近年来，来自手机的大数据集已用于提供越来越准确的分析，以分析我们在家庭，工作和休闲，假期以及其他所有事物之间的移动方式。基于手机数据进行分析的优势在于，它们可以提供有关每个人何时，如何以及走多远的准确数据，而无需特别关注他们是否沿途跨越了地理边界-我们只是简单地从一个坐标移动到另一个坐标。经度和纬度的系统。
“然而，现有大数据模型的问题在于，它们无法捕捉到邻里，城镇，城市，区域，国家等地理结构对我们的流动性意味着什么。例如，这使得很难为未来生成良好的模型DTU和哥本哈根大学教授Sune Lehmann解释说，当新的运输方式出现或城市化出现时，我们需要这种洞察力。
实际上，使用大数据方法对位置数据进行建模已消除了表征地理区域的常规尺寸及其对我们日常行程和运动方式的重要性。在流动性研究中，这些被称为秤。
“在流动性研究中，有时会呈现出似乎没有比例的事物。但是，同时，常识告诉我们，必须有典型的行程或运动方式，这是由地理位置决定的。直观地讲似乎看不到是错的，例如，您看不到某个街区或市区有典型的区域。一个街区是一个您可以下楼拿披萨或买一袋糖果的地方。拥有一个小国大小的社区。地理必须发挥作用。这有点自相矛盾。” DTU和哥本哈根大学助理教授劳拉·亚历山德雷蒂(Laura Alessandretti)说。
找到新的，自然的和灵活的地理边界
因此，发表在《自然》杂志上的论文的作者开发了一种新的数学模型，该模型可以通过移动跟踪数据定义新的地理比例，从而通过这种方式将地理学(通常的大小和长度)带回到我们对机动性的理解中。
该模型使用了来自全球700,000多个个人的匿名移动数据，并根据他们的移动数据确定了每个人的规模-邻里，城镇，城市，地区，国家。
“而且，如果您看一下结果，很显然距离在我们的运动方式中发挥着作用，但是在旅行时，典型的距离和选择都与地理边界相对应，只有不一样的边界才能找到更复杂的是，“我们的地理区域”也会根据我们的身份而变化。如果您居住在市区之间的边界上，则您所在的社区位于例如一个中心居住并包括两个城区的一部分，我们的模型还显示了我们是谁，社区的规模取决于您是男性，女性，年轻人还是老年人，无论居住在城市还是农村，或者您居住在沙特阿拉伯还是英国。”苏恩·莱曼(Sune Lehmann)解释说。
新模型提供了关于我们如何在不同情况下四处走动的更细致和准确的描述，并且，不仅如此，它还可以预测与地理发展有关的总体流动性。这对一些社会最重要的决定有影响：
“更好的出行模型很重要。例如，在交通规划，运输部门以及与流行病的斗争中。通过在以下情况下使用最精确的模型，我们可以节省数百万吨的CO 2，数十亿美元和许多生命规划未来的社会，” DTU和哥本哈根大学的博士后Ulf Aslak Jensen说
情况说明：寄宿生会根据您的身份而移动
在本文中，研究人员使用ia模型研究了53个国家/地区不同人口群体的流动性差异。除其他外，他们发现：
在接受调查的53个国家中，有21个国家的女性每天在地理上的切换比男性多
女人的移动距离比男人短
农村人口的本地面积大于城市人口的本地面积。
