Όταν χρησιμοποιούμε το κινητό μας για να κάνουμε μια κλήση ή να στείλουμε ένα μήνυμα, αυτό συνδέεται στην πιο κοντινή κεραία του παρόχου κινητής.
Είναι ένας τρόπος με τον οποίο μπορεί να τριγωνομετρηθεί η τοποθεσία μας χωρίς στην πράξη εμείς να τη μοιραστούμε.
Φανταστείτε τώρα την ίδια κίνηση να κάνουν εκατομμύρια άνθρωποι σε μια πόλη καθημερινά. Το αποτέλεσμα δεν είναι απλά δεδομένα θέσης εκατομμυρίων πολιτών, αλλά αντίθετα μια εικόνα που δείχνει πως λειτουργεί μια πόλη ολόκληρη.
Ο λόγος για το σύστημα που αναφέρεται ως Multi-label approach for place identification το οποίο δεν παρακολουθεί απλώς τους ανθρώπους. Αυτό που κάνει είναι να παρακολουθεί μοτίβα, δηλαδή ανωνυμοποιημένα δεδομένα, τα οποία αποτυπώνουν τι συμβαίνει σε διάφορα μέρη μιας πόλης κατά τη διάρκεια μιας ημέρας.
Το πλεονέκτημα του συστήματος είναι ότι σε αντίθεση με άλλες τεχνολογίες που δίνουν σε μια περιοχή έναν συγκεκριμένο χαρακτηρισμό ή ρόλο, όπως για παράδειγμα κατοικία ή εργασία, το MAPLID είναι σε θέση να αναγνωρίζει διάφορες χρήσεις ταυτόχρονα, αποτυπώνοντας ίσως με τον πιο χαρακτηριστικό τρόπο και σαφώς πολύ πιο ρεαλιστικά την πολυπλοκότητα που παρουσιάζει η αστική ζωή.
Ένα χαρακτηριστικό παράδειγμα του χάρτη που μπορεί να δημιουργήσει το μοντέλο ακολουθεί στην εικόνα παρακάτω
Πως λειτουργεί και τι θα προσφέρει;
Το MAPLID έχει αναπτυχθεί στα πλαίσια διδακτορικής έρευνας από τον Manuel Mendoza Hurtado, σε συνεργασία με συναδέφλους, όπως οι Juan A. Romero del Castillo και Domingo Ortiz Boyer του Department of Computer Science and Artificial Intelligence.
Συγκεκριμένα, αντί να λειτουργεί με ίχνη τοποθεσίας, το μοντέλο βασίζει την κατανόησή του σε επίπεδα. Αποτελεί δηλαδή μια πολυεπίπεδη διαδικασία.
Ξεκινά με τις κλήσεις και τα μεταδεδομένα των μηνυμάτων (και σε καμία περίπτωση με το περιεχόμενο) και στη συνέχεια παρακολουθεί πώς τα σήματα αυτά επαναλαμβάνονται κατά τη διάρκεια ημερών και εβδομάδων προκειμένου να μπορέσει να διακρίνει τις κινήσεις που κάνουν οι άνθρωποι στα πλαίσια μιας ρουτίνας από τις κινήσεις που κάνουν μια φορά.
Όλο αυτό το επίπεδο συμπεριφοράς αξιοποιείται σε συνδυασμό με δεδομένα του OpenStreetMap, κάτι που οδηγεί σε αποτελέσματα τα οποία μπορούν να αξιοποιηθούν για ανάλυση.
Που θα χρησιμοποιηθεί
Αξίζει να σημειωθεί ότι το εν λόγω σύστημα προς το παρόν δεν χρησιμοποιείται από κάποια επίσημη αρχή. Στόχος των ερευνητών είναι να το προσφέρουν σε κυβερνήσεις και σε επικεφαλείς οικιστικής ανάπτυξης, με τις πρακτικές εφαρμογές του να είναι κυριολεκτικά πάρα πολλές.
Για παράδειγμα, φανταστείτε η πόλη της Αθήνας για παράδειγμα να μπορεί να προσαρμόσει τα δρομολόγια των λεωφορείων βάσει των μοτίβων των πραγματικών κινήσεων των πολιτών της.
Φανταστείτε το κράτος να μπορεί να μεταβάλλει την κυκλοφορία μιας περιοχής αν παρατηρηθεί συμφόρηση.
Το ενδιαφέρον στοιχείο που θα πρέπει να επισημάνουμε είναι ότι οι πόλεις πάντοτε είχαν πρόσβαση σε τέτοιου είδους δεδομένα. Απλά τους έλειπε εκείνο το μέσο που θα μπορούσαν να το αξιοποιήσουν καλύτερα. Το εργαλείο αυτό ίσως είναι ένα πρώτο βήμα προς αυτή την κατεύθυνση.
Η έρευνα είναι δημοσιευμένη στο tandfonline.com
