Cosa ci dicono davvero i dati delle reti mobili sugli spostamenti delle persone? Come possiamo interpretare in modo più preciso viaggi e soste?
La crescente diffusione di dispositivi connessi, come smartphone e sistemi di bordo dei veicoli, ha reso disponibile una quantità sempre maggiore di dati generati automaticamente dagli utenti. In questo contesto, i dati delle reti mobili, ovvero le informazioni derivanti dalle interazioni tra i telefoni cellulari e le infrastrutture delle reti cellulari, stanno emergendo come una risorsa strategica per lo studio della mobilità.
Così FS Research Centre, il centro studi del Gruppo FS, in collaborazione con Motion Analytica, Fastweb e Vodafone ha provato ad affrontare la questione, presentando lo studio nel corso dell’evento conclusivo del progetto MNO-MINDS promosso da Eurostat “Integrating MNO Data into Official Statistics: challenges and innovations” presso l’Auditorium OCSE “La Muette” a Parigi.
Lo studio parte da una riflessione metodologica: i dati mobili, pur consentendo ricostruzioni spazio-temporali dettagliate, aggiornate e su larga scala, non sono stati specificamente progettati per il tracciamento dei movimenti. In particolare, i dati grezzi non consentono di distinguere, senza un'adeguata elaborazione, tra stazionarietà e movimento, e non indicano la modalità o la motivazione del viaggio. Da qui la necessità di applicare algoritmi complessi: operazioni di pulizia, segmentazione della traiettoria, inferenza della modalità di trasporto, tecniche di espansione del campione e anonimizzazione secondo le norme sulla privacy.
Nel presente lavoro, partendo dalla definizione di viaggio come sequenza di “punti” separati da “fermate”, si esplora la questione cruciale dell'utilizzo di una soglia temporale, un valore minimo di durata al di sotto del quale l'interruzione è considerata trascurabile, o di una soglia spaziale, che ci permette di identificare le fermate significative effettuate dall'utente durante il viaggio; tuttavia, tali soglie possono portare a classificazioni errate, ignorando le differenze comportamentali tra individui.
Per superare questi limiti, viene proposto un paradigma data-driven alternativo, in cui la significatività di una fermata è definita in relazione al comportamento individuale e al percorso effettivamente compiuto, rispetto al percorso previsto tra l'origine e la destinazione.
Questo approccio consente una ricostruzione più autentica dei viaggi, più rispettosa delle diversità comportamentali e delle abitudini individuali. In pratica, migliora la precisione dell’analisi della mobilità, riducendo il rischio di interpretazioni errate e offrendo una base più solida per studi e simulazioni basate sui dati mobili.