Yhdistämällä data-aineistoon tietoa myös kulkumuodoista ja -välineistä tietojenkäsittelijät voivat mallintaa, miten mobiilikäyttäjät keskimääräisesti liikkuvat. Mobiilikäyttäjien liikkuvuuden mallintaminen on tutkimusalue, jolla on sovelluksia tietoliikenneverkkojen suunnittelusta ihmisten tehokkaaseen liikkumiseen.
Ottamalla huomioon esimerkiksi mobiilikäyttäjän nopeuden, kiihtyvyyden, sijainnin ja kulkuvälineen liikkuvuusmalli kertoo, miten mobiilikäyttäjä liikkuu. Mallin avulla voidaan ennustaa, miten mobiilikäyttäjät keskimääräisesti liikkuvat.
Mallien hyödyntämisen kannalta on tärkeää, että mallit kuvaavat tosielämän liikkumista mahdollisimman tarkasti.
Keskeinen aiempi havainto on ollut, että niin sanotut Lévy-kävelyt kuvaavat hyvin ihmisten yleistä liikkumista. Lévy-kävely on satunnaiskulkua, jossa on paljon lyhyitä askelia ja vähän poikkeuksellisen pitkiä askelia.
Helsingin yliopiston tietojenkäsittelytieteen professori Sasu Tarkoma vetämän tutkimuksen keskeinen tulos selittää Lévy-kävelyn syntymistä kaupunkioloissa kulkumuotojen ja -välineiden perusteella: Lévy-kävely syntyy kulkumuotokohtaisten jakaumien yhdistelmästä.
Aikaisempi tutkimus ei ole arvioinut kulkumuotojen vaikutusta Lévy-kävelyn muodostumisessa.
– Esimerkiksi aiempaan taksimatka-aineistoa hyödyntäneeseen ruotsalaiseen tutkimukseen verrattuna voi nyt sanoa, että pelkästään katuverkoston tarkasteleminen ei anna oikeaa kuvaa siitä, miten ihmiset kaupungissa oikeasti liikkuvat, Tarkoma sanoo Helsingin yliopiston tiedotteessa.
– Kaupungissa matkat paikasta toiseen voivat olla hyvinkin pitkiä ja sisältävät taukoja ja liikennevälineiden vaihtoa ja vaikka paluun saman tien, hän jatkaa.
Tarkoman ja hänen ryhmänsä tutkimus perustui kahteen laajaan GPS-data -aineistoon, joissa liikkuminen on luokiteltu kulkumuotojen mukaan. Vaihtoehdot tutkimuksessa olivat kävely/juoksu, polkupyöräily, juna/metro tai auto/taksi/bussi.
Käytetyissä data-aineistoissa oli 10 ja 20 miljoonan käyttäjän kulkuvälineet sisältävät GPS-tiedot Pekingistä ja Genevestä Sveitsistä.
Tuore tulos mahdollistaa entistä tarkemman kuljetusmuodot huomioon ottavan liikkuvuuden mallintamisen. Sitä voidaan soveltaa urbaanin liikkumisen suunnittelussa, tiedonvälityksen tehostamisessa sekä liikkuvuutta hyödyntävien sovellusten ja palveluiden toteuttamiseen.
– Tulos mahdollistaa entistä paremmat tietoverkkoratkaisut paikallisen ja viiveitä sietävän tiedon välitykseen urbaanissa ympäristössä, Tarkoma sanoo.
Tutkimusartikkeli on julkaistu Nature Scientific Reports –sarjassa.