilket är ett stort steg bortom vår nuvarande förståelse av boendesegregation. Dessutom kan förklaringarna till den observerade sociala segregationen användas för att skapa en effektiv lokalpolitik och stadsplanering som sträcker sig bortom bostadsgränserna, tar itu med frågor om ojämlikhet i fråga om etnicitet, inkomst osv. och främjar mångfald för att stimulera innovation.Abstract: Sustainable urbanisation features diverse populations and social cohesion. However, cities nowadays face deepening social segregation. A better understanding of segregation through innovative perspectives and data is timely and crucial for mitigating social segregation and inequalities. The study of social segregation has mainly focused on residential segregation or the potential opportunities for interactions between groups. Experienced social segregation is determined by the actual interactions between people, which were challenging to capture until big human mobility data became globally available. These mobility data are increasingly used to describe experienced social segregation, but the limited literature rarely explains segregation in a comprehensive way. This project aims to (1) use urban big data to reinvent the concept of experienced social segregation and (2) explore how social segregation is explained by mobility behaviours, the built environment, and residence in global regions, by leveraging advanced techniques in computational social science and mobility systems. This project will provide profound insights into how experienced social segregation distributes across different regions. Moreover, the explanations of observed social segregation can be used to make effective place-based policies and urban planning that go beyond the housing boundaries, address inequality issues of race, income, etc., and promote diversity to boost innovation.
Item type: