Mechanism underlying the scaling law of home-return probability in human mobility

Resumen Técnico: Mecanismo subyacente a la ley de escala de la probabilidad de retorno al hogar en la movilidad humana

Planteamiento del problema
Comprender las regularidades estadísticas de la movilidad diaria individual es un desafío central en la ciencia urbana y los sistemas complejos. Un fenómeno clave es el "tour" (recorrido), definido como una secuencia de viajes que se originan en y regresan a una base fija en el hogar. Los datos empíricos revelan una sorprendente ley de escala: la probabilidad de que un individuo regrese a casa después de visitar $l$ ubicaciones decae según una ley de potencia, $P_{ret}(l) \sim l^{-\gamma}$, donde $\gamma \in (0, 1)$.

Intentos previos para modelar esto, como el modelo de Terminación-Continuación de Tours (TTC) propuesto por Lin et al., reproducen con éxito la distribución de las longitudes de los recorridos tratando la caída de la ley de potencia de $P_{ret}(l)$ como un dato empírico de entrada. Sin embargo, este enfoque deja sin resolver el origen microscópico del exponente $\gamma$. El problema central abordado en este trabajo es proporcionar una explicación mecánica de por qué la probabilidad de retorno al hogar sigue una ley de potencia y qué determina el valor específico del exponente de escala $\gamma$, yendo más allá de la descripción fenomenológica hacia la derivación teórica.

Metodología
Los autores proponen un marco fundamentado en el principio del mínimo esfuerzo y las restricciones cognitivas para derivar la ley de escala a partir de primeros principios. La metodología avanza a través de los siguientes pasos lógicos:

1. Modelo de compensación de utilidad: La decisión de terminar un recorrido (regresar a casa) o continuar se modela como una elección binaria gobernada por una compensación entre dos utilidades:

   • $U_H$: La utilidad constante de regresar a casa (que representa descanso y seguridad).
   • $U_L(l)$: La utilidad marginal acumulada derivada del recorrido externo hasta el paso $l$.
     Utilizando la regla de elección de Luce, la probabilidad de retorno al hogar se expresa como $P_{ret}(l) = U_H / (U_H + U_L(l))$.

2. Codificación cognitiva y la Ley de Zipf: Para determinar el patrón de crecimiento de $U_L(l)$, los autores modelan la recuperación de los propósitos de actividad del individuo como un proceso de codificación óptimo. Aplicando el marco de información de Mandelbrot y el teorema de codificación de fuente de Shannon bajo la restricción de minimizar el esfuerzo cognitivo promedio (el principio del mínimo esfuerzo), derivan que las prioridades de actividad siguen una distribución de Zipf: $p(r) \sim r^{-\nu}$, donde $r$ es el rango de prioridad y $\nu$ es el exponente de heterogeneidad cognitiva.

3. Integración de la accesibilidad espacial: Los autores argumentan que la accesibilidad espacial no es una restricción externa, sino que está integrada en el proceso de codificación cognitiva. Los destinos próximos requieren menos esfuerzo cognitivo, aumentando efectivamente su rango de prioridad. Por lo tanto, la secuencia de los pasos del recorrido $l$ se alinea con el rango de prioridad integrado ($l=r$).

4. Derivación matemática: La utilidad acumulada $U_L(l)$ se calcula como la suma de las utilidades marginales sobre los $l$ rangos superiores. Al analizar el comportamiento asintótico de la suma $\sum_{r=1}^{l} r^{-\nu}$, los autores identifican que para el régimen $0 < \nu < 1$, la utilidad acumulada crece de forma sublineal como $U_L(l) \sim l^{1-\nu}$.

5. Validación: Los resultados analíticos se validan mediante simulaciones de agentes que involucran $10^8$ agentes, comparando los $P_{ret}(l)$ simulados y los exponentes ajustados contra las predicciones teóricas.

Resultos clave
El análisis produce una relación analítica directa entre el exponente de heterogeneidad cognitiva $\nu$ y el exponente de escala de movilidad $\gamma$:
$$\gamma = 1 - \nu$$
Esta derivación demuestra que:

• La caída de la ley de potencia de la probabilidad de retorno al hogar surge naturalmente de la acumulación sublineal de la utilidad del recorrido.
• Esta sublinealidad es una consecuencia directa de la distribución de Zipf interna de las prioridades de actividad del individuo, la cual es, a su vez, la solución óptima para la codificación cognitiva bajo el principio del mínimo esfuerzo.
• La condición $\nu \in (0, 1)$, requerida para el crecimiento sublineal de la utilidad, asegura naturalmente que el exponente de escala $\gamma$ resultante caiga dentro del rango empíricamente observado de $(0, 1)$.

Las simulaciones de agentes confirman que la relación de escala teórica se mantiene, y que el exponente ajustado $\gamma$ converge a $1-\nu$ a medida que aumenta la longitud máxima del recorrido, a pesar del ruido estadístico en longitudes de recorrido muy largas.

Significancia y pretensiones
El artículo pretende proporcionar el primer fundamento teórico microscópico para el modelo empírico TTC de la movilidad humana. Al cerrar la brecha entre las restricciones cognitivas individuales (específicamente el principio del mínimo esfuerzo y la codificación óptima) y los patrones de movilidad macroscópicos, los autores resuelven la "caja negra" del modelo TTC.

La significancia de este trabajo radica en:

• Explicación mecánica: Desplaza la comprensión del comportamiento de los recorridos de un ajuste fenomenológico a un mecanismo impulsado por compensaciones de utilidad cognitiva.
• Unificación: Unifica la observación de la escala de la movilidad de ley de potencia con la ley de Zipf, bien establecida en la ciencia cognitiva, sugiriendo que los patrones de movilidad observados son una manifestación directa de cómo el cerebro optimiza la recuperación de los propósitos de actividad.
• Fundamento teórico: Ofrece una derivación rigurosa del exponente de escala $\gamma$ basado en el parámetro cognitivo $\nu$, proporcionando una base para futuras investigaciones que vinculen la ciencia cognitiva, los sistemas complejos y la planificación urbana.

Los autores reconocen limitaciones, señalando que su modelo actual internaliza implícitamente la fricción espacial a través de la "prioridad integrada" en lugar de tratar la distancia espacial como una restricón externa explícita, y que se centra en la toma de decisiones individual sin incorporar interacciones sociales o patrones de movilidad colectiva.