Resumen: Los cambios en los patrones de movimiento individuales después de eventos perturbadores pueden revelar demandas cambiantes de recursos comunitarios. Sin embargo, predecir esos cambios antes de que se produzcan acontecimientos perturbadores sigue siendo un desafío por varias razones. En primer lugar, faltan medidas para la resiliencia de la infraestructura social heterogénea (SIR) de los individuos, que influye directamente en sus patrones de movimiento, y las características comúnmente utilizadas son a menudo limitadas o no están disponibles a escala, por ejemplo, las características sociodemográficas. En segundo lugar, las complejas interacciones entre los patrones de movimiento individuales y los contextos espaciales no han sido suficientemente captadas. En tercer lugar, el movimiento a nivel individual puede ser espacialmente escaso y no adaptarse bien a los métodos tradicionales de toma de decisiones para predecir el movimiento. Este estudio incorpora el SIR de los individuos en un modelo de aprendizaje profundo condicionado para capturar las relaciones complejas entre los patrones de movimiento individuales y el contexto espacial local utilizando datos escasos y a gran escala a nivel individual. Nuestros experimentos demuestran que la incorporación del SIR y el contexto espacial de los individuos puede mejorar la capacidad del modelo para predecir patrones de movimiento individuales posteriores al evento. El modelo condicionado puede capturar los cambios divergentes en los patrones de movimiento entre individuos que exhiben patrones previos al evento similares pero difieren en SIR.
Publicado originalmente en export.arxiv.org el 28 de octubre de 2025.
Ver fuente original
