Precisi\u00f3n y simplicidad en un solo modelo<\/h5>\n
Los modelos de movilidad humana existen desde hace d\u00e9cadas. Desde mediados del siglo XX, los llamados modelos gravitacionales se han utilizado para comprender y predecir la movilidad de las personas. Estos sistemas se inspiran en la ley de la gravitaci\u00f3n de Newton y, para obtener resultados, tienen en cuenta dos par\u00e1metros fundamentales: el tama\u00f1o de la poblaci\u00f3n de las dos ciudades y la distancia entre ellas.<\/p>\n
Estos modelos asumen que las poblaciones m\u00e1s grandes atraen m\u00e1s movimiento, mientras que las distancias m\u00e1s largas act\u00faan como un factor disuasorio. Los modelos gravitacionales se han utilizado para planificar el transporte, los estudios migratorios y la epidemiolog\u00eda, ya que permiten entender los resultados de forma sencilla y predecir las interacciones espaciales y los patrones de flujo. Sin embargo, esta simplicidad conlleva que no sean demasiado precisos y solo puedan predecir los flujos de movilidad de manera aproximada.<\/p>\n
Con la llegada de la inteligencia artificial, en los \u00faltimos a\u00f1os la comunidad investigadora ha comenzado a desarrollar modelos de aprendizaje autom\u00e1tico de movilidad mucho m\u00e1s precisos. A diferencia de los modelos gravitacionales originales, que predicen los flujos solo a partir de la poblaci\u00f3n y la distancia, los nuevos utilizan muchas m\u00e1s variables adem\u00e1s del origen y el destino, como la densidad de restaurantes, escuelas o la conectividad vial, por ejemplo.<\/p>\n
Si bien las predicciones son mucho m\u00e1s fiables, a diferencia de los modelos gravitacionales, los resultados son m\u00e1s dif\u00edciles de interpretar y no ofrecen una visi\u00f3n clara de los mecanismos que explican las decisiones de movilidad de las personas.<\/p>\n En este proyecto, el equipo de investigaci\u00f3n de la URV ha logrado obtener lo mejor de cada sistema: la precisi\u00f3n de los modelos de aprendizaje autom\u00e1tico y la simplicidad de los sistemas gravitacionales. A partir del algoritmo que ellos llaman robot cient\u00edfico<\/a>, han desarrollado un nuevo modelo matem\u00e1tico innovador que iguala e incluso mejora la precisi\u00f3n de los modelos de aprendizaje autom\u00e1tico y que, adem\u00e1s, es interpretable y sencillo como el modelo gravitacional.<\/p>\n \u201cCon este nuevo algoritmo podemos identificar cu\u00e1les son los modelos m\u00e1s plausibles que explican los datos observados, en nuestro caso, los flujos de movilidad\u201d, explica Marta Sales-Pardo, investigadora del grupo de investigaci\u00f3n SeesLab. El m\u00e9todo combina t\u00e9cnicas de aprendizaje autom\u00e1tico, f\u00edsica estad\u00edstica y estad\u00edstica bayesiana para equilibrar de manera eficiente la complejidad y la precisi\u00f3n del modelo.\u00a0\u201cHemos desarrollado una herramienta muy poderosa para el descubrimiento cient\u00edfico y la modelizaci\u00f3n basada en datos\u201d, a\u00f1ade Roger Guimer\u00e0, profesor de investigaci\u00f3n ICREA del mismo grupo.<\/p>\n El investigador predoctoral Oriol Cabanas, que tambi\u00e9n ha participado en el estudio, destaca que otra de las potencialidades de este sistema es que es extrapolable a otros territorios geogr\u00e1ficos. \u201cComo \u00fanicamente utiliza las variables de poblaci\u00f3n y distancia, solo son necesarios unos m\u00ednimos ajustes en los par\u00e1metros para extrapolar las predicciones a otros entornos geogr\u00e1ficos\u201d, apunta.<\/p>\n As\u00ed, se puede utilizar para analizar desplazamientos tanto en grandes ciudades como en \u00e1reas menos urbanizadas sin necesidad de crear un nuevo algoritmo, como ser\u00eda el caso de los modelos de aprendizaje autom\u00e1tico debido a su complejidad.<\/p>\n Comprender la movilidad humana es fundamental para muchos \u00e1mbitos. En urbanismo y transporte, este modelo puede ayudar a planificar infraestructuras viales y servicios de transporte p\u00fablico con mayor eficiencia, lo que optimizar\u00e1 la distribuci\u00f3n de recursos y reducir\u00e1 la congesti\u00f3n, por ejemplo.<\/p>\n Tambi\u00e9n es \u00fatil en el campo de la salud p\u00fablica, ya que puede contribuir a modelar la propagaci\u00f3n de enfermedades infecciosas, al permitir entender c\u00f3mo se mueven las personas, c\u00f3mo pueden transmitir virus y otros pat\u00f3genos de una zona a otra y, as\u00ed, dise\u00f1ar estrategias de contenci\u00f3n en casos de pandemia.<\/p>\n Por otro lado, la capacidad de predecir la movilidad humana tambi\u00e9n tiene implicaciones para la sostenibilidad, ya que puede ayudar a gestionar mejor el consumo de energ\u00eda y reducir las emisiones de gases de efecto invernadero asociadas al transporte.<\/p>\n La investigaci\u00f3n del grupo de investigaci\u00f3n SeesLab no se detiene aqu\u00ed. De hecho, ya han comenzado a probar el modelo con otras variables adem\u00e1s de la poblaci\u00f3n y la distancia, como la conectividad vial, y los resultados tienden a una precisi\u00f3n a\u00fan mayor en la predicci\u00f3n de la movilidad.<\/p>\n Referencia bibliogr\u00e1fica:<\/strong> Oriol Cabanas-Tirapu, Llu\u00eds Dan\u00fas, Esteban Moro, Marta Sales-Pardo & Roger Guimer\u00e0, \u201cHuman mobility is well described by closed-form gravity-like models learned automatically from data,\u201d Nature Communications<\/em> 16<\/strong>, art. no. 1336 (2025) https:\/\/www.nature.com\/articles\/s41467-025-56495-5<\/a><\/p>\n","protected":false},"excerpt":{"rendered":" La f\u00f3rmula, desarrollada por un equipo investigador de la URV, describe con precisi\u00f3n los patrones de movimiento de las personas. Los resultados se han publicado en la revista Nature Communications<\/i><\/p>\n","protected":false},"author":5,"featured_media":133812,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[117,102,3467,245,83,100,123],"tags":[],"class_list":["post-133827","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciencia-y-tecnologia","category-comunicacion-ciencia","category-ingenieria-quimica","category-escuela-ingenieria-quimica","category-general-es","category-investigacion","category-notas-prensa"],"acf":[],"_links":{"self":[{"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/posts\/133827","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/comments?post=133827"}],"version-history":[{"count":0,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/posts\/133827\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/media\/133812"}],"wp:attachment":[{"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/media?parent=133827"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/categories?post=133827"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/tags?post=133827"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}![\"D'esquerra](\"https:\/\/diaridigital.urv.cat\/wp-content\/uploads\/2025\/02\/IMG_1643f-1024x768.jpg\")
<\/a>Aplicaciones en transporte, salud y sostenibilidad<\/h5>\n