Каждый ваш звонок рисует карту вашего города — вот кто за вами наблюдает.
На самом деле вам не нужно сообщать о своем местоположении , чтобы город мог определить, где вы находитесь. Каждый ваш звонок и каждое отправленное сообщение незаметно подключаются к ближайшей сетевой антенне. Теперь умножьте это на миллионы людей, делающих то же самое каждый день, и вы получите не просто данные — это живую, динамичную картину того, как на самом деле функционирует город. Именно это удалось обнаружить исследователям из Университета Кордовы с помощью нового инструмента, разработанного для интерпретации этих закономерностей.
Инструмент, который наблюдает, не наблюдая по-настоящему.
MAPLID (Многоклассовый подход к идентификации мест) Система не отслеживает отдельных людей. Она анализирует закономерности — агрегированные, анонимизированные сигналы, показывающие, как на самом деле ведут себя места с течением времени. Она может выявить, когда район переходит из жилого в коммерческий, когда дороги, ведущие в промышленные зоны, достигают пиковой нагрузки, или как одно крупное событие может незаметно нарушить ритм целого района.
Его отличительная особенность заключается в том, что он не ограничивает место одним единственным определением. Например, университетский кампус — это не только рабочее место. В зависимости от времени суток это может быть дом, общественное пространство или транспортный маршрут. Большинство картографических инструментов, как правило, выбирают одно обозначение и придерживаются его. MAPLID же, напротив, охватывает все эти слои одновременно.
Как на самом деле проходит исследование
Данная модель была разработана в рамках докторской диссертации Мануэля Мендосы Уртадо совместно с коллегами Хуаном А. Ромеро дель Кастильо и Доминго Ортисом Бойером с кафедры компьютерных наук и искусственного интеллекта.
Вместо работы с необработанными данными о местоположении, система строит свое понимание послойно. Она начинает с геолокационных метаданных звонков и сообщений — не с самого контента, а с точек соединения, которые регистрируются при взаимодействии устройств с сетевыми антеннами. Затем она отслеживает, как эти сигналы повторяются в течение дней и недель, помогая отличать устойчивые схемы от разовых перемещений. Этот поведенческий слой затем сопоставляется с OpenStreetMap, открытой географической базой данных. Это добавляет контекст реального мира, такой как типы улиц, достопримечательности и категории зданий, превращая абстрактные сигнальные паттерны в нечто гораздо более обоснованное и пригодное для анализа городской среды.
Результатом этого процесса является покадровая съемка. Один и тот же квартал, если смотреть на него в разное время суток, может рассказать совершенно разные истории — 7 утра совсем не похоже на 7 вечера. Для проверки модели команда провела ее тестирование в Милане и Тренто, двух итальянских городах, которые значительно различаются по размеру и структуре, что делает их идеальными для сравнения. Из-за ограничений конфиденциальности данные мобильной связи Испании были недоступны, поэтому исследователи использовали набор данных, предоставленный Telecom Italia для научных исследований. Даже при наложении миллионов ежедневных точек данных на городские карты модель стабильно работала в обоих городах, что говорит о том, что она не ограничивается одним типом городской среды.
Результаты исследования опубликованы в Международном журнале географической информационной науки .
Так кто же на самом деле смотрит?
В настоящее время официально его никто еще не использует. Следующий шаг исследователей — внедрить этот инструмент непосредственно в работу местных органов власти и городских планировщиков. Варианты его применения довольно очевидны: корректировка расписаний автобусов на основе реальных моделей движения, улучшение транспортного потока там, где он действительно возникает, и даже отправка бригад уборщиков в места, где они действительно необходимы, вместо того, чтобы полагаться на устаревшие предположения.
Интересно то, что города всегда производили подобную информацию. Она никогда не отсутствовала. Не хватало лишь способа интерпретировать её осмысленным и полезным образом. Этот инструмент может стать тем шагом, который изменит ситуацию.