WorldMove, a global open data for human mobility

Paper

发布日期: 2026-10-26

没有当地轨迹数据，能为一座城市生成一周生活吗？

论文名片｜Yuan Yuan、Yuheng Zhang、Jingtao Ding、Yong Li，WorldMove, a global open data for human mobility，Scientific Data 13，549，2026年2月27日。DOI：10.1038/s41597-026-06555-2。本文结合完整方法、四张数据表、18幅主图和作者公开项目说明解读。

一座城市有了人口分布和设施地图，仍缺少“人们一天怎样串起这些地点”的记录。通勤OD矩阵能告诉我们多少人从住宅区去工作区，却不能直接告诉我们谁先去商店、停多久、何时回家。另一方面，逐人的真实轨迹又常常无法公开。

WorldMove尝试在两者之间搭桥：学习已有城市里移动的统计规律，再把这些规律放到另一座城市的地理和功能背景中，生成合成轨迹。它输出看起来像个人的一串位置，但每个合成编号都不应被理解为现实中被定位的某一个人。

先说结论

数据覆盖1,600多座城市、179个国家和6大洲，采用约1公里格网、半小时时间槽，描述典型一周。它不是全球居民的连续定位档案，也不覆盖季节、节假日或灾害冲击。
在六组真实轨迹参照上，零样本迁移的流量CPC约0.388—0.439；加入目标地资料微调后可改善。个体统计分布接近，并不意味着每条个人路线或每对OD都准确。
位置特征和通勤OD共同引导生成，因此与聚合流量一致是重要用途证据，但还需分清用于引导的数据与独立验证资料，避免把约束满足当成完全独立的预测成功。
隐私评估中的分类结果大体接近随机猜测，只是有限实验；合成数据不自动获得差分隐私保证，也不能证明所有训练样本泄露风险都已排除。

把城市翻译成同一种“地点语言”

图3：全球覆盖

图 3｜合成轨迹能够覆盖到哪些地方？

整图无字母面板，红点表示纳入的城市中心。覆盖广度提供跨城研究的入口，不表示所有地点都经过独立真实轨迹验证。来源：原论文 Fig. 3。

图4：地点格网示例

图 4｜一个地点，是一栋楼还是一片区域？

三个无字母面板分别标为上海、纽约、塞内加尔示例，绿色网格划分研究区域。方法采用1公里×1公里单元，坐标通常对应单元中心；塞内加尔标签涉及区域资料，不宜把它当成与纽约完全同类的城市边界。来源：原论文 Fig. 4。

这决定了轨迹能解释的尺度。一个人从格网A到B，代表分区之间的位置转移，不是精确穿过某条路；同一格里移动也可能完全看不见。要做道路拥堵或接触传播模拟，还需额外的路径与行为假设。

图2：完整数据构建流程

图 2｜哪些公共信息进入生成器？

整图无字母面板。左侧选择城市与划格，中间采集人口、POI及OD，右侧以地点嵌入和匹配生成轨迹。图示展示依赖关系，而不是独立数据源越多就必然消除偏差。来源：原论文 Fig. 2。

每个格网用38维特征描述：1维人口、34类POI、1维访问热门程度和2维本地坐标。人口来自100米分辨率WorldPop，但这不意味着输出轨迹也达到100米；热门程度由WorldOD通勤流推导，其中包含合成估计的依赖，误差可能向后传递。

坐标按城市包围矩形归一化，帮助模型理解相对位置；POI描述学校、商店、办公等功能。不同国家的OSM完备度、人口估计误差和就业结构仍不同，将特征放进一个向量不会自动使它们同样可靠。

图1：共享语义空间与生成

图 1｜模型怎样从一座城市学到另一座城市？

整图无字母面板。左侧输入人口、热门程度、POI与坐标，中间编码成地点嵌入，右侧先生成嵌入序列，再匹配到目标城市地点。核心是先学“怎样的地方相互连接”，再落到具体地理单元。来源：原论文 Fig. 1。

作者用自动编码器把38维压到8维，并通过重建原特征学习表示：人口与坐标用均方误差，POI分布用KL散度，热门程度类别用交叉熵。生成模型学习一天48个时间槽的嵌入序列，还使用时刻与星期信息。

扩散过程先学习从噪声恢复序列，生成时采用DDIM；OD通过协同噪声先验提供聚合引导。这一机制来自前作CoDiffMob，本文的贡献在于将公共地点表示、跨城迁移与全球数据发布接起来，不宜把全部模型架构都算作本篇首次提出。

最后，每个生成嵌入匹配目标城市中距离最近的地点嵌入。因此，输出是满足学习到的统计关系的一种可能生活安排，不是恢复某位真实居民的原始日程。

下载以后，一行数据该怎样读？

图5：三个区域的合成轨迹

图 5｜合成的一天，在地图上是什么样子？

三个无字母面板为上海、纽约、塞内加尔示例，颜色按小时变化，点和连接线表示分区访问序列。线段并不提供车辆实际行驶路径，颜色也不表示同一天真实观测到的人。来源：原论文 Fig. 5。

图6：轨迹与地点资料结构

图 6｜时间槽、地点索引和地点属性怎样对应？

左侧为轨迹字典，以合成用户编号对应时间槽和地点索引序列；右侧为地点资料示例，包含边界、POI与人口。两部分无字母，需通过地点编号关联。时间槽0对应00:00—00:30，27对应13:30—14:00。来源：原论文 Fig. 6。

发布文件还包含城市边界、格网、地点描述和通勤矩阵。合成人数默认按WorldPop人口规模设定，也可自行采样；研究时需记录生成规模、随机设置及模型版本，不能把文件里有多少条轨迹直接当成真实参与者人数。

分布看起来像，不等于每一条路线都对

训练与评估资料涉及上海、南昌、塞内加尔及纽约、洛杉矶、芝加哥，年代从2013年到2022年不等，采集机制也不同。论文对美国来源的文字与表格标签存在表述差异，本文统称匿名轨迹参照；它们并非可直接替代的无偏真值，原始记录受协议限制未公开。

作者区分两种场景：不使用目标地轨迹的零样本迁移，以及有部分目标地轨迹后微调。两者应分开报告。

地区	零样本CPC	目标地微调后CPC
上海	0.4218	0.4892
南昌	0.4376	0.4434
塞内加尔	0.4067	0.6395
纽约	0.4392	0.6621
洛杉矶	0.3884	0.5129
芝加哥	0.3956	0.5283

CPC衡量两组流量的共同部分，不是Pearson相关，也不是多少个人被正确预测。表格说明本地资料有时能显著改善聚合结构，但不能拿微调后的纽约0.6621代表完全缺数据城市的能力。

个体统计采用JSD和KS距离比较，越接近0越好。零样本表的JSD均低于0.05；KS最大约0.287，正文概括成低于0.28略显宽泛，应以表格为准。把人口分布、停留分布拟合得接近，也可能仍把某些起点和终点配错。

图7：上海、南昌与塞内加尔的统计比较

图 7｜哪些移动特征被复现，哪些误差仍可见？

按三行依次上海、南昌、塞内加尔：（a—c）相邻访问跳跃距离；（d—f）回转半径；（g—i）停留时间；（j—l）地点访问频率的排名关系；（m—o）真实与生成聚合流量对照。红色为生成、蓝色为参照，虚线表示相应分布或流量参考。整张15面板图共同检查空间、时间和聚合关系，不能只看其中一条曲线重叠。来源：原论文 Fig. 7。

图8：美国三地的统计比较

图 8｜同一种生成流程，在另一批数据上怎样表现？

三行依次纽约、洛杉矶、芝加哥；（a—c）跳跃距离，（d—f）回转半径，（g—i）停留时间，（j—l）访问排名，（m—o）聚合流量。含义与图7对应，长尾和短距离主体都应比较。少数统计规律吻合不足以证明所有时空组合都正确。来源：原论文 Fig. 8。

文章还讨论截断幂律、停留长尾与Zipf式访问排序。它们为合理性提供检查，但多种生成机制都能产生近似长尾，不能凭分布形状唯一证明模型学到了真实行为原因。

图9：地点嵌入的可视化

图 9｜共享表示保留了不同地点的差异吗？

六个无字母面板依次上海、南昌、塞内加尔、纽约、洛杉矶、芝加哥；每个点是一处格网的8维嵌入，经t-SNE降至二维，颜色来自K-Means聚类。二维位置不是物理坐标，团块形状也会受到降维参数影响；这是一种表示诊断，不是跨城无偏的独立证明。来源：原论文 Fig. 9。

把轨迹加起来，能还原早晚高峰吗？

图10：三地的分时OD对照

图 10｜工作日、周末，联系会怎样变化？

无字母矩阵按上海、南昌、塞内加尔分组，各组为真实与生成两行；列从左至右为工作日早高峰、晚高峰、周末早、晚。蓝边0—5人，红边5—15人，黄边超过15人。应在同一列比较参照与生成，而不是把绘图密集直接理解为更严重拥堵。来源：原论文 Fig. 10。

图11：美国三地的分时OD对照

图 11｜空间形态不同，高峰联系能否保留？

无字母矩阵依次纽约、洛杉矶、芝加哥，每组同样真实、生成两行，四列为工作日与周末早晚。这里蓝边0—2人、红边2—5人、黄边超过5人，与图10阈值不同，所以不能跨两图直接按颜色比较流量大小。来源：原论文 Fig. 11。

图12：纽约分时人群分布

图 12｜OD结构接近时，热点位置也接近吗？

上排参照、下排生成；左三列工作日、右三列周末，每组依次早间起点、早间终点、晚间终点热度。色阶显示聚集量。它检验汇总空间分布，而不是每个居民是否在同一时刻到达同一地点。来源：原论文 Fig. 12。

这些对照支持模型保留一定通勤结构，但输入本就含OD热门程度和聚合先验。是否使用完全独立的OD参照、如何拆分训练和目标资料，是判断外推证据强弱的关键，不能仅凭一致就称作从零发现真实流量。

图13：日常移动结构模体

图 13｜除了走多远，访问地点的组合也相似吗？

（a）上海，（b）南昌，（c）纽约，（d）洛杉矶，（e）芝加哥，（f）塞内加尔，面板顺序按原图字母。蓝柱参照、红柱生成，横轴为不同移动模体，插图展开较少见类型。模体概括地点访问与返回结构，图形本身没有为每个点直接认证“家”或“办公室”。来源：原论文 Fig. 13。

合成数据，是否就等于没有隐私风险？

图14：论文报告的隐私攻击评估

图 14｜简单分类器能多容易区分样本？

面板按（a）上海、（b）纽约、（c）南昌、（d）洛杉矶、（e）塞内加尔、（f）芝加哥；每组比较逻辑回归、SVM与随机森林，纵轴攻击成功率。多数接近0.5，随机森林约0.57—0.61。来源：原论文 Fig. 14。

这里需要比“接近随机”多读一步。论文称其为成员推断，但方法描述是区分真实训练样本与合成样本；标准成员风险问题则要判断一条真实记录是否属于训练集，两者并不完全相同。当前实验不足以排除更强攻击、稀有轨迹记忆或其他泄露方式，也没有给出差分隐私预算。

公开文件是合成轨迹，有利于减少直接公开真实记录的风险；但不能把匿名编号、合成标签和有限攻击结果相加，就得出任何场景都绝对安全的结论。真实训练资料的使用与公开合成资料的风险也应分别评估。

图15：模型规模敏感性

图 15｜模型越大，轨迹是否一定越好？

整图无字母面板，横轴参数规模711k、964k、3.8M、15.3M；纵轴为回转半径、移动距离、停留和每日地点数的KS距离。较大模型总体改善统计匹配，收益变化并不证明存在适用于所有城市的唯一最优规模，图中也未给出完整计算成本比较。来源：原论文 Fig. 15。

两个应用例子，怎样避免把模拟当作实测？

图16：交通排放模拟

图 16｜改变高峰车辆数量，模拟排放会怎样响应？

（a）结合MOSS交通模拟器与六类车辆得到的日内CO₂排放，堆积色区为不同车型；（b）减少车辆比例与减少排放比例的模拟关系，虚线为线性参照。约减车30%对应减排60%是这一模拟情景结果，不是现实政策已观察到的因果效应。来源：原论文 Fig. 16。

非线性来自交通和排放模型的共同假设，也会受道路匹配、拥堵、车型和出行转移影响。它展示合成轨迹可以接入政策模拟的流程，不能保证任意城市照做都得到相同比例。

图17：绿地、访问与心理健康的关联示例

图 17｜住处附近有绿地，与真正访问绿地，是否给出相同线索？

（a）人口加权缓冲绿地覆盖，（b）缓冲公园面积，（c）受隔离影响的公园周访问，（d）访问黑人占多数社区内公园；横轴均按社区黑人人口比例分四组，蓝橙分别为相应指标最低与最高十分位，纵轴为相对不佳心理健康患病水平。比较的是社区层面的关联，不能把颜色差异解释为个人去公园的治疗效果，也不识别个体族群的因果作用。来源：原论文 Fig. 17。

动态暴露可能提供静态面积之外的信息，但合成轨迹误差、社区社会经济状况和环境选择都可能影响关联。这里适合提出更细的验证问题，而不宜据图作个人健康建议。

图18：合成数据辅助移动预测

图 18｜少量真实数据加合成数据，能改善预测吗？

（a）上海，（b）南昌，（c）塞内加尔，（d）纽约，（e）洛杉矶，（f）芝加哥。横轴是真实轨迹比例，蓝柱只用真实数据、绿柱加入生成数据；在25%、50%、75%条件下普遍改善，100%处只展示真实柱。图中没有置信区间，不应把肉眼差异称为已检验的统计显著性，也不能说所有比例都展示了相同增益。来源：原论文 Fig. 18。

什么用途值得尝试，什么边界要保留？

WorldMove适合缺轨迹地区的初始模拟、模型开发和对合成误差有容忍度的比较研究。有本地样本时，微调与交叉验证能明显增加价值。可从Figshare存档、项目仓库或数据门户取得数据与生成流程。

但统一格网不对应所有行政区和功能区；典型一周不代表长期生活史；混合训练源的年龄、收入与地域选择偏差仍可能被继承。跨城生成扩大了覆盖，也扩大了未经直接观测验证的范围。特别是要研究低收入群体、极端天气、节假日或微观接触时，应补充针对性证据。

与全球通勤OD数据相比，WorldMove增加的是按时间串联的合成人群行为，输入还依赖通勤资料。两者属于相关但不同的数据产品，应按各自版本、尺度和验证口径使用，不能把一个产品的质量数字直接借给另一个。

一句话总结

WorldMove把公共地点信息与已学移动规律连接起来，提供全球可用的合成轨迹，但覆盖、统计相似、个体真实性和隐私保证仍是不同层次的证据。

核心来源

Yuan, Y., Zhang, Y., Ding, J. & Li, Y.（2026）. WorldMove, a global open data for human mobility. Scientific Data 13, 549。正式论文。全部原图、方法和数值据此；每张保留完整组合与面板，按CC BY-NC-ND 4.0许可非商业转载署名。
WorldMove公开项目：核对合成OD输入、生成流程及与前作CoDiffMob的关系。
数据存档：区分公开合成数据与受协议限制的原始参照资料。