Исследование «Универсальная модель индивидуальной и популяционной мобильности в различных пространственных масштабах» было опубликовано 21 ноября в выпуске Nature Communications.Исследование проводил Ин-Ченг Лай, профессор электротехники, вычислительной техники и энергетики в АГУ.
Он работал с Сио-Юн Яном и Цзи-Ю-Гао из Института науки и техники транспортных систем Пекинского университета Цзяотун и Вэнь Сюй Ван из Школы системных наук и Центра исследования сложности Пекинского педагогического университета.Исследователи обнаружили, что, основываясь на эмпирических данных с мобильных телефонов и записей GPS, люди наиболее склонны путешествовать в «привлекательные» места, которые они посещали раньше, и эти перемещения не зависят от размера региона.
Новый метод мобильности использует математические вычисления на основе этих данных, обеспечивая понимание, которое можно различить независимо от размера отслеживаемого региона.«Новый метод прогнозирования мобильности важен, потому что он работает как в индивидуальном, так и в популяционном масштабе, независимо от размера региона», — пояснил профессор Университета штата Аризона Ин-Ченг Лай. «До сих пор для прогнозирования движения в больших странах по сравнению с небольшими странами или городами были необходимы разные модели. Вы не могли использовать те же методы прогнозирования для таких стран, как США или Китай, которые вы использовали бы для Бельгии или Франции».
Информация, собранная с помощью нового процесса, будет полезна для множества задач прогнозирования, таких как нанесение на карту потенциального распространения болезней, планирование городского транспорта и планирование местоположения для служб и предприятий, таких как рестораны, больницы, полиция и пожарные депо.Отслеживание перемещений людей началось около десяти лет назад и показало необходимость в двух разных моделях прогнозирования — одной для больших географических областей, таких как большие страны, и одной для небольших стран или городов.
Кроме того, масштабное отслеживание в настоящее время основывается на измерении потока перемещений между местоположениями и траекторий перемещения в определенные временные рамки, что требует больших объемов личных данных. Новый алгоритм, основанный исключительно на распределении населения, предлагает альтернативный, более практичный подход.