2026-An open framework for assessing urban mobility resilience: evidence from New York City


疫情之后,纽约这些街区的网约车,是回到了原来的钟点吗?

论文名片|Yunzhe Liu、Meixu Chen,An open framework for assessing urban mobility resilience: evidence from New York City,npj Urban Sustainability,2026,Article in Press(未编校稿;2025年4月1日收稿,2026年2月18日接收)。两位作者同等贡献,通讯作者为 Meixu Chen。DOI:10.1038/s42949-026-00368-3。这是一套用开放数据给城市出行韧性分类的测量框架,案例是纽约的观察数据,不是干预实验。

史泰登岛清晨那趟预约叫车如果少了,曼哈顿中城傍晚的订单却还挤在原来的街道上。这两种变化不能放进同一个“恢复了没有”的问题里。论文没有跟踪某一个乘客。它问的是:一个出租车区的工作日订单,在一天24小时里的形状,疫情之后还是不是疫情前的那一类。

城市出行韧性(urban mobility resilience, UMR)在文中的定义很宽:出行系统受到冲击后,还能不能维持、重组并调整运行和出行行为,让人继续相对公平地到达工作、医疗和社会联系。落到这套数据上,测量却窄得多。稳定指的是预约叫车的工作日钟点类型三年都一样,不是订单总数回到2019年,也不是居民的全部出行没变。

方向很清楚。在保留下来的234个出租车区里,多数区的钟点类型保持不变;真正在疫情中改过、疫情后又回到原类型的只有15个区。外围和过渡地带更常换成另一套钟点。富裕的曼哈顿核心几乎全是稳定,但稳定并不只属于高收入区:另一类收入较低、公交较方便的内城社区,稳定区也过半。这些都是网约车这一种方式的时间结构,和街区背景有中等程度的统计关联,不能当成原因已经找到。

先说结论

  • 分析单位是出租车区,不是人,也不是单次行程。剔除29个客流异常低或没有居住功能的区之后,保留234个区。聚类用的是各区工作日各小时的行程占比,所以比的是钟点形状。
  • 三个阶段各自得到8种节奏。白天主导的区从116个减到82个,傍晚及夜间主导的区从91个增到123个。后半夜从41个区增到65个,深夜从11个区增到22个。这是区数的重新分配,不是订单翻倍。
  • 三条轨迹盖满234个区:稳定131个,适应88个,恢复15个。恢复区只出现在皇后区和布鲁克林。曼哈顿稳定48/61,布朗克斯适应22/39,史泰登岛适应11/18。
  • 六类地理人口区与三条轨迹相关,卡方 χ² = 33.459,p < 0.001,Cramér’s V = 0.267。都市精英飞地15/15全部稳定;更新中的工业边缘有8/16适应。关联是中等强度,街区背景不是唯一因素,也没有做因果识别。

比的是钟点形状,不是订单总量回来了没有

数据是纽约市出租汽车与豪华轿车委员会(Taxi and Limousine Commission, TLC)公开的预约叫车行程,英文称 for-hire vehicle(FHV)。它包括 Uber、Lyft,也包括社区包车和 black car,不是街头扬招的黄色出租车。作者不用黄色出租车,是因为扬招上车点集中在曼哈顿核心和机场;绿色出租车又偏向外围行政区。FHV 五个行政区都有,2019年大约占 TLC 监管行程的76%。这里的分母是 TLC 监管行程,不是全市所有出行。

全市口径小得多。论文引用纽约市交通局2019年出行报告:FHV 只占全部行程的2.5%,步行30.7%,私人小汽车30.2%,地铁20.5%,公交11.5%。这几项合计95.4%,其余方式报告没有在这句话里列出。作者还写道,在中城主要走廊上,FHV 合计可以占到车辆的一半以上。那是走廊上的车辆构成,不是全市行程份额。三套分母不能混用。

行程覆盖2019年初到2023年末,切成三段。疫情中从2020年3月1日算起,疫情后从疫苗强制令结束的2023年2月10日算起。三段的行程次数分别是289,997,244、498,859,884和200,363,039。中段的日历明显长于前后两段,4.99亿次不能读成“每天更多人在叫车”。后面的分类也不拿这三笔总数做恢复指标。

每个区先做成一张工作日时间表:周一到周五、每天24小时,共120格,格子里是该小时行程占这个区行程的比例。周末被拿掉,为的是少把更随意的休闲出行混进来。因此后面的深夜和通宵,都是工作日夜里的形状,不是周六的夜生活统计。

这120格先做主成分分析(principal component analysis, PCA),只保留特征值不低于1的主成分,用来减轻维度过高带来的噪声。正文没有写出最终留了几个主成分。再在三个阶段分别做层次 K 均值(hierarchical K-means, H-K-means):先用欧氏距离把区分层,切出预设的类,用这些类的中心当 K 均值的起点,然后让类内平方和变小。类内平方和就是每个区到自己那一类中心的距离平方之和。肘部法把每一阶段的类数定为8。肘部曲线在补充图里,这篇正文没有给出曲线本身。

8个类在三个阶段是各自编号的。疫情前的 Cluster 1 不能直接当成疫情后的 Cluster 1。作者按钟点形状把它们排成同一行,之后才谈“同一种节奏”。稳定与否,依赖的是这次主题对齐,不是原始编号的自动相等。

纽约五个行政区的出租车区人口密度

图 8|分析落到哪一块地面上?

主图是纽约五个行政区,再切成 TLC 出租车区。蓝色越深,人口密度越高,单位是每平方千米人口;灰色是不纳入分析的区,例如机场和公园。右上角小图把纽约标在美国境内。这张图说明空间单元和剔除范围,不说明哪个区更有韧性。来源:原论文 Fig. 8。

剔除的是29个客流过低或没有居住区的出租车区,留下234个。地图上的灰色块是未分析区域,正文没有逐块给出灰色多边形的个数,所以不能把灰色块的个数直接说成29。

两层数据各答一个问题

只看钟点,还是不知道什么样的街区更容易换节奏。框架因此做成两层,并且两层都用公开数据。

城市出行韧性的双层开放数据框架示意图

图 9|节奏和街区为什么要分成两层?

这是示意图,不是数据结果。左层用2019–2023年的 FHV 行程,在234个有效出租车区上做成5×24的工作日矩阵,经 PCA 和 H-K-means 得到节奏,再用规则标成稳定、恢复或适应。右层把人口、社会经济和建成环境汇总成地理人口分类。底部把两层交叉,做列联表、卡方和 Cramér’s V。图中的三条规则是:三个阶段标签相同为稳定;疫情前等于疫情后、且疫情中不同为恢复;疫情后不同于疫情前为适应。来源:原论文 Fig. 9。

这三条规则把234个区分成互不重叠的三类。一个区若始终是清晨型,算稳定,不算恢复。恢复必须中间改过、最后又回到原标签。适应包括两种例子:疫情后停在一个新标签上,或者疫情后再换成第三种标签。只要疫情后的标签和疫情前不同,就归入适应。

右层是地理人口分类(geodemographics):按一套共同特征,把小区域分成互斥的类型,用来看不同的人住在哪里。论文使用59个变量,来自2023年版美国社区调查(American Community Survey, ACS)2019–2023五年估计、MapPLUTO 地块,以及纽约开放数据中的地标点。普查区指标按与出租车区重叠的面积加权,不是按人口加权;地标则数点后除以面积。变量先做 Box-Cox 变换,再标准化,然后同样用 H-K-means,肘部法取6类。

ACS 这五年正好跨过疫情前、中、后。作者特意选用这份跨年份的调查,是要让街区画像代表这一整段的平均状况,而不是2019年之前单独一年的底图。代价是:街区特征和出行结果发生在互相重叠的年份里,不能把分类当成冲击前已经定好的原因。

八种工作日节奏,怎样从白天转向更晚

8种节奏按主导时段命名。清晨型是4:00到7:00需求偏高。平峰型是早高峰和晚高峰之间,约10:00到16:00,相对更忙。其余六种是傍晚扩散、日间扩散、深夜、后半夜、双高峰和通宵。官方高峰在图上用虚线框标出,即7:00–10:00和16:00–19:00。热图的颜色是相对全市平均的指数,平均设为100;红色高于全市,蓝色低于全市。

疫情前中后八种出行节奏的小时热图

图 1|每种节奏占多少个区,高峰相对全市是高还是低?

(a)(b)(c)分别是疫情前、疫情中、疫情后。每一行是作者对齐后的一种节奏,不是该阶段原始的簇编号。格内颜色红高蓝低,虚线框是官方高峰。各格标题给出的 N 是出租车区个数,分母是234。

行 A 清晨:65、56、46个区。行 B 傍晚扩散:30、29、27。行 C 日间扩散:34、37、26。行 D 深夜:11、12、22。行 E 后半夜:41、51、65。行 F 平峰:17、14、10。行 G 双高峰:27、29、29。行 H 通宵:9、6、9。每一列相加都是234。来源:原论文 Fig. 1。

节奏 分组 疫情前 疫情中 疫情后
清晨 白天 65 56 46
日间扩散 白天 34 37 26
平峰 白天 17 14 10
傍晚扩散 傍晚及夜间 30 29 27
深夜 傍晚及夜间 11 12 22
后半夜 傍晚及夜间 41 51 65
通宵 傍晚及夜间 9 6 9
双高峰 高峰时段 27 29 29
合计 234 234 234

表中的分母是234个出租车区。深夜从11个区增到22个区,只能说被标成深夜型的区数加倍,不能说深夜订单加倍。论文没有按节奏报告行程量。

白天主导是清晨、日间扩散和平峰:疫情前116/234,即49.6%;疫情后82/234,即35.0%,少了34个区。其中清晨少19个,日间扩散少8个,平峰少7个。傍晚及夜间主导从91/234增到123/234,净增32个区:后半夜多24个,深夜多11个,傍晚扩散少3个,通宵从9个回到9个。双高峰从27个区到29个区。少掉的34个区、多出的32个区和双高峰多出的2个区,正好对上,总区数没有变。

正文写白天主导从50.6%降到35.0%,下降15.6个百分点。35.0%与82/234一致。50.6%等于桑基图上的28.8%加14.5%再加7.3%,而热图给清晨的是65个区、27.8%,65/234就是27.8%,不是28.8%。15.6个百分点跟着这1个百分点一起偏大。按区数,下降是34/234,即14.5个百分点。后文用区数。

另有两处标签和区数不一致。疫情后双高峰热图在 N = 29 旁边印了12.9%,29/234应为12.4%,桑基图印的是12.4%。疫情后平峰热图印了4.2%,10/234应为4.3%,桑基图印的是4.3%。未编校稿里,同一批区数出现了不止一种百分比。

三种疫情阶段八种出行节奏的空间分布

图 2|这些钟点落在城市的哪一圈?

(a)(b)(c)仍是疫情前、中、后。颜色按三大组区分:白天主导里,清晨偏青、日间扩散偏紫、平峰偏橙;傍晚及夜间里,傍晚扩散偏黄、深夜偏红、后半夜偏蓝、通宵偏粉;双高峰是绿色。灰色未纳入分析。

白天主导的节奏大多在外围行政区,曼哈顿核心几乎没有清晨型;清晨型分布在布朗克斯、皇后区、布鲁克林和史泰登岛,日间扩散在史泰登岛和皇后区东部更集中,平峰最集中的是布鲁克林南部,其次是史泰登岛中部和上东区。傍晚扩散集中在曼哈顿下城和中城,并延伸到上城、布鲁克林下城和新镇溪一带。通宵集中在下城的 Soho、华埠,以及布鲁克林威廉斯堡桥附近。双高峰最集中的就业地包括上东区,卡罗尔花园和布鲁克林下城也多。

空间上的变化并不均匀。曼哈顿和内布鲁克林的傍晚节奏、高峰节奏大体还在原来的核心。外围行政区的清晨和日间扩散则收缩并重组。这支持“冲击主要改写了外围的白天节奏”,不支持“全市每一类钟点都被打散”,也不支持“这些街区的居民总出行量已经恢复”。

三条轨迹里,恢复是最少的那一类

把三个阶段的标签连起来,才得到作者所说的韧性类型。图9的规则落到234个区上,结果是一个完整的划分:稳定131个,适应88个,恢复15个。

234个出租车区从节奏流向三条韧性类型的桑基图

图 3|一个区的节奏标签怎样流进稳定、恢复或适应?

四列从左到右是疫情前节奏、疫情中节奏、疫情后节奏和最终类型。色带代表出租车区的流向,块的高度对应占234个区的份额。字母 A 到 H 与图1的八种节奏相同。最右列是适应、恢复和稳定。来源:原论文 Fig. 3。

稳定不是“城市已经没事了”。它只表示三个阶段被标成同一种钟点。一个区的 FHV 订单可以少很多,只要剩下的订单还落在同样的小时上,就会被标成稳定。反过来,订单数量即使接近原来的水平,只要小时形状换成后半夜,就算适应。

纽约出租车区稳定、适应与恢复的地理分布

图 4|三条轨迹在五个行政区里各有多少区?

一张地图同时画出三类:米色是适应,绿色是恢复,浅黄是稳定,灰色未分析。图注里的(a)(b)(c)就是各行政区标注中的适应、恢复和稳定,不是三张分开的地图。来源:原论文 Fig. 4。

行政区 纳入区数 适应 恢复 稳定
曼哈顿 61 13(21.3%) 0 48(78.7%)
布朗克斯 39 22(56.4%) 0 17(图上43.5%)
皇后区 59 22(37.2%) 10(16.9%) 27(45.8%)
布鲁克林 57 20(35.1%) 5(8.7%) 32(56.1%)
史泰登岛 18 11(61.1%) 0 7(38.9%)
合计 234 88(37.6%) 15(6.4%) 131

括号里的百分比,分母是该行政区的纳入区数,不是234。布朗克斯稳定17/39若按一位小数四舍五入是43.6%,图上印的是43.5%。全市稳定131/234是56.0%,图4图例和正文印的是55.9%;适应88/234的37.6%和恢复15/234的6.4%与图例一致。三项相加为234。

曼哈顿将近八成区稳定,也就是48/61。布鲁克林稳定也过半,32/57。适应在布朗克斯和史泰登岛过半,分别是22/39和11/18。皇后区没有一类超过半数,最多的稳定也只是27/59。15个恢复区全部在皇后区(10个)和布鲁克林(5个),曼哈顿、布朗克斯和史泰登岛的恢复都是0。

所以“中心稳、外围在改”有地图上的依据,但不是五个行政区各只有一种命运。皇后区是混合的,布鲁克林既有全市第二高的稳定份额,也有5个恢复区。

六类街区,不是一条从穷到富的直线

地理人口分类给出6类。名字是作者按最突出的特征起的简称,描述的是出租车区的组合画像,不是区内每一个人。

六类地理人口区在纽约出租车区上的分布

图 5|六类街区各有多大,集中在哪里?

颜色对应六类,灰色未分析。图例份额与后面的交叉表区数一致:郊区老龄化家庭54/234(23.1%),生活承压48/234(20.5%),亚裔劳工聚居区52/234(22.2%),都市精英飞地15/234(6.4%),现代混合功能居住区49/234(20.9%),更新中的工业边缘16/234(6.8%)。各行政区只标注了区内占比较高的几类。

曼哈顿标注的前三类是现代混合功能34个(34/61,55.7%)、精英飞地15个(15/61,24.6%)、生活承压12个(12/61,19.7%)。34+15+12=61,三项百分比相加为100%,就是曼哈顿纳入分析的全部区。精英飞地全市也只有15个区,因此这一类全部在曼哈顿。现代混合功能全市49个区,曼哈顿占34个,其余15个在曼哈顿以外。史泰登岛18个区中,郊区老龄化家庭17个(17/18),亚裔劳工聚居区1个,生活承压为0。来源:原论文 Fig. 5。

正文对位置的描述是:郊区老龄化家庭最多,集中在史泰登岛、皇后区东部和布鲁克林中南部,出行距离长,拥有三辆及以上私家车的家庭多,住宅密度低,收入居中。生活承压集中在曼哈顿北部、布朗克斯西部和中部、布鲁克林中部,黑人与西裔居民比例高,教育程度和英语熟练度较低,失业较高,住房偏老、租房多,私家车很少,通勤时间长,但公交可达性高。亚裔劳工聚居区在布鲁克林西南、皇后区中部和布朗克斯最南端,家庭规模较大,英语和教育指标偏低,体力型低收入职业多,通勤很长。精英飞地只在曼哈顿核心和最南端,高教育、高收入,白人与亚裔比例高,高层公寓和独居多,通勤短,地标和商业密集。现代混合功能居住区在曼哈顿核心外围和布鲁克林西北部,中年专业人员、收入和学历高,新公寓、小家庭、少用车,步行和公交混合利用高。工业边缘散布在布朗克斯南北、布鲁克林西部,西部皇后区最密,靠近工业和交通设施,有2020年及以后的开发,容积率和地标密度低于全市平均。

六类地理人口区相对纽约全市平均的变量指数热图

图 6|六个简称分别高在哪些指标、低在哪些指标?

(a)人口,(b)社会经济,(c)建成环境。列 A 到 F 就是上面的六类。每一格是相对纽约全市平均的指数,100是基线。图注规定红色低于全市平均、蓝色高于全市平均。这和本文图1相反:图1的红色是出行指数偏高。图6没有为每个格子另报显著性检验,不能把颜色深浅读成已经做过统计检验。更完整的文字画像在补充说明里,正文没有逐格列出。来源:原论文 Fig. 6。

节奏和街区有关,解释不了全部差异

三条韧性类型与六类地理人口区的交叉热图

图 7|哪一类街区里,稳定、适应、恢复各占多少区?

行是三条轨迹,列 A 到 F 是六类街区。格内是出租车区个数,以及它占该列街区的比例;空白格是0。颜色越深,这一列内部的比例越高。右上角给出卡方、似然比、Cramér’s V 和列联系数。来源:原论文 Fig. 7。

街区类型 区数 适应 恢复 稳定
A 郊区老龄化家庭 54 26(48.1%) 4(7.4%) 24(44.4%)
B 生活承压 48 21(43.8%) 0 27(56.2%)
C 亚裔劳工聚居区 52 20(38.5%) 8(15.4%) 24(46.2%)
D 都市精英飞地 15 0 0 15(100%)
E 现代混合功能居住区 49 13(26.5%) 1(2%) 35(71.4%)
F 更新中的工业边缘 16 8(50%) 2(12.5%) 6(37.5%)
合计 234 88 15 131

每一格的百分比,分母是该列的区数。例如工业边缘的50%是8/16,不是8/234。六列区数54+48+52+15+49+16=234,与三条轨迹的88、15、131也一致。

卡方检验的是“行和列无关”这个原假设。χ² = 33.459,p < 0.001,原假设不成立:三类轨迹在六类街区里的分布不一样。图上还印着似然比40.697,p < 0.001,以及列联系数0.354。Cramér’s V 把卡方变成0到1的关联强度:V = √(χ² / (n(k−1))),这里 n = 234,k 是行数和列数中较小的那个,即3,所以 k−1 = 2。代入得0.267。作者把它解释为中等关联:街区类型有助于看出韧性轨迹的格局,但不是唯一因素。0.267不是“街区解释了26.7%的韧性”,也不是因果份额。

读这张表时,贫富直线并不够用。稳定比例最高的是精英飞地15/15,其次是现代混合功能35/49。接下来却是生活承压27/48,而不是另一个高收入类型。稳定比例最低的是工业边缘6/16和郊区老龄化家庭24/54。适应比例最高的是工业边缘8/16,其次是郊区老龄化家庭26/54;精英飞地的适应是0/15,现代混合功能是13/49。恢复仍然最少。比例最高的是亚裔劳工聚居区8/52,其次是工业边缘2/16。生活承压和精英飞地的恢复都是0,现代混合功能只有1个区。

作者对这种差别给了一个解释,但分析本身没有把它证成原因。核心、公交方便的地方更能维持原来的钟点;生活承压区的稳定,可能是因为班次固定的必要工作、少车和靠近公交,使出行时间不容易改。外围和过渡地带通勤更长、密度更低、更新更多,适应更多。恢复少,被他们读成:很多地方要么维持旧节奏,要么停在新节奏,而不是走一个“偏离后再回来”的标准工程恢复路径。这些是讨论中的机制推测。交叉表只能说明分类之间的关联。

讨论里还把结果接到可持续发展目标11的交通可达、参与式规划和公共空间时间管理上,例如外围适应区的晚间公交、工业边缘的混合利用、生活承压区的出行支持。这些是作者建议怎样使用这套分类,不是本文实施过并评估过的政策。

这些数字能支持到哪一步

FHV 只覆盖一种方式,而且2019年只占全市行程的2.5%。步行、地铁和公交更常用,却没有被这套钟点包括。FHV 的使用者偏向较高收入群体,老年、低收入和更匮乏地区会被少算到。作者指出,这可能让特权地区的稳定被高估,也看不到非机动方式里更细的适应。把234个区的稳定份额说成纽约人的出行已经稳定,超出了数据。

机场和开敞空间因为居住密度低被剔除。那里的人流有自己的城市含义,只是不在这套居住区地理人口框架里。

三类轨迹和六类街区的关系停在关联。ACS 又是2019–2023的平均,不是冲击前的外生背景。收入、密度或公交哪一个在推动适应,本文没有分离开来。作者把可解释机器学习列为后续,而不是已经完成的分析。

8类和6类是为了能跨时间比较而固定下来的。真正新出现、然后消失的钟点,可能被并进这8个名字里。主题对齐这一步也带有研究者的判断。热图和桑基图个别百分比与区数不一致,说明未编校稿还不能把每一个印出来的百分号都当成最终数字;区数能加总到234的那些结果,彼此是闭合的。

一句话总结

在234个纽约出租车区里,工作日预约叫车的钟点类型多数没有换类,真正换过又换回去的只有15个区;外围更常见的是改到另一套钟点,而这只描述了网约车的时间结构。

核心来源

  • Liu, Y., & Chen, M. (2026). An open framework for assessing urban mobility resilience: evidence from New York City. npj Urban Sustainability. Article in Press. https://doi.org/10.1038/s42949-026-00368-3
  • 行程:纽约 TLC Trip Record Data。街区变量:ACS 2019–2023五年估计、NYC MapPLUTO、NYC Open Data 地标。
  • 2019年方式份额来自论文所引纽约市交通局出行报告,分母是全市行程;76%的分母是 TLC 监管行程。
  • 代码与示例数据:https://doi.org/10.5281/zenodo.18019522 。论文写明使用 R 4.5.1 与 QGIS 3.40.9。

作者

Yunzhe Liu,论文署名为华东师范大学社会发展学院人口研究所,以及帝国理工学院公共卫生学院 MRC 环境与健康中心。他与陈同等贡献,论文分工里负责数据整理、软件和可视化,并共同完成概念、方法、调查与核验。参考文献中的纽约公交导向开发分类、地理人口变量筛选,以及他与陈合作的纽约城市活力研究,与本文的出租车区和地理人口做法直接相关。

Meixu Chen,论文署名为华东理工大学社会与公共管理学院,以及利物浦大学地理与规划系,通讯作者。她与刘同等贡献,负责初稿,并共同完成概念、方法、调查与修改。参考文献中她参与的伦敦城市活力韧性、城市兴趣区研究,属于同一条用开放地理数据讨论城市活力的线索。

延伸思考

以下是 AI 基于论文结果所作的延伸,不属于原论文结论。

如果城市管理部门直接用这131/234的稳定比例给社区韧性排序,排序对象其实是预约叫车工作日钟点,不是居民到达工作和医院的能力。一个地铁依赖的区,FHV 钟点可以一直稳定,公交班次却已经改掉;外围区的适应,也可能只是少数仍在使用网约车的人把订单挪到了更晚的小时。同一套三条规则若改用地铁闸机或公交刷卡重做,布朗克斯那些适应区未必还是适应区。闸机的空间单元是车站,和出租车区对不齐,这是一件新的测量工作。

适应被放在“可以不回到旧常态”的转型韧性里。后半夜类型从41个区增到65个区,却同时容纳两种完全不同的生活:一种是弹性工作把社交挪晚,一种是轮班和更长通勤被挤进夜里。图7只能说工业边缘和郊区老龄化家庭的适应比例高,不能说这种新钟点对居民更好。要分开这两种含义,需要职业、班次或照料时间,而本文的街区指标是出租车区的平均值。

还有一个会改变交叉表的数据选择。ACS 使用的是2019–2023五年平均,绅士化如果发生在这五年内部,疫情前的街区和疫情后的街区会被写成同一列。把背景换成2015–2019的 ACS 再交叉一次,精英飞地15/15全部稳定、生活承压27/48稳定这些格子还在不在,才能判断表7反映的是冲击前的条件,还是和结果缠在一起的同期画像。另外,29个低客流区被剔除,但正文没有给出保留下来的234个区各自至少有多少次行程。疫情后订单所剩很少的区,小时占比会抖动,从而更容易被记成适应。外围较高的适应比例里,有多少是行为转型,有多少是小样本把标签推来推去,本文的数字还分不开。


文章作者: 猴猴猴
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 猴猴猴 !
  目录