WorldMove — глобальные открытые данные о мобильности людей

Почему наши ежедневные передвижения важны

Каждый день миллиарды поездок — пешком в школу, в автобусе на работу, в парки или магазины — незаметно формируют то, как дышат и растут города. Понимание этих перемещений критично для снижения пробок, планирования более зелёных районов и подготовки к эпидемиям. Однако детальные данные о том, куда и когда люди перемещаются, чаще всего скрыты за корпоративными стенами или ограничены правилами конфиденциальности, а в многих городах — особенно в регионах с низким доходом — таких данных почти нет. В этой статье представлена WorldMove — новый глобальный, открытый и сохраняющий приватность подход к изучению мобильности людей без отслеживания реальных людей.

Карта мира, созданная из открытых подсказок

Вместо того чтобы отслеживать людей по телефонам или банковским картам, WorldMove опирается на общедоступные, уже анонимизированные данные, которые описывают городские пространства, а не людей. Для более чем 1600 городов в 179 странах авторы сначала проводят точные городские границы, используя открытую глобальную карту. Затем каждый город делится на небольшие квадраты шириной в один километр, как если бы поверх городского ландшафта накладывали равномерную сетку. Для каждого квадрата они собирают открытую информацию: сколько людей там живёт по оценкам, какие там есть типы мест (магазины, школы, парки, больницы и т. п.), насколько он популярен как направление поездок на основе статистики поездок, и где он расположен в простой локальной системе координат. Это превращает город в структурированную мозаику маленьких зон, каждая с богатым профилем, но без персональных идентификаторов.

Обучение ИИ понимать места, а не людей

Чтобы научить систему искусственного интеллекта тому, как люди обычно перемещаются между этими зонами, команда использует двухэтапный процесс обучения. Сначала профиль каждого квадрата сжимают в короткий числовой «отпечаток» с помощью техники, называемой автокодировщиком. Квадраты, выполняющие схожие функции в жизни города — оживлённые центры, тихие пригородные зоны, промышленные районы — оказываются близко друг к другу в этом абстрактном пространстве, даже если они находятся в разных странах. Затем, используя реальные, но строго защищённые записи мобильности из шести городов в Китае, США и Сенегале, система изучает, как эти отпечатки посещаются в течение дня и недели. Важно, что она изучает закономерности в этом абстрактном пространстве, а не запоминает конкретные маршруты или людей.

От абстрактных схем обратно к городским улицам

После обучения модель может генерировать новые, реалистично выглядящие последовательности перемещений в абстрактном пространстве отпечатков, используя современный «диффузионный» процесс, который постепенно превращает случайный шум в правдоподобные дневные маршруты. Эти синтетические маршруты затем отображаются обратно на реальную городскую сетку путём сопоставления каждой абстрактной точки с наиболее похожим городским квадратом. Количество сгенерированных траекторий масштабируется в зависимости от населения города и может настраиваться пользователями. В результате получается полная неделя историй перемещений для многих анонимных «виртуальных жителей» в любом городе, даже там, где исходных данных по мобильности нет. Вместе с траекториями проект публикует файлы границ, определения сетки и исходные профили мест, а также код, позволяющий другим генерировать кастомные наборы данных.

Проверка правдоподобия, справедливости и приватности

Чтобы убедиться, что эти виртуальные путешествия полезны, исследователи сравнивают их с скрытыми реальными данными по множеству показателей. Они обнаруживают, что базовая статистика — например, как далеко люди обычно ездят, сколько разных мест они посещают за день, как долго задерживаются в точках и как часто возвращаются к любимым местам — совпадает довольно близко. Классические «законы» мобильности людей — например, что большинство поездок короткие, но некоторые очень далёкие, или что небольшой набор мест обеспечивает большинство визитов — естественно проявляются в синтетических данных. На городском уровне закономерности потоков поездок между районами и час пиковой загруженности также отражают реальность. Тесты, призванные обнаружить утечки приватности, показывают, что атакующие не могут надёжно определить, пришёл ли конкретный шаблон из обучающих данных или был сгенерирован моделью, что говорит о том, что отдельные маршруты не запоминаются.

Новые возможности для планирования, здравоохранения и равенства

Поскольку WorldMove открыт и синтетичен, его можно широко распространять и комбинировать с другой публичной информацией. Авторы показывают, как данные могут питать детальные симуляции трафика для оценки выбросов углерода от разных типов транспорта и тестирования того, как сокращение автомобильного потока в часы пик может резко снизить загрязнение. В другом примере они объединяют смоделированные перемещения с картами зелёных зон и демографией районов, чтобы изучить неравный доступ к паркам и связи этого доступа с психическим здоровьем. Они также показывают, что добавление синтетических траекторий к ограниченным реальным данным повышает точность моделей предсказания мобильности, особенно в городах с разреженными измерениями.

Безопасный способ увидеть, как движутся города

По сути, WorldMove предлагает глобальный «авиасимулятор» человеческого движения: достаточно богатый, чтобы отразить, как города действительно функционируют, но отделённый от любого идентифицируемого человека. Обучаясь на сочетании открытых географических данных и тщательно защищённых образцов реальной мобильности, система может воссоздавать типичные паттерны поездок более чем в 1600 городах и распространять их на места, где о мобильности известно мало. Это даёт градостроителям, транспортным инженерам и исследователям общественного здравоохранения мощный инструмент, уважающий приватность, чтобы исследовать сценарии «что если» — от новых автобусных линий до более зелёных кварталов — помогая сделать будущие города более справедливыми, чистыми и подготовленными к изменениям.

Цитирование: 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

Ключевые слова: мобильность людей, синтетические данные, городское планирование, конфиденциальный ИИ, города мира