Una ricerca condotta da un team di data scientist rivela che, attraverso i Big Data, si possono studiare le nostre abitudini di spostamento e da esse trarre conclusioni utili per la società. Pubblicato su Nature Communications, lo studio è stato condotto in collaborazione dal Kdd Lab di Università di Pisa, l’Istituto di scienza e tecnologie dell’informazione del Consiglio nazionale delle ricerche di Pisa (Isti-Cnr) e il centro di ricerca sulle reti complesse Barabasi Lab di Budapest e Boston.

I ricercatori hanno analizzato i dati relativi agli spostamenti di centinaia di migliaia di persone (rigorosamente anonime), raccolti attraverso tracce Gps di viaggi automobilistici e dati provenienti da dispositivi mobili. Dall’analisi di questi dati è emerso che le persone tendono naturalmente a dividersi in due gruppi: gli “abitudinari” e gli “esploratori”. Gli spostamenti degli abitudinari sono limitati a poche locazioni, come casa e posto di lavoro/studio, mentre gli esploratori mostrano una mobilità “a stella”: un nucleo centrale (casa e posto di lavoro) intorno al quale gravitano altre locazioni, spesso molto distanti.

“Gli esperimenti hanno provato che esploratori e abitudinari presentano capacità differenti di diffondere, attraverso i loro movimenti sul territorio, eventuali epidemie”, ha dichiarato Dino Pedreschi dell’Università di Pisa. “I due profili rivelano anche un certo grado di ‘omofilia sociale’: osservando la rete telefonica, gli esploratori tendono a comunicare più spesso con altri esploratori piuttosto che con gli abitudinari”.

I data scientist hanno sviluppato un modello matematico che riproduce la suddivisione in due gruppi, sulla base del quale hanno condotto esperimenti e simulazioni per studiare alcune delle conseguenze della scoperta.

“La ricerca dimostra come i Big Data offrano uno strumento potente per la comprensione del comportamento umano, un passo importante verso la realizzazione di simulazioni realistiche in contesti fondamentali come il consumo energetico, l’inquinamento e la pianificazione urbana”, ha spiegato Fosca Giannotti dell’Isti-Cnr. “È importante perché, se abbiamo a disposizione modelli affidabili, siamo in grado di prevedere le conseguenze delle nostre scelte, sia individuali sia collettive, come creare una nuova infrastruttura”.