WorldMove، بيانات مفتوحة عالمية لحركة البشر

لماذا تهم تحركاتنا اليومية

كل يوم، تُشكّل مليارات الرحلات—المشي إلى المدرسة، ركوب الحافلة إلى العمل، زيارة المتنزهات أو المتاجر—بصورة صامتة كيفية تنفس المدن ونموها. فهم هذه التحركات أمر ضروري لتخفيف الاختناقات المرورية، وتخطيط أحياء أكثر خضرة، والاستعداد لتفشي الأمراض. ومع ذلك، غالبًا ما تكون البيانات التفصيلية حول متى وأين يتحرك الناس محجوبة خلف جدران الشركات أو قيود الخصوصية، والعديد من المدن—وخاصة في المناطق منخفضة الدخل—ليس لديها بيانات تكاد تكون معدومة. يقدم هذا المقال WorldMove، نهجًا عالميًا ومفتوحًا ومحافظًا على الخصوصية لدراسة الحركة البشرية دون تتبع أي شخص حقيقي.

خريطة عالمية مبنية من دلائل مفتوحة

بدلًا من تتبُّع الأفراد عبر هواتفهم أو بطاقاتهم المصرفية، يبدأ WorldMove من بيانات متاحة علنًا ومحفوظة الخصوصية بالفعل تصف فضاءات المدينة بدلاً من الأشخاص. لأكثر من 1600 مدينة في 179 دولة، يرسم المؤلفون أولًا حدودًا دقيقة للمدن باستخدام قاعدة بيانات خريطة عالمية مفتوحة. تُقسَّم كل مدينة بعد ذلك إلى مربعات صغيرة بعرض كيلومتر واحد، كأنهم يضعون شبكة موحّدة فوق النسيج الحضري. لكل مربع، يجمعون معلومات مفتوحة: عدد السكان المقدرون المقيمين هناك، وأنواع الأماكن الموجودة فيه (مثل المتاجر والمدارس والحدائق أو المستشفيات)، ومدى شعبيته كوجهة سفر استنادًا إلى إحصاءات التنقل، وموقعه في نظام إحداثيات محلي بسيط. يحول هذا المدينة إلى فسيفساء مُنظمة من مناطق صغيرة، كل منها يمتلك ملفًا غنيًا لكن بلا معرفات شخصية.

تعليم الذكاء الاصطناعي لفهم الأماكن، لا الأشخاص

لتعليم نظام ذكاء اصطناعي كيفية تنقل الناس عادةً بين هذه المناطق، يستخدم الفريق عملية تعلم من خطوتين. أولًا، يضغطون ملف كل مربع إلى «بصمة» رقمية قصيرة باستخدام تقنية تُسمى الترميز التلقائي (autoencoder). المربعات التي تلعب أدوارًا متشابهة في حياة المدينة—مراكز مزدحمة في وسط المدينة، ضواحي هادئة، مناطق صناعية—تتقارب في هذا الفضاء المجرد، حتى لو كانت في دول مختلفة. بعد ذلك، ومن خلال سجلات تنقل حقيقية لكن محمية بدقة من ست مدن في الصين والولايات المتحدة والسنغال، يتعلم النظام كيف تُزار هذه البصمات عادةً على مدار اليوم والأسبوع. والأهم، أنه يتعلم أنماطًا في هذا الفضاء المجرد بدلًا من حفظ طرق أو أفراد محددين.

من الأنماط المجردة إلى شوارع المدينة

بمجرد تدريب النموذج، يمكنه توليد سلاسل جديدة تبدو واقعية من الحركة في فضاء البصمات المجردة، باستخدام عملية «انتشار» (diffusion) حديثة تشكّل تدريجيًا الضجيج العشوائي إلى مسارات يومية معقولة. تُطابِق هذه المسارات التركيبية بعد ذلك على شبكة المدينة الحقيقية بربط كل نقطة مجرّدة بأقرب مربع مدينة مماثل. يتناسب عدد المسارات المُولَّدة مع عدد سكان المدينة، ويمكن ضبطه من قبل المستخدمين. والنتيجة هي أسبوع كامل من تواريخ الحركة للعديد من «سكان افتراضيين» مجهولين في أي مدينة، حتى في الأماكن التي لا توجد فيها بيانات تنقل أصلية. إلى جانب المسارات، يصدر المشروع ملفات الحدود، تعريفات الشبكة، وملفات بيانات الأماكن الأساسية، بالإضافة إلى الشيفرة التي تتيح للآخرين توليد مجموعات بيانات مخصصة.

التحقق من الواقعية والإنصاف والخصوصية

للتأكد من أن هذه الرحلات الافتراضية مفيدة، يقارن الباحثون بينها وبين البيانات الحقيقية المخفية عبر أبعاد متعددة. يجدون أن الإحصاءات الأساسية مثل مدى التنقل النموذجي للأشخاص، وعدد الأماكن المختلفة التي يزورونها في اليوم، ومدة بقائهم في مكان واحد، وعدد المرات التي يعودون فيها إلى أماكن مفضلة تتطابق عن قرب. تظهر «قوانين» كلاسيكية لحركة البشر—مثل أن معظم الرحلات قصيرة لكن بعض الرحلات تمتد بعيدًا، أو أن مجموعة صغيرة من الأماكن تمثل غالبية الزيارات—طبيعيًا في البيانات التركيبية. وعلى مستوى المدينة، تعكس أنماط تدفقات التنقل بين الأحياء والازدحام في ساعات الذروة الواقع أيضًا. وتظهر اختبارات مصممة لاكتشاف تسريبات خصوصية أن المهاجمين لا يستطيعون تحديد ما إذا كانت نمط محدد جاءت من بيانات التدريب أم وُلدت بواسطة النموذج بشكل موثوق، مما يشير إلى أن المسارات الفردية غير محفوظة في الذاكرة.

آفاق جديدة للتخطيط والصحة والعدالة

بما أن WorldMove مفتوح وتركيبي، فيمكن مشاركته على نطاق واسع ودمجه مع معلومات عامة أخرى. يوضح المؤلفون كيف يمكن للبيانات تشغيل محاكيات مرورية مفصلة لتقدير انبعاثات الكربون من أنواع مختلفة من المركبات، وللاختبار كيف أن تقليل أعداد السيارات في ساعة الذروة قد يقلل التلوث بشكل حاد. في مثال آخر، يدمجون الحركات المحاكاة مع خرائط المساحات الخضراء والديموغرافيات الحيّية لدراسة الوصول غير المتكافئ إلى الحدائق وصلته بالصحة العقلية. كما يظهرون أن إضافة مسارات تركيبية إلى بيانات حقيقية محدودة تحسّن دقة نماذج تنبؤ الحركة، لا سيما في المدن ذات القياسات النادرة.

طريقة آمنة لرؤية كيف تتحرك المدن

في الجوهر، يقدم WorldMove «جهاز محاكاة طيران» عالمي لحركة البشر: غني بما يكفي لالتقاط كيفية عمل المدن فعليًا، لكن منفصل عن أي شخص يمكن تحديده. من خلال التعلم من مزيج من البيانات الجغرافية المفتوحة وعينات محمية بعناية من التنقل الحقيقي، يستطيع النظام إعادة إنشاء أنماط السفر النموذجية في أكثر من 1600 مدينة وتمديدها إلى أماكن قليلة المعرفة. يمنح هذا المخططين الحضريين، ومهندسي النقل، وباحثي الصحة العامة أداة قوية تحترم الخصوصية لاستكشاف سيناريوهات «ماذا لو»—من خطوط حافلات جديدة إلى أحياء أكثر خضرة—مساعدةً على جعل مدن المستقبل أكثر عدالة ونظافة واستعدادًا للتغيير.

الاستشهاد: Yuan, Y., Zhang, Y., Ding, J. et al. WorldMove, a global open data for human mobility. Sci Data 13, 549 (2026). https://doi.org/10.1038/s41597-026-06555-2

الكلمات المفتاحية: حركة البشر, بيانات تركيبية, تخطيط حضري, ذكاء اصطناعي يحافظ على الخصوصية, مدن عالمية