La movilidad humana individual es el estudio que describe cómo se mueven los seres humanos individuales dentro de una red o sistema. [1] El concepto se ha estudiado en una serie de campos que se originan en el estudio de la demografía. Comprender la movilidad humana tiene muchas aplicaciones en diversas áreas, incluida la propagación de enfermedades , [2] [3] virus móviles , [4] planificación urbana , [5] [6] [7] ingeniería de tráfico , [8] [9] [10 ] pronóstico del mercado financiero , [11] y pronóstico inmediato del bienestar económico . [12][13]
Datos
En los últimos años, ha habido un aumento en los grandes conjuntos de datos disponibles sobre movimientos humanos. Estos conjuntos de datos generalmente se obtienen de datos de teléfonos celulares o GPS , con diversos grados de precisión. Por ejemplo, los datos del teléfono celular generalmente se registran cada vez que el usuario realiza o recibe una llamada o un mensaje de texto, y contiene la ubicación de la torre a la que se ha conectado el teléfono, así como la marca de tiempo. [14] En las zonas urbanas, el usuario y la torre de telecomunicaciones pueden estar a sólo unos cientos de metros de distancia entre sí, mientras que en las zonas rurales esta distancia puede ser de unos pocos kilómetros. Por lo tanto, existe un grado de precisión variable cuando se trata de localizar a una persona utilizando datos de teléfonos móviles. Estos conjuntos de datos son anonimizados por las compañías telefónicas para ocultar y proteger la identidad de los usuarios reales. Como ejemplo de su uso, los investigadores [14] utilizaron la trayectoria de 100.000 usuarios de teléfonos móviles en un período de seis meses, mientras que en una escala mucho mayor [15] se analizaron las trayectorias de tres millones de usuarios de teléfonos móviles. Los datos del GPS suelen ser mucho más precisos, aunque, por motivos de privacidad , suelen ser mucho más difíciles de adquirir. Se producen enormes cantidades de datos GPS que describen la movilidad humana, por ejemplo, mediante dispositivos GPS integrados en vehículos privados. [16] [17] El dispositivo GPS se enciende automáticamente cuando el vehículo arranca, y la secuencia de puntos GPS que el dispositivo produce cada pocos segundos forma una trayectoria de movilidad detallada del vehículo. Algunos estudios científicos recientes compararon los patrones de movilidad que surgen de los datos de los teléfonos móviles con los que surgen de los datos del GPS. [16] [17] [18]
Los investigadores han podido extraer información muy detallada sobre las personas cuyos datos se ponen a disposición del público. Esto ha provocado una gran preocupación por los problemas de privacidad. Como ejemplo de las responsabilidades que podrían ocurrir, la ciudad de Nueva York liberó 173 millones de viajes individuales en taxi . Los funcionarios de la ciudad utilizaron un algoritmo de criptografía muy débil para anonimizar el número de licencia y el número de medallón, que es un código alfanumérico asignado a cada taxi. [19] Esto hizo posible que los piratas informáticos anonimizaran por completo el conjunto de datos, e incluso algunos pudieron extraer información detallada sobre pasajeros y celebridades específicos, incluido su origen y destino y cuánto dieron de propina. [19] [20]
Caracteristicas
A gran escala, cuando el comportamiento se modela durante un período de duración relativamente largo (por ejemplo, más de un día), la movilidad humana se puede describir mediante tres componentes principales:
- distribución de la distancia de viaje
- radio de giro
- número de ubicaciones visitadas
Brockmann, [21] al analizar los billetes, encontró que la probabilidad de la distancia de viaje sigue una caminata aleatoria sin escala conocida como vuelo de forma de Lévy. dónde . Esto fue confirmado posteriormente por dos estudios que utilizaron datos de teléfonos móviles [14] y datos de GPS para rastrear a los usuarios. [16] La implicación de este modelo es que, a diferencia de otras formas más tradicionales de caminatas aleatorias como el movimiento browniano , los viajes humanos tienden a ser en su mayoría de distancias cortas con algunas de larga distancia. En el movimiento browniano, la distribución de las distancias de viaje está gobernada por una curva en forma de campana, lo que significa que el siguiente viaje es de un tamaño aproximadamente predecible, el promedio, mientras que en el vuelo de Lévy podría ser un orden de magnitud mayor que el promedio.
Algunas personas están intrínsecamente inclinadas a viajar distancias más largas que el promedio, y lo mismo ocurre con las personas con menos ganas de moverse. El radio de giro se usa para capturar precisamente eso e indica la distancia característica recorrida por una persona durante un período de tiempo t. [14] Cada usuario, dentro de su radio de giro, elegirá su distancia de viaje de acuerdo con .
El tercer componente modela el hecho de que los humanos tienden a visitar algunos lugares con más frecuencia de lo que hubiera sucedido en un escenario aleatorio. Por ejemplo, el hogar, el lugar de trabajo o los restaurantes favoritos se visitan mucho más que muchos otros lugares en el radio de giro de un usuario. Se ha descubierto que dónde , que indica un crecimiento sublineal en diferente número de lugares visitados por un individuo. Estas tres medidas capturan el hecho de que la mayoría de los viajes ocurren entre un número limitado de lugares, con viajes menos frecuentes a lugares fuera del radio de giro de un individuo.
Previsibilidad
Aunque la movilidad humana se modela como un proceso aleatorio, es sorprendentemente predecible. Al medir la entropía del movimiento de cada persona, se ha demostrado [15] que existe una previsibilidad potencial del 93%. Esto significa que aunque existe una gran variación en el tipo de usuarios y las distancias que recorre cada uno de ellos, la característica general de ellos es altamente predecible. La consecuencia de esto es que, en principio, es posible modelar con precisión los procesos que dependen de los patrones de movilidad humana, como las enfermedades o los patrones de propagación de virus móviles. [22] [23] [24]
A escala individual, la movilidad humana diaria se puede explicar por solo 17 motivos de la Red . Cada individuo, muestra uno de estos motivos característicamente, durante un período de varios meses. Esto abre la posibilidad de reproducir la movilidad individual diaria utilizando un modelo analítico manejable [25] Los patrones universales de flujo humano en grandes áreas urbanas en las ciudades de Japón durante las horas pico y no pico han sido estudiados por Yohei Shida et al. [26] Se ha descubierto que los patrones son análogos a los caudales de los ríos.
Aplicaciones
Las enfermedades infecciosas se propagan por todo el mundo generalmente debido a los viajes de larga distancia de los portadores de la enfermedad. Estos viajes de larga distancia se realizan utilizando sistemas de transporte aéreo y se ha demostrado que " la topología de la red , la estructura del tráfico y los patrones de movilidad individual son esenciales para realizar predicciones precisas sobre la propagación de enfermedades". [22] En una escala espacial más pequeña, la regularidad de los patrones de movimiento humano y su estructura temporal deben tenerse en cuenta en los modelos de propagación de enfermedades infecciosas. [27] Los virus de los teléfonos móviles que se transmiten a través de bluetooth dependen en gran medida de la interacción y los movimientos humanos. Con más personas que utilizan sistemas operativos similares para sus teléfonos móviles, es mucho más fácil tener una epidemia de virus. [23] La relación entre el tráfico de personas y la propagación inicial de Covid-19 en China se ha analizado en Gross et al. [28]
En la planificación del transporte , aprovechando las características del movimiento humano, como la tendencia a viajar distancias cortas con pocas pero frecuentes ráfagas de viajes de larga distancia, se han realizado mejoras novedosas en los modelos de distribución de viajes , específicamente en el modelo de migración por gravedad [29].
Ver también
- Movilidades
- Transporte privado
- Teoría de redes
- Transportador personal
- Vehículo aéreo personal
- Tránsito rápido personal
- Automóvil
- Automovilidad masiva
- Dependencia del coche
- Bicicleta
- Vuelo de Lévy
- Red sin escala
- Transporte público
- Geografía del transporte y ciencia de redes (wikilibro)
Referencias
- ^ Keyfitz, Nathan (1973). "Movilidad individual en una población estacionaria". Estudios de población . 27 (1 de julio de 1973): 335–352. doi : 10.2307 / 2173401 . JSTOR 2173401 .
- ^ Colizza, V .; Barrat, A .; Barthélémy, M .; Valleron, A.-J .; Vespignani, A. (2007). "Modelado de la propagación mundial de la influenza pandémica: casos de referencia y intervenciones de contención" . PLOS Medicine . 4 (1): 95-110. arXiv : q-bio / 0701038 . Bibcode : 2007q.bio ..... 1038C . doi : 10.1371 / journal.pmed.0040013 . PMC 1779816 . PMID 17253899 .
- ^ Hufnagel, L .; Brockmann, D .; Geisel, T. (2004). "Previsión y control de epidemias en un mundo globalizado" . Proc. Natl. Acad. Sci. USA . 101 (42): 15124-15129. arXiv : cond-mat / 0410766 . Código Bibliográfico : 2004PNAS..10115124H . doi : 10.1073 / pnas.0308344101 . PMC 524041 . PMID 15477600 .
- ^ Pastor-Satorras, Romualdo; Vespignani, Alessandro (2 de abril de 2001). "Propagación de epidemias en redes sin escala". Cartas de revisión física . 86 (14): 3200–3203. arXiv : cond-mat / 0010317 . Código Bibliográfico : 2001PhRvL..86.3200P . doi : 10.1103 / physrevlett.86.3200 . ISSN 0031-9007 . PMID 11290142 . S2CID 16298768 .
- ^ Horner, MW; O'Kelly, ME S (2001). "Incorporación de conceptos de economías de escala para el diseño de redes de hub". J. Transp. Geogr . 9 (4): 255-265. doi : 10.1016 / s0966-6923 (01) 00019-9 .
- ^ Inferir el uso de la tierra a partir de la actividad de telefonía móvil JL Toole, M Ulm, MC González, D Bauer - Actas del ACM SIGKDD international…, 2012
- ^ Rozenfeld, HD; et al. (2008). "Leyes de crecimiento poblacional" . Proc. Natl. Acad. Sci. USA . 105 (48): 18702–18707. arXiv : 0808.2202 . Código Bibliográfico : 2008PNAS..10518702R . doi : 10.1073 / pnas.0807435105 . PMC 2596244 . PMID 19033186 .
- ^ Wang, Pu; Hunter, Timothy; Bayen, Alexandre M .; Schechtner, Katja; González, Marta C. (2012). "Comprensión de los patrones de uso de carreteras en áreas urbanas" . Informes científicos . Springer Science and Business Media LLC. 2 (1): 1001. arXiv : 1212.5327 . Código bibliográfico : 2012NatSR ... 2E1001W . doi : 10.1038 / srep01001 . ISSN 2045-2322 . PMC 3526957 . PMID 23259045 .
- ^ Krings, Gautier; Calabrese, Francesco; Ratti, Carlo; Blondel, Vincent D (14 de julio de 2009). "Gravedad urbana: un modelo para los flujos de telecomunicaciones entre ciudades". Revista de Mecánica Estadística: Teoría y Experimento . Publicación de IOP. 2009 (7): L07003. arXiv : 0905.0692 . doi : 10.1088 / 1742-5468 / 2009/07 / l07003 . ISSN 1742-5468 . S2CID 1445486 .
- ^ D. Li, B. Fu, Y. Wang, G. Lu, Y. Berezin, HE Stanley, S. Havlin (2015). "Transición de filtración en red de tráfico dinámico con cuellos de botella críticos en evolución" . PNAS . 112 (669): 669–672. doi : 10.1073 / pnas.1419185112 . PMC 4311803 . PMID 25552558 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Gabaix, X .; Gopikrishnan, P .; Plerou, V .; Stanley, HE (2003). "Una teoría de distribuciones de ley de potencia en las fluctuaciones del mercado financiero". Naturaleza . 423 (6937): 267–270. Código Bibliográfico : 2003Natur.423..267G . doi : 10.1038 / nature01624 . PMID 12748636 . S2CID 1263236 .
- ^ Stefano Marchetti; et al. (Junio de 2015). "Estimadores basados en modelos de área pequeña que utilizan fuentes de Big Data" . Diario de estadísticas oficiales . 31 (2): 263–281. doi : 10.1515 / jos-2015-0017 .
- ^ L. Pappalardo et al., Uso de Big Data para estudiar el vínculo entre la movilidad humana y el desarrollo socioeconómico , Actas de la conferencia internacional IEEE de 2015 sobre Big Data, Santa Clara, CA, EE. UU., 2015.
- ^ a b c d González, Marta C .; Hidalgo, César A .; Barabási, Albert-László (2008). "Comprensión de los patrones de movilidad humana individual". Naturaleza . 453 (7196): 779–782. arXiv : 0806.1256 . Código Bibliográfico : 2008Natur.453..779G . doi : 10.1038 / nature06958 . ISSN 0028-0836 . PMID 18528393 . S2CID 4419468 .
- ^ a b Límites de previsibilidad en la movilidad humana. C Song, Z Qu, N Blumm, AL Barabási - Ciencia, 2010
- ^ a b c Luca Pappalardo; et al. (29 de enero de 2013). "Comprender los patrones de viaje en automóvil". Revista Física Europea ST . 215 (1): 61–73. Código Bibliográfico : 2013EPJST.215 ... 61P . doi : 10.1140 / epjst / e2013-01715-5 . S2CID 120805149 .
- ^ a b Luca Pappalardo; et al. (8 de septiembre de 2015). "Dicotomía de retornados y exploradores en la movilidad humana" . Comunicaciones de la naturaleza . 6 : 8166. Bibcode : 2015NatCo ... 6.8166P . doi : 10.1038 / ncomms9166 . PMC 4569739 . PMID 26349016 .
- ^ L. Pappalardo et al., Comparación de movilidad general y movilidad en automóvil , Congreso de países BRICS (BRICS-CCI) y XI Congreso Brasileño (CBIC) sobre Inteligencia Computacional, 2013.
- ^ a b "La base de datos pública de taxis de Nueva York le permite ver cómo las celebridades dan propina" . Archivado desde el original el 18 de noviembre de 2014 . Consultado el 15 de noviembre de 2014 .
- ^ Hern, Alex (27 de junio de 2014). "Los detalles de los taxis de Nueva York se pueden extraer de datos anónimos, dicen los investigadores" . The Guardian .
- ^ Brockmann, D .; Hufnagel, L .; Geisel, T. (2006). "Las leyes de escala de los viajes humanos". Naturaleza . 439 (7075): 462–465. arXiv : cond-mat / 0605511 . Código bibliográfico : 2006Natur.439..462B . doi : 10.1038 / nature04292 . ISSN 0028-0836 . PMID 16437114 . S2CID 4330122 .
- ^ a b Nicolaides, Christos; Cueto-Felgueroso, Luis; González, Marta C .; Juanes, Rubén (19 de julio de 2012). Vespignani, Alessandro (ed.). "Una métrica de propagación influyente durante la dinámica del contagio a través de la red de transporte aéreo" . PLOS ONE . Biblioteca Pública de Ciencias (PLoS). 7 (7): e40961. Código bibliográfico : 2012PLoSO ... 740961N . doi : 10.1371 / journal.pone.0040961 . ISSN 1932-6203 . PMC 3400590 . PMID 22829902 .
- ^ a b Wang, P .; González, MC; Hidalgo, CA; Barabasi, A.-L. (1 de abril de 2009). "Comprensión de los patrones de propagación de virus de teléfonos móviles". Ciencia . 324 (5930): 1071–1076. arXiv : 0906.4567 . Código Bibliográfico : 2009Sci ... 324.1071W . doi : 10.1126 / science.1167053 . ISSN 0036-8075 . PMID 19342553 . S2CID 11081201 .
- ^ Colizza, Vittoria; Barrat, Alain; Barthélemy, Marc; Vespignani, Alessandro (21 de noviembre de 2007). "Vías de previsibilidad y epidemia en los brotes mundiales de enfermedades infecciosas: el estudio de caso de SARS" . Medicina BMC . 5 (1): 34. arXiv : 0801.2261 . doi : 10.1186 / 1741-7015-5-34 . ISSN 1741-7015 . PMC 2213648 . PMID 18031574 .
- ^ Schneider, Christian M .; Belik, Vitaly; Couronné, Thomas; Smoreda, Zbigniew; González, Marta C. (6 de julio de 2013). "Desentrañar motivos cotidianos de movilidad humana" . Revista de la interfaz de la Royal Society . La Royal Society. 10 (84): 20130246. doi : 10.1098 / rsif.2013.0246 . ISSN 1742-5689 . PMC 3673164 . PMID 23658117 .
- ^ Y Shida, H Takayasu, S Havlin, M Takayasu (2020). "Leyes de escala universal de patrones de flujo humano colectivo en regiones urbanas" . Informes científicos . 10 (1): 21405. doi : 10.1038 / s41598-020-77163-2 . PMC 7722863 . PMID 33293581 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Belik, Vitaly; Geisel, Theo; Brockmann, Dirk (8 de agosto de 2011). "Patrones naturales de movilidad humana y propagación espacial de enfermedades infecciosas" . Physical Review X . 1 (1): 011001. arXiv : 1103.6224 . Código bibliográfico : 2011PhRvX ... 1a1001B . doi : 10.1103 / physrevx.1.011001 . ISSN 2160-3308 .
- ^ B Gross, Z Zheng, S Liu, X Chen, A Sela, J Li, D Li, S Havlin (2020). "Propagación espacio-temporal de epidemias de COVID-19". Cartas de Europhysics . 131 (5): 58003–58008. arXiv : 2003.08382 . doi : 10.1209 / 0295-5075 / 131/58003 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Simini, Filippo; González, Marta C .; Maritano, Amos; Barabási, Albert-László (26 de febrero de 2012). "Un modelo universal de patrones de movilidad y migración". Naturaleza . 484 (7392): 96–100. arXiv : 1111.0586 . Código bibliográfico : 2012Natur.484 ... 96S . doi : 10.1038 / nature10856 . ISSN 0028-0836 . PMID 22367540 . S2CID 4431030 .