Vector fields as a framework for modelling the mobility of commodities

تخيل أنك تحاول فهم كيفية تنقل الناس عبر مدينة ما، لكن ليس لديك سوى قائمة توضح من أين بدأوا وأين انتهى بهم المطاف. أنت تعلم أن أليس ذهبت من منزلها إلى الحديقة، وأن بوب ذهب من المكتبة إلى السينما. ولكن ماذا عن التقاطع المزدحم في المنتصف؟ ماذا عن الشارع الجانبي الهادئ حيث قد يكون حافلة قد انعطفت؟ إذا نظرت فقط إلى نقاط البداية والنهاية، فستفقد القصة الكاملة للرحلة. هذه مشكلة شائعة في العلم، وتحديداً في مجال يسمى "دراسات التنقل" (mobility studies)، والذي يحاول رسم خرائط لكيفية انتقال الأشياء — مثل البشر، أو السلع، أو حتى الأمراض — عبر العالم. غالباً ما يستخدم العلماء بيانات "الأصل والوجهة" (Origin-Destination - OD)، وهي مجرد طريقة منمقة لقول "من النقطة أ إلى النقطة ب". ورغم فائدتها، إلا أن لهذه الطريقة نقطة عمياء: فهي تتجاهل كل ما يحدث في المنتصف. إذا لم يكن الموقع نقطة بداية أو نهاية، فإن الخريطة تعامله كما لو أنه غير موجود، مما يترك فجوات كبيرة في فهمنا لكيفية تدفق العالم فعلياً.

هنا يأتي دور دراسة جديدة تقدم حلاً ذكياً. فبدلاً من مجرد رسم خطوط بين النقاط، قرر الباحثون التعامل مع حركة السلع مثل الرياح أو الماء. لقد حولوا البيانات إلى "حقول اتجاهية" (vector fields). فكر في الحقل الاتجاهي مثل خريطة الطقس التي تظهر اتجاه الرياح وسرعتها. في خريطة الطصف، لا ترى فقط أين بدأت الرياح؛ بل ترى الرياح وهي تهب في كل مكان، حتى في وسط المحيط حيث لا يقف أحد. باستخدام هذا النهج، يمكن للعلماء تخمين ما يحدث في المساحات الفارغة بين نقاط البداية والنهاية المعروفة. لقد اختبروا هذه الفكرة باستخدام مجموعة بيانات ضخمة لتجارة الماشية في ولاية ميناس جيرايس البرازيلية. وبما أن الماشية تتحرك كثيراً وقد تحمل أمراضاً مثل مرض حنك الفم، فإن معرفة كيفية تحركها بدقة أمر بالغ الأهمية للحفاظ على صحة الحيوانات واستقرار الاقتصادات. وجد الباحثون أنه من خلال تحويل بيانات التجارة إلى "خرائط رياح" للحركة، استطاعوا ملء القطع المفقودة، والتنبؤ بأين قد تذهب الماشية حتى لو لم يتم تسجيل ذلك، ورصد أنماط خفية فاتتها الخرائط التقليدية.

خريطة رياح الماشية

تخيل أنك محقق تحاول حل لغز قطيع ضخم من الماشية يتحرك عبر ولاية ما. بالطريقة القديمة، ستنظر فقط إلى "الإيصالات": "انتقلت بقرة من المزرعة (أ) إلى السوق (ب)". سترسم خطاً يصل بين (أ) و (ب). ولكن ماذا لو توقفت البقرة عند مورد مياه في المنتصف؟ أو ماذا لو مرت عبر بلدة لم تكن مدرجة في قائمة الإيصالات؟ في طريقة "الأصل والوجهة" (OD) القديمة، تكون تلك البلدات الوسطى غير مرئية. الأمر يشبه محاولة فهم نهر من خلال النظر فقط إلى منبعه ومصبّه، مع تجاهل التواءاته ومنعطفاته في المنتصف.

قرر الباحثون في هذه الورقة تغيير قواعد اللعبة. فبدلاً من رسم الخطوط، قرروا إنشاء "خريطة رياح" للماشية. في الفيزياء، الحقل الاتجاهي (vector field) هو وسيلة لإظهار الاتجاه والقوة في كل مكان في وقت واحد. فكر في الأمر كخريطة طقس تظهر فيها الأسهم اتجاه الرياح وقوتها. إذا كانت الرياح تهب شمالاً بسرعة 10 أميال في الساعة، فهناك سهم يشير إلى الشمال. وإذا كان الجو هادئاً، فلا يوجد سهم.

قام الفريق بأخذ بيانات تجارة الماشية وحول كل حركة إلى سهم صغير. إذا أرسلت مزرعة مواشي باتجاه الشمال، فهذا سهم يشير إلى الشمال. وإذا أرسلت مزرعة أخرى مواشي باتجاه الشرق، فهذا سهم يشير إلى الشرق. ثم قاموا بدمج كل هذه الأسهم في كل بقعة صغيرة من الأرض لرؤية "الريح الرئيسية" لتلك المنطقة. ولكن إليك الخدعة السحرية: ماذا عن بقع الأرض التي لم تُسجل فيها أي ماشية؟ الطريقة القديمة ستترك تلك المساحات فارغة. أما الطريقة الجديدة فتستخدم تقنية تسمى الاستكمال الرياضي (interpolation). تخيل أن لديك بضع نقاط على خريطة تعرف فيها سرعة الرياح؛ يمكنك استخدام تلك النقاط لتخمين سرعة الرياح في المساحات الفارغة بينها. الأمر يشبه تلوين كتاب تلوين: إذا كنت تعرف لون السماء في ركنين، يمكنك تخمين اللون في المنتصف.

ما وجدوه في تجارة الماشية

طبق الباحثون منهج "خريطة الرياح" هذا على تجارة الماشية في ميناس جيرايس، البرازيل. تعد هذه المنطقة مركزاً ضخماً للماشية، مما يجعلها حالة اختبار مثالية. إليك ما كشفته "خريطة رياح" الماشية الخاصة بهم:

1. الرياح مستقرة في الغالب، لكنها أحياناً تكون جامحة
لقد نظروا في اتجاه حركة الماشية كل شهر على مدار أربع سنوات. واستخدموا أداة رياضية تسمى الاعتلاج (entropy) لقياس مدى فوضوية الاتجاهات.

• في الجزء الشمالي من الولاية، كانت "الرياح" مستقرة للغاية. كانت الأسهم تشير إلى نفس الاتجاه معظم الوقت، وهذا يعني أن طرق التجارة هناك يمكن التنبؤ بها ومستقرة.
• في الجنوب الشرقي، كانت "الرياح" أكثر جموحاً. كانت الأسهم تغير اتجاهها كثيراً، مما يعني أن طرق التجارة هناك أقل قابلية للتنبؤ.
• استخدموا أيضاً أداقة تسمى تشابه جيب التمام (cosine similarity) لمعرفة مدى تغير الاتجاه من شهر لآخر. ووجدوا أنه بينما كانت معظم المناطق مستقرة، شهدت بعض المناطق نمطاً إيقاعياً؛ حيث تتغير الاتجاهات في نمط موجي، يشبه نبض القلب، خاصة في نهاية العام (نوفمبر وديسمبر).

2. المسافة مهمة أيضاً
حتى الآن، تحدثنا فقط عن الاتجاه. ولكن ماذا عن المسافة التي قطعتها الماشية؟ نظر الباحثون في "قوة" الأسهم (المقدار/magnitude).

• وجدوا أن المناطق ذات التجارة طويلة المدى (الأسهم الكبيرة) تميل لأن تكون قريبة من مناطق أخرى ذات تجارة طويلة المدى.
• رصدوا بعض الأنماط الغريبة التي تسمى "الدونات" و"الماس". "الدونات" هي مكان ذو مسافات تجارية قصيرة محاط بأماكن ذات مسافات طويلة. و"الماس" هو العكس تماماً: مركز مزدحم محاط بمناطق هادئة.
• أظهر هذا أن التجارة ليست عشوائية؛ بل تتجمع معاً. إذا كنت بالقرب من مكان يتاجر لمسافات بعيدة، فمن المرجح أنك ستتاجر لمسافات بعيدة أيضاً.

3. المراكز الخفية: المصادر والمصبات
كان الاكتشاف الأكثر إثارة هو العثور على "المصبات" و"المصادر" في خريطة الرياح.

• المصادر (Sources) تشبه عين الإعصار حيث تهب الرياح إلى الخارج. في عالم الماشية، هذه هي الأماكن التي تغادر منها الماشية بأعداد كبيرة، وغالباً ما يحدث ذلك في الربيع والصيف، وهي مواسم التكاثر.
• المصبات (Sinks) هي حيث تهب الرياح إلى الداخل. هذه هي الأماكن التي تصل إليها الماشية وتتوقف، مثل المسالخ أو الأسواق. وتحدث هذه الذروات غالباً قبل رأس السنة عندما يشتري الناس اللحوم للاحتفالات.
• والأهم من ذلك، أن هذه "المصبات" و"المصادر" لم تكن مجرد المزارع أو الأسواق المدرجة في البيانات. فقد وجدت طريقة الحقل الاتجاهي هذه مراكز في أماكن لم تكن مدرجة أصلاً في القائمة! الأمر يشبه أن خريطة الرياح كشفت عن مدينة خفية لم تظهرها الإيصالات.

لماذا يغير هذا كل شيء؟

تشير الورقة إلى أن نهج "خريطة الرياح" هذا أفضل بكثير من طريقة "رسم الخطوط" القديمة، خاصة عندما تكون البيانات مفقودة. في الواقع، اختبروا مدى قوة طريقتهم من خلال التظاهر بحذف أجزاء من الخريطة. وحتى عندما أزالوا أكثر من نصف نقاط البيانات، كانت "الرياح" التي توقعوها دقيقة، مع تغيرات في الاتجاه بأقل من 15 درجة. وهذا يعني أن الطريقة قوية جداً ويمكنها ملء الفراغات حتى عندما تكون البيانات شحيحة.

هذا الأمر لا يقتصر على الأبقار فقط. يوضح المؤلفون أن هذه الطريقة يمكن أن تساعد في التنبؤ بكيفية انتشار الأمراض. إذا بدأ مرض ما في منطقة "مصدر"، فيمكن لخريطة الرياح أن تظهر بالضبط كيف يمكن أن يهب إلى منطقة "مصب"، حتى لو لم تكن تلك المنطقة مسجلة أصلاً في البيانات. وهذا قد يساعد الأطباء والمزارعين على وقف التفشي قبل حدوثه.

لا تدعي الدراسة أنها حلت كل المشكلات. فقد اعترفوا بأنه إذا كانت البيانات شحيحة جداً، فقد تكون التوقعات أقل دقة. كما أنهم ركزوا فقط على الماشية، لذا لا نعرف بعد ما إذا كان هذا سينجح بشكل مثالي لأشياء أخرى مثل حاويات الشحن أو حركة البشر. لكن النتائج واعدة. فمن خلال تحويل قائمة "من النقطة أ إلى النقطة ب" إلى خريطة حية ومتدفقة للحركة، منحنا الباحثون طريقة جديدة لرؤية التيارات غير المرئية التي تحرك عالمنا. لقد حولوا قائمة ثابتة من الأرقام إلى قصة ديناميكية من التدفق، مظهرين لنا أنه حتى في المساحات الفارغة، لا يتوقف الحركة حقاً.