“ข้อมูลเคลื่อน เมืองเปลี่ยน”

หากเปรียบเมืองเป็นชีวิตคน การพัฒนาตัวเองได้นั้น ก็จำเป็นต้องรู้ว่าจะพัฒนาไปในทิศทางไหน ตัวเองมีอะไร เก่งด้านไหนบ้าง ต้องใช้เงินมากน้อยเท่าไหร่ สิ่งเหล่านี้ต่างเป็นข้อมูลที่เราต้องมี และหากกลับมาดูบริบทเมืองที่มีความซับซ้อน แน่นอนว่าต้องใช้ข้อมูลในมิติที่หลากหลาย และข้อมูลเหล่านี้เองก็จะเป็นตัวขับเคลื่อนการพัฒนาเมือง

Mobility Data คือเครื่องมือในการทำความเข้าใจการใช้ชีวิตของเมืองในยุคปัจจุบันผ่านการสะท้อนพฤติกรรมของผู้คนแบบเรียลไทม์ ให้เห็นถึงการใช้ชีวิตในแต่ละบริเวณและช่วงเวลา ได้อย่างแม่นยำและครอบคลุม

โครงการ “Dynamic Cities via Mobility Data หลากชีวิตในเมืองที่โลดแล่น” จึงถือเป็นอีกก้าวสำคัญของความร่วมมือระหว่าง ทรู คอร์ปอเรชั่น และ ศูนย์ออกแบบและพัฒนาเมืองจุฬาลงกรณ์มหาวิทยาลัย (UDDC) ที่จุดประกายความเป็นไปได้ใหม่ ๆ ในการพัฒนาเมือง

“เข้าใจเมือง เข้าใจผู้คน ผ่านข้อมูลดิจิทัล”

เข้าใจจังหวะชีวิตผู้คนในเมือง สู่การตั้งคำถามใหม่เกี่ยวกับความสัมพันธ์ระหว่างโครงสร้างเมืองกับวิถีชีวิตของผู้คนด้วย Mobility Data

จากการศึกษา ทำให้พบข้อมูลพฤติกรรมของผู้คนและเมืองที่น่าสนใจใน 3 มิติหลัก ดังนี้

1. มิติพื้นที่เมือง

2. มิติเวลา

3. มิติพฤติกรรมคนเมือง

นายอดิศักดิ์ กันทะเมืองลี้ รองผู้อำนวยการศูนย์ออกแบบและพัฒนาเมือง (UddC) จุฬาลงกรณ์มหาวิทยาลัย ซึ่งเป็นหัวหน้าทีมวิเคราะห์ข้อมูลโครงการนี้ได้ กล่าวว่า “Mobility Data ช่วยให้เข้าใจเมืองในแบบที่ข้อมูลดั้งเดิมไม่อาจระบุได้ โดยเฉพาะการสะท้อนพฤติกรรมของผู้คนแบบเรียลไทม์” พร้อมยกตัวอย่างข้อมูลเชิงลึกที่ได้จากการศึกษาในครั้งนี้ ซึ่งสามารถนำไปต่อยอดสู่การออกแบบเมืองที่เป็นมิตรสำหรับทุกคน และผลักดันให้เป็นนโยบายสาธารณะที่ตรงจุดมากขึ้น โดยเราได้ยก 5 ตัวอย่างข้อมูลเชิงลึกจากการวิเคราะห์ด้วย Mobility Data เพื่อให้เราได้เข้าใจพฤติกรรมของคนเมืองได้มากขึ้น

ยกตัวอย่าง 5 insight ที่น่าสนใจที่ได้จากการวิเคราะห์ด้วย Mobility Data ทำให้เราได้เข้าใจพฤติกรรมของคนเมืองได้มากขึ้น ผ่าน 5 insight ดังนี้

1. First jobber x Real-Estate

ปัจจุบัน First Jobber มีบทบาทสำคัญอย่างมากในตลาดอสังหาริมทรัพย์ เนื่องจากส่วนใหญ่มักมองหาที่อยู่อาศัยที่ราคาเข้าถึงได้และสะดวกในการเดินทางไปทำงาน เช่น คอนโดมิเนียมในทำเลที่มีระบบขนส่งสะดวก สิ่งอำนวยความสะดวกครบครัน และ การลงทุนในพื้นที่ที่มีแนวโน้มเติบโตในอนาคต ซึ่งจากข้อมูลความหนาแน่นของกลุ่มวัย และ พื้นที่ที่มีบ้านและงานสมดุล ทำให้เห็นว่ากลุ่ม First Jobber หลายคนเลือกอยู่ในพื้นที่ที่มีบ้านและงานสมดุล เช่น พื้นที่ พระราม 1- ปทุมวัน และพบว่ายังมีพื้นที่ที่มีการกระจุกตัวของ First Jobber แต่ยังไม่มีบ้านและงานที่เพียงพอ เช่น บางกะปิ รามคำแหง อ่อนนุช การเข้าใจพฤติกรรมของกลุ่มนี้ช่วยให้ผู้ประกอบสามารถพัฒนาโครงการได้ตรงกับความต้องการของกลุ่มประชากร First jobber มากยิ่งขึ้น และสามารถเป็นแนวทางในการเลือกพื้นที่ยุทธศาสตร์เพื่อพัฒนาพื้นที่ได้ต่อไป

2. ศุกร์ที่แสนสดใส

จากแบบจำลองวันศุกร์ที่แสนสดใส คุณจะพบว่าคนมากมายเริ่มต้นวันตั้งแต่เช้าตรู่ ลาจากบ้านที่อยู่นอกเมืองเข้ามาทำงานภายในเมือง จนกระทั่ง 10.00 น. พื้นที่ทำงานหนาแน่น ทั้งอโศก สีลม สาทร รวมถึงศูนย์ราชการ และพื้นที่อื่น ๆ เที่ยงก็ออกไปทานข้าว บางคนทานใกล้ที่ทำงาน บางคนออกไปไกลหน่อย ถึงเวลากลับมาทำงาน ตกเย็น 18.00 น. เลิกงาน หลายคนเริ่มเดินทางกลับบ้าน แต่บางคนก็แวะพักหรือทำธุระระหว่างทาง หลังจาก 20.00-22.00 น. เมืองยังคงคึกคัก คนยังอยู่ในพื้นที่ทำงานและย่านต่าง ๆ เป็นวันธรรมดาวันหนึ่ง ที่ทำให้เราเห็นชีวิตของคนเมืองได้อย่างชัดเจน และสามารถนำข้อมูลเหล่านี้ไปวิเคราะห์ต่อไปได้

3. ย่านนี้วัยไหน

จากผลการวิเคราะห์พฤติกรรมของผู้คนในกรุงเทพฯ แบ่งออกเป็น 5 ช่วงวัยหลัก ๆ ได้แก่:

วัยเรียน (ต่ำกว่า 18 ปี): กลุ่มนี้ส่วนใหญ่จะอยู่ในพื้นที่โรงเรียนและการศึกษา เช่น จุฬาฯ, สวนกุหลาบ และบางกะปิ วัยมหาวิทยาลัย (18-22 ปี): มีการกระจุกตัวในพื้นที่รอบมหาวิทยาลัยและศูนย์การศึกษาหลัก ๆ เช่น จุฬาฯ, มศว, เกษตร, ลาดกระบัง, บางมด และศรีปทุม

กลุ่ม First Jobber (23-30 ปี): กลุ่มนี้มักจะเลือกอาศัยในพื้นที่ที่มีราคาที่อยู่อาศัยเข้าถึงได้ เช่น อ่อนนุช, บางกะปิ, รามคำแหง, ห้วยขวาง, พระราม 7, ประชาชื่น, และวงเวียนใหญ่ โดยไม่จำเป็นต้องอยู่ในใจกลางเมือง

วัยเกษียณ (60 ปีขึ้นไป): วัยเกษียณจะกระจุกตัวในพื้นที่ย่านเมืองเก่า โดยเฉพาะในฝั่งธนบุรีและฝั่งพระนคร ซึ่งส่วนใหญ่มักจะไปอยู่ในพื้นที่ศูนย์กลางเมืองและมีการกระจายไปยังชานเมือง

และกลุ่มสุดท้าย กลุ่มวัยทำงาน (31-60 ปี): พบว่ามีการกระจายตัวอยู่รอบกรุงเทพฯ รวมถึงใจกลางเมือง ซึ่งเป็นแหล่งงานสำคัญ เช่น อโศก, สาทร และ สีลม

การศึกษานี้ ทำให้เห็นถึงพฤติกรรมการใช้ชีวิตของแต่ละช่วงวัย และเห็นถึงพื้นที่ที่มีการผสมผสานของช่วงอายุ ซึ่งสามารถนำไปเป็นข้อมูลในการพัฒนาพื้นที่ยุทธศาสตร์ได้ต่อไป

4. Retirement + career

เมื่อวัยทำงานก้าวเข้าสู่วัยเกษียณ หลายคนยังคงเลือกที่จะทำงานต่อไป แม้ว่าจะมีอายุที่เพิ่มขึ้น และมองว่าอายุไม่ใช่อุปสรรคในการทำงาน จากการวิเคราะห์ข้อมูลความหนาแน่นของแต่ละกลุ่มวัยและการกระจุกตัวของพื้นที่ในสามรูปแบบ (ที่อยู่อาศัย, การทำงาน, และการกิน/เที่ยว) เราพบว่า ผู้สูงอายุหรือวัยเกษียณมักจะกระจุกตัวอยู่นอกเมือง ซึ่งแตกต่างจากแหล่งงานที่มักกระจุกตัวอยู่ในพื้นที่ใจกลางเมือง ทำให้เห็นได้ชัดว่าแหล่งงานและพื้นที่ที่ผู้สูงอายุอาศัยอยู่นั้นห่างกันมาก ซึ่งอาจสะท้อนให้เห็นว่า ประชากรวัยเกษียณอาจไม่จำเป็นต้องอยู่ใกล้แหล่งงานในใจกลางเมือง เนื่องจากประเภทของงาน แต่ยังสามารถทำงานในพื้นที่ที่ไม่ได้ไกลเมืองจนเกินไป ซึ่งส่วนใหญ่กระจุกตัวอยู่ในพื้นที่ที่สามารถเข้าถึงสิ่งอำนวยความสะดวกได้ ข้อมูลเหล่านี้สามารถนำมาประยุกต์ใช้ในการวางยุทธศาสตร์การพัฒนาเมืองที่รองรับการเป็นเมืองสำหรับผู้สูงอายุได้

5. บ้านและงานสมดุล

จากข้อมูลของ Mobility Data เราสามารถระบุการเชื่อมโยงของพื้นที่เมืองได้ 3 มิติหลัก ได้แก่ พื้นที่ที่อยู่อาศัย (Live), พื้นที่ทำงาน (Work) และ พื้นที่กิน/เที่ยว (Visit) ซึ่งช่วยให้เห็นการกระจุกตัวของพื้นที่ในแต่ละประเภทได้อย่างชัดเจน

จากการวิเคราะห์ยังพบว่า บริเวณที่มีทั้งพื้นที่ทำงานและพื้นที่กิน/เที่ยวใกล้กัน มักมีความสมดุลระหว่างที่อยู่อาศัยและงาน ซึ่งช่วยลดระยะเวลาในการเดินทางได้ นอกจากนี้ พื้นที่ที่น่าสนใจในการพัฒนา เช่น รามคำแหง, บางกะปิ, ลาดพร้าว, บางซื่อ, รัชดา, ห้วยขวาง, เตาปูน และประชาชื่น ที่มีศักยภาพในการเชื่อมโยงพื้นที่ทั้งสามมิติอย่างลงตัว

“Mobility Data สร้างความแตกต่างในการมองเมือง”

จากวิธีการแก้ปัญหาแบบเดิมสู่วิธีการใหม่ ๆ เพื่อสร้างผลลัพธ์ที่แตกต่าง เมื่อการพัฒนาเมืองมาสู่ยุคที่ขับเคลื่อนด้วยข้อมูล ซึ่งนำไปสู่การกระบวนการการขับเคลื่อนเมืองด้วยข้อมูลอย่างแท้จริง โดย Mobility Data ช่วยนำไปสู่การวิเคราะห์ 4 ด้าน ดังนี้

Big Data (ข้อมูลที่สำคัญ) สามารถนำไปสู่การ identify ปัญหาได้หลากหลายมิติ

Collaboration (การสร้างความร่วมมือ) การสร้างความร่วมมือกับเครือข่าย หรือภาคส่วนที่มีความเกี่ยวข้อง

Decision making (การตัดสินใจ) ที่มีข้อมูลที่แม่นยำเป็นข้อสนับสนุนประกอบการตัดสินใจ สามารถจัดลำดับความสำคัญ เพื่อให้เกิดการออกแบบการแก้ไขปัญหา

Problem solving (การแก้ปัญหา) สร้าง solution ใหม่ในการพัฒนาเมือง และนำไปสู่ข้อเสนอแนะเชิงนโยบายเพื่อพัฒนาเมืองต่อไป

สิ่งเหล่านี้จึงเป็นกุญแจสำคัญในการก้าวสู่เมืองที่น่าอยู่สำหรับทุกคน ส่งเสริมการพัฒนาเมืองที่ไม่เพียงแต่ตอบสนองต่อความต้องการของประชาชนเท่านั้น แต่ยังสามารถเติบโตและปรับตัวตามการเปลี่ยนแปลงของโลกได้อย่างมั่นคงในอนาคต

และจากการวิเคราะห์จากข้อมูลนิรนาม Anonymous Data ที่ได้จากข้อมูล Mobility Data มาวิเคราะห์ด้วยระบบตาราง Grid System ซึ่งแบ่งออกเป็น 2 ขนาด คือ 1x1 kilometers เพื่อศึกษาพฤติกรรมของคนเมืองในภาพกว้าง และ 250x250 meters เพื่อศึกษาพฤติกรรมเชิงลึกของคนเมือง ทำให้สามารถเข้าใจพฤติกรรมของคนเมืองได้อย่างมีประสิทธิภาพ และความแม่นยำมากขึ้น ซึ่งนำไปสู่ข้อเสนอแนะอันเป็นประโยชน์ต่อการวางแผนออกแบบนโยบายในการพัฒนาและฟื้นฟูเศรษฐกิจของประเทศต่อไป

เชิญชวนทุกคนมาค้นหารหัสจังหวะชีวิตของคุณ และเมือง ได้ที่