El significado de un lugar se compone de las personas
Las coordenadas geográficas describen dónde se encuentra un objeto, pero no explican qué es ese lugar ni para qué sirve. Un barrio residencial, un distrito de negocios o un parque no se diferencian tanto por el relieve como por la forma en que las personas los utilizan y se desplazan entre ellos. Son precisamente estos patrones de actividad cotidiana, así como las conexiones entre distritos que surgen de los viajes y los flujos de residentes, los que conforman el verdadero contenido de una ubicación.
Este principio sentó las bases del modelo MoRA, presentado en el artículo arXiv:2506.01297 por un grupo de investigadores liderados por Ya Wen. Proponen considerar la movilidad como el principal marco para el aprendizaje de representaciones geoespaciales. En lugar de basarse únicamente en características estáticas —mapa, infraestructura, densidad de edificación—, el modelo parte de cómo se mueven las personas, a dónde van a trabajar y dónde pasan los fines de semana.
MoRA: una plataforma donde el protagonista es el tráfico
MoRA es una plataforma geoespacial centrada en el ser humano que conecta varios tipos de datos a través de un grafo de movilidad. El grafo representa una red de ubicaciones cuyas aristas reflejan los desplazamientos reales de las personas —su volumen y dirección—. Este grafo contiene alrededor de mil millones de conexiones, lo que permite captar dependencias funcionales incluso entre distritos muy diferentes.
Cuatro modalidades en lugar de una
Los datos de entrada de MoRA se dividen en cuatro grandes bloques: más de 100 millones de puntos de interés (POI), imágenes satelitales masivas, estadísticas demográficas estructuradas y el ya mencionado grafo de movilidad. Lo más importante es la jerarquía: el grafo no actúa simplemente como una modalidad más, sino como la base a través de la cual se interpretan todos los demás datos. Una imagen satelital, la categoría de una tienda o la densidad de población adquieren sentido solo en relación con los flujos de personas que atraen.
Técnicamente, la plataforma utiliza tokenización espacial para convertir coordenadas geográficas en tokens discretos; luego, una red neuronal de grafos (GNN) agrega información de los nodos vecinos, y un mecanismo especial de aprendizaje contrastivo asimétrico alinea las diferentes modalidades en un espacio vectorial común. El resultado es una representación compacta de 128 dimensiones de cada ubicación, que incluye su contexto socioeconómico y su rol funcional.
Aprendizaje a través de la dinámica
El aprendizaje contrastivo aquí funciona así: el modelo aprende a acercar las representaciones de ubicaciones conectadas por fuertes flujos de movilidad y a separar aquellas entre las que las personas apenas se desplazan. La asimetría es importante porque la conexión desde un barrio residencial hacia un distrito de negocios no es simétrica: el flujo matutino es uno, el vespertino es el inverso, pero no igual. El modelo debe tener en cuenta estas direcciones, no solo la existencia de la arista.
Por qué la movilidad dice más que el mapa
La tesis de los autores es que el «significado» integral de un lugar está determinado por los patrones internos de actividad humana y, sobre todo, por las conexiones funcionales con otros lugares, y estas conexiones se observan precisamente en los desplazamientos. Dos distritos pueden tener mapas de POI idénticos, pero uno es en la práctica un área residencial y el otro un punto de atracción. La diferencia se manifestará en de dónde llega la gente por la mañana y a dónde se va por la noche.
MoRA invierte la lógica habitual del análisis geoespacial: las modalidades auxiliares —imágenes satelitales, estadísticas, demografía— no se utilizan como fuentes independientes de verdad, sino como proyecciones que deben alinearse con la dinámica de movilidad. Esto permite al modelo extraer de los datos estáticos aquello que está directamente relacionado con el comportamiento de las personas.
Resultados y escalado
Para la validación, los autores compilaron un benchmark de nueve tareas de predicción en los ámbitos social y económico, desde la estimación de la popularidad de ubicaciones hasta la predicción de indicadores socioeconómicos de distritos. MoRA, que utiliza las cuatro modalidades, supera a los modelos state-of-the-art anteriores en un promedio del 12,9%. Es especialmente relevante que las mejoras se observan en tareas que requieren contexto semántico, no solo proximidad geométrica.
Además, los investigadores descubrieron que la calidad de las representaciones de MoRA mejora con el aumento del volumen de datos y del número de parámetros siguiendo aproximadamente las mismas leyes de escalado conocidas en los grandes modelos de lenguaje. Esto sugiere que el aprendizaje de representaciones geoespaciales puede seguir principios empíricos análogos, y que esta área aún tiene margen de crecimiento.
Código abierto y próximos pasos
El código y los pesos preentrenados de MoRA están disponibles públicamente, por lo que cualquier investigador o desarrollador puede adaptar el modelo a sus propias tareas. Para ámbitos aplicados —desde la planificación urbana hasta los servicios de recomendación—, esto supone la posibilidad de obtener embeddings significativos de ubicaciones sin necesidad de construir una infraestructura propia con miles de millones de conexiones.
El significado de un lugar está realmente en las personas. Y si logramos que los modelos lo vean a través de la movilidad, obtendremos una herramienta que entiende las ciudades no como un conjunto de coordenadas, sino como una red viva de interacciones humanas.
