2014-Virtual city: An individual-based digital environment for human mobility and interactive behavior

Paper

发布日期: 2026-10-26

只有人口统计表，能造出一座有家庭、学校和同事的北京吗？

论文名片｜Yuanzheng Ge、Rongqing Meng、Zhidong Cao、Xiaogang Qiu、Kedi Huang，Virtual city: An individual-based digital environment for human mobility and interactive behavior，SIMULATION，2014，90(8)：917—935；2014年5月9日首次在线发表。DOI：10.1177/0037549714531061。

设想要在计算机里研究城市中的人际接触：孩子白天去学校，父母去单位，晚上回到同一个家庭。如果手头只有各年龄人口有多少、家庭规模如何分布，以及某区有多少学校，缺失的恰好是最关键的连接：谁和谁住一起，谁去哪所学校，又会遇见谁。

这篇论文的回答是，用统计数据约束生成规则，补出一套能彼此连接的虚拟居民、设施和关系。研究者以2010年前后的北京统计数据构造约1961.9万名虚拟居民，让每个人都有家庭、社会角色和相关地点。它提供大规模计算实验的初始环境，理解其价值也需要分清：哪些来自统计，哪些由规则补出来。

先说结论

框架把人口、城市设施、人与地点的分配关系、社会网络整合起来，生成约1961.9万人和496.1万户，而非只有彼此孤立的虚拟个体。
年龄、性别、家庭规模与输入统计相近；父母、孩子及祖辈的年龄关系通过规则保持基本合理。这支持特定统计与逻辑的一致性，尚不能证明每个家庭或联合分布都逼真。
最细真实空间信息到街道层级。设施在街道内部随机落点，通勤距离的一项检验也是与输入的对数正态分布比较，不能读成对真实北京通勤轨迹的独立验证。
家庭、学校、单位形成不同关系网络，便于以后模拟互动；本文没有进一步验证疫情干预效果，也没有纳入交通运输系统。

怎样让虚拟人口成为家庭，而不只是一串年龄？

合成人口（synthetic population）指按统计约束生成的一组虚拟个体。个体具有年龄、性别、家庭编号和角色，但不对应被识别出来的真实居民。表1所需的输入包括人口总量、年龄性别分布、家庭规模、人口空间分布及家庭子女数量等。

如果分别随机抽年龄和家庭编号，很容易得到逻辑冲突的家庭。因此，模型先决定一户有多少人、含几代人，再生成长辈及其配偶、子女。家庭角色包括祖父母、父母、孩子。论文只考虑最多三代人的结构，这是一项简化，不能覆盖所有现实家庭。

图1：生成家庭结构

图 1｜怎样把人口总量变成内部有关系的家庭？

流程由人口统计和家庭规模出发，通过结构选择与概率参数，区分两代、三代等家庭安排，再生成配偶和子女。原图没有子图字母。它展示的是建模规则，而不是从真实家庭资料中恢复关系。来源：原论文 Fig. 1。

图2：生成成员属性

图 2｜同一户里的成员，年龄怎样相互约束？

先生成父母或祖辈的属性，再根据配偶年龄差、初育年龄和相邻子女年龄差生成其余成员；最后按年龄分配社会角色。图中箭头表示生成顺序，无子图字母。来源：原论文 Fig. 2。

表2、表7把这些关系写成参数。北京案例的配偶年龄差采用限制在0—10年的正态形式，母亲与最年长孩子的年龄差限制在18—35年，相邻子女年龄差取1—5年的均匀分布。这些设定避免明显不合理的搭配，也会直接影响模拟家庭的形态，不能拿生成出来的年龄差分布反过来证明设定就是现实规律。

表3进一步把年龄映射到婴幼儿、学生、劳动者、老年人等社会角色，再按失业率从劳动者中抽出失业者。年龄与社会角色的对应是简化规则；真实教育和就业经历远比固定年龄段丰富。

人造出来以后，房子、学校和工作岗位放在哪里？

人口能活动，需要有相关场所。框架区分住宅、教育机构、工作场所、消费场所、娱乐场所、医疗机构六类环境，用来支撑休息、学习、工作、出行、就餐、消费、娱乐和住院等活动。教育与医院同时也可以是工作场所，不能把每类设施简单当作互斥名单相加。

表4要求学校数量、师生比、年级数量和班级规模；表5要求工作场所类型和可容纳员工数。容量很重要：离家最近的学校如果已满，不能继续无限分配学生。企业规模还参考齐普夫形式的规模分布。缺失的微观信息便由这些统计与假设共同补齐。

北京案例中的输入或生成规模	论文所列数值
人口	1961.9万人
男性、女性	1013.0万、948.9万人
家庭	496.1万户
住宅建筑	44,745处
工作场所，其中企业	101,829处，其中11,431处企业
幼儿园、小学、中学	1,305、1,090、635所
中等职业学校、大学	91、73所

这些数字来自表7、表8。各类设施的地理坐标却不直接来自真实地址：北京案例可获得的最细人口信息到街道层级，设施数量按人口分配到街道，再在相应范围内随机放置。模型中的一个住宅点也可能容纳许多家庭，不是每户一座独立房屋。

图4：虚拟城市总体框架

图 4｜居民、设施和社会关系，靠什么连接起来？

左侧统计、地理与调查数据分别进入人口和环境生成过程；中间个体属性决定可关联的设施类型；右侧输出个人地点清单、设施位置与多层关系网络。无子图字母。来源：原论文 Fig. 4。

所以，“带有经纬度”不等于“找到了真实楼宇”。随机落点没有识别实际用地、道路、河流和建筑轮廓，街道内部的微观空间细节仍然是假设。论文也指出，加入土地利用信息有望改善这种安排。

怎样决定一个孩子去哪所学校、一个成年人去哪里工作？

论文提供三类分配办法：在容量允许时选最近场所；按给定距离分布抽一个距离，再找符合条件的场所；或在指定区域内随机分配。表6具体写出了按距离分配学校时的循环：选中学校若满员，就换候选；该距离范围没有可用学校，则重新抽距离。

北京案例中，幼儿园、小学和中学的分配主要采用就近与学区限制。劳动者到工作场所的分配则采用对数正态距离规则。市场、餐馆、公园等还能给一个人关联多个候选地点。这些是可访问地点或固定地点的关联，不等于已经生成连续一天里每一次出门的时间与实际行程。

但千万级人口若逐人与所有设施计算距离，计算量会非常大。模型先把城市划成1公里网格，再查指定距离的网格环带，在有空余名额的网格和设施中选择。

图3：空间离散化

图 3｜为什么先找网格，再找具体场所？

（a）中心格周围的方形环带把空间分成不同距离层；（b）流程先确定距离和候选网格，再找网格内的地点；（c）说明这种搜索怎样减少逐一比较所有设施的开销。来源：原论文 Fig. 3。

网格环带是对距离的粗化处理，不是道路网络最短路，也不代表坐车时间。名额多的网格更容易被选中，用空余岗位或学位表示吸引力。由此生成的分配仍受设施位置、容量与抽样规则共同影响。

整个北京案例用C++在四个计算节点和一个数据库节点组成的集群上生成，约耗时15小时。这个结果说明当时硬件下构建全量初始环境可行，不能直接解释为城市能被实时更新或逐秒仿真。

数字对得上，就说明虚拟居民足够真实吗？

首先要检查基本约束是否保住。图5把生成的年龄、性别和家庭规模，与输入统计直接比较。若这些基础量就大幅走样，后面的家庭与地点安排也无从谈起。

图5：人口统计对照

图 5｜生成后的人口，保住了哪些输入特征？

（a）按年龄比较生成与统计数据中的男女比例，横轴为年龄、纵轴为百分比；（b）比较不同家庭人数所占比例，纵轴为对数刻度。不同颜色、深浅对应图例中的生成数据与统计数据。来源：原论文 Fig. 5。

这些曲线相近，说明生成方法能较好保持所选边际统计。但校验对象也是生成时使用的目标分布，属于内部一致性检验。家庭角色与社会角色没有同等细致的公开真实资料供独立比较，因而需要继续看结构是否符合规则，而不能称为已经恢复现实家庭。

图6：家庭内部属性

图 6｜家庭结构的合理性，表现在哪些具体地方？

（a）单人家庭成员的年龄、性别分布；（b）同类家庭不同年龄段的学生、劳动者、失业者和退休者比例；（c）三人家庭父亲、母亲和孩子的年龄分布；（d）五人家庭祖辈、父母、孩子的年龄分布；（e）配偶年龄差AHW与母亲和最年长孩子年龄差AFC的概率分布；（f）各选一个三人、五人家庭展示成员年龄和社会角色。来源：原论文 Fig. 6。

父母与孩子曲线分离、三代家庭出现年龄间隔，说明规则避免了一些明显的逻辑错误。图6中的具体家庭只是生成样例；配偶年龄差与初育年龄形态本来就受输入参数规定，不能把图上的合理外观当成全体微观家庭关系的外部证据。

地图上的集中分布，是模型发现了什么，还是沿用了什么？

图7：人口与设施地图

图 7｜各类场所为什么都向人口密集区集中？

（a）街道层级人口密度，颜色越深表示越密；（b）住宅建筑点及街道家庭数的分级圆；（c）企业位置与街道企业数量；（d）幼儿园；（e）小学；（f）中学。后四类设施同样用点表示位置、圆大小表示相应数量。来源：原论文 Fig. 7。

图中人口和设施的集中趋势相近，与设施按人口分配的生成方式一致。它可以让后续模型在一个空间上不均匀的环境中运行，却不能独立证明现实学校、企业与居住人口恰好这样分布。尤其工作岗位不一定与居住人口成比例，混合用地、产业集聚和学校布局都可能使真实分布偏离这个基线。

这条边界也直接影响出行距离。就近规则会让设施更密的区域更容易出现较短距离；如果设施放置有偏差，模拟的中心与外围差异也可能随之变化。

生成的出行距离，究竟验证了哪一层？

图8：不同活动距离及空间差异

图 8｜同一座虚拟城市，不同活动的距离为什么不同？

（a）幼儿园、小学和中学学生的居住地—学校距离比例分布；（b）各街道小学生平均距离；（c）劳动者居住地—工作地点距离及所用对数正态规则，含比例与累积比例两个纵轴；（d）各街道平均工作距离；（e）消费地点中的市场与商场距离分布；（f）居住地—市场平均距离；（g）社区活动中心、体育馆和公园距离分布；（h）居住地—社区活动中心平均距离；（i）医院、诊所、社区医疗点和医务室距离分布；（j）居住地—医院平均距离。曲线横轴为公里，地图色阶表示街道平均距离，面板色阶各不相同。来源：原论文 Fig. 8。

学生距离多在10公里以内，模拟的中心区域通常更短。市场比商场密，因而就近安排时前往市场距离往往更短；社区活动中心比公园分布更广，模拟居民到前者通常也更近。这些对比说明设施布局和分配规则能共同形成不同活动的距离差异。

劳动者的距离生成采用Ln(2.4, 0.99)对数正态规则。图8（c）生成分布约在6公里达到峰值，与输入分布比较的误差平方和为0.0021。这是在检验分配程序能否实现规定的距离形态。输入规则引自既有研究，并非本文用独立北京轨迹估计；较小误差不能转写成“已准确预测北京人的通勤”。

同样，医疗地图里的较短距离表示在这套生成位置和就近关系下距离较短，没有同时衡量床位竞争、道路通行、医疗质量或实际就医选择，不能直接当作完整的医疗可及性评价。

家庭之外，虚拟居民会和谁形成关系？

如果只把两个人分配到同一所学校，仍需要决定他们是否相识。论文用多层社会网络（multilayer social networks）把家庭、邻里、学校和工作关系加进去。表9明确区分社会角色：学生有家庭、邻里、学校朋友与师生关系；劳动者还有同事关系；失业者和退休者在此模型中主要保留家庭与邻里关系。

底层小群体采用完整连接，例如家庭成员相互相连。向更高层扩展时，再以概率添加不同小群体之间的边；概率取决于已有关系数相对上限的比例，并随层级提高而衰减。学校可从班级扩展到年级、全校，企业也有更高层组织。这里的层级指生成规则中的组织范围，关系数是算法赋予的连接数量，并非直接记录的面对面接触频率。

图9：不同社会关系的度分布

图 9｜扩大组织范围后，一个人会多出多少关系？

（a）邻里网络的度分布和右轴所示“度至少达到k”的累积比例，注意这条累积曲线随k递减；（b）学生班级、年级、全校层级的朋友数量分布；（c）教师在年级和全校范围的同事数量分布；（d）不同规模企业员工的同事数量累积比例，纵轴为对数刻度。来源：原论文 Fig. 9。

更大组织范围对应更多潜在关系，但关系数不会随企业规模同比增加，模型因而呈现局部聚集。这个输出适合作为后续互动实验的网络基础，却还没有经过真实学校友谊或工作接触名单检验。模型中失业者和退休者没有某类工作关系，也不意味着现实中他们只有家庭和邻里交往。

这座虚拟城市，能用来回答什么问题？

它最直接的贡献是提供一致的初始对象：研究者可以在同一框架中找到某个人的家庭、工作或学校、候选活动地点及社会关系，再叠加具体行为或事件模型。人口不是只有一个总量，设施也不是孤立的地图点。

但本文没有交通运输系统，不能直接回答拥堵、公交换乘或疏散路线问题；没有在这里完成疫情传播及干预效果验证，也不能把潜在应用写成已经证明的政策收益。作者还明确承认，粗空间数据、行为量化不足和随机生成过程会带来误差。

因此使用时应同时保留两张清单：输入统计已经约束了什么，规则又额外假定了什么。前者相符，是模型应达到的基本要求；后者是否适合某项应用，还需要新的数据和检验。

一句话总结

少量统计可以支撑一座内部相连的虚拟城市，但它的可信范围由保住的统计、补入的假设和独立验证共同决定。

核心来源

Ge, Y., Meng, R., Cao, Z., Qiu, X. & Huang, K.（2014）. Virtual city: An individual-based digital environment for human mobility and interactive behavior. SIMULATION, 90(8), 917—935。论文DOI，出版社当期目录。本文方法、表1—9及全部图1—9据原论文，图均保留完整原组合。