Nacrt:Individualna mobilnost

Ovo je nacrt članka koji svatko može uređivati. Članak u glavnom imenskom prostoru mora zadovoljavati kriterije, imati nepristrano gledište i navedene izvore. Sav sadržaj mora poštovati smjernicu o životopisima živih osoba, biti provjerljiv, enciklopedijske prirode i slobodnih autorskih prava. Članak mora biti pisan hrvatskim jezikom, wikipedijskim stilom i mora sadržavati wikipoveznice i kategorije. Nakon što su svi preduvjeti zadovoljeni i članak je sadržajno dovršen, postavite zahtjev za premještanje stranice u glavni imenski prostor. Članci s ovim predloškom za koje se nakon duljeg vremena utvrdi da ne zadovoljavaju osnovne uvjete o sadržaju vjerojatno će biti izbrisani. Predložak mogu ukloniti samo administratori. Zadnja izmjena: Ivi104 (razgovor | doprinosi) prije 15 mjeseci. (osvježi) Nacrt nije uređivan barem dva mjeseca pa je svrstan u kategoriju za brisanje. Nacrte koji ne zadovoljavaju uvjete za brzo brisanje potrebno je predložiti za brisanje predloškom {{Brisati}}, a brisanje raspraviti u Raspravama o brisanju.

Individualna mobilnost

Sadržaj članka ili odjeljka izgleda kao strojni prijevod. (Rasprava)Popravite članak ispravljanjem netočnih prijevoda i konstrukcija koje ne pripadaju hrvatskom jeziku. (pomoć)

 

Individualna ljudska mobilnost je studija koja opisuje kako se individualci kreću unutar mreže ili sustava. Koncept je proučavan u nizu područja koja potječu iz proučavanja demografije. Razumijevanje ljudske mobilnosti ima mnogo primjena u različitim djelatnostima, uključujući širenje bolesti, mobilne viruse, gradsko planiranje, prometni inženjering, predviđanje financijskog tržišta, i predviđanje trenutne ekonomske dobrobiti.

Podaci

Posljednih 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. 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 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. 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.

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. 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.

Karakteristike

U 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 $P(r)$
• polumjer kružnog kretanja $r_{g}(t)$
• broj posjećenih lokacija $S(t)$

Brockmann je, analizirajući novčanice, otkrio da vjerojatnost prijeđene udaljenosti slijedi slučajmi hoda bez razmjera poznat kao Lévyev let forme $P(r)\ \sim r^{-(1+\beta )}$ gdje je $\beta =0.6$. To su kasnije potvrdile dvije studije koje su koristile mobilne podatke i GPS podatke za praćenje korisnika. 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. Svaki korisnik, unutar svog radijusa oscilacije $r_{g}(t)$, odabrat će svoju udaljenost putovanja prema $P(r)$.

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 $S(t)\ \sim t^{\mu }$ where $\mu =0.6$, 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

Iako 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.

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.

Primjerna

Zarazne 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". U manjem prostornom mjerilu pravilnost obrazaca ljudskog kretanja i njegovu vremensku strukturu treba uzeti u obzir u modelima širenja zarazne bolesti. 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.

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

Vidi također

• 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)