Individuelle Mobilität - Individual mobility

Individuelle menschliche Mobilität ist die Studie, die beschreibt, wie sich einzelne Menschen innerhalb eines Netzwerks oder Systems bewegen. Das Konzept wurde in einer Reihe von Bereichen untersucht, die ihren Ursprung in der Demographie haben. Das Verständnis der menschlichen Mobilität hat viele Anwendungen in verschiedenen Bereichen, darunter die Verbreitung von Krankheiten , mobile Viren , Stadtplanung , Verkehrstechnik , Finanzmarktprognosen und Nowcasting des wirtschaftlichen Wohlergehens .

Daten

In den letzten Jahren gab es einen Anstieg an großen Datensätzen zu menschlichen Bewegungen. Diese Datensätze werden in der Regel mit unterschiedlicher Genauigkeit aus Handy- oder GPS- Daten gewonnen. Beispielsweise werden Handydaten normalerweise immer dann aufgezeichnet, wenn ein Anruf oder eine Textnachricht getätigt oder vom Benutzer empfangen wurde, und enthalten den Standort des Turms, mit dem das Telefon verbunden ist, sowie den Zeitstempel. In städtischen Gebieten können Benutzer und Telekommunikationsturm nur wenige hundert Meter voneinander entfernt sein, während dieser Abstand in ländlichen Gebieten durchaus einige Kilometer betragen kann. Daher gibt es unterschiedliche Genauigkeiten, wenn es darum geht, eine Person mithilfe von Handydaten zu lokalisieren. Diese Datensätze werden von den Telefongesellschaften anonymisiert, um die Identität der tatsächlichen Benutzer zu verbergen und zu schützen. Als Beispiel für seine Nutzung verwendeten die Forscher die Flugbahn von 100.000 Handynutzern innerhalb eines Zeitraums von sechs Monaten, während in viel größerem Maßstab die Flugbahnen von drei Millionen Handynutzern analysiert wurden. GPS-Daten sind normalerweise viel genauer, obwohl sie aus Datenschutzgründen normalerweise viel schwieriger zu erfassen sind . Riesige Mengen an GPS-Daten, die die menschliche Mobilität beschreiben, werden beispielsweise von Bord-GPS-Geräten in Privatfahrzeugen erzeugt. Das GPS-Gerät schaltet sich automatisch ein, wenn das Fahrzeug startet, und die Abfolge von GPS-Punkten, die das Gerät alle paar Sekunden erzeugt, bildet eine detaillierte Mobilitätskurve des Fahrzeugs. Einige neuere wissenschaftliche Studien verglichen die Mobilitätsmuster, die aus Mobiltelefondaten hervorgegangen sind, mit denen aus GPS-Daten.

Forschern ist es gelungen, sehr detaillierte Informationen über die Personen zu gewinnen, deren Daten der Öffentlichkeit zugänglich gemacht werden. Dies hat große Besorgnis über Datenschutzprobleme ausgelöst. Als Beispiel für mögliche Verbindlichkeiten hat New York City 173 Millionen einzelne Taxifahrten freigegeben . Die Beamten der Stadt verwendeten einen sehr schwachen Kryptografiealgorithmus, um die Lizenznummer und die Medaillonnummer zu anonymisieren, bei der es sich um einen alphanumerischen Code handelt, der jedem Taxi zugewiesen ist. Dies ermöglichte es Hackern, den Datensatz vollständig zu deanonymisieren, und sogar einige konnten detaillierte Informationen über bestimmte Passagiere und Prominente extrahieren, einschließlich ihrer Herkunft und ihres Ziels und wie viel sie Trinkgeld gegeben haben.

Eigenschaften

Im großen Maßstab, wenn das Verhalten über einen relativ langen Zeitraum (z. B. mehr als einen Tag) modelliert wird, kann die menschliche Mobilität durch drei Hauptkomponenten beschrieben werden:

Fahrtstreckenverteilung $P(r)$
Radius gyration $r_{g}(t)$
Anzahl der besuchten Orte $S(t)$

Brockmann, von Banknoten Analyse festgestellt , dass die Wahrscheinlichkeit der Entfernung , eine folgt skalenfreien Irrfahrt als bekannt Lévy Flug von Form , wo . Dies wurde später durch zwei Studien bestätigt, die Handydaten und GPS-Daten verwendeten, um Benutzer zu verfolgen. Die Implikation dieses Modells ist, dass menschliche Reisen im Gegensatz zu anderen traditionelleren Formen von Random Walks wie der Brownschen Bewegung meist über kurze Distanzen mit einigen langen Distanzen verlaufen. Bei der Brownschen Bewegung wird die Verteilung der Reisedistanzen durch eine glockenförmige Kurve bestimmt, was bedeutet, dass die nächste Reise eine ungefähr vorhersehbare Größe hat, den Durchschnitt, während sie beim Lévy-Flug eine Größenordnung größer sein kann als der Durchschnitt. $P(r)\ \sim r^{-(1+\beta)}$ $\beta =0,6$

Manche Menschen neigen von Natur aus dazu, längere Strecken als der Durchschnitt zurückzulegen, und das gleiche gilt für Menschen mit geringerem Bewegungsdrang. Um genau dies zu erfassen, wird der Trägheitsradius verwendet, der die charakteristische Entfernung angibt, die eine Person während einer Zeitdauer t zurücklegt. Jeder Benutzer wählt innerhalb seines Kreiselradius seine Fahrtstrecke entsprechend aus . $r_{g}(t)$ $P(r)$

Die dritte Komponente modelliert die Tatsache, dass Menschen bestimmte Orte häufiger aufsuchen, als dies in einem zufälligen Szenario passiert wäre. Zum Beispiel werden Wohn- oder Arbeitsplatz oder Lieblingsrestaurants viel häufiger besucht als viele andere Orte im Bewegungsradius eines Benutzers. Es wurde entdeckt , dass wo , was auf ein sublineares Wachstum der unterschiedlichen Anzahl von Orten hinweist , die von einer Person besucht werden . Diese drei Maßnahmen erfassen die Tatsache, dass die meisten Fahrten zwischen einer begrenzten Anzahl von Orten stattfinden, wobei weniger häufig Fahrten zu Orten außerhalb des Bewegungsradius einer Person erfolgen. $S(t)\ \sim t^{\mu}$ $\mu =0,6$

Vorhersagbarkeit

Obwohl die menschliche Mobilität als zufälliger Prozess modelliert wird, ist sie überraschend vorhersehbar. Durch die Messung der Entropie der Bewegung jeder Person wurde gezeigt, dass eine potenzielle Vorhersagbarkeit von 93% besteht. Das bedeutet, dass, obwohl die Art der Benutzer und die Entfernungen, die jeder von ihnen zurücklegt, sehr unterschiedlich sind, die Gesamtcharakteristik der Benutzer sehr vorhersehbar ist. Daraus folgt, dass es prinzipiell möglich ist, die Prozesse, die von menschlichen Mobilitätsmustern abhängig sind, wie etwa Krankheiten oder Ausbreitungsmuster von mobilen Viren, genau zu modellieren.

Im individuellen Maßstab lässt sich die tägliche menschliche Mobilität mit nur 17 Netzwerkmotiven erklären . Jedes Individuum zeigt eines dieser Motive charakteristisch über einen Zeitraum von mehreren Monaten. Dies eröffnet die Möglichkeit, die tägliche individuelle Mobilität mit einem handhabbaren analytischen Modell zu reproduzieren. Universelle Muster des menschlichen Flusses in großen städtischen Gebieten in Japans Städten während der Hauptverkehrszeiten und außerhalb der Hauptverkehrszeiten wurden von Yohei Shida et al. Es wurde festgestellt, dass die Muster analog zu Flussströmen sind.

Anwendungen

Infektionskrankheiten breiten sich in der Regel aufgrund von Fernreisen von Krankheitsüberträgern auf der ganzen Welt aus. Diese Fernreisen werden mit Luftverkehrssystemen durchgeführt , und es hat sich gezeigt, dass " Netztopologie , Verkehrsstruktur und individuelle Mobilitätsmuster für genaue Vorhersagen der Ausbreitung von Krankheiten unerlässlich sind". Auf einer kleineren räumlichen Skala sollte die Regelmäßigkeit menschlicher Bewegungsmuster und deren zeitliche Struktur in Modellen der Ausbreitung von Infektionskrankheiten berücksichtigt werden. Handyviren, die über Bluetooth übertragen werden, sind stark von der menschlichen Interaktion und den Bewegungen abhängig. Da immer mehr Menschen ähnliche Betriebssysteme für ihre Mobiltelefone verwenden, wird es viel einfacher, eine Virusepidemie zu haben. Der Zusammenhang zwischen dem Personenverkehr und der Erstausbreitung von Covid-19 in China wurde in Gross et al.

In Transportplanung , die Eigenschaften der menschlichen Bewegung, wie Tendenz nutzt kurze Distanzen mit wenigen , aber regelmäßigen Ausbrüchen von Fernreisen, neue Verbesserungen wurden gemacht zu haben reisen Reise Verteilung Modelle, die speziell auf Gravity Modell der Migration

Siehe auch

Verweise

Languages

In other projects