Kredit:CC0 Public Domain
Under de senaste åren har stora datamängder från mobiltelefoner har använts för att ge allt mer exakta analyser av hur vi alla rör oss mellan hemmet, arbete och fritid, semester och allt annat. Styrkan med att basera analyser på mobiltelefondata är att de ger korrekta uppgifter om när, hur, och hur långt varje individ rör sig utan något särskilt fokus på om de passerar geografiska gränser längs vägen – vi rör oss helt enkelt från en koordinat till en annan i ett system av longitud och latitud.
"Problemet med befintliga big data-modeller är dock att de inte fångar vilka geografiska strukturer som kvarter, städer, städer, regioner, länder etc. betyder för vår rörlighet. Detta gör det svårt, till exempel, att skapa bra modeller för framtida mobilitet. Och det är insikter av det här slaget vi behöver när nya transportformer dyker upp, eller när urbaniseringen tar fäste, " förklarar Sune Lehmann, professor vid DTU och vid Köpenhamns universitet.
Faktiskt, big data-metoden för att modellera platsdata har raderat de vanliga dimensionerna som kännetecknar geografiska områden och deras betydelse för våra dagliga resor och rörelsemönster. Inom mobilitetsforskning, dessa är kända som vågar.
"Inom mobilitetsforskning, saker presenteras ibland som om skalan inte kommer in i ekvationen. På samma gång, dock, sunt förnuft säger oss att det måste finnas typiska resor eller rörelsemönster, som bestäms av geografi. Intuitivt verkar det fel att du inte kan se, till exempel, att en stadsdel eller stadszon har ett typiskt område. Ett kvarter är ett ställe där man kan gå ner och hämta en pizza eller köpa en påse godis. Det är inte meningsfullt att ha en stadsdel lika stor som ett litet land. Geografi måste spela en roll. Det är lite av en paradox, säger Laura Alessandretti, Adjunkt vid DTU och Köpenhamns universitet.
Hittar nytt, naturlig, och flexibla geografiska gränser
Författarna till en tidning publicerad i Natur har därför utvecklat en ny matematisk modell som definierar nya geografiska skalor från mobil spårningsdata, och som på så sätt för geografin — de vanliga storlekarna och längden — tillbaka till vår förståelse av rörlighet.
Modellen använder anonymiserad mobildata från mer än 700, 000 individer över hela världen och identifierar skalor – grannskap, städer, städer, regioner, länder – för varje person baserat på deras rörelsedata.
"Och om du tittar på resultaten, det är tydligt att avstånd spelar en roll i våra rörelsemönster, men att det när det kommer till resor finns typiska avstånd och val som motsvarar geografiska gränser — bara det är inte samma gränser man kan hitta på en karta. Och för att göra det hela lite mer komplicerat, "våra geografiska områden" förändras också beroende på vilka vi är. Om du bor på gränsen mellan stadsdelar, ditt grannskap ligger med, till exempel, ett centrum där du bor och omfattar delar av båda stadsdelarna. Vår modell visar också att vem vi är spelar roll. Storleken på en stadsdel varierar beroende på om du är man, kvinna, ung, eller gammal. Oavsett om du bor i stan eller på landet, eller om du bor i Saudiarabien eller Storbritannien, " förklarar Sune Lehmann.
Viktigt för den gröna omställningen och för att bekämpa epidemier
Den nya modellen ger en mer nyanserad och korrekt bild av hur vi rör oss i olika situationer och, inte minst, den gör det möjligt att förutsäga rörligheten i förhållande till den geografiska utvecklingen i allmänhet. Detta får konsekvenser för några av samhällets viktigaste beslut:
"Bättre mobilitetsmodeller är viktiga. Till exempel, i trafikplanering, inom transportsektorn, och i kampen mot epidemier. Vi kan spara miljontals ton CO 2 , miljarder dollar och många liv genom att använda de mest exakta modellerna när man planerar framtidens samhälle, säger Ulf Aslak Jensen, Post Doc vid DTU och Köpenhamns universitet
Faktaruta:Inneslutningarna flyttar beroende på vem du är
I artikeln, forskarna använder bl.a. modellen för att studera rörlighetsskillnader i olika befolkningsgrupper i 53 länder. Bland annat, de finner att:
