Nacrt:Individualna mobilnost
Individualna ljudska mobilnost je studija koja opisuje kako se individualci kreću unutar mreže ili sustava.[1] Koncept je proučavan u nizu područja koja potječu iz proučavanja demografije. Razumijevanje ljudske mobilnosti ima mnogo primjena u različitim djelatnostima, uključujući širenje bolesti,[2][3] mobilne viruse,[4] gradsko planiranje,[5][6][7] prometni inženjering,[8][9] predviđanje financijskog tržišta,[10] i predviđanje trenutne ekonomske dobrobiti. [11][12]
Podaci
urediPosljednih godina došlo je do porasta dostupnosti velikih skupova podataka o ljudskim kretanjima. Najčešće se ti skupovi podataka, sa različitim stupnjevima točnosti, dobivaju iz mobilnih podataka ili GPS-a. Na primjer, mobilni podaci obično se bilježe kad god je korisnik uputio ili primio poziv ili tekstualnu poruku, a sadrže lokaciju telekomunikacijskog tornja s kojim je telefon povezan kao i vremensku oznaku.[13] U urbanim sredinama korisnik i telekomunikacijski toranj mogu biti udaljeni nekoliko stotina metara jedan od drugog, dok u ruralnim područjima ta udaljenost može biti i nekoliko kilometara. Iz tog razloga, postoje različite varijacije točnosti kada se radi o lociranju osobe pomoću mobilnih podataka. Ove skupove podataka anonimiziraju telefonske tvrtke kako bi se sakrio i zaštitio indetitet stvarnih korisnika. Kao primjer njegove uporabe, istraživači[13] su koristili putanju 100.000 korisnika mobitela u razdoblju od šest mjeseci, dok su u puno večem opsegu analizirane putanje od tri milijuna korisnika mobitela. GPS podaci obično su puno precizniji iako ih je obično, zbog brige o privatnosti, mnogo teže dobiti. Ogromne količine GPS podataka koji opisuju ljudsku mobilnost proizvode, na primjer, ugrađeni GPS uređaji na privatnim vozilima.[14][15] GPS uređaj se automatski uključuje kada vozilo krene, a niz GPS točaka, koje uređaj proizvodi svakih nekoliko sekundi, oblikuju detaljnu putanju kretanja vozila. Neke nedavne znanstvene studije usporedile su obrasce mobilnosti podataka mobilnih telefona s onima dobivenim iz GPS podataka.[14][15]
Istraživači su uspjeli izvuči vrlo detaljne podatke o ljudima čiji su podaci dostupni javnosti. To je izazvalo veliku zabrinutost oko pitanja privatnosti. Kao primjer onoga što bi se moglo dogoditi, New York City je izdao 173 milijuna pojedinačnih vožnji taksijem. Gradski službenici koristili su vrlo slab kriptografski algoritam za anonimiziranje broja dozvola i broja medaljona, koji je alfanumerički kod dodijeljen svakom taksiju.[16] To je omogućilo hakerima da potpuno deanonimiziraju skup podataka, a neki su čak uspjeli izvući detaljne informcije o određenim putnicima i slavnim osobama, uključujući njihovo polazište i odredište te koliku su napojnicu dali.[16][17]
Karakteristike
urediU velikom razmjeru, kada se ponašanje modelira tijekom relativno dugog razdoblja (npr. više od jednog dana) ljudska se mobilnost može opisati s tri glavne komponente:
- distribucija udaljenosti putovanja
- polumjer kružnog kretanja
- broj posjećenih lokacija
Brockmann je,[18] analizirajući novčanice, otkrio da vjerojatnost prijeđene udaljenosti slijedi slučajmi hoda bez razmjera poznat kao Lévyev let forme gdje je . To su kasnije potvrdile dvije studije koje su koristile mobilne podatke[13] i GPS podatke za praćenje korisnika.[14] Implikacija ovog modela je da, za razliku od drugih tradicionalnijih oblika nasumičnog hoda kao što je Brownovo gibanje, ljudska putovanja imaju uglavnom kratke sa nekoliko većih udaljenosti. U Brownovom kretanju, raspodjelom udaljenosti putovanja upravlja krivulja u obliku zvona, što znači da je slijedeće putovanje otprilike predvidljive prosječne udaljenosti, dok bi u Lévyjevom letu putovanje moglo biti duže od prosječne udaljenosti.
Neki su ljudi sami po sebi skloni prijeći udaljenosti duže od prosjeka, a isto vrijedi i za osobe s manjom potrebom za kretanjem. Radijus oscilacije koristi se za hvatanje upravo toga i označava karakterističnu udaljenost koju osoba prijeđe tijekom vremenskog razdoblja t.[13] Svaki korisnik, unutar svog radijusa oscilacije , odabrat će svoju udaljenost putovanja prema .
Treća komponenta modelira činjenicu da ljudi posjećuju neke lokacije češće nego što bi se dogodilo prema slučajnom scenariju. Naprimjer, dom ili radno mjesto ili omiljeni restorani posjećuju se mnogo više od mnogih drugih mjesta u radijusu kretanja korisnika. Otkriveno je da where , što ukazuje na sublinearni rast različitog broja mjesta koje pojedinac posjećuje. Ove tri mjere obuhvaćaju činjenicu da se većina putovanja događa između ograničenog broja mjesta, s rjeđim putovanjima na mjesta izvan radijusa kretanja pojedinca.
Predvidljivost
urediIako se ljudska mobilnost modelira kao slučajan proces, ona je predvidljiva. Mjerenjem entropije kretanja svake osobe, pokazalo se da postoji 93% potencijalne predvidljivosti. To znači da iako postoji velika varijacija u vrsti korisnika i udaljenostima koje svaki od njih prijeđe, njihova je ukupna karakteristika vrlo predvidljiva. Imolikacija toga je da je u načelu moguče točno modelirati procese koji ovise o obrascima ljudske mobilnosti, kao što su obrasci širenja bolesti ili mobilnih virusa.[19][20][21]
Na pojedinačnoj razini, svakodnevna ljudska mobilnost može se objasniti sa samo 17 mrežnih motiva. Svaki pojedinac, kroz nekoliko mjeseci, karakteristično pokazuje jedan od tih motiva. To ostvara mogućnost reprodukcije dnevne individualne mobilnosti korištenjem analitičkog modela koji se može pratiti.[22]
Primjerna
urediZarazne bolesti šire se diljem svijeta najčešće zbog dalekih putovanja nositelja bolesti. Putovanja na velike udaljenosti obavljaju se korištenjem sustava zračnog prijevoza i pokazalo se da su "topologija mreže, prometna struktura i individualni obrasci mobilnosti ključni za točna predviđanja širenja bolesti".[19] U manjem prostornom mjerilu pravilnost obrazaca ljudskog kretanja i njegovu vremensku strukturu treba uzeti u obzir u modelima širenja zarazne bolesti.[23] Virusi mobitela koji se prenose bluetoothom uvelike ovise o ljudskoj interakciji i kretanju. Kako sve više ljudi koristi slične operativne sustave za svoje mobitele, postaje mnogo lakše imati epidemiju virusa.[20]
U planiranju prijevoza koristeći karakteristike ljudskog kretanja, kao što je tedencija putovanja na kratke udaljenosti s nekoliko redovitih naleta putovanja na velike udaljenosti, napravljena su nova poboljšanja u modelima distribucije putovanja, posebno u Gravitacijskom modelu migracije[24]
Vidi također
uredi- Pokretljivosti
- Privatan prijevoz
- Teorija mreže
- Osobni transporter
- Osobno zračno vozilo
- Osobni brzi prijevoz
- Automobil
- Masovni automobilizam
- Ovisnost o automobilu
- Bicikl
- Lévyjev let
- Mreža bez razmjera
- Javni prijevoz
- Geografija prometa i mrežna znanost (wikibook)
Izvori
uredi- ↑ Keyfitz, Nathan. 1973. Individual Mobility in a Stationary Population. Population Studies. 27 (July 1, 1973): 335–352. doi:10.2307/2173401. JSTOR 2173401. PMID 22085100
- ↑ Colizza, V.; Barrat, A.; Barthélémy, M.; Valleron, A.-J.; Vespignani, A. 2007. Modeling the worldwide spread of pandemic influenza: baseline case and containment interventions. PLOS Medicine. 4 (1): 95–110. arXiv:q-bio/0701038. Bibcode:2007q.bio.....1038C. doi:10.1371/journal.pmed.0040013. PMC 1779816. PMID 17253899
- ↑ Hufnagel, L.; Brockmann, D.; Geisel, T. 2004. Forecast and control of epidemics in a globalized world. Proc. Natl. Acad. Sci. USA. 101 (42): 15124–15129. arXiv:cond-mat/0410766. Bibcode:2004PNAS..10115124H. doi:10.1073/pnas.0308344101. PMC 524041. PMID 15477600
- ↑ Pastor-Satorras, Romualdo; Vespignani, Alessandro. 2. travnja 2001. Epidemic Spreading in Scale-Free Networks. Physical Review Letters. 86 (14): 3200–3203. arXiv:cond-mat/0010317. Bibcode:2001PhRvL..86.3200P. doi:10.1103/physrevlett.86.3200. ISSN 0031-9007. PMID 11290142. S2CID 16298768
- ↑ Horner, M. W.; O'Kelly, M. E. S. 2001. Embedding economies of scale concepts for hub networks design. J. Transp. Geogr. 9 (4): 255–265. doi:10.1016/s0966-6923(01)00019-9
- ↑ Inferring land use from mobile phone activity JL Toole, M Ulm, MC González, D Bauer - Proceedings of the ACM SIGKDD international …, 2012
- ↑ Rozenfeld, H. D.; i dr. 2008. Laws of population growth. Proc. Natl. Acad. Sci. USA. 105 (48): 18702–18707. arXiv:0808.2202. Bibcode:2008PNAS..10518702R. doi:10.1073/pnas.0807435105. PMC 2596244. PMID 19033186
- ↑ Wang, Pu; Hunter, Timothy; Bayen, Alexandre M.; Schechtner, Katja; González, Marta C. 2012. Understanding Road Usage Patterns in Urban Areas. Scientific Reports. Springer Science and Business Media LLC. 2 (1): 1001. arXiv:1212.5327. Bibcode:2012NatSR...2E1001W. doi:10.1038/srep01001. ISSN 2045-2322. PMC 3526957. PMID 23259045
- ↑ Krings, Gautier; Calabrese, Francesco; Ratti, Carlo; Blondel, Vincent D. 14. srpnja 2009. Urban gravity: a model for inter-city telecommunication flows. Journal of Statistical Mechanics: Theory and Experiment. IOP Publishing. 2009 (7): L07003. arXiv:0905.0692. doi:10.1088/1742-5468/2009/07/l07003. ISSN 1742-5468. S2CID 1445486
- ↑ Gabaix, X.; Gopikrishnan, P.; Plerou, V.; Stanley, H. E. 2003. A theory of power-law distributions in financial market fluctuations. Nature. 423 (6937): 267–270. Bibcode:2003Natur.423..267G. doi:10.1038/nature01624. PMID 12748636. S2CID 1263236
- ↑ Stefano Marchetti; i dr. Lipanj 2015. Small Area Model-Based Estimators Using Big Data Sources. Journal of Official Statistics. 31 (2): 263–281. doi:10.1515/jos-2015-0017
- ↑ L. Pappalardo et al., Using Big Data to study the link between human mobility and socio-economic development, Proceedings of the 2015 IEEE International conference on Big Data, Santa Clara, CA, USA, 2015.
- ↑ a b c d González, Marta C.; Hidalgo, César A.; Barabási, Albert-László. 2008. Understanding individual human mobility patterns. Nature. 453 (7196): 779–782. arXiv:0806.1256. Bibcode:2008Natur.453..779G. doi:10.1038/nature06958. ISSN 0028-0836. PMID 18528393
- ↑ a b c Luca Pappalardo; i dr. 29. siječnja 2013. Understanding the patterns of car travel. European Physical Journal ST. 215 (1): 61–73. Bibcode:2013EPJST.215...61P. doi:10.1140/epjst/e2013-01715-5
- ↑ a b Luca Pappalardo; i dr. 8. rujna 2015. Returners and Explorers dichotomy in Human Mobility. Nature Communications. 6: 8166. Bibcode:2015NatCo...6.8166P. doi:10.1038/ncomms9166. PMC 4569739. PMID 26349016
- ↑ a b Public NYC Taxicab Database Lets You See How Celebrities Tip. Inačica izvorne stranice arhivirana 18. studenoga 2014. Pristupljeno 15. studenoga 2014.
- ↑ Hern, Alex. 27. lipnja 2014. New York taxi details can be extracted from anonymised data, researchers say. The Guardian
- ↑ Brockmann, D.; Hufnagel, L.; Geisel, T. 2006. The scaling laws of human travel. Nature. 439 (7075): 462–465. arXiv:cond-mat/0605511. Bibcode:2006Natur.439..462B. doi:10.1038/nature04292. ISSN 0028-0836. PMID 16437114
- ↑ a b Nicolaides, Christos; Cueto-Felgueroso, Luis; González, Marta C.; Juanes, Ruben. 19. srpnja 2012. Vespignani, Alessandro (ur.). A Metric of Influential Spreading during Contagion Dynamics through the Air Transportation Network. PLOS ONE. Public Library of Science (PLoS). 7 (7): e40961. Bibcode:2012PLoSO...740961N. doi:10.1371/journal.pone.0040961. ISSN 1932-6203. PMC 3400590. PMID 22829902
- ↑ a b Wang, P.; Gonzalez, M. C.; Hidalgo, C. A.; Barabasi, A.-L. 1. travnja 2009. Understanding the Spreading Patterns of Mobile Phone Viruses. Science. 324 (5930): 1071–1076. arXiv:0906.4567. Bibcode:2009Sci...324.1071W. doi:10.1126/science.1167053. ISSN 0036-8075. PMID 19342553
- ↑ Colizza, Vittoria; Barrat, Alain; Barthélemy, Marc; Vespignani, Alessandro. 21. studenoga 2007. Predictability and epidemic pathways in global outbreaks of infectious diseases: the SARS case study. BMC Medicine. 5 (1): 34. arXiv:0801.2261. doi:10.1186/1741-7015-5-34. ISSN 1741-7015. PMC 2213648. PMID 18031574
- ↑ Schneider, Christian M.; Belik, Vitaly; Couronné, Thomas; Smoreda, Zbigniew; González, Marta C. 6. srpnja 2013. Unravelling daily human mobility motifs. Journal of the Royal Society Interface. The Royal Society. 10 (84): 20130246. doi:10.1098/rsif.2013.0246. ISSN 1742-5689. PMC 3673164. PMID 23658117
- ↑ Belik, Vitaly; Geisel, Theo; Brockmann, Dirk. 8. kolovoza 2011. Natural Human Mobility Patterns and Spatial Spread of Infectious Diseases. Physical Review X. 1 (1): 011001. arXiv:1103.6224. Bibcode:2011PhRvX...1a1001B. doi:10.1103/physrevx.1.011001. ISSN 2160-3308
- ↑ Simini, Filippo; González, Marta C.; Maritan, Amos; Barabási, Albert-László. 26. veljače 2012. A universal model for mobility and migration patterns. Nature. 484 (7392): 96–100. arXiv:1111.0586. Bibcode:2012Natur.484...96S. doi:10.1038/nature10856. ISSN 0028-0836. PMID 22367540