Capitolo 1
Conclusioni e sviluppi futuri
Le tecnologie di comunicazione mobile pervadono la società moderna e l'u-tilizzo di reti senza li permette di campionare il movimento delle persone, generando una grande mole di dati di mobilità. In questa tesi abbiamo mostrato come poter utilizzare un dataset di traiettorie, relative al tra co veicolare della Toscana, per capire come il movimento delle persone possa in uenzare la de nizione dei con ni amministrativi attuali. Le traiettorie collezionate sono il risultato di un esperimento su larga scala che ha coinvol-to decine di migliaia di aucoinvol-to private dotate di un dispositivo GPS. Abbiamo inoltre utilizzato due "tassellature" del territorio utilizzando celle di grana diversa, in particolare, le sezioni ISTAT ed una aggregazione di sezioni istat in zone di mobilità, che abbiamo chiamato zone ALEPH, per riconoscere il giusto merito alla società che ci ha fornito tali dati, la Aleph S.r.l.[?], azienda che si occupa di ingegneria dei trasporti e piani cazione territoriale. Associando le traiettorie alle zone di mobilità è stato possibile determinare le zone maggiormente correlate rispetto al tra co veicolare che le riguarda. Abbiamo poi utilizzato l'algoritmo del Simulated Annealing, scegliendo co-me funzione obiettivo da massimizzare la modularità, in modo da ottenere i partizionamenti ottimali. La modularità ha però due limiti: la degenera-zione delle modularità e il limite della risoludegenera-zione (come abbiamo mostrato nella Sezione ??). Il primo problema riguarda gli alti valori di modularità che alcune partizioni potrebbero avere pur essendo diverse come struttura, mentre il secondo si può manifestare in presenza di clique piccole, in termini di numero di links, rispetto all'intera rete: in tale situazione la modularità non può individuare correttamente le comunità sotto un certo limite detto risoluzione. Per superare il primo inconveniente abbiamo eseguito più vol-te l'algoritmo del Simulavol-ted Annealing, devol-terminando quindi un insieme di partizioni ottimali (tutte con un elevato valore di modularità); a partire da
CAPITOLO 1. CONCLUSIONI E SVILUPPI FUTURI 2 questo abbiamo ottenuto il partizionamento ottimo calcolando per ogni con -ne individuato la fraziocon -ne di partizioni con -nel quale tale con con -ne è presente. Per quanto riguarda il secondo problema, non è stato possibile risolverlo com-pletamente, ma manifestandosi solo in presenza di clique piccole, abbiamo comunque ottenuto un partizionamento sub-ottimale.
Concludiamo facendo notare che, l'informazione geogra ca non è eettiva-mente codi cata solo nella rete di mobilità umana, ma può anche essere iden-ti cata sistematicamente usando la tecnica qui presentata. L'individuazione dei con ni geogra ci ed una valutazione completa della loro signi catività è stata molto importante per capire i processi dinamici che guidano la mobili-tà umana. Un'importante area nella quale i con ni così determinati possono facilitare notevolmente la comprensione sono i modelli geogra ci di isoglos-ses (frontiere linguistiche) ossia quei modelli che permettono di determinare i con ni fra aree che presentano diversi idiomi. Ad esempio, per i dialetti inglesi nel Nord America è stato fatto uno studio [?] per determinare le fron-tiere linguistiche. Un'analisi come quella presentata in questa tesi potrebbe aiutare sia nella determinazione di tali aree, utilizzando ad esempio dei ta-bulati telefonici, sia come strumento per giusti care la presenza di frontiere linguistiche in alcune zone.
Sebbene in questa tesi sia stata scelta una scala geogra ca a livello regionale, esclusivamente per motivi inerenti alla disponibilità di un dataset a tale li-vello, i concetti alla base di questo metodo sono generali e quindi applicabili ad una scala qualunque. In particolare si potrebbe pensare di utilizzare tale metodo su una scala più ne, ad esempio cittadina, per sfruttare i risulta-ti ottenurisulta-ti come supporto all'atrisulta-tività di programmazione urbanisrisulta-tica e alla regolamentazione del tra co veicolare. Inoltre l'idea che sta dietro a questa metodologia non è limitata alla mobilità umana: il tracciamento di animali tramite reti di sensori è ampiamente diuso e per mezzo di un dataset di dimensioni su cienti si potrebbero comprendere le abitudini alimentari de-gli animali e monitorarne de-gli spostamenti. La metodologia qui presentata è applicabile ad una vasta gamma di reti di interazione multi-scala i cui futuri sviluppi, ad oggi, non sono facilmente ipotizzabili.
