La importancia de la movilidad en el mundo de hoy
Comprender cuántas personas viajan entre dos ciudades en un período específico es crucial para múltiples sectores. Esta información es esencial no solo para el diseño eficiente de la infraestructura de transporte, sino también para la salud pública, como se evidencia durante la crisis de salud causada por CoVID-19. Conocer patrones de movilidad puede ayudar a anticipar la propagación de virus y otros agentes infecciosos.
Un avance en la investigación de movilidad
Un equipo de investigación de la Universidad Rovira I Virgili (URV), en colaboración con expertos en la Universidad del Nordeste y la Universidad de Pensilvania, ha desarrollado un nuevo modelo matemático capaz de predecir la movilidad humana con precisión sin precedentes. Los resultados se han publicado recientemente en la revista Nature Communications, y representan un paso significativo hacia una comprensión más clara de los viajes humanos.
Modelo de Tradals vs. modelo de moda
Históricamente, los modelos gravitacionales han sido la regla para analizar la movilidad. Inspirados en la ley de gravitación de Newton, estos modelos se basan en la población y la distancia entre las ciudades para predecir el flujo de personas. Sin embargo, su simplicidad puede limitar su precisión. Por el contrario, los modelos de aprendizaje automático que han surgido recientemente incorporan una gama más amplia de variables, como la densidad de los servicios y la infraestructura vial, pero a menudo son difíciles de interpretar.
La innovación del ‘robot científico’
El equipo SEESLAB ha logrado fusionar los mejores aspectos de los modelos tradicionales y más modernos. Con un algoritmo llamado ‘robot científico’, han creado un nuevo modelo que no solo equivale a la precisión de los modelos de aprendizaje automático, sino que también es más accesible e interpretable. Marta Sales-Pardo, miembro del equipo, enfatiza que este modelo permite identificar los patrones de movilidad de una manera clara y comprensible.
Extrapolación a diferentes contextos
Uno de los aspectos más destacados de este nuevo modelo es su capacidad de extrapolación. Oriol Cabanas, uno de los investigadores involucrados, explica que su metodología puede aplicarse a diferentes territorios con ajustes mínimos, facilitando el análisis de la movilidad en varias áreas, tanto urbanas como rurales.
Aplicaciones prácticas del modelo
Las aplicaciones de este modelo son amplias y variadas. En el campo de la planificación urbana, puede ser fundamental en la planificación de la infraestructura vial y los servicios de transporte público, mejorando la eficiencia en la distribución de recursos y ayudando a reducir la congestión. Además, su aplicación de salud pública podría ser decisiva en la gestión de la propagación de enfermedades infecciosas.
Implicaciones para la sostenibilidad
Además, la capacidad de predecir la movilidad humana tiene un impacto directo en la sostenibilidad. Este modelo puede ayudar a optimizar el consumo de energía y minimizar las emisiones de gases de efecto invernadero asociados con el transporte, lo que contribuye a un futuro más sostenible.
Futuro de la investigación de movilidad
El grupo de investigación SEESLAB no se detiene aquí. Actualmente exploran nuevas variables para aumentar aún más la precisión del modelo, abriendo la puerta a un futuro prometedor en el estudio de la movilidad humana.