In realtà non è necessario condividere la tua posizione per la tua città per capire dove ti trovi. Ogni chiamata che fai e ogni messaggio che invii si connette silenziosamente a un’antenna di rete vicina. Ora moltiplicalo per milioni di persone che fanno la stessa cosa ogni giorno e ciò che otterrai non sono solo dati: è un’immagine vivente e in movimento di come funziona davvero una città. Questo è esattamente ciò a cui i ricercatori dell’Università di Córdoba sono riusciti advert attingere con un nuovo strumento progettato per interpretare questi modelli.
Lo strumento che guarda senza realmente guardare
MAPLID (Approccio multietichetta per l’identificazione dei luoghi) non tiene traccia degli individui. In realtà esamina i modelli: segnali aggregati e anonimizzati che mostrano come i luoghi si comportano effettivamente nel tempo. Può rivelare quando un quartiere passa da residenziale a commerciale, quando le strade che conducono a zone industriali raggiungono picchi di traffico o come un singolo grande evento può interrompere silenziosamente il ritmo di un intero quartiere.
Ciò che lo distingue è che non forza un luogo in un’unica definizione. Un campus universitario, advert esempio, non è solo un luogo di lavoro. A seconda dell’ora del giorno può essere una casa, uno spazio sociale o una through di transito. La maggior parte degli strumenti di mappatura tende a scegliere un’etichetta e a mantenerla. MAPLID, d’altra parte, cattura tutti questi livelli contemporaneamente.
Come funziona effettivamente la ricerca
Il modello è stato sviluppato come parte della ricerca di dottorato da Manuel Mendoza Hurtadoinsieme ai colleghi Juan A. Romero del Castillo E Domingo Ortiz Boyer del Dipartimento di Informatica e Intelligenza Artificiale.
Invece di lavorare con tracce grezze della posizione, il sistema costruisce la sua comprensione a strati. Si inizia con i metadati geolocalizzati delle chiamate e dei messaggi, non il contenuto stesso, ma i punti di connessione che registrano quando i dispositivi interagiscono con le antenne di rete. Da lì, tiene traccia di come questi segnali si ripetono nel corso dei giorni e delle settimane, aiutando a distinguere le routine costanti dai movimenti una tantum. Questo livello comportamentale viene quindi mappato rispetto a OpenStreetMap, un database geografico open supply. Ciò aggiunge contesto del mondo reale come tipi di strade, punti di riferimento e categorie di edifici, trasformando i modelli di segnali astratti in qualcosa di molto più radicato e utilizzabile per l’analisi urbana.
Ciò che esce da questo processo è un time-lapse. Lo stesso isolato stradale, se visto in orari diversi, può raccontare storie completamente various: le 7 del mattino non assomigliano per niente alle 19:00. Per testare il modello, il group lo ha eseguito su Milano e Trento, due città italiane che differiscono significativamente per dimensioni e struttura, rendendole ideali per il confronto. A causa delle restrizioni sulla privateness, i dati mobili spagnoli non erano disponibili, quindi i ricercatori hanno utilizzato un set di dati rilasciato da Telecom Italia per la ricerca scientifica. Anche con milioni di punti dati giornalieri stratificati sulle mappe urbane, il modello ha resistito in modo coerente in entrambe le città, suggerendo che non è limitato a un singolo tipo di ambiente urbano.
Lo studio è stato pubblicato nel Giornale internazionale di scienza dell’informazione geografica.
Allora, chi sta davvero guardando?
Al momento nessuno lo sta ancora utilizzando ufficialmente. Il prossimo passo dei ricercatori sarà portare lo strumento direttamente ai governi locali e agli urbanisti. E i casi d’uso sono abbastanza chiari: adattare gli orari degli autobus in base a modelli di movimento reali, migliorare il flusso del traffico dove si accumula effettivamente e persino inviare squadre di pulizia nei luoghi che ne hanno veramente bisogno, invece di fare affidamento su ipotesi out of date.
La parte interessante è che le città hanno sempre prodotto questo tipo di informazioni. Non è mai mancato. Ciò che manca è un modo per interpretarlo effettivamente in modo significativo e utilizzabile. Questo strumento potrebbe essere proprio il passo che cambia la situazione.
