Human mobility: data analysis, theory and models

dc.contributor
Universitat de les Illes Balears. Departament de Física
dc.contributor.author
Mazzoli, Mattia
dc.date.accessioned
2022-02-21T12:36:23Z
dc.date.available
2022-02-21T12:36:23Z
dc.date.issued
2021-07-26
dc.identifier.uri
http://hdl.handle.net/10803/673530
dc.description.abstract
[eng] Like Columbus mistook America for India, we stepped into the era of misinformation mistaking it for the era of big data. Since the digital revolution in the early ’90s we started producing such a huge amount of data that we do not even know how to find our compass anymore. However, not all this data is available and accessible. In this thesis, by navigating through the seas of available, open and even purchased data on board of our knowledge of physics and complex systems, we try to draw some new routes and shortcuts to study human mobility in different contexts, scales and applications. We first introduce a simple method to treat Twitter data on the Venezuelan exodus to show how this data can consistently reproduce and uncover many different aspects of migration until now neglected. This method designs a safe route to solve many more open questions not yet explored due to the limitations of classic and other sources of migration data in many parts of the world. The same type of data provides us reasonable footprints of human mobility, which lead us to an innovative shortcut in the way in which a specific type of urban mobility is treated so far. By hoisting the sails of theoretical physics, we can add a field theoretic description of commuting in worldwide cities, which simplifies the complexity of the description of urban mobility. By means of this new framework it is possible to tackle the well known aspect of policentricity of cities, drawing urban basins of attraction and reproducing them through a field theoretic version of the gravity model. Following the same shortcut we get to discover something that has been only theorized so far in pedestrian dynamics: the navigation potential of evacuation. This potential has been used by many social interactions models, which have been used to study new and better policies to avoid cloggings and stampedes during evacuation drills, hence creating safer protocols for our buildings and public spaces. In the middle of our navigation, we suddenly bump into a new epidemic and we perform a route change. By purchasing mobile and smartphones location datasets to find our compass and cope with noisy epidemic records, we are able to uncover the so called multi-seeding effect, which has been studied mostly theoretically. This allows us to backtrace and remap the epidemic spreading in Western Europe to specific epidemic hubs. By means of metapopulation models, we confirm our hypotheses on multiseeding using different contact network topologies. Our results allow to designate efficient policies like selective lockdowns and to better prepare healthcare systems of areas which are more exposed to mobility from epidemic and mobility hubs. While the epidemic spreads in Europe, we spot the first cases on the American coasts. The same phenomenon we already saw can be observed at smaller scales in the United States, this time within cities at neighborhoods level. Here we need a high resolution Google dataset in order to see that cities mobility hierarchy leads the disease to spread faster than in sprawled urban areas. However, hierarchy also helps containment policies to better suppress the disease, whereas the same restrictions are less effective in non-hierarchical metropolitan areas. Some cities are more senstive to disease spreading and they must be accurately monitored in order to avoid the rest of cities and country to get involved. Finally, in order to suppress the disease it is very important to avoid the virus to board on long-range trips and infect new places. By means of smartphones location records, we mimic the spreading of viruses at even finer scales inside the busiest airport of Europe: Heathrow, London. By modeling the implementation of a spatial immunization system we are able to strongly reduce the outbreaks within the airport and the number of exported infections abroad. The same technique can be applied even in ordinary public buildings to create safer spaces for the everyday life in the post-Covid era. In this thesis our philosophy is to always rely on the empirical observations to design hypotheses, models and finally solutions. Thanks to the scientific method, we manage to solve complex problems in the field of human mobility with simple approaches and relatively big data. Most of the results presented in this thesis belong to published and in submission works [1–6].
en_US
dc.description.abstract
[spa] Tal como Colón confundió América por India, hemos entrado en la era de la misinformación confundiendola por la era de big data. Desde la revolución digital, hemos empezado a producir una tal cantidad de datos que ya ni siquiera sabemos donde encontrar nuestra brújula. En esta tesis, navegando por los mares de los datos disponibles, a bordo de nuestro conocimiento de física y sistemas complejos, intentamos dibujar nuevas rutas y atajos para estudiar la movilidad humana en diferentes contextos, escalas y aplicaciones. Primero introducimos un método para tratar datos de Twitter sobre el éxodo venezolano para mostrar como estos datos pueden reproducir y desvelar muchos aspectos de la migración hasta ahora no accesibles. Este método diseña una ruta segura hacia la resolución de muchos temas abiertos que aún no se han explorado debido a las limitaciones de los datos clásicos. El mismo tipo de datos nos deja huellas fiables de movilidad humana, que nos llevan a un atajo novedoso en el tratamiento de la movilidad casa-trabajo. Izando las velas de la física teórica podemos añadir una descripción de campo del pendularismo en ciudades. Con este enfoque podemos atacar el problema de la policentricidad de las ciudades, dibujando cuencas de atracción urbanas y reproduciendolas através una versión de campo del gravity model. Siguiendo el mismo atajo llegamos a descubrir algo que solo se había teorizado hasta ahora en dinámicas de peatones: el potencial de navegación de evacuaciones. Este potencial se ha usado en muchos modelos de interacciones sociales, que se han usado para evitar atascos y estampidas durante las evacuaciones, entonces creando protocolos más seguros para nuestros edificios y espacios públicos. En el medio de nuestra navegación nos encontramos en una nueva epidemia y nos vemos obligados a un cambio de ruta. Adquiriendo datos de localización por antenas de móviles y por gps de smartphones para encontrar nuestra brújula, somos capaces de descubrir el denominado efecto multi-seeding, que se ha estudiado por la mayoría teoricamente. Gracias a modelos de metapoblaciones, confirmamos nuestras hipótesis sobre el multiseeding. Nuestros resultados permiten diseñar políticas eficientes como confinamientos selectivos y praparar de una manera mejor los sistemas sanitarios de las áreas más expuestas en términos de movilidad desde las fuentes epidémicas. El mismo fenómeno que hemos visto puede observarse a escalas más pequeñas en Estados Unidos, esta vez dentro de ciudades. Aquí necesitamos los datos de Google en alta resolución para ver que las ciudades jerárquicas exhiben difusiones más rápidas que en las ciudades decentralizadas. En contrapartida, la jerarquía ayuda las políticas de contención para mejor suprimir el virus, mientras que las mismas restricciones tienen un menor efecto en las áreas metropolitanas decentralizadas. Algunas ciudades son más sensibles que otras a la difusión epidémica requiriendo una supervisión estricta para evitar que el resto de ciudades y paises se infecten a su vez. Finalmente, para suprimir la epidemia es muy importante evitar que el virus no embarque en viajes de larga distancia e infecte nuevas regiones. Gracias a datos de localización gps de smartphones, imitamos la difusión de varios viruses a escalas aún más pequeñas dentro del aeropuerto de Heathrow, Londres. Modelizando un sistema de inmunización espacial conseguimos reducir fuertemente los brotes dentro del aeropuerto y el número de infecciones exportadas al extranjero. La misma técnica se puede aplicar en edificios públicos ordinarios para crear espacios más seguros para la vida de cada día en la era post-Covid. Gracias al método científico, conseguimos resolver problemas complejos en el campo de la movilidad humana con enfoques simples y datos relativamente grandes.
en_US
dc.description.abstract
[cat] Tal com Colom va confondre Amèrica per l’Índia, hem entrat en l’era de la misinformació confonent-la per l’era del big data. Des de la revolució digital, hem començat a produir una tal quantitat de dades que ja ni tan sols sabem on trobar la nostra brúixola. Navegant pels mars de les dades disponibles, a bord del nostre coneixement de física i sistemes complexos, vam intentar dibuixar algunes noves rutes i dreceres per estudiar la mobilitat humana en diferents contextes, escales i aplicacions. Primer introduïm un mètode per tractar dades de Twitter sobre l’èxode veneçolà per mostrar com aquestes dades poden reproduir i revelar aspectes de la migració fins ara no accessibles. Aquest mètode dissenya una ruta segura cap a la resolució de molts més temes oberts que encara no s’han explorat a causa de les limitacions de les dades clàssics. El mateix tipus de dades ens dona empremtes de la mobilitat, que ens porten a una drecera nova en el tractament de la mobilitat casa-treball. Hissant les veles de la fìsica teòrica podem introduir una descripció de camp de la mobilitat pendular. Amb aquest enfoc és possible abordar el problema de la policentricidad de les ciutats, dibuixant conques d’atracció urbanes i reproduciendolas través una versió de camp de l’gravity model. Seguint la mateixa drecera arribem a descobrir una cosa que fins ara només s’havia teoritzat en dinàmiques de vianants: el potencial de navegació d’evacuacions. Aquest potencial s’ha usat en molts models d’interaccions socials per evitar embussos i estampides durant les evacuacions, a fi de crear protocols més segurs per als nostres edificis i espais públics. Al mig de la nostra navegació ens trobem en una nova epidèmia i ens veiem obligats a un canvi de ruta. Adquirint dades de localització per antenes de mòbils i per gps de smartphones, som capaços de descobrir l’anomenat efecte multi-seeding, que es ha estudiat per la majoria teòricament. Gràcies a models de metapoblacions, confirmem la nostra hipotesis sobre el multiseeding. Els nostres resultats permeten dissenyar polítiques eficients com confinaments selectius i praparar d’una manera millor els sistemes sanitaris d’aquelles àrees més exposades en termes de mobilitat des de les fonts epidèmiques. Mentre l’epidèmia segueix a Europa, vam detectar els primers casos a les costes Americanes. El mateix fenomen que hem vist pot observar-se a escales més petites als Estats Units, aquest cop en ciutats. Aquí necessitem les dades de Google d’alta resolució per veure que les ciutats jeràrquiques exhibeixen difusions més ràpides que a les ciutats decentralizades. Per altra banda, la jerarquia ajuda les polítiques de contenció per millor suprimir el virus, mentre que les mateixes restriccions tenen un menor efecte en les àrees metropolitanes decentralizades. Algunes ciutats són més sensibles que d’altres a la difusió epidèmica requerint una supervisió estricta per evitar que la resta de ciutats i països s’infectin al seu torn. Finalment, per suprimir l’epidèmia és molt important evitar que el virus no sigui embarcat en viatges de llarga distància i infecti noves regions. Gràcies a dades de localització GPS de smartphones, imitem la difusió de diversos virus a escales encara més petites dins de l’aeroport de Heathrow, Londres. Un sistema d’immunització espacial es capaç de reduir fortament els brots dins de l’aeroport i la quantitat de infeccions exportades a l’estranger. La mateixa tècnica es pot aplicar a edificis públics ordinaris per crear espais més segurs per al dia a dia en l’era post-Covid. Gràcies a el mètode científic, vam aconseguir resoldre problemes complexos en el camp de la mobilitat humana amb enfocaments simples i dades relativament grans.
en_US
dc.format.extent
178 p.
en_US
dc.format.mimetype
application/pdf
dc.language.iso
eng
en_US
dc.publisher
Universitat de les Illes Balears
dc.rights.license
ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
dc.source
TDX (Tesis Doctorals en Xarxa)
dc.subject.other
Física dels Sistemes Complexos
en_US
dc.title
Human mobility: data analysis, theory and models
en_US
dc.type
info:eu-repo/semantics/doctoralThesis
dc.type
info:eu-repo/semantics/publishedVersion
dc.subject.udc
53
en_US
dc.contributor.authoremail
mattia@ifisc.uib-csic.es
en_US
dc.contributor.director
Ramasco Sukia, Jose Javier
dc.contributor.director
Colet Rafecas, Pere
dc.contributor.tutor
Colet Rafecas, Pere
dc.embargo.terms
cap
en_US
dc.rights.accessLevel
info:eu-repo/semantics/openAccess


Documentos

Mazzoli_Mattia.pdf

87.93Mb PDF

Este ítem aparece en la(s) siguiente(s) colección(ones)