Network reconstruction and prediction of mobility and interaction patterns in social environments: the Parma University Campus as a case study

Abstract

Cities represent one of the most fascinating man-made complex systems. The study of the mobility and social dynamics occurring in urban areas has aroused particular interest in the scientific world. The emergence of the Covid-19 pandemic has led the scientific community to study and model social dynamics in public environments, to understand how they influence the epidemic process and to develop effective containment measures. The need to create a sustainable transport system to reduce CO2 emissions and make travel more efficient, has required the study and mathematical modelling of urban travel to determine how travel occurs.

However, mathematical modelling without real application turns out to be a partial and incomplete study. The use of a data-driven approach allows mathematical models to be studied and tested in real social environments using data from widely used electronic devices. Within this framework, in this thesis we focus of data-driven processes of modeling mobility, transportation, and social dynamics in urban environments. We mainly focus on the study and analysis of the dynamics of group formation and reshuffling and user interactions in public environments, during the Covid-19 pandemic by going to evaluate the effect of containment measures. We used the empirical data from the groups to go test and demonstrate the effectiveness of contact tracing mechanisms, in particular sideward contact tracing, for suppressing epidemic spread. For the urban mobility dynamics part, we propose a model for simulation and prediction of the use of public transportation as a mode of transportation. We show the results of the data-driven models applied to the city of Parma and in particular the effect of the Scientific Campus on public transportation and the social dynamics occurring within it.

Le città rappresentano uno dei più affascinanti sistemi complessi creati dall'uomo. Lo studio della mobilità e delle dinamiche sociali che si verificano nelle aree urbane ha suscitato particolare interesse nel mondo scientifico. L'emergere della pandemia Covid-19 ha portato la comunità scientifica a studiare e modellare le dinamiche sociali negli ambienti pubblici, per capire come queste influenzino il processo epidemico e per sviluppare misure di contenimento efficaci. La necessità di creare un sistema di trasporto sostenibile per ridurre le emissioni di CO2 e rendere gli spostamenti più efficienti ha richiesto lo studio e la modellazione matematica degli spostamenti urbani per determinare come avvengono.

Tuttavia, la modellazione matematica senza un'applicazione reale risulta essere uno studio parziale e incompleto. L'utilizzo di un approccio data-driven consente di studiare e testare i modelli matematici in ambienti sociali reali, utilizzando i dati provenienti da dispositivi elettronici ampiamente utilizzati. All'interno di questo quadro, in questa tesi ci concentriamo sui processi data-driven di modellazione della mobilità, dei trasporti e delle dinamiche sociali negli ambienti urbani. Ci concentriamo principalmente sullo studio e sull'analisi delle dinamiche di formazione e rimescolamento dei gruppi e delle interazioni degli utenti in ambienti pubblici, durante la pandemia di Covid-19, andando a valutare l'effetto delle misure di contenimento. Abbiamo utilizzato i dati empirici dei gruppi per testare e dimostrare l'efficacia dei meccanismi di tracciamento dei contatti, in particolare di quelli laterali, per sopprimere la diffusione dell'epidemia. Per la parte relativa alle dinamiche della mobilità urbana, proponiamo un modello per la simulazione e la previsione dell'uso del trasporto pubblico come modalità di trasporto. Mostriamo i risultati dei modelli data-driven applicati alla città di Parma e in particolare l'effetto del Campus Scientifico sul trasporto pubblico e le dinamiche sociali che si verificano al suo interno.