Distribuciones de ley de potencias amplificadas por la distancia caracterizan mejor los viajes de larga distancia humanos

Por qué importa cómo viajamos lejos

Cuando las personas realizan viajes largos—en tren, coche o avión—conectan ciudades, economías y familias. Pero esos mismos desplazamientos también pueden llevar virus por todo un país en cuestión de días. Este estudio plantea una pregunta aparentemente sencilla: ¿qué tan largos son realmente nuestros viajes largos, y siguen los patrones que los científicos han asumido durante tanto tiempo? La respuesta resulta ser no, y eso tiene grandes consecuencias para cómo pronosticamos la propagación de enfermedades y planificamos los sistemas de transporte.

Las reglas antiguas del movimiento se quedan cortas

Durante años, los investigadores han usado una regla matemática simple, llamada ley de potencias, para describir cuánto se desplaza la gente. En ese esquema, los viajes cortos son muy comunes y los viajes muy largos son raros, pero siguen un patrón uniforme en un gráfico log–log. Esa regla funciona razonablemente bien para el transporte cotidiano, como caminar, ir en bicicleta o tomar un autobús local. Usando enormes encuestas nacionales de Alemania y Estados Unidos, los autores confirman que los viajes cortos y de longitud media realmente se ajustan a esta imagen clásica. Pero al examinar desplazamientos de cientos de kilómetros—los que con más probabilidad trasladan un virus entre regiones—el patrón matemático se desvía repentinamente de lo que la ley de potencias predice.

Pruebas a partir de millones de viajes reales

El equipo combina tres grandes fuentes de datos: diarios de viaje detallados con casi dos millones de trayectos reportados en Alemania y EE. UU., más más de un millón de viajes inferidos a partir de conexiones de telefonía móvil en el Reino Unido. Para cada país, se centran en viajes de al menos 100 kilómetros (o 300 kilómetros en el caso del más extenso EE. UU.). Cuando trazan estos viajes de larga distancia, desaparece la firma de línea recta propia de una ley de potencias. En su lugar, hay más trayectos muy lejanos de los esperados y la curva cambia de forma en ciertas distancias, por ejemplo alrededor de 200–300 kilómetros en los datos del Reino Unido. Esto no es solo una curiosidad estadística: saltos similares «demasiado largos» aparecen cuando los autores observan cómo se propagó el COVID-19 entre condados alemanes a mediados de 2021. Surgen nuevos focos de forma abrupta en regiones distantes, en lugar de expandirse de manera suave desde zonas de brote previas, lo que contradice lo que sugeriría el modelo tradicional.

Una nueva forma de pensar los viajes largos

Para explicar este comportamiento, los autores proponen un nuevo modelo que llaman distribución de ley de potencias amplificada por la distancia. La idea es intuitiva: una vez que alguien se compromete a viajar una distancia sustancial—por ejemplo, para llegar a una gran estación de tren o a un aeropuerto—es más probable que continúe yendo mucho más lejos. Matemáticamente, el modelo parte de una distancia con ley de potencias estándar y luego la «amplifica» repetidamente por un factor fijo con cierta probabilidad, como multiplicar la distancia por C, luego por C de nuevo, y así sucesivamente. Este proceso produce de forma natural agrupaciones de viajes alrededor de determinadas bandas de distancia y una cola más pesada, lo que significa que los viajes extra-largos son más comunes de lo que sugiere la teoría clásica. Los autores también añaden un tope realista para cada viaje basado en el tamaño del país, imitando el hecho de que la mayoría de los desplazamientos comienzan y terminan dentro de las fronteras nacionales.

Poniendo el nuevo modelo a prueba

Los investigadores comparan tres enfoques: una ley de potencias con un recorte exponencial simple, una ley de potencias con su nueva truncación sensible a fronteras, y el modelo completo amplificado por la distancia. Simulan decenas de miles de viajes con cada modelo y miden qué tan bien las distribuciones resultantes se ajustan a los datos reales en cientos de puntos de distancia. Aunque ambas variantes mejoradas de la ley de potencias lo hacen mejor que el modelo básico, aún no capturan rasgos clave, en especial la densidad adicional de viajes en ciertas distancias largas. El modelo amplificado por la distancia encaja de forma consistente mejor en los tres países, reduciendo el error mucho más que los modelos competidores. También se probaron otras familias alternativas no basadas en leyes de potencias, como gamma, exponencial, log-normal y beta, pero no lograron capturar las colas pesadas y las curvaturas características de los datos.

Qué significa esto para la vida cotidiana

En términos sencillos, este trabajo muestra que la gente realiza viajes verdaderamente largos con mayor frecuencia—y de maneras más estructuradas—de lo que reconocían nuestras fórmulas antiguas. Eso importa porque los desplazamientos largos son precisamente los que pueden saltarse zonas intermedias y dispersar infecciones, redistribuir contaminación y transformar economías regionales. Al proporcionar una descripción matemática simple pero más precisa de ese tipo de viajes, el modelo amplificado por la distancia puede mejorar cómo simulamos futuras epidemias, planificamos redes ferroviarias y aéreas, y estimamos las emisiones vinculadas a la movilidad. En lugar de tratar todo movimiento como versiones ampliadas de recados locales, este estudio sostiene que el viaje de larga distancia es otra criatura, impulsada por decisiones y restricciones que requieren su propio modelo dedicado.

Cita: Bankhamer, G., Liu, H., Park, S. et al. Distance-amplified power-law distributions better characterize human long-distance travel. Sci Rep 16, 4331 (2026). https://doi.org/10.1038/s41598-026-37165-y

Palabras clave: movilidad humana, viajes de larga distancia, propagación epidémica, modelado de movilidad, COVID-19