La URV crea un modelo matemático para predecir la movilidad humana con alta precisión

Los resultados son una herramienta "muy valiosa" para comprender cómo se desplazan las personas

TARRAGONA, 27 Feb. (EUROPA PRESS) -

El grupo de investigación SeesLab de la Universitat Rovira i Virgili (URV) de Tarragona ha creado un modelo matemático que permite predecir la movilidad humana con alta precisión y de forma más sencilla y eficiente que los sistemas que se utilizan actualmente.

Los resultados, publicados en la revista 'Nature Communications', constituyen una herramienta "muy valiosa" para comprender cómo se desplazan las personas en distintos contextos, informa la URV en un comunicado de este jueves.

MODELOS GRAVITACIONES Y DE IA

Desde mediados del siglo XX, los llamados modelos gravitacionales se han usado para comprender y predecir la movilidad de las personas: se inspiran en la ley de gravitación de Newton, y tienen en cuante el tamaño de la población de las dos ciudades estudiadas y las distancia entre ellas.

Asumen que las poblaciones más grandes atraen más movimiento, mientras que las distancias más largas actúan como un factor disuasorio; estos modelos se han usado para planificar el transporte, para los estudios y para la epidemiología, entre otros, ya que permiten entender los resultados de forma sencilla.

Sin embargo, esta simplicidad conlleva que no sean demasiado precisos y solo puedan predecir los flujos de movilidad de manera aproximada.

Con la llegada de la inteligencia artificial, se empezaron a desarrollar modelos de aprendizaje automático mucho más precisos y con muchas más variables, aunque, si bien son más fiables, los resultados son más difíciles de interpretar y no ofrecen una visión clara de los mecanismos que explican las decisiones de movilidad.

LO MEJOR DE LOS DOS MUNDOS

En el proyecto, el equipo ha desarrollado un algoritmo que llaman 'robot científico' que combina lo mejora de cada sistema: iguala e incluso mejora la precisión de los modelos de aprendizaje automática y es interpretable y sencillo como el modelo gravitacional.

El método combina técnicas de aprendizaje automático, física estadística y estadística bayesiana para equilibrar de manera eficiente la complejidad y la precisión del modelo.

El modelo se puede usar para analizar desplazamientos tanto en grandes ciudades como en áreas menos urbanizadas sin necesidad de crear un nuevo algoritmo, y puede ser usado en los ámbitos del urbanismo, el transporte, la salud pública y la gestión de la energía, entre otros.

SeesLab ya ha comenzado a probar el modelo con otras variables, como la conectividad vial, y los resultados tienden a una precisión aún mayor en la predicción de la movilidad.