Las redes multilayer caracterizan los patrones de movilidad humana por sector industrial durante la tormenta invernal de Texas de 2021

Por qué importa esta historia de la tormenta invernal

Cuando una tormenta importante golpea, nuestros desplazamientos cambian de formas que pueden marcar la diferencia entre la seguridad y el peligro. Este estudio analiza cómo se movieron realmente las personas en el condado de Harris, Texas, durante la tormenta invernal de 2021 que provocó cortes masivos de electricidad y daños. Al rastrear datos anónimos de teléfonos móviles, los investigadores muestran qué viajes se cancelaron, cuáles se mantuvieron y qué tan previsibles fueron esos patrones. Su enfoque podría ayudar a las ciudades a prepararse de forma más inteligente para el próximo evento meteorológico extremo, asegurando que lugares críticos como supermercados y gasolineras sigan siendo accesibles cuando más se los necesita.

Siguiendo a las personas por una ciudad helada

Para entender el comportamiento durante la tormenta, los autores convirtieron miles de millones de señales GPS de teléfonos inteligentes en un mapa de viajes semanales entre vecindarios. Cada vecindario se define por un tramo censal, y los viajes se cuentan cada vez que las personas salen de casa y visitan algún lugar de interés, como una escuela, un restaurante, una clínica o una tienda. En lugar de tratar todos los viajes por igual, el equipo los separó en capas según el tipo de destino, utilizando un sistema de clasificación comercial estándar. Una capa captura las visitas a centros de salud, otra a escuelas, otra a restaurantes, y así sucesivamente. Apiladas, estas capas forman una especie de “huella de movilidad” de la región, mostrando cómo distintas partes de la vida cotidiana contribuyen al movimiento general.

Qué viajes desaparecieron y cuáles se mantuvieron

Comparando la semana de la tormenta con las seis semanas anteriores, los investigadores midieron cuánto cambió cada tipo de movimiento. En general, los desplazamientos cayeron con fuerza durante los días en que las carreteras estaban heladas, la energía fallaba y las autoridades instaban a la población a quedarse en casa. Pero la magnitud de la caída varió según el destino. Las visitas a servicios de atención ambulatoria, como consultorios médicos y dentales y centros ambulatorios, fueron las que más retrocedieron, más de treinta desviaciones estándar por debajo de los niveles normales. Los viajes a restaurantes y bares también se desplomaron, al igual que las visitas a escuelas, especialmente las primarias. En contraste, las visitas a supermercados y otras tiendas de alimentos apenas disminuyeron, y los desplazamientos a gasolineras en realidad aumentaron. Se observó un aumento menor en tiendas de mejoras para el hogar y suministros de construcción, y en alojamientos como hoteles, que pueden ofrecer refugio cuando las viviendas pierden calefacción o agua.

Analizando más de cerca los flujos entre vecindarios

El equipo estudió luego cuántos viajes entraban y salían de cada vecindario. Los viajes salientes cuentan con qué frecuencia los residentes de un tramo viajan a otros lugares; los entrantes cuentan cuántos visitantes llegan desde otros tramos. Incluso en semanas normales, estos flujos son muy desiguales: algunos tramos envían y reciben muchas visitas, mientras que otros ven muy pocas. Los autores encontraron que el movimiento saliente está fuertemente ligado a cuántas personas viven en un tramo, mientras que el movimiento entrante se explica mejor por cuántos negocios o servicios contiene. En otras palabras, la población impulsa principalmente los viajes hacia afuera, y la infraestructura local atrae en gran medida los viajes hacia adentro. Durante la tormenta, los niveles generales de movimiento cayeron y las distribuciones se desplazaron hacia abajo, pero las formas básicas de estos patrones se mantuvieron similares.

¿Qué tan previsibles son nuestros movimientos durante la tormenta?

Para evaluar qué tan bien se pueden anticipar esos flujos, los investigadores construyeron modelos estadísticos simples que intentan predecir los viajes entrantes y salientes usando características de los vecindarios. Estas características incluían tamaño y densidad poblacional, ingresos, niveles de pobreza y desempleo, composición racial y conteos de diferentes tipos de negocios. Los modelos hicieron un trabajo relativamente bueno prediciendo cuántos viajes realizaban los residentes hacia fuera desde cada tramo, tanto en semanas normales como durante la tormenta; la precisión cambió en menos de un punto porcentual durante la crisis. Predecir los viajes entrantes fue más difícil. Incluso en semanas normales, los modelos explicaban menos la variación, y durante la tormenta su rendimiento cayó todavía más. La tormenta pareció desordenar qué destinos atraían visitantes, haciendo que los flujos hacia áreas específicas estuvieran menos ligados a los patrones sociales y económicos habituales.

Qué significa esto para futuros desastres

En conjunto, los hallazgos dibujan una imagen clara: en una tormenta invernal severa, las personas recortan drásticamente muchos viajes opcionales, especialmente los relacionados con comer fuera, la escuela y la atención médica no urgente, mientras trabajan para preservar el acceso a alimentos, combustible y ciertos suministros. Los desplazamientos desde el hogar hacia afuera siguen la población y siguen siendo bastante predecibles, pero hacia dónde eligen ir las personas se vuelve mucho menos estable bajo estrés. Para los planificadores y los gestores de emergencias, esto significa que mantener funcionando y accesibles las tiendas esenciales y las gasolineras debe ser una prioridad, y que confiar en los patrones normales de concentración de personas puede inducir a error durante una crisis. El enfoque de redes multilayer introducido aquí ofrece una forma práctica de detectar qué tipos de movimiento importan más en una emergencia y diseñar respuestas que se ajusten a cómo la gente realmente se comporta cuando llega la próxima tormenta.

Cita: Butler, M., Khan, A., Afrifa, F.O.T. et al. Multilayer networks characterize human-mobility patterns by industry sector for the 2021 Texas winter storm. npj Complex 3, 15 (2026). https://doi.org/10.1038/s44260-026-00076-0

Palabras clave: movilidad humana, tormenta invernal, planificación ante desastres, datos de telefonía móvil, resiliencia urbana