La importància de la mobilitat en el món actual
Entendre quantes persones es desplacen entre dues ciutats en un període concret és crucial per a múltiples sectors. Aquesta informació és fonamental no només per al disseny eficient d’infraestructures de transport, sinó també per a la salut pública, com es va evidenciar durant la crisi sanitària provocada per la COVID-19. Conèixer els patrons de mobilitat pot ajudar a anticipar la propagació de virus i altres agents infecciosos.
Un avanç en la investigació de la mobilitat
Un equip de recerca de la Universitat Rovira i Virgili (URV), en col·laboració amb experts de la Northeastern University i la Universitat de Pennsilvània, ha desenvolupat un nou model matemàtic capaç de predir la mobilitat humana amb una precisió inèdita. Els resultats han estat publicats recentment a la revista Nature Communications, i representen un pas significatiu cap a una comprensió més clara dels desplaçaments humans.
Models tradicionals vs. models moderns
Històricament, els models gravitacionals han estat la norma per analitzar la mobilitat. Inspirats en la llei de la gravitació de Newton, aquests models es basen en la població i la distància entre ciutats per predir el flux de persones. No obstant això, la seva simplicitat pot limitar la seva precisió. En canvi, els models d’aprenentatge automàtic que han emergit recentment incorporen una gamma més àmplia de variables, com ara la densitat de serveis i la infraestructura viària, però sovint són difícils d’interpretar.
La innovació del ‘robot científic’
L’equip de SeesLab ha aconseguit fusionar els millors aspectes dels models tradicionals i dels més moderns. Amb un algoritme anomenat ‘robot científic’, han creat un nou model que no només iguala la precisió dels models d’aprenentatge automàtic, sinó que també és més accessible i interpretable. Marta Sales-Pardo, membre de l’equip, destaca que aquest model permet identificar els patrons de mobilitat de manera clara i comprensible.
Extrapolació a diferents contextos
Una de les característiques més destacades d’aquest nou model és la seva capacitat d’extrapolació. Oriol Cabanas, un dels investigadors implicats, explica que la seva metodologia pot aplicar-se a diferents territoris amb mínims ajustos, facilitant l’anàlisi de la mobilitat en diverses àrees, tant urbanes com rurals.
Aplicacions pràctiques del model
Les aplicacions d’aquest model són àmplies i variades. En el camp de l’urbanisme, pot ser instrumental per a la planificació d’infraestructures viàries i serveis de transport públic, millorant l’eficiència en la distribució de recursos i contribuint a reduir la congestió. A més, la seva aplicació en salut pública podria ser decisiva per gestionar la propagació de malalties infeccioses.
Implicacions per a la sostenibilitat
A més, la capacitat de predir la mobilitat humana té un impacte directe en la sostenibilitat. Aquest model pot ajudar a optimitzar el consum d’energia i minimitzar les emissions de gasos d’efecte hivernacle associades al transport, contribuint així a un futur més sostenible.
Futur de la investigació en mobilitat
El grup de recerca SeesLab no es deté aquí. Actualment, exploren la incorporació de noves variables per augmentar encara més la precisió del model, obrint la porta a un futur prometedor en l’estudi de la mobilitat humana.