Movilidad
Un nuevo modelo matemático mejora la predicción de la movilidad humana entre ciudades
La fórmula, desarrollada por un equipo investigador de la URV, describe con precisión los patrones de movimiento de las personas
Imagen del tráfico en una ciudad.
Investigadores de la Universidad Rovira i Virgili (URV) han diseñado un modelo matemático para predecir la movilidad humana entre ciudades a partir de un algoritmo que describe con precisión los patrones de movimiento de las personas.
Este nuevo método, en el que han participado investigadores de la Northeastern University y la Universidad de Pensilvania (Estados Unidos), combina técnicas de aprendizaje automático, física estadística y estadística bayesiana para equilibrar de manera eficiente la complejidad y la precisión del modelo.
«Con este nuevo algoritmo -que llaman robot científico- podemos identificar cuáles son los modelos más plausibles que explican los datos observados, en nuestro caso, los flujos de movilidad», ha explicado Marta Sales-Pardo, del grupo de investigación SeesLab de la URV.
«Hemos desarrollado una herramienta muy poderosa para el descubrimiento científico y la modelización basada en datos», ha añadido Roger Guimerà, profesor de investigación ICREA del mismo grupo.
Según los investigadores, este modelo puede ayudar a planificar infraestructuras viales y servicios de transporte público con mayor eficiencia, lo que optimizará la distribución de recursos y reducirá la congestión.
También es útil en el campo de la salud pública, ya que puede contribuir a modelar la propagación de enfermedades infecciosas, al permitir entender cómo se mueven las personas, como pueden transmitir virus y otros patógenos de una zona a otra y, así, diseñar estrategias de contención en casos de pandemia.
Además, la capacidad de predecir la movilidad humana tiene implicaciones para la sostenibilidad, ya que puede ayudar a gestionar mejor el consumo de energía y reducir las emisiones de gases de efecto invernadero asociadas al transporte.
«Como únicamente utiliza las variables de población y distancia, sólo son necesarios unos mínimos ajustes en los parámetros para extrapolar las predicciones a otros entornos geográficos», ha asegurado el investigador Oriol Cabanas, que ha participado en el estudio, cuyos resultados se han publicado en la revista Nature Communications.