Análisis del flujo humano durante un desastre natural utilizando datos de red móvil sin trayectorias: un estudio de caso de terremoto

Por qué importa seguir a la gente en desastres

Cuando ocurre un terremoto o un tifón, las personas se mueven: evacúan sus hogares, corren a comprobar a sus familiares o se dirigen a refugios. Para los gestores de emergencias, saber dónde se están formando aglomeraciones o qué áreas se están vaciando puede salvar vidas. Pero la mayoría de los sistemas que rastrean el movimiento se basan en historiales de ubicación individuales, lo que plantea problemas de privacidad y a menudo llega demasiado tarde. Este estudio muestra cómo leer el “pulso” del movimiento humano durante un gran terremoto usando únicamente señales anónimas y agregadas de teléfonos móviles —sin necesidad de seguir a individuos—.

Ver multitudes a través de las señales telefónicas

Los investigadores se centraron en el terremoto de Dapu de 2025 en el sur de Taiwán, un fuerte sismo nocturno que provocó sacudidas intensas y daños en edificios en varios distritos. En lugar de usar trazas GPS de teléfonos individuales, se basaron en cuántos dispositivos estaban activamente conectados a torres celulares dentro de cuadrados de 500 por 500 metros cada 10 minutos. Cada celda registraba simplemente un recuento de teléfonos activos, actuando como un proxy aproximado de cuántas personas había en ese momento. Los datos cubrieron cuatro horas alrededor del evento, desde la noche anterior al sismo hasta varias horas después, abarcando ciudades, pueblos y zonas rurales.

De puntos dispersos a patrones homogéneos

Los recuentos en bruto en un mosaico de cuadrículas son ruidosos y desiguales, especialmente donde las torres celulares son escasas. Para comprenderlos, el equipo primero convirtió los recuentos dispersos en una superficie suave, donde cada lugar del mapa obtiene un valor que representa la densidad probable de la multitud. Esto se hace con un núcleo matemático de “suavizado” que distribuye la influencia de cada celda sobre su vecindario, algo así como difuminar una imagen pixelada. El resultado es una imagen continua de dónde se concentran las personas y cómo cambian esas concentraciones cada 10 minutos, manteniendo al mismo tiempo los datos telefónicos subyacentes anónimos y agregados.

Convertir mapas de multitudes en flechas de movimiento

Saber dónde están las personas es solo la mitad de la historia; la planificación de emergencias depende de hacia dónde se dirigen. Para estimar la dirección, los investigadores adaptaron una herramienta clásica de la geografía conocida como modelo gravitacional —normalmente usado para describir cómo se mueven personas o mercancías entre ciudades. En su versión, las áreas con más gente actúan como “imanes” más fuertes para las zonas cercanas, y la fuerza de atracción disminuye con la distancia. Comparando las superficies suavizadas de la multitud de un intervalo de tiempo al siguiente, y aplicando esta regla semejante a la gravedad dentro de una ventana local, calcularon un campo de flechas que muestran hacia dónde probablemente se movía la gente y con qué intensidad. Repetir esto a lo largo del tiempo produjo una película de flujos invisibles: flechas que irradian hacia fuera, atraen hacia dentro o cambian de dirección a medida que la situación evoluciona.

Cómo reaccionó la gente al terremoto de Dapu

Aplicado al sismo de Dapu, el método reveló cambios claros y rápidos en el movimiento humano. Antes del impacto, los flujos alrededor de los centros urbanos mostraban una expansión suave hacia el exterior típica de la actividad nocturna. Justo después del terremoto, muchas flechas invirtieron su dirección, apuntando hacia los centros urbanos, barrios densos y refugios designados oficialmente. Este cambio fue más intenso en zonas urbanas con sacudidas de moderadas a fuertes, donde muchos edificios resultaron dañados, y más débil en zonas rurales poco pobladas. Al contar cuántas celdas de la cuadrícula mostraban grandes cambios de dirección, el equipo encontró un pico pronunciado en la perturbación del movimiento en los primeros 20–30 minutos, que se fue calmando hasta volver gradualmente a la normalidad en unas dos horas. Las diferentes zonas de sacudida mostraron distintos tiempos e intensidades de respuesta, con más movimiento en áreas densamente pobladas y con sacudidas moderadas.

Qué implica esto para futuras emergencias

Para los no expertos, el mensaje clave es que se puede aprender mucho sobre cómo reaccionan las personas ante desastres sin rastrear a ninguna persona en particular. Combinando recuentos anónimos de la red móvil con herramientas matemáticas inteligentes, este marco convierte simples registros de actividad telefónica en mapas de dónde se están concentrando las personas, dónde están abandonando lugares y con qué rapidez se estabilizan los patrones. En una emergencia real, tales mapas podrían señalar barrios donde se forman multitudes inesperadas, dónde se están realizando evacuaciones o dónde pueden haber fallos en las redes de comunicación. Esa información podría ayudar a las autoridades a dirigir equipos de rescate, abrir o cerrar carreteras y planificar la capacidad de refugios, todo respetando la privacidad y trabajando con datos que las redes móviles ya recopilan.

Cita: Huang, MW., Lin, CY., Ke, MC. et al. Analysis of human flow during a natural disaster utilizing trajectory-free mobile network data: a case study of earthquake. Sci Rep 16, 5275 (2026). https://doi.org/10.1038/s41598-026-36255-1

Palabras clave: terremoto, movilidad humana, datos de red móvil, respuesta a desastres, flujo poblacional