Entendiendo patrones individuales de movimiento

humano

Marta C. Gonzalez Cesar A. Hidalgo & Albert-Laszlo Barabasi

Ppt:Diego O. Ramos

• Nuestra comprensión de las leyes básicas que rigen el movimiento humano sigue siendo limitada por falta de herramientas para controlar la ubicación de las personas.

• Este conocimiento es Importante para la planificación urbana, el pronóstico de tráfico y la propagación de virus.

• Este estudio estudia la trayectoria de 100.000 usuarios de teléfonos móviles anónimos, cuya posición se sigue durante seis meses.

• Se encuentra un contraste con las trayectorias aleatorias predichas por el modelo de vuelo y caminata aleatoria del matemático Paul Pierre Levy, donde los crecimientos son medidos y distribuidos de acuerdo a una probabilidad de distribución de cola gruesa (heavy tailed), con una distribución de variación infinita.

• En este caso comprueban que las trayectorias humanas muestran un alto grado de regularidad espacial y temporal, caracterizándose por una forma de independencia temporal en las distancias de viaje y una probabilidad significativa de volver a algunos lugares muy frecuentados.

• Los humanos siguen patrones de viajes fácilmente reproducibles. Esta similitud podría impactar en todos los fenómenos y estudios de la movilidad humana.

• Por los factores diversos que influyen en las pautas de movilidad de las poblaciones las trayectorias suelen ser aproximadas, medidas con modelos de aleatoreidad o difusión. Tanto en humanos como animales.

• En poblaciones humanas a través de un estudio hecho sobre la distribución de un millón de billetes bancarios – transportados por individuos - se descubrió que el movimiento humano cumplía con la forma fat tailed del modelo de Levy.

• Así se describían las trayectorias humanas como movimientos aleatorios de tiempo continuo, con desplazamientos fat-tailed y distribuciones de tiempos de espera.

• Se vio que la mayor parte del tiempo viajamos sólo cortas distancias, entre sitios regulares como hogar y trabajo, mientras que sólo ocasionalmente hacemos viajes más largos.

• La falla del modelo: cada avistamiento consecutivo de un billete reflejaba el movimiento compuesto de dos o más personas dueñas del dinero entre dos avistamientos reportados. Por eso no estaba claro si la distribución refleja el movimiento de usuarios individuales o de alguna convolución desconocida anteriormente entre heterogeneidades de base de la población y trayectorias individuales humanas.

• Nuevo modelo propuesto: los teléfonos móviles son llevados por la misma persona durante su rutina diaria, dando un modelo mejor para captar trayectorias individuales humanas.

• Se utilizaron dos conjuntos de datos para estudiar el patrón de movilidad de las personas.

• El primero: los patrones de movilidad registrados durante un período de seis meses con 100.000 personas seleccionadas al azar de una muestra de más de 6 millones de usuarios de teléfonos móviles anónimos (D1).

• Cada vez que un usuario iniciaba o recibía una llamada o un mensaje de texto, se registraba la ubicación de la torre de retransmisión de la comunicación, permitiéndonos reconstruir la trayectoria temporal del usuario.

• El tiempo entre llamadas consecutivas seguían un patrón de "ráfagas“. Aunque la mayoría de llamadas consecutivas se posicionan inmediatamente después de una llamada anterior, suele haber largos períodos de tiempo sin contacto.

• Por estos comportamientos irregulares se estudió un segundo conjunto de datos, que captó la ubicación de 206 usuarios de telefonía móvil, registrados cada dos horas durante toda una semana (D2).

• En ambos conjuntos de datos, la resolución espacial se determinó por la densidad local de más de 104 torres móviles, registrando movimiento sólo cuando el usuario se movía entre áreas con servicio brindado por diferentes torres.

• El área promedio de servicio de cada torre era de aproximadamente 3 km2, y cerca del 30% de las torres ocupaban una superficie de 1 km2 o menos.

• Se captaron 16.264.308 desplazamientos en D1 y 10.407 desplazamientos en D2, la distribución de los desplazamientos de todos los usuarios fue muy cercana a una truncated power-law. El exponente de expansión observado fue cercano a los resultados del modelo de los billetes.

• Surgen tres hipótesis. A: cada persona sigue una trayectoria Levy con distribución en forma de salto. B: la distribución captó una heterogeneidad de base en la población, lo que corresponde a diferencias intrínsecas entre individuos. C: la heterogeneidad de base de una población coexiste con trayectorias Levy individuales, generándose una convolución.

• Se establece que los patrones de viaje de los usuarios individuales pueden ser aproximados por un modelo de vuelo Levy hasta una distancia específica, más allá del cual se ven limitados.

• Por lo tanto, los grandes desplazamientos, que son la fuente de la naturaleza distintiva y anómala de los vuelos de Levy vuelos, son estadísticamente inexistentes.

• Para explorar si los individuos vuelven al mismo lugar una y otra vez, se clasificó

cada lugar sobre la base de la cantidad de veces que una persona era registrada en su proximidad.

• Se descubrió que la probabilidad de encontrar un usuario en un lugar determinado es independiente del número de lugares visitados.

• Las personas dedican la mayor parte de su tiempo a unos pocos lugares muy frecuentados.

• Esta regularidad no se aplica a los billetes de banco, que siempre sigue la trayectoria de su actual propietario. Los billetes se esparcen, los humanos no.

• Datos bonus track: La mayor parte de la gente se mueve dentro de un radio de menos de 10 Km, sólo se encontraron unos pocos que se desplazaban unos 200 kilómetros de manera regular.

• Usos posibles: dada la correlación conocida entre la proximidad espacial y los vínculos sociales, los resultados podrían ayudar a cuantificar el rol del espacio en el desarrollo y evolución de la red y mejorar nuestra comprensión de los procesos de difusión.