The complexity of movement: empirical data analysis and modelling of dynamical processes

Abstract

[eng] The continuously growing amount of data, commonly referred as Big Data, represents two challenges for the scientific community. First, the large size datasets require the development of methods for a scalable analysis, like machine learning or statistical measurements, increasing the capacity for the recognition of the patterns that characterize the data. Secondly, in order to describe the underlying mechanisms in those patterns and increase the forecast power, it highlights the need for simple models that, with very few parameters, are able to capture the observed dynamical processes. In this thesis, from the analysis of empirical data to the modelling of processes in mobility networks, we present five mobility works under the spirit of these two challenges. Traditionally, animal movement researchers made remarkable efforts for developing their studies using small size datasets, as the data collection was expensive in terms both of human resources and devices. However, the development of new transmission devices, that are lighter and cheaper, is speeding up the data collection processes, leading to larger datasets. Complexity science has developed methods that are fast and computationally cheap for analysing human movement, and we argue that these methods will help in the study of animal movement. This aim is tackled in the second and the third chapters, where we study first the case of southern elephant seals, revealing a universal behaviour despite the observed idiosyncrasy among individuals, for finding later the relevant drivers of marine megafauna movement, in a joint dataset including fifty different species. These two studies were developed in the framework of the Marine Megafauna Analytical Program (https://mmmap.wordpress.com), that promotes cross-disciplinary collaborations to analyse the movement of marine animals. Mobility in the oceans is not only restricted to animals, with most of economic traffic being transported in vessels, both for goods, raw materials and fuel. Specifically, according to the 2017 Review of Maritime Transport, ships carry more than 70% of global trade value. In fact, characterizing the paths followed by vessels in the oceans is not only important for economical purposes, but also for the protection of the species living in this environment. This motivates the analysis of the spatial patterns described by vessel traffic in the ocean, in chapter 4. The second part of the thesis focuses on dynamical processes and mobility models. Nowadays, transport networks play a key role in disease spreading in a global scale, allowing pathogens to travel, within their hosts, for thousands of kilometres in a few hours. This potential risk needs the formulation of simple models that reveal the basic mechanisms underlying the spreading in mobility networks. In chapter 5 we show how, for short interaction ranges, and counterintuitively, the mobility can have a detrimental effect on a contagion process, with the disease affecting a higher fraction of population when the network is static rather than in the mobile case. In chapter 6 we review recently introduced cooperative disease spreading models, for later studying them in static and mobile scenarios. While the static scenario allows us to match the short and long range interaction limits, which were leading to different behaviours, in the mobile case we show how, for short range interactions, the mobility-induced mixing can lead to the observed effects in a system with long range interactions. Finally, in an effort to bridge the gap between the two parts of the thesis, we propose a databased model, in which we analyse the effects of cooperative disease spreading dynamics in an empirical contact network, finding that the temporal correlations and the specific activity pattern play a key role in our results.

[spa] La cantidad creciente de datos, conocida como Big Data, representa dos desafíos para la comunidad científica. Primero, conjuntos de datos de gran tamaño requieren métodos para un análisis escalable, como el aprendizaje automático o las medidas estadísticas, aumentando la capacidad de reconocimiento de los patrones que caracterizan los datos. Segundo, para describir los mecanismos subyacentes a esos patrones y aumentar el poder de predicción, subraya la necesidad de utilizar modelos simples que, con pocos parámetros, son capaces de explicar los procesos observados. En esta tesis, desde el análisis de datos empíricos hasta el modelado de procesos en redes de movilidad, presentamos cinco trabajos sobre movilidad bajo el espíritu de estos dos desafíos. Históricamente, los investigadores de movimiento animal hicieron esfuerzos encomiables para desarrollar sus estudios utilizando pequeños conjuntos de datos porque su recolección era cara en términos de recursos humanos y dispositivos. Sin embargo, el desarrollo de nuevos transmisores, más ligeros y baratos, está acelerando la toma de datos, conduciendo a mayores conjuntos de datos. La ciencia de la complejidad ha desarrollado métodos que son rápidos y no requieren gran esfuerzo computacional para analizar el movimiento humano, y nosotros argumentamos que estos métodos ayudarán al estudio del movimiento animal. Este objetivo corresponde a los capítulos 2 y 3 donde, en primer lugar, estudiamos el caso de los elefantes marinos del sur, mostrando un comportamiento universal pese a la idiosincrasia observada entre los individuos, y después buscamos las variables que explican el movimiento de megafauna marina, en un conjunto de datos que agrupa cincuenta especies. Estos dos estudios se desarrollaron en el contexto del Marine Megafauna Analytical Program (https://mmmap.wordpress.com), que promueve colaboraciones interdisciplinarias para analizar el movimiento de animales marinos. La movilidad en los océanos no está restringida a los animales, puesto que la mayoría del tráfico económico es transportada en barcos, tanto manufacturas, como materias primas y combustible. Según el 2017 Review of Maritime Transport, los barcos transportan más del 70% del valor del comercio global. De hecho, la caracterización de los caminos de los barcos en los océanos es importante no sólo por razones económicas, sino también para proteger las especies que viven en este entorno. Estos hechos motivan el análisis de los patrones espaciales descritos por el tráfico de barcos en el océano, en el capítulo 4. La segunda parte de la tesis analiza procesos dinámicos y modelos de movilidad. Hoy en día, los transportes juegan un papel fundamental en la propagación de enfermedades a escala global, permitiendo a los patógenos viajar miles de kilómetros en pocas horas con sus portadores. Este riesgo requiere la formulación de modelos simples que revelen los mecanismos de propagación en redes móviles. En el capítulo 5 mostramos cómo, para interacciones de corto alcance, contra nuestra intuición, la movilidad puede tener un efecto contra los procesos de contagio, afectando a una mayor cantidad de población en el caso estático que en el móvil. En el capítulo 6 resumimos los modelos recientemente introducidos de propagación de enfermedades cooperativas, estudiándolos después en redes estáticas y móviles. Mientras que el caso estático nos permite interpolar entre las interacciones de corto y largo alcance, que conducen a comportamientos distintos, en el caso móvil mostramos cómo, para interacciones de corto alcance, la mezcla causada por la movilidad puede conducir a los efectos observados con largo alcance. Finalmente, en un esfuerzo por unir las dos partes de esta tesis, proponemos un modelo basado en los datos, analizando los efectos de la propagación de enfermedades cooperativas en una red de contactos, mostrando el papel clave de las correlaciones temporales y el patrón de actividad específico.

[cat] La quantitat creixent de dades, coneguda com Big Data, representa dos desafiaments per a la comunitat científica. Primer, conjunts de dades de grans dimensions requereixen mètodes per a una anàlisi escalable, com l'aprenentatge automàtic o les mesures estadístiques, augmentant la capacitat de reconeixement dels patrons que caracteritzen les dades. Segon, per descriure els mecanismes subjacents a aquests patrons i augmentar el poder de predicció, subratlla la necessitat d'utilitzar models simples que, amb pocs paràmetres, són capaços d'explicar els processos observats. En aquesta tesi, des de l'anàlisi de dades empíriques fins a la modelització de processos en xarxes de mobilitat, presentem cinc treballs sobre mobilitat sota l'esperit d'aquests dos desafiaments. Històricament, els investigadors de moviment animal van fer esforços encomiables per desenvolupar els seus estudis utilitzant petits conjunts de dades perquè la seva recollecció era cara en termes de recursos humans i dispositius. No obstant això, el desenvolupament de nous transmissors, més lleugers i barats, està accelerant la presa de dades, conduint a majors conjunts de dades. La ciència de la complexitat ha desenvolupat mètodes que són ràpids i que no requereixen gran esforç computacional per analitzar el moviment humà, i nosaltres argumentem que aquests mètodes ajudaran a l'estudi del moviment animal. Aquest objectiu correspon als capítols 2 i 3 on, en primer lloc, estudiem el cas dels elefants marins del sud, mostrant un comportament universal tot i la idiosincràsia observada entre els individus, i després cerquem les variables que expliquen el moviment de megafauna marina, en un conjunt de dades que agrupa cinquanta espècies. Aquests dos estudis es van desenvolupar en el context del Marine Megafauna Analytical Program (https://mmmap.wordpress.com), que promou collaboracions interdisciplinars per analitzar el moviment d'animals marins. La mobilitat dins els oceans no es limita als animals, ja que la majoria del tràfic econòmic és transportada en vaixells, tant manufactures, com matèries primeres i combustible. Segons el 2017 Review of Maritime Transport, el vaixells transporten més del 70% del valor del comerç global. De fet, la caracterització dels camins dels vaixells en els oceans és important no només per raons econòmiques, sinó també per protegir les espècies que viuen en aquest entorn. Aquests fets motiven l'anàlisi dels patrons espacials descrits pel trànsit de vaixells a l'oceà, en el capítol 4. La segona part de la tesi es centra en processos dinàmics i models de mobilitat. Avui dia, els transports juguen un paper fonamental en la propagació de malalties a escala global, permetent als patògens viatjar milers de quilòmetres en unes poques hores amb els seus portadors. Aquest risc requereix la formulació de models simples que revelin els mecanismes de propagació en xarxes mòbils. Al capítol 5 mostrem com, per interaccions de curt abast, contra la nostra intuïció, la mobilitat pot tenir un efecte contra els processos de contagi, afectant una major població en el cas estàtic que en el mòbil. En el capítol 6 es resumeixen els models recentment introduïts de propagació de malalties cooperatives, estudiant després en xarxes estàtiques i mòbils. Mentre que el cas estàtic ens permet interpolar entre les interaccions de curt i llarg abast, que condueixen a comportaments diferents, en el cas mòbil mostrem com, per interaccions de curt abast, la barreja causada per la mobilitat pot conduir als efectes observats amb llarg abast. Finalment, en un esforç per unir les dues parts d'aquesta tesi, proposem un model basat en les dades, en el qual analitzem els efectes de la propagació de malalties cooperatives en una xarxa de contactes, mostrant el paper clau de les correlacions temporals i el patró d'activitat específic.