Un algoritmo che, grazie all’intelligenza artificiale, spiega e prevede i flussi di mobilità delle persone. L’ha sviluppato la Fondazione Bruno Kessler in collaborazione con l’Istituto di scienza e tecnologie dell’informazione del CNR e con l’Argonne National Laboratory negli Stati Uniti. Lo studio è stato pubblicato su Nature Communications.

Si chiama “Deep gravity”, e potrebbe fornire informazioni utili anche per i decisori politici. “Conoscere le ragioni dietro i movimenti tra due locazioni – spiega Massimiliano Luca, dottorando all’Università di Bolzano e ricercatore di FBK che ha lavorato al progetto – può aiutare a capire il perché dell’attrattività di un luogo, e in caso di necessità di lockdown può aiutare a imporre chiusure che tengano conto della specificità dei flussi su un territorio”.

“Deep gravity” segna un cambio di rotta rispetto al modello “gravitazionale”, dal nome della legge gravitazionale di Isaac Newton, usato per prevedere i flussi di mobilità sia a piedi sia con automezzi. Questo modello stabiliva che il flusso di mobilità tra due luoghi – come due quartieri della stessa città – fosse proporzionale alla loro popolazione e inversamente proporzionale alla loro distanza geografica. Si tratta, secondo la nuova ricerca di FBK, di un modello inaccurato, perché basato solamente su due variabili, popolazione e distanza, che non sono in grado di catturare la complessità degli spostamenti umani.

L’algoritmo sviluppato dai ricercatori di FBK aggiunge quindi al modello “gravitazionale” due ingredienti molto importanti: l’utilizzo di variabili che descrivano i punti di interesse in un luogo (come ristoranti, alberghi, ospedali e strade) e la capacità di catturare relazioni complesse grazie al “deep learning”.

Luca Pappalardo di CNR-Isti, principale autore dell’articolo apparso su Nature Communications, dice che “Esperimenti condotti su tre Paesi – Italia, Inghilterra e Stato di New York – hanno dimostrato che Deep Gravity è in grado di prevedere i flussi con un’accuratezza che è fino a mille volte migliore di quella del modello gravitazionale”.

L’utilizzo di tecniche di intelligenza artificiale spiegabile (Explainable AI) ha permesso ai ricercatori di comprendere le ragioni dello spostamento tra aree nei tre diversi Paesi. Ne è emerso che le ragioni che spingono le persone a spostarsi non sono sempre legate alla popolazione e alla distanza. “Luoghi con un gran numero di strutture alimentari, vendita al dettaglio e zone industriali attirano più pendolari che luoghi con punti di interesse relativi alla salute e a uso commerciale – aggiunge Pappalardo – Inoltre, la motivazione nei movimenti tra due locazioni non è simmetrica: i punti di interesse che guidano i movimenti da un posto A a un posto B non sono necessariamente le stesse che guidano i movimenti da B ad A. Questo studio è un passo importante verso la spiegazione di fenomeni complessi come la mobilità umana con ricadute pratiche rilevanti come il calcolo della probabilità di diffusione di un’epidemia, come ad esempio il Covid-19, sulla base dei punti di interesse in un territorio”.