“我快到了，你在哪？”这通电话，能留下见面的痕迹吗？
论文名片｜Francesco Calabrese、Zbigniew Smoreda、Vincent D. Blondel、Carlo Ratti，Interplay between Telecommunications and Face-to-Face Interactions: A Study Using Mobile Phone Data。PLOS ONE 6(7)，e20814，2011年7月13日。DOI：10.1371/journal.pone.0020814。本文合并阅读正文及Text S1—S5。
约好碰面以后，最短的一通电话往往发生在最后几百米：“到门口了”“我在另一侧”。它并不替代见面，反而嵌在见面的过程里。可如果只有运营商通话账单，没有聊天内容，也没人记录谁真正坐到一起，还能看出这种关系吗？
这项研究用葡萄牙运营商记录提出一种可观测的代理：两个住址和工作地不同的人，在给对方打电话时接入同一个基站。作者称它为共位（co-location）。它比“曾到过同一地方”更接近同时接触，但仍不是经过现场确认的面对面会面。
先说结论
- 在筛选后的互相通话关系中，超过93%的配对曾在观察期内使用过同一基站区域。这不要求同时到场，不能解释为93%都见过面。
- 按“彼此通话时同基站”的严格定义，约38.33%的通话配对至少出现过共位；对平均每月至少通话一次的较频繁关系，比例约69.41%。分母是特定样本里的配对，不是葡萄牙全体居民。
- 共位通话较短，通话在相邻共位事件两端较集中，与“见面协调”解释相容；但没有现场真值证明这些事件都发生了见面。
- 通话次数与住址距离构成的统计拟合解释约61%的共位次数变化。由于共位本来就是通话的一部分，这个关联既含行为联系，也含观测机会与定义带来的联系，不能直接判为电话促成见面的因果效应。
账单记录了什么，又漏掉了什么？
原始资料约4.35亿条通话记录，来自2006—2007年葡萄牙一家运营商。正文概括为一年，补充材料说明实际覆盖406个非连续日期，因此不能当作完整连续日历。每条记录含时间、双方匿名编号、时长与双方接入基站；不含短信和互联网使用。
全网互惠通话关系涉及约182万人、1,137万条关系边。为了提高位置采样密度，作者保留通话最活跃的10万人形成D1，每人至少1,846条个人记录，约每天4.5次。计算较复杂的分析再用D2：按住址距离分布抽取10,000对用户，而不是10,000名用户。
这两层筛选都会影响外推。高频通话者的位置更容易被看见，低频通话者的相遇也更容易漏记；一个运营商的客户构成、资费与一人多机，也会改变样本。即使宏观人口分布大致相容，也不能证明每一种社会关系都代表充分。
位置精度同样关键。6,509个基站平均服务约14平方公里，里斯本等城区约0.13平方公里。接入同一基站，可能在同一个商业区，却未必在同一家咖啡馆。作者用基站Voronoi覆盖区近似位置，这种空间共现需要与真正的面对面接触分开。
曾去过同一地方，与同时在附近，是两个问题
图 1｜住得很远的人，是否也去过相同地方？
整图无字母面板。横轴为双方住址间距离，单位米、对数刻度；纵轴为观察期内曾共享某个基站区域的概率，样本D1。即使相距约100公里，概率仍超过90%。这里没有同时性约束，同一天甚至同一月份都不是必要条件，因此不能把曲线称为会面概率。来源：原论文 Fig. 1。
接下来才是严格共位：双方彼此通话的同一时刻接入同一基站。为了减少共同生活、共同工作带来的近邻混淆，作者排除推断住家或工作地相同基站区域的配对。住家用22点至次日7点最常出现基站识别，工作地用9点至17点最常出现基站识别。这是规则推断，不是实际地址登记；轮班、出差和混合用途地区都可能带来误差。
D1中约40万对曾发生同基站通话，其中约35万对住家和工作地不同。论文的38.33%与69.41%应放回这一筛选和关系强度语境，不能直接改写成“七成人见面前会打电话”。后一个说法还倒转了条件：本文按通话关系找共位，并没有从全部真实会面抽样。
为什么作者认为这些电话与见面协调有关？
图 2｜打给远方的人，与在附近找人，电话一样长吗？
整图无字母面板。横轴为住址距离，纵轴为通话时长的几何平均，单位秒；黑线包含全部通话，红线只含共位时通话。黑线大致90—110秒，红线约40—50秒，后者明显较短。它支持简短协调的可能解释，但没有电话内容，无法确认每通电话的目的。来源：原论文 Fig. 2。
图 3｜电话更集中在两次共位之间的什么位置？
整图无字母面板。作者把D2中相邻共位的时间间隔归一化到0—1，纵轴为通话分布；曲线在两个端点附近升高。接近1表示下一次共位之前，接近0表示前一次共位之后。归一化横轴不是分钟或小时，不能据此说“见面前五分钟电话最多”。来源：原论文 Fig. 3。
简短通话与端点聚集形成两条互相支持的线索，但仍是间接证据。双方可能只是恰好在同一片覆盖区，也可能在见面后回拨；同一事件如何被电话记录捕捉，也会受个人打电话习惯影响。作者的解释是合理假说，不是已逐次核实的会面日志。
距离到底削弱了见面，还是连电话也一起削弱？
图 4｜住得远以后，哪一种联系减少得更快？
（a）D1中共位次数、通话次数、总通话时长随住址距离变化；（b）D2中额外加入放宽定义的共位：两人在一小时内从同一基站发起任何通话，不必彼此通话。横纵轴按图示作对数和归一化处理。两面板中共位下降更明显，放宽定义后方向仍相近。来源：原论文 Fig. 4。
正文报告的距离斜率约为：共位次数−0.14、通话次数−0.07、总通话时长−0.04。这意味着空间分离对共位代理的影响强于对通话量的影响。远方的人仍可维持较长电话，空间接触却更少；这与通信帮助维系远距离关系相容，但并不等于它完全取代或完全促进了线下接触。
放宽定义的检查有价值，因为严格共位本身要求双方直接通话。放宽后仍看到距离衰减，说明结果不完全依赖“彼此打电话”这一条件。不过一小时和基站覆盖仍很宽，也可能把偶然同处算进去。
碰面地点在中间，还是经常有人多走一段？
作者以住家到共位基站的直线距离比较双方空间负担，短距离与长距离之比的配对中位数平均约0.3。它说明共位位置经常偏向其中一人的住家，但不能当成当天真实走过的路程：出发点可能是工作地，真实路径也不等于直线。
补充图 S3-1｜离得更远，地点会不会反而更靠近某一方？
（a）较短与较长住家—共位距离之比随双方住址距离降低；（b）每对关系中，较少享有短距离一方所占的事件比例很低，表明同一方更经常离共位地点近。虚线提供参照，样本D2。这里比较的是同一配对内事件分配，不能由一个平均比例直接推出“94%的配对始终由同一个人多走”。来源：Text S3，Fig. 1。
补充图 S3-3｜更重视这段电话关系的人，是否一定走得更远？
（a）归一化通话强度差异与距离比；（b）第一位用户离共位地点更近的事件比例。强度按该用户和对方的通话时长，相对于自己平均每段关系的时长定义，因此同一段联系对双方可以有不同相对权重。差异较大时，地点更偏向一方；相对强度较高者更常离地点近。它是通信结构与地点的统计联系，不能据此判断谁更在乎谁。来源：Text S3，Fig. 3。
Text S3还检查人口密度与通话发起方向。人口密度差异与地点不对称相关，但不足以明确预测哪一方近；“谁更常主动打电话”也没有呈现清晰对应。因此，不能把电话主动方直接写成负责赴约或更愿意付出的一方。
61%的变化能被拟合出来，意味着可以预测真实见面吗？
图 5｜电话更多的配对，是否有更多共位记录？
整图无字母面板。横轴通话次数、纵轴平均共位次数，均为log10，样本D1，曲线整体上升。这里既可能反映关系更活跃，也包含更多通话带来更多位置观测机会的影响；严格共位事件还是全部通话的子集。来源：原论文 Fig. 5。
作者进一步做对数线性拟合，共位次数与“通话次数的约0.60次方、住址距离的约−0.08次方”成比例。控制另一项后，通话翻倍对应拟合共位次数约增加52%，住址距离翻倍对应约减少5.5%。这些是模型的条件关联，不是改变某个人通话量后的干预效果。
图 6｜两项信息能够解释多少记录差异？
整图无字母面板。横轴为模型拟合的共位次数、纵轴为记录共位次数，均为log10；黑点与误差线概括实际数据，误差线为标准差，红线为参照关系。R²约0.61，Text S4报告对数尺度RMSE约0.37。论文没有将这里描述为对独立测试用户的验证，不能把它当作已证明的样本外预测准确率。来源：原论文 Fig. 6及Text S4。
补充统计给通话指数0.6042±0.0021、距离指数−0.0822±0.0034（95%置信范围的报告形式）。区间很窄主要说明这一拟合在当前样本中的统计精度，不会消除基站定位、样本筛选或代理定义造成的系统误差。正文比例常数与附件对数截距换算也不完全一致，因此本文不把常数当作可直接迁移的计算器。
电话没有替代见面，这个结论能走多远？
补充图 S5-1｜几个月里，一种互动是否逐渐挤掉另一种？
整图无字母面板。横轴周数，纵轴每对D2用户的平均次数；黑线电话、红线共位。第25—31周存在数据缺口，不能连成真实活动骤降。两条序列没有清晰的长期替代趋势，但观察窗口内无趋势，不等于所有时代、所有人群都不存在替代。来源：Text S5，Fig. 1。
这项工作最有价值之处，是把抽象的“线上与线下关系”变成了可以用大规模记录分析的操作定义。它显示远程通信与空间接触经常相伴，协调电话很可能是其中一种机制。可是，要判断多打一通电话究竟增加还是减少见面，需要能够区分共同原因与干预效应的设计，例如更完整的接触真值和独立变化来源。
还要记住历史语境：数据来自2006—2007年语音通话，不含短信与移动互联网。不能直接把结果延伸为今天社交软件、视频通话或混合办公的因果结论。本文使用匿名运营商记录，也不等于原始个体位置与社会关系可供公开下载。
一句话总结
电话记录能捕捉到空间接触与协调的线索，但“同基站通话”是需验证的代理，电话与共位的强关联也不自动证明电话促进了真实见面。
核心来源
- Calabrese, F., Smoreda, Z., Blondel, V. D. & Ratti, C.（2011）. Interplay between Telecommunications and Face-to-Face Interactions: A Study Using Mobile Phone Data. PLOS ONE 6(7): e20814。论文与Text S1—S5。本文全部主图、补图、定义与数值据原文，原图保留完整组合，按原文开放署名许可转载。
作者介绍
以下机构与分工按2011年论文署名及贡献声明介绍。
- Francesco Calabrese：IBM Research（都柏林）与MIT Senseable City Laboratory署名作者；执行实验与数据分析，参与设计和写作，为通讯作者。
- Zbigniew Smoreda：Orange Labs网络与服务社会经济研究部门署名作者；参与研究设计、分析及写作。
- Vincent D. Blondel：MIT LIDS及比利时鲁汶天主教大学数学工程系署名作者；参与研究设计、分析和写作。
- Carlo Ratti：MIT Senseable City Laboratory署名作者；参与研究设计和论文写作。
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。
若要把共位变成更可靠的接触测量，可以先让志愿者记录少量已确认会面，再比较不同基站尺度、时间窗口和通话频率下的漏报与误报。最需要检验的不是哪条拟合线更漂亮，而是哪类人被系统性漏掉：很少打电话的朋友、共同工作却不常通话的同事，可能都拥有丰富线下接触。
也可以把严格共位与独立位置共现分开分析。前者天然依赖通话，后者若来自不依赖通话触发的位置采样，就能更清楚地检查电话增加之前和之后，实际共现是否改变。只有减少观测机制对结论的绑定，才更接近回答通信与见面究竟如何互相影响。
