Ogni chiamata che fai sta disegnando una mappa della tua città e potrebbe risolvere i nostri problemi di traffico

Non è necessario condividere la propria posizione perché la città sappia dove ci si trova. Ogni chiamata effettuata e ogni messaggio inviato si connettono silenziosamente a un'antenna di rete nelle vicinanze. Ora moltiplicate questo per milioni di persone che fanno la stessa cosa ogni giorno, e ciò che otterrete non è solo una quantità di dati, ma un'immagine dinamica e in continuo movimento di come funziona realmente una città. Ed è proprio questo che i ricercatori dell'Università di Córdoba sono riusciti a cogliere con un nuovo strumento progettato per interpretare questi schemi.

Lo strumento che osserva senza guardare veramente

MAPLID (Approccio multi-etichetta per l'identificazione dei luoghi) Non si limita a tracciare i singoli individui. Analizza invece i modelli, ovvero 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 alle zone industriali raggiungono i picchi di traffico o come un singolo evento di grande portata possa silenziosamente sconvolgere il ritmo di un intero distretto.

Ciò che lo distingue è che non costringe un luogo in un'unica definizione. Un campus universitario, ad esempio, non è solo un luogo di lavoro. A seconda dell'ora del giorno, può essere una casa, uno spazio sociale o una via di transito. La maggior parte degli strumenti di mappatura tende a scegliere un'unica etichetta e a mantenerla. MAPLID, invece, cattura tutti questi livelli contemporaneamente.

Come funziona concretamente la ricerca

Il modello è stato sviluppato nell'ambito di una ricerca di dottorato da Manuel Mendoza Hurtado, insieme ai colleghi Juan A. Romero del Castillo e Domingo Ortiz Boyer del Dipartimento di Informatica e Intelligenza Artificiale.

Anziché lavorare con semplici tracce di posizione, il sistema costruisce la sua comprensione a strati. Inizia con i metadati geolocalizzati di chiamate e messaggi, non con il contenuto in sé, ma con i punti di connessione che si registrano quando i dispositivi interagiscono con le antenne di rete. Da lì, traccia la ripetizione di questi segnali nel corso di giorni e settimane, aiutando a distinguere le routine costanti dai movimenti occasionali. Questo livello comportamentale viene quindi mappato su OpenStreetMap, un database geografico open source. Ciò aggiunge un contesto reale, come tipologie di strade, punti di riferimento e categorie di edifici, trasformando schemi di segnale astratti in qualcosa di molto più concreto e utilizzabile per l'analisi urbana.

Il risultato di questo processo è una sequenza temporale. Lo stesso isolato, se osservato in orari diversi, può raccontare storie completamente diverse: le 7 del mattino non hanno nulla a che vedere con le 7 di sera. Per testare il modello, il team lo ha applicato a Milano e Trento, due città italiane che differiscono significativamente per dimensioni e struttura, il che le rende ideali per un confronto. A causa di restrizioni sulla privacy, 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 sovrapposti alle mappe urbane, il modello si è dimostrato coerente in entrambe le città, suggerendo che non è limitato a un singolo tipo di ambiente urbano.

Lo studio è stato pubblicato sulla rivista internazionale "International Journal of Geographical Information Science" .

Quindi, chi sta effettivamente guardando?

Al momento, nessuno lo sta ancora utilizzando ufficialmente. Il prossimo passo dei ricercatori è quello di mettere lo strumento a disposizione delle amministrazioni locali e degli urbanisti. E i casi d'uso sono piuttosto chiari: adattare gli orari degli autobus in base ai reali flussi di traffico, migliorare la fluidità del traffico dove effettivamente si concentra e persino inviare le squadre di pulizia nei luoghi in cui ce n'è realmente bisogno, invece di basarsi su ipotesi obsolete.

L'aspetto interessante è che le città hanno sempre prodotto questo tipo di informazioni. Non sono mai mancate. Ciò che è mancato è stato un modo per interpretarle in maniera significativa e fruibile. Questo strumento potrebbe essere proprio il passo decisivo per cambiare le cose.