התפלגויות חזקתיות המוגברות לפי מרחק מתארות טוב יותר נסיעות ארוכות-מרחק של בני אדם

למה חשוב איך אנחנו נוסעים למרחקים

כאשר אנשים עושים נסיעות ארוכות — ברכבת, ברכב או במטוס — הם מקשרים בין ערים, כלכלות ומשפחות. אבל אותן נסיעות עלולות גם לשאת וירוסים ברחבי מדינה בתוך ימים ספורים. המחקר הזה מעלה שאלה שנראית פשוטה: כמה ארוכות באמת נסיעות הארוכות שלנו, והאם הן עוקבות אחרי הדפוסים שמדענים הניחו זמן רב? התשובה היא שלא — ויש לכך השלכות משמעותיות על האופן שבו אנו חוזים התפשטות מחלות ומתכננים מערכי תחבורה.

החוקים הישנים לתנועה לא מספקים

שנים רבות חוקרים השתמשו בכלל מתמטי פשוט, הנקרא חוק חזקתיות, כדי לתאר עד כמה אנשים נעים. בתמונה הזאת, נסיעות קצרות מאוד שכיחות ונסיעות ארוכות מאוד נדירות, אך הן יוצרות תבנית חלקה בגרף לוגריתמי על לוגריתמי. כלל זה עובד די טוב עבור נסיעות יומיומיות כמו הליכה, רכיבה על אופניים או נסיעה באוטובוס מקומי. בעזרת סקרים ארציים רחבי היקף מגרמניה וארצות הברית, המחברים מאשרים שנסיעות קצרות ובינוניות באמת עומדות בדימוי הקלאסי הזה. אך כשבוחנים מסלולים של מאות קילומטרים — אותם מסלולים שבעלי הפוטנציאל להעביר וירוס בין אזורים — התבנית המתמטית סטה באופן חד ממה שחוק החזקתיות מנבא.

עדויות ממיליוני נסיעות אמיתיות

הצוות משלב שלוש בסיסי נתונים גדולים: יומני נסיעות מפורטים כמעט משני מיליון נסיעות מדווחות בגרמניה ובארה"ב, וכן יותר ממיליון מסלולים שמקורם בחיבורי טלפונים ניידים בבריטניה. בכל מדינה הם מתמקדים בנסיעות של לפחות 100 ק"מ (או 300 ק"מ במדינת ארה"ב הגדולה יותר). כאשר הם מציירים את הנסיעות הארוכות הללו, האות החיצוני הישר של חוק החזקתיות נעלם. במקום זאת יש יותר מסלולים מרוחקים ממה שמצופה, והעקומה משנה צורה במרחקים מסוימים, כמו סביב 200–300 ק"מ בנתוני בריטניה. זו אינה רק סטייה סטטיסטית מקרית: קפיצות "ארוכות מדי" דומות מופיעות כאשר המחברים בוחנים כיצד COVID-19 התפשט ברחבי מחוזות גרמניה באמצע 2021. מוקדי הדבקה חדשים מופיעים לפתע באזורים מרוחקים, במקום להקרין החוצה בצורה חלקה מאזורי התפרצות קודמים — התנהגות הסותרת את מה שהמודל המסורתי היה מצפה.

דרך חדשה לחשוב על מסלולים ארוכים

להסביר את ההתנהגות הזו, המחברים מציעים מודל חדש שהם קוראים לו התפלגות חזקתית המוגברת לפי מרחק. הרעיון אינטואיטיבי: ברגע שמישהו מחליט לנסוע מרחק משמעותי — למשל כדי להגיע לתחנת רכבת מרכזית או לשדה תעופה — הסבירות שהוא ימשיך ולהתניע לנסוע רחוק עוד עולה. מתמטית, המודל מתחיל מחוק חזקתיות סטנדרטי של מרחק, ואז "מגביר" אותו שוב ושוב על ידי גורם קבוע בהסתברות מסוימת, כמו כפל המרחק ב‑C, ואז שוב ב‑C, וכך הלאה. התהליך הזה מייצר באופן טבעי אשכולות של נסיעות סביב תחומי מרחק מסוימים וזנב כבד יותר, כלומר נסיעות ארוכות-מאוד שכיחות יותר ממה שתיאוריה קלאסית מניחה. המחברים גם מוסיפים חיתוך ריאלי לכל נסיעה בהתאם לגודל המדינה, המדמה את העובדה שרוב המסלולים מתחילים ומסתיימים בתוך גבולות לאומיים.

מבחן המודל החדש

החוקרים משווים שלוש גישות: חוק חזקתיות עם חיתוך אקספוננציאלי פשוט, חוק חזקתיות עם חיתוך מודע-גבולות, והמודל המלא המוגבר לפי מרחק. הם מדמים עשרות אלפי נסיעות מכל מודל ומודדים עד כמה ההתפלגויות המתקבלות מתאימות לנתונים האמיתיים על פני מאות נקודות מרחק. למרות ששני שיפורי חוק החזקתיות עושים עבודה טובה יותר מהמודל הבסיסי, הם עדיין מפספסים תכונות מפתח, במיוחד את ריבוי הנסיעות בטווחי מרחק ארוכים מסוימים. המודל המוגבר לפי מרחק מתאים בעקביות בצורה הטובה ביותר לכל שלוש המדינות, ומקטין את השגיאה משמעותית בהשוואה למתחרים. משפחות אלטרנטיביות שאינן חזקתיות כמו גמא, אקספוננציאל, לוגר-נורמל ובטא גם נבדקו אך לא הצליחו ללכוד את הזנבות הכבדים והעקמומיות המאפיינת בנתונים.

מה משמעות הדבר לחיי היומיום

במלים פשוטות, עבודה זו מראה שאנשים עושים נסיעות באמת ארוכות בתדירות גבוהה יותר — ובאופן מובנה יותר — ממה שנוסחאותינו הישנות הכירו. הדבר משמעותי מפני שנסיעות ארוכות הן בדיוק אלו שיכולות לדלג על זיהומים, להעביר זיהום אוויר ולהעצב מחדש כלכלות אזוריות. על‑ידי מתן תיאור מתמטי פשוט ויותר מדויק של סוג כזה של נסיעה, המודל המוגבר לפי מרחק יכול לשפר את האופן שבו אנו מדמים אפידמיות עתידיות, מתכננים רשתות רכבת ותעופה ומעריכים פליטות הנובעות מתניידות. במקום להתייחס לכל התנועה כגרסה מוגדלת של סידורים מקומיים, המחקר טוען שנסיעות ארוכות-מרחק הן חיה שונה — מונעות על ידי החלטות ומגבלות שדורשות מודל ייעודי משלן.

ציטוט: 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

מילות מפתח: ניידות אנושית, נסיעות ארוכות-מרחק, התפשטות אפידמית, מודליזציית ניידות, COVID-19