💻 computer science

Complete Trip: A Linked Multimodal Human Mobility Dataset

Este artículo presenta "Complete Trip", un nuevo conjunto de datos que reconstruye trayectos de movilidad humana multimodales vinculados a partir de datos de ubicación de teléfonos inteligentes en seis condados de Utah en 2020, ofreciendo representaciones de rutas basadas en redes y pesos de inferencia a nivel poblacional para apoyar la investigación reproducible en transporte, salud pública y ciencia urbana.

Autores originales: Ruohan Li, Weiyu Luo, Xin Wu, Chenfeng Xiong

Publicado 2026-07-20

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Ruohan Li, Weiyu Luo, Xin Wu, Chenfeng Xiong

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina el mundo como una gigantesca e invisible pista de baile donde miles de millones de personas se mueven constantemente. Los científicos han querido entender durante mucho tiempo la coreografía de este baile: ¿A dónde va la gente? ¿Cómo llegan allí? ¿Van caminando, en coche o en autobús? Y lo más importante, ¿cómo se conectan estos pasos individuales para formar una historia completa? Durante años, los investigadores solo tenían piezas del rompecabezas. Algunos datos mostraban dónde estaban las personas en un momento determinado, como una instantánea. Otros mostraban dónde empezaban y dónde terminaban, como una línea de salida y de meta, pero perdían el desordenoso punto medio. Algunos datos eran simplemente un conteo borroso de multitudes, mientras que otros datos eran tan privados que no podían utilizarse en absoluto. Sin la imagen completa, es difícil planificar mejores ciudades, detener la propagación de enfermedades o ayudar a la gente a llegar al trabajo a tiempo. Necesitábamos una forma de ver el viaje completo, no solo los puntos en un mapa.

Aquí es donde entra en juego un equipo de investigadores de la Universidad de Villanova con una nueva herramienta llamada Complete Trip (Viaje Completo). Piensa en este conjunto de datos como un carrete de película mágico que une miles de pequeños y dispersos clips de video de las vidas de las personas en una película fluida y continua. En lugar de solo ver a una persona aparecer en una cafetería y luego desaparecer en un parque, este conjunto de datos muestra toda la historia: la caminata hacia la parada del autobús, el viaje en el tren, el transbordo a un autobús diferente y la caminata final hacia el parque. Hace esto tomando datos "pasivos" —señales enviadas por teléfonos inteligentes cuando las personas tienen activados los servicios de ubicación— y limpiándolos para revelar el viaje completo.

El artículo presenta este nuevo conjunto de datos, que cubre seis condados de Utah durante todo el año 2020. Es como tener una máquina del tiempo que te permite observar cómo se movieron 14,8 millones de dispositivos anónimos durante un año muy específico. Los investigadores no solo recolectaron las señales brutas; construyeron una fábrica de cuatro pasos para convertir esas señales en historias útiles. Primero, determinaron cuándo comenzaba un viaje de una persona y cuándo terminaba. Segundo, adivinaron cómo viajaban (coche, autobús, tren o caminando) utilizando un programa informático inteligente. Tercero, trazaron la ruta exacta que tomaron en un mapa digital, en lugar de solo suponer la línea recta entre dos puntos. Finalmente, vincularon estos pasos individuales. Si una persona tomó un autobús hacia una estación de tren y luego se cambió a un tren, el conjunto de datos sabe que estos son parte de un mismo "viaje", no dos eventos separados y no relacionados.

Lo que hace que esto sea especial es que conecta los puntos. Los conjuntos de datos anteriores eran como tener una lista de direcciones que las personas visitaron pero sin tener idea de cómo llegaron allí, o una lista de viajes en autobús sin saber quién estaba en ellos. Este nuevo conjunto de datos lo vincula todo. Muestra que un viaje no es solo un punto A a un punto B; es una cadena de eventos. Los investigadores también añadieron un "número mágico" especial (llamado peso) a cada viaje. Dado que los datos de los teléfonos inteligentes no capturan a todos por igual (por ejemplo, puede que omitan a las personas mayores o a quienes no tienen teléfonos inteligentes), este número ayuda a los científicos a ajustar los datos para que representen a toda la población, no solo a los dueños de teléfonos.

El equipo probó su trabajo para asegurarse de que fuera real. Compararon sus datos con recuentos oficiales de tráfico y registros de transporte. Encontraron que sus datos coincidían muy de cerca con las tendencias del mundo real, con una correlación de 0,96 para la asistencia de autobuses y trenes tras aplicar sus ajustes. Esto significa que el conjunto de datos es un espejo confiable de lo que realmente sucedió en las carreteras y vías en 2020. También se aseguraron de proteger la privacidad de las personas. En lugar de dar direcciones exactas, convirtieron las ubicaciones en cuadros de cuadrícula difusos (llamados Geohash-6), y en lugar de tiempos exactos, utilizaron bloques de 30 minutos. No puedes ver exactamente quién fue a dónde, pero puedes ver exactamente cómo se movió la multitud.

En resumen, este artículo no solo nos da una lista de números; nos da una nueva forma de ver el movimiento humano. Sugiere que, al vincular los viajes y mapearlos en carreteras y vías reales, podemos finalmente comprender la complejidad total de cómo la gente vive y se mueve. Ya sea para determinar por qué una ruta de autobús está vacía, planificar dónde construir un nuevo carril para bicicletas o entender cómo reacciona una ciudad ante una tormenta, este conjunto de datos ofrece una visión más clara y completa de la pista de baile. Es una herramienta que convierte señales dispersas y confusas en una historia coherente de cómo llegamos de aquí allá.

Resumen Técnico: Complete Trip: Un Conjunto de Datos de Movilidad Humana Multimodal Vinculado

Planteamiento del Problema
Los conjuntos de datos de movilidad humana existentes suelen capturar aspectos aislados del comportamiento de viaje, fallando al no proporcionar una visión unificada que combine trayectos multimodales vinculados, representaciones de rutas a nivel de red y la inferencia a nivel de población. Mientras que los productos agregados (por ejemplo, Google Mobility Reports) ofrecen una amplia cobertura espacial, carecen de vinculación de trayectos individuales. Los conjuntos de datos de trayectorias detalladas (por ejemplo, GeoLife, YJMob100K) a menudo omiten el contexto multimodal y la representatividad poblacional. Los conjuntos de datos basados en encuestas (por ejemplo, PFLOW, MOBIS) proporcionan riqueza conductual, pero suelen estar limitados geográficamente o carecen de capacidades de inferencia a escala de población. En consecuencia, existe una brecha en los datos disponibles públicamente que representen simultáneamente el comportamiento de viaje completo —preservando las relaciones secuenciales entre segmentos, modos y transferencias— permitiendo al mismo tiempo análisis basados en redes y a nivel de población.

Metodología
Los autores presentan "Complete Trip", un conjunto de datos reconstruido a partir de datos de Servicios Basados en la Ubicación (LBS) recolectados pasivamente mediante teléfonos inteligentes, que cubren seis condados de Utah (Salt Lake, Davis, Weber, Utah, Wasatch y Summit) durante todo el año 2020. El marco de generación sigue un flujo de trabajo de cuatro etapas alineado con la metodología de la NextGen National Household Travel Survey (NextGen NHTS):

Identificación de Viajes: Las observaciones de LBS sin procesar (más de 6.3 mil millones de pings de aproximadamente 14.8 millones de dispositivos) se filtran y segmentan en episodios de viaje utilizando anclajes de actividad inferidos. Los movimientos consecutivos se identifican como viajes individuales con atributos de origen, destino y temporales.
Imputación de Modo: Un clasificador de Bosques Aleatorios (Random Forest) supervisado asigna uno de cuatro modos de viaje (automóvil, autobús, tren, transporte activo) a cada viaje. Este modelo utiliza características conductuales a nivel de viaje y el contexto de la red de transporte derivado de conjuntos de datos de carreteras y tránsito.
Reconstrucción de Rutas: Los viajes se mapean a redes de transporte digitales.
- Automóvil/Activo: Las trayectorias se ajustan a las redes de OpenStreetMap (OSM) utilizando Sup-HMM (un HMM mejorado para datos dispersos).
- Tránsito: Las rutas se reconstruyen utilizando redes de Especificación de Alimentación de Tránsito General (GTFS), capturando paradas de acceso/egreso y puntos de transferencia.
Vinculación de Viajes: Los segmentos secuenciales de un solo modo que pertenecen al mismo episodio de viaje se vinculan utilizando un linked_trip_id único. Esto preserva la cadena completa del trayecto, incluyendo las transferencias multimodales.
Ponderación de Expansión Poblacional: Para abordar los sesgos de muestreo inherentes a los datos LBS pasivos (por ejemplo, la subrepresentación de usuarios sin smartphone o adultos mayores), se aplica un marco de ponderación de dos etapas:
- A nivel de dispositivo: El Ajuste Proporcional Iterativo (IPF) alinea las distribuciones de los dispositivos con los controles de población de la ACS por edad e ingresos.
- A nivel de viaje: Los factores de calibración derivados de referencias nacionales (2017 NHTS, informes de la FHWA, National Transit Database) corrigen los sesgos específicos de modo.
Preservación de la Privacidad: Los datos publicados emplean la generalización espacial (Geohash-6 para orígenes/destinos), la abstracción temporal (intervalos de 30 minutos) y la transformación de rutas (trayectorias de red inferidas en lugar de GPS bruto) para evitar la reidentificación.

Contribuciones Clave
El artículo introduce un conjunto de datos que integra de manera única cuatro capacidades principales que anteriormente no estaban disponibles en un solo recurso público:

Trayectos Multimodales Vinculados: Representa el comportamiento de viaje completo al vincular segmentos secuenciales, preservando el orden de los modos y las transferencias dentro de un solo trayecto.
Representación de Rutas Basada en Redes: Los viajes no son solo pares de origen-destino, sino que se reconstruyen como secuencias ordenadas de nodos de red (OSM o GMNS), lo que permite el análisis de tráfico a nivel de enlace.
Inferencia a Nivel de Población: La inclusión de pesos de expansión estadísticamente calibrados (trip_weight) permite la extrapolación de los hallazgos a la población viajera más amplia, corrigiendo los sesgos de muestreo demográficos y de modo conocidos.
Diseño de Preservación de la Privacidad: El conjunto de datos equilibra la utilidad con la privacidad al eliminar las coordenadas y marcas de tiempo precisas, manteniendo los patrones de movilidad agregados.

Resultos y Validación
El conjunto de datos publicado contiene aproximadamente 28.7 millones de registros de viajes y 28.4 millones de trayectos vinculados de 282,508 dispositivos observados. La validación técnica frente a referencias independientes arroja lo siguiente:

Cobertura de Muestreo: Las tasas de muestreo estimadas son del 1.32% para viajes en automóvil, 4.49% para viajes en autobús y 2.11% para viajes en tren, consistentes con otros conjuntos de datos LBS pasivos a gran escala.
Correlación Temporal: Los viajes de tránsito ponderados muestran una correlación de Pearson de $\rho = 0.96$ con los registros oficiales de la demanda mensual de pasajeros (UTA), superando significativamente las observaciones sin ponderar. Los volúmenes de automóviles siguen de cerca los conteos de tráfico de UDOT.
Distribución de Pesos: Los pesos de expansión válidos están disponibles para el 83.90% de los registros. La mediana de los pesos es 20.96, y el 1% de los pesos más grandes contribuye con solo el 3.11% de la masa total ponderada, lo que indica una falta de concentración extrema.
Estadísticas Descriptivas: Los datos reflejan una composición multimodal dominada por el viaje en automóvil (77.92%), seguido de caminar/bicicleta (18.37%), autobús (2.68%) y tren (1.03%).

Significancia y Reivindicaciones
Los autores afirman que Complete Trip permite la investigación reproducible en áreas de transporte, salud pública, ciencia urbana y resiliencia ante desastres al proporcionar una representación de la movilidad humana multimodal vinculada. La importancia del conjunto de datos radica en su capacidad para apoyar análisis que antes eran imposibles con datos fragmentados, tales como:

Análisis de Origen-Destino Multimodal: Generación de matrices OD específicas por modo a nivel de sector censal.
Análisis de Tráfico a Nivel de Red: Estimación de volúes de tráfico en segmentos de carretera individuales mediante rutas ajustadas al mapa.
Estudios de Equidad y Accesibilidad: Distinción entre "desiertos de tránsito" (falta estructural de acceso) y "espejismos de tránsito" (alta demanda pero mal servicio) utilizando distancias de acceso de primera milla.
Turismo y Secuenciación de Actividades: Vinculación de visitas a destinos con actividades posteriores para comprender las cadenas de viaje de los visitantes.

El artículo posiciona a Complete Trip no como un reemplazo para las encuestas de verdad de terreno, sino como una alternativa escalable y representativa de la población que cierra la breancia entre los datos de trayectoria de alta resolución y los indicadores de movilidad agregados. Los autores señalan que, si bien persisten sesgos residuales (particularmente para usuarios sin smartphone), el conjunto de datos ofrece una base sólida para la inferencia a nivel de población cuando se aplican los pesos proporcionados.

Más como este