Urban mobility network centrality predicts social resilience

1. Il Problema

Le città dipendono dalle interazioni sociali per il benessere, l'innovazione e la prosperità. Tuttavia, shock esogeni come pandemie, uragani e incendi possono interrompere drasticamente queste dinamiche. La ricerca precedente ha documentato tendenze aggregate di diminuzione delle visite ai luoghi e aumento della segregazione socio-demografica durante le crisi. Tuttavia, queste medie nascondono una eterogeneità significativa a livello di singolo luogo: alcuni spazi mantengono o addirittura aumentano il flusso di visitatori e la diversità demografica, mentre altri collassano.
Manca un quadro teorico in grado di:

• Anticipare quali luoghi saranno socialmente resilienti basandosi sulla struttura della mobilità pre-shock.
• Spiegare perché certi luoghi mantengono meglio la mescolanza sociale e le visite rispetto ad altri durante le crisi.

2. Metodologia

Gli autori hanno analizzato dati di mobilità umana su larga scala provenienti da 15 aree metropolitane statunitensi (MSA), coprendo oltre 103 milioni di residenti. Lo studio si è concentrato su tre tipi di shock distinti:

1. La pandemia di COVID-19.
2. L'uragano ETA (2020).
3. Gli incendi boschivi in California (2018).

Dati e Variabili:

• Dati di Mobilità: Utilizzo del dataset Safegraph Patterns per tracciare le visite ai luoghi di interesse (POI).
• Classificazione: I luoghi sono stati categorizzati in 66 settori basati sul sistema NAICS (North American Industry Classification System).
• Metriche Chiave:
  • Variazione delle visite ($\Delta M$): Cambiamento nel volume di visitatori.
  • Variazione della segregazione ($\Delta S$): Misura la deviazione della mescolanza di gruppi di reddito rispetto a uno scenario ideale (valori più bassi indicano maggiore mescolanza).

Costruzione della Rete di Mobilità:
Gli autori hanno costruito una rete di dipendenza preferenziale tra settori per ogni MSA:

1. Preferenze CBG-Settore: Calcolata la frequenza di visita di ogni Census Block Group (CBG) rispetto alla media nazionale per determinare le preferenze relative.
2. Prossimità tra Settori: Calcolata la probabilità condizionata che un CBG preferisca un settore dato che preferisce un altro. Questo crea un grafo pesato dove i nodi sono i settori e gli archi rappresentano la co-visita.
3. Centralità del Vettore Proprietario (Eigenvector Centrality): Calcolata per ogni settore. Questa metrica assegna un punteggio più alto ai settori connessi ad altri settori altamente connessi, catturando l'importanza strutturale nel percorso di mobilità dei residenti.

Modelli Statistici:
Sono stati utilizzati modelli di regressione OLS (Ordinary Least Squares) per valutare il potere esplicativo della centralità del settore nel prevedere i cambiamenti di segregazione e mobilità, confrontandolo con metriche tradizionali (livelli pre-shock di segregazione e mobilità).

3. Risultati Chiave

Eterogeneità nella Resilienza:
Nonostante la tendenza generale al calo delle visite e all'aumento della segregazione, lo studio ha rilevato che:

• Il 36,28% - 53,01% dei luoghi ha mostrato una riduzione della segregazione (maggiore mescolanza).
• Il 21,04% - 38,55% dei luoghi ha mostrato un aumento delle visite durante gli shock.

Potere Predittivo della Centralità:

• La centralità della rete è un predittore robusto della resilienza sociale.
• L'introduzione della centralità del settore nei modelli di regressione ha aumentato il potere esplicativo ($R^2$) di oltre l'80% rispetto alle metriche basate solo sulle condizioni pre-shock.
  • Per la segregazione: $R^2$ è passato da ~0,24 a ~0,46.
  • Per la mobilità: $R^2$ è passato da <0,09 a ~0,34.
• Esiste una forte correlazione negativa: i settori con alta centralità (nucleo) mantengono meglio la mescolanza e le visite rispetto ai settori periferici.

Dinamiche Spaziotemporali (Nucleo vs. Periferia):
I luoghi "core" (alta centralità) e "periferici" (bassa centralità) hanno distribuzioni spaziali simili, ma pattern di visita distinti:

• Distanza: Le visite ai luoghi core sono più brevi (mediana 7,36 km vs 9,26 km).
• Copertura: I luoghi core servono un numero maggiore di quartieri (mediana 49 vs 13).
• Durata: Le visite ai luoghi core sono più brevi (26 min vs 65,75 min), indicando un uso orientato all'efficienza e alle necessità quotidiane.
• Stabilità Temporale: I luoghi core mostrano una domanda più stabile durante la giornata (maggiore entropia degli orari), mentre i luoghi periferici hanno picchi più sporadici.

4. Contributi e Significato

Il Concetto "Well-and-Pool" (Pozzo e Stagno):
Gli autori propongono un'analogia economica basata sulla distinzione tra prodotti essenziali (staple) e discrezionali (discretionary):

• Il Pozzo (Core Venues): Durante una crisi, la mobilità è scarsa come l'acqua in siccità. I cittadini concentrano le loro risorse limitate sui "pozzi" profondi: luoghi essenziali ad alta centralità (es. supermercati, ristoranti di base) che mantengono i legami sociali di base.
• Lo Stagno (Peripheral Venues): Quando la mobilità è abbondante (come dopo la pioggia), l'acqua si espande in molti stagni superficiali. I cittadini visitano una vasta gamma di luoghi specializzati e discrezionali (intrattenimento, hobby).

Implicazioni per le Politiche Pubbliche:

1. Protezione dei Nuclei: Gli sforzi di risposta alle crisi dovrebbero prioritizzare l'accessibilità e la continuità dei servizi essenziali (luoghi core) per mantenere l'interazione quotidiana e la coesione sociale di base.
2. Supporto Mirato alla Periferia: I luoghi periferici, cruciali per l'identità culturale e l'innovazione, necessitano di supporto specifico per ripristinare le comunità specializzate dopo lo shock.
3. Pianificazione Urbana: La centralità della rete di mobilità offre un nuovo indicatore per identificare i "punti di ancoraggio sociale" che devono essere preservati per garantire la resilienza urbana.

Conclusioni:
Lo studio dimostra che la resilienza sociale non è uniforme ma strutturata. La posizione di un luogo nella rete di mobilità urbana (la sua centralità) è un indicatore fondamentale della sua capacità di resistere agli shock, sostenendo sia la mescolanza demografica che il flusso di visitatori. Questo approccio offre una lente nuova per interpretare e gestire la resilienza urbana, collegando la mobilità fisica alla stabilità sociale.