Novo modelo matemático revoluciona a previsão de mobilidade humana entre cidades

Entender como as pessoas se deslocam entre cidades é essencial para o planejamento de infraestruturas, a gestão de crises sanitárias e a promoção da sustentabilidade. Um avanço significativo nessa área acaba de ser alcançado por pesquisadores da Universidade Rovira i Virgili (URV), em colaboração com cientistas da Northeastern University e da University of Pennsylvania, nos Estados Unidos. Eles desenvolveram um modelo matemático inovador que supera as limitações dos sistemas tradicionais, oferecendo previsões de mobilidade humana com alta precisão e facilidade de interpretação.

Os modelos tradicionais, conhecidos como “modelos gravitacionais”, baseiam-se em dois parâmetros principais: o tamanho da população das cidades e a distância entre elas. Inspirados na lei da gravitação de Newton, esses sistemas assumem que cidades maiores atraem mais movimento, enquanto distâncias maiores reduzem o fluxo. Apesar de sua simplicidade e utilidade em áreas como planejamento de transporte e epidemiologia, esses modelos têm limitações significativas em termos de precisão, fornecendo apenas estimativas aproximadas.

Com o avanço da inteligência artificial, surgiram modelos baseados em aprendizado de máquina que utilizam uma gama mais ampla de variáveis, como densidade de estabelecimentos comerciais e conectividade rodoviária. Embora mais precisos, esses sistemas são complexos e difíceis de interpretar, o que limita sua aplicação prática. O novo modelo desenvolvido pela equipe da URV combina o melhor dos dois mundos: a precisão dos algoritmos de machine learning e a simplicidade dos modelos gravitacionais.

Batizado de “robô científico”, o algoritmo utiliza técnicas de física estatística, estatística bayesiana e aprendizado de máquina para identificar os modelos mais plausíveis que explicam os padrões de mobilidade observados. Segundo Marta Sales-Pardo, pesquisadora do grupo SeesLab, a ferramenta permite equilibrar complexidade e precisão de forma eficiente. Roger Guimerà, professor do ICREA, destaca que o modelo é uma poderosa ferramenta para descobertas científicas e análises baseadas em dados.

Uma das vantagens do novo sistema é sua adaptabilidade. Como utiliza apenas variáveis de população e distância, ele pode ser aplicado em diferentes regiões geográficas com ajustes mínimos. Isso o torna útil tanto para grandes centros urbanos quanto para áreas menos populosas, onde a criação de modelos complexos de machine learning seria inviável. Oriol Cabanas, pesquisador pré-doutoral envolvido no estudo, ressalta que essa flexibilidade amplia o potencial de aplicação do modelo em diversos contextos.

As implicações desse avanço são vastas. No planejamento urbano, o modelo pode auxiliar na otimização de infraestruturas de transporte, reduzindo congestionamentos e melhorando a eficiência dos serviços públicos. Na saúde pública, ele oferece uma ferramenta valiosa para prever a disseminação de doenças infecciosas, permitindo a criação de estratégias de contenção mais eficazes em situações como pandemias. Além disso, a capacidade de prever padrões de mobilidade contribui para a sustentabilidade, ajudando a gerenciar o consumo de energia e a reduzir as emissões de gases de efeito estufa associadas ao transporte.

A equipe da URV já está testando o modelo com variáveis adicionais, como conectividade rodoviária, para aprimorar ainda mais sua precisão. Os resultados preliminares sugerem que a inclusão desses fatores pode fornecer uma visão ainda mais detalhada dos padrões de mobilidade.

Publicado na revista Nature Communications, o estudo representa um marco na compreensão da mobilidade humana, oferecendo uma ferramenta versátil e poderosa para enfrentar desafios complexos em diversas áreas. Com sua combinação única de simplicidade e precisão, o novo modelo promete revolucionar a forma como planejamos cidades, gerenciamos crises de saúde e promovemos a sustentabilidade.