贴近每个人的轨迹之后,一座城市的出行规律就能直接读出来吗?
论文名片|Yang Yue、Tian Lan、Anthony G.O. Yeh、Qing-Quan Li,Zooming into individuals to understand the collective: A review of trajectory-based travel behaviour studies,Travel Behaviour and Society,2014,1:69–78,2013年12月31日在线发表。DOI:10.1016/j.tbs.2013.12.002。本文是按轨迹数据类型组织的综述,页眉标注卷1、2014年、第69–78页。文中的样本量与发现均来自这篇综述对既有研究的转述,不是作者新采集的样本。
早上同一条路上,三套记录会交出三个不同的人。出租车 GPS 知道车在哪条街、速度多少;地铁闸机多半只在进出站时记下一张卡;手机基站只知道这部手机出现在哪一座信号塔附近。交通和城市规划要回答的却是集体问题:早高峰流向哪里,公交客流是不是多中心,疾病或拥堵会不会跟着人走。
下面这个对照只用来进入问题,不是论文里的真实个案。把镜头推近到个人,集体出行并不会自动变成一张可以直接拿来规划的总图。这篇综述把轨迹研究按数据来源重新放在一起之后,方向很明确:个人尺度的记录让重复活动范围、距离衰减和多中心客流变得可观察;分布形式却随传感器而变;手头样本与全体居民之间的关系,综述自己认为还没有被严格回答。
先说结论
- 轨迹在文中被写成按时间排列的位置序列。位置和时间是必有项,速度、航向、车辆状态等属性可有可无。GPS、公交卡、手机、签到和钞票追踪,都是因为符合这个口径才被放进综述。
- 1970年代出行行为研究兴起后兴趣转淡。综述把原因归为三件事:模型缺数据、缺少能处理时空数据的工具、区域交通模型的计算又贵又慢。信息与通信技术、GIS 和实时数据流缓解了这三项,研究也从聚合的引力模型、四阶段模型转向个人轨迹。
- 表1里的“人类移动分布”并不只有一种。44名志愿者、1000小时 GPS 被记为飞行长度和停留时间的重尾;北京1万辆出租车、2000万条轨迹的位移和 eclipsed time 被记为倾向指数分布;连续7天、150万次匿名出行的距离被记为指数截断幂律,方向不均匀;连续9天的城市内部手机移动,被写成指数律比幂律更好地反映距离衰减。
- 公交卡可以在不依赖出行日记的情况下看见集体节律。伦敦203万张牡蛎卡上的1122万次出行,被综述概括为多中心、客流幂律和乘车次数的负二项分布;深圳6天、约500万条记录和250万次出行,被写成有日内高峰、工作日与周末之别以及周期性。统一定价系统往往没有上车信息,完整行程仍要估计。
- 手机数据被称作以往出行研究没有达到的人口渗透尺度。Gonzalez 等在6个月、10万名随机用户上看到可重复的个体模式,位移近似截断幂律。与此同时,综述写道,把姓名换成编号或有意降低分辨率之后,de Montjoye 等仍用四个时空点识别出95%的个体。样本能否代表全体,综述列为尚未严格回答的问题。
个人记录为什么重新变成看集体出行的入口?
人类移动被综述放在通勤、货运、流感传播和汽车污染物扩散的共同位置上。因此出行行为研究横跨城市规划、交通预测、流行病学和生态学。1970年代这一领域已经热过。美国的底特律都市区交通研究、芝加哥区域交通研究(CATS)和匹兹堡区域交通研究(PATS)用出行日记一类调查,建立起古典四阶段模型。Hägerstrand 在1970年用时空路径和时空棱柱(space–time prism)描述一个人在能力、耦合和权威三类约束下能够到达的范围。Chapin、Cullen 与 Godson、Lenntorp 把时间预算和活动模式接进同一框架。
热度在1970和1980年代的研究高峰之后退下去。综述引用 Timmermans 等(2002),把阻碍收成三项。第一,模型处于 data-hungry but data-poor 的处境:又需要数据,又经常没有够新的数据。研究范式已经从聚合模型转到非聚合模型,也从基于引力的方法转到基于出行(trip-based)和基于活动(activity-based)的方法,于是更需要空间和时间都更细、还能跟踪同一个人的纵向轨迹。第二,能分析这种轨迹的工具很少。Miller(1991)指出,处理时空数据的软件不足,会把城市环境做成不真实的均一假设。第三,算力昂贵。Weiner(1999)回顾1950年代的区域交通研究时写道,当时的模型轻易就用尽了第一代和第二代 IBM 计算机。
随后三项条件都变了。计算能力按摩尔定律的方式增长;Kwan 和 Goodchild 把 GIS 用于时空行为与交通;Batty(2012)把大数据描述为由新传感器和新社交媒体在真实时空中持续产生的大规模数据流。Miller(2010)的判断被综述借来作转折:科学从数据匮乏走到了数据丰富。人每天带着登记在蜂窝网上的手机移动,刷卡乘车,用信用卡消费,也在社交网络上签到。综述认为,这三项技术变化触发了出行行为研究的又一次兴起。
它没有把这次兴起写成“数据越多,结论越自动正确”。后文的全部张力都从这里开始:个人轨迹变多了,从这些轨迹读出的集体规律,仍然要看数据是谁留下的、缺了哪一段行程,以及样本离全体有多远。
一条轨迹至少要有什么,五类数据才放得进同一篇综述?
综述给出一个很窄的入选规则。一条轨迹是离散时刻上的位置序列,写成有限组三元组:每个时刻有一个空间位置,并可以带上属性。位置和时间是句法上的必有项;属性是可选项,可以是速度、航向或车辆状态,也随场景改变。时空路径、出行链、地理生命线、追踪数据、移动数据和时空足迹这些名字,只要符合这个三元组,就被算作同一类对象。
入选还有两道边界。对象是人的出行,不包括野生动物或飓风一类自然灾害的轨迹。轨迹的采集、预处理和入库不在这篇综述里展开,空间轨迹计算被指向 Zheng 与 Zhou(2011)。因此后文比较的是研究用了哪种人的位置—时间序列,以及这些序列被用来回答什么集体问题。
综述按五种来源分述:传统出行调查、GPS 日志、公交智能卡、手机,以及其他位置数据,包括移动社交媒体和钞票追踪。五种记录的成本、效率、渗透率,以及空间、时间和纵向分辨率都不同,模型也跟着变。表1只挑选非传统数据上的一批研究,列出数据描述、算法或模型和主要发现。传统日记出现在正文,不在这张表里。表1是选择,不是该领域的完整名录。
从117户日记到上千万条出租车轨迹,集体分布变成了哪一种?
传统调查多来自区域普查或入户访谈,采集方式从邮寄的纸笔访谈发展到计算机辅助电话访谈(CATI)和计算机辅助自填。可以从中提取起讫点、出发和到达时间、出行目的和交通方式,再送进交通模型。综述认为这批研究总体更关注时间而不是空间,例如日与日之间的时间利用是否稳定、时间如何分配、出行如何连成链。
时空棱柱后来被 Miller(1991)和 Kwan(1998)放进 GIS,用家庭调查数据度量可达性。Timmermans 等(2002)把基于时间地理学的模型标成约束模型;使用调查数据的其他时空模型还包括效用最大化、计算过程模型和微观模拟。这些日记对古典研究贡献很大,同时被综述形容为费人工、易出错、不够省钱,更新慢,还会漏掉行程中段的细节。批评见 Ettema 等(1996)和 Axhausen(1998)。研究者因此转向 GPS。
Pearson(2001)所说的第一次区域性、由 GPS 辅助的出行调查,是1997年美国得克萨斯州奥斯汀的调查:117户配备 GPS 记录器,再用 CATI 回访报告出行。2000年美国取消 GPS 选择可用性政策之后,轨迹能为行为模型提供精度更高的数据。这里的“更高”是综述的定性判断,正文没有给出米级误差。Zheng 等(2008)用10个月内65人的 GPS,改进交通方式推断;表1只写性能得到改进,没有给出准确率。Sadilek 与 Krumm(2012)用超过32,000天的大规模 GPS,把人类移动的长期预测做到月和年的尺度。Quiroga 与 Bullock(1998)在路易斯安那用3年、300万个 GPS 点讨论行程时间:采样周期应小于最短路段行程时间的一半。综述没有把这个“一半”换算成分钟。
步行和车行给出的分布并不一样。Rhee 等(2008)用44名志愿者、1000小时 GPS,报告飞行长度和停留时间的重尾,并讨论可能原因;综述把这类结果概括为日常行走符合列维飞行(Lévy flight)的截断幂律,并呈现无标度特征。Lévy flight 在这里可以先理解成:很多步很短,偶尔有很长的跳跃。Lee 等(2009)用5个户外地点、101名志愿者的226条日轨迹,提出自相似最小作用行走模型(self-similar least action walk,SLAW),并写共同兴趣或同一社区中的人会表现出某种移动模式。
出租车是另一套集体对象。浮动车数据的特征在不同城市之间就不相同。Jiang 等(2009)分析6个月内50辆出租车的72,000条人员移动轨迹,把标度性质归因于底层街道网络和起讫点的空间分布。正文还把人类移动的列维飞行行为归因于街道网络。这是该研究的机制解释,不是这篇综述用同一批轨迹重新估计出来的。
Liang 等(2012b)使用北京1万辆出租车的2000万条轨迹。表1写,位移和 eclipsed time 倾向于指数分布。eclipsed time 是表中原词,同一行的算法栏写的是位移与出行时间的相关;综述没有另给这个时间的定义或单位。正文对这篇文章的概括是:出租车所体现的人类移动标度律是指数的。另一篇 Liang 等(2012a)把这种指数分布归因于人类出行需求平均密度随距离指数下降。综述没有给出2012a的样本量,所以不能把2000万条轨迹同时当成那篇机制论文的分母。
Liu 等(2012)在正文里对应上海出租车轨迹。表1的数据描述是连续7天、150万次匿名出行。随机游走模型被用来同时纳入地理异质性和距离衰减。读数是:方向分布不均匀,距离分布服从指数截断幂律。指数截断的意思是,长距离一边比纯幂律下降得更快。综述没有给出幂律指数或截断距离。
Yue 等(2009,2011)在表1里并成一行,其实是两套规模:一天480条出租车轨迹,以及一天内1.2万辆出租车的超过6.3万条轨迹。发现被写成:区域吸引力受出行行为影响,轨迹可以用来生成基于选择的样本。这组研究被综述接进更大的题目,也就是城市空间结构与人类移动模式的关系。
GPS 还有公交、市政车辆和其他道路方式,综述认为这些日志尚未被充分挖掘。每一种 GPS 都有自己的限制:使用受露天条件约束,城市峡谷效应会明显影响精度,而且日志缺少社会人口属性。一个正在出现的方向,是把 GPS 与公交卡等其他轨迹合在一起。
公交卡能汇总出客流,一次刷卡仍常常不是完整出行
交通智能卡最初用于公交、地铁和停车场的自动收费,后来也进入商店、餐馆和医院。综述举例香港八达通和伦敦牡蛎卡,并说如今几乎每座大城市都有自己的系统。卡上可以有卡号、交易的时间与票价、方式、起讫点、车站和线路,以及个人身份信息。因此它既能做需求建模和需求预测,也能检测个人出行模式、提取起讫点。
记录里缺什么,取决于票制。距离计价会留下上下车信息;统一定价系统不记录上车信息。于是主要困难变成:怎样识别或估计一条完整出行轨迹,以及怎样连接多种方式的换乘。Seaborn 等(2009)处理的是伦敦一个典型工作日、超过800万次公交或地铁行程,用最大经过时间阈值连接换乘。表1只列出地铁到公交、公交到地铁、公交到公交三类阈值,没有写出分钟数。Hofmann 等(2009)用一年、1000辆以上公交车上的4800万条上车记录,在行程层面识别换乘。Chapleau 与 Chu(2007)用加拿大超过75万条公交上车记录提取起讫点。这些都是综述转述的可行性,不是本文重新跑出来的识别率。
集体节律也可以只从上车记录里看。Morency 等(2007)用7118名不同用户的超过220万条上车记录,认为仅凭原始上车信息就能观察到规律性指标。Roth 等(2011)用伦敦203万张个人牡蛎卡上的共计1122万次出行:移动流结构基于多中心,客流服从幂律,乘车次数服从负二项分布。1122万是出行次数,203万是卡数,综述没有再给人均出行次数,这里也不另除一次。Gong 等(2012)用深圳6天、约500万条智能卡记录和250万次出行;正文说明这是地铁卡。城市内部出行被写成三件事:一天之中有高峰,工作日与周末不同,并且具有周期性。表1里的(a)(b)(c)是这三条发现的列举,不是图的面板。
综述的判断是,这些经验研究说明智能卡用于出行行为和交通规划是可行的。把行程信息与个人身份连起来时,隐私是共同的担忧。这一节先停在“连起来会有隐私问题”。具体到匿名记录还能否区分个人,手机研究给出了更硬的转述,放在下一节。
手机把个人重复模式和城市节律放在同一尺度上
手机数据在综述里分成两类。一类基于基站,主要是基站话务和切换信息。另一类基于用户,通常包含匿名用户编号、基站编号,以及通话、位置、日期和时间。定位可以来自基站、辅助 GPS、Wi-Fi 或其他技术。
城市尺度上,Ratti 等(2006)用米兰市中心周围20公里乘20公里、16天的手机通话,看到日夜、工作日与周末的周期性,也看到体育比赛等本地事件期间的异常。Calabrese 等的实时罗马项目用手机、公交和出租车的汇总数据描绘城市脉动;综述没有给出这三项数据的样本量。Gao 等(2013)用哈尔滨一周、近100万手机用户的超过7400万条通话记录,以结合引力模型的凝聚层次聚类,发现物理世界中的人类移动与通话活动高度相关,并认为这加强了距离衰减,也就是托布勒地理学第一定律所表达的“近处关联更强”。综述没有给出相关系数。Yuan 等(2012)用哈尔滨87万手机用户、9天通话记录,报告活动半径、偏心率和熵都与手机使用显著相关,同样没有给出相关系数。
个体模式最常被引用的是 Gonzalez 等(2008)。表1同时列出两套记录:6个月内随机抽取的10万人,以及206名用户在整整一周内每两小时一次的位置。位移分布被写成可以用截断幂律很好地近似;尽管出行历史各不相同,人仍遵循简单、可重复的模式。Song 等(2010)的样本栏也是两套:300万名匿名手机用户的轨迹,以及1000名用户的位置记录。正文说这项研究达到了很高的人类移动可预测性,没有写百分比。表1的发现是:连续时间随机游走(continuous time random walk)模型的预测与经验结果系统性冲突,他们提出的模型预测了大部分标度指数。Kang 等(2012)考察连续9天的手机用户移动轨迹,表1没有给出用户人数。他们的结论被综述用来修正城市内部的距离衰减:指数律比当时常见的幂律描述更好地反映这种衰减。Simini 等(2012)把引力模型扩展为辐射模型,用手机数据预测通勤和迁移,并讨论人类移动中隐藏的自相似性。综述没有给出送进辐射模型的人数。
方式和个人日程也能从手机痕迹里做。Sohn 等(2006)用78天 GSM 日志,其中249次步行事件、171次驾车事件;模型在步行、驾车和静止之间,85%的时间能识别方式。85%的分母是综述所写的“时间”,不是这249加171次事件的命中率。Eagle 与 Pentland(2009)用100部诺基亚智能手机、约40万小时的数据,识别本征行为,并以79%的准确率预测当天剩余行为。综述没有把79%再写成小时占比或天数占比。Xie 等(2011)的数据是昆明一个月的用户通话记录,表1的发现栏是空的;正文说他们识别出停留、频繁、伴随和移动等活动模式,没有给出人数或准确率。Zhang 等(2010)和 Friedrich 等(2010)被写成用多种基站或用户数据提取起讫点是可行的,表1没有给出某一座城市的样本量。Isaacman 等(2010)只被说成两座城市的移动模式不同,综述没有写出城市名。
手机数据最被看重的特点是覆盖规模:它提供纵向的、个人层面的细节,而且对全体人口的抽样渗透是以往出行研究没有达到的。这句话是定性判断。综述没有给出渗透率的百分比。
隐私边界也出现在这里,而且比“把姓名换成数字”更紧。表1把 de Montjoye 等(2013)的数据写成一个欧洲小国15个月、150万人的移动数据,并写移动轨迹的唯一性大约随分辨率的1/10次方衰减,更粗的数据几乎提供不了匿名性。讨论部分又写,该研究建立了人类移动唯一性算法,只用四个时空点就识别出95%的个体。两处都指向同一文献。综述没有写明这95%的分母就是150万人中的每一个人,因此不能把95%乘回150万。Gonzalez 与 Barabasi(2007)提出过用街区或网格描述系统、而不描述个人。综述的判断是:即使匿名或有意降低分辨率,个人仍可能被识别;在不损害数据效用的前提下保护位置隐私,仍是困难而重要的任务。
照片、签到和钞票,代理的是哪一种移动?
还有一批位置数据并不是为出行调查设计的。移动社交媒体让人在 Facebook、Twitter、Foursquare、Flickr 上发布签到或照片。它们的空间和时间粒度更粗,但带有社会和空间属性。
Flickr 照片被当成大规模轨迹来源。Crandall 等(2009)使用307,448名用户的33,393,835张照片,范围大约一个街区,数据量近2TB。表1的发现是:与只用文本特征相比,视觉特征提高了估计照片位置的能力。这是在估计一张照片拍在哪里,综述没有把它写成预测下一次出行。Clements 等(2010)用4750名用户的526,827张带地理标签照片:对全部用户作出统计上的改进很难,对出行偏好清楚的用户则可以作出准确预测。表中没有准确率。
签到的规模在表1里写得很具体。Noulas 等(2011)使用111天、超过67.9万名用户的1200万次 Foursquare 签到,认为其中有可解释的时空模式,并可以同时研究用户移动和城市空间。Cheng 等(2011)的表1口径是225,098名用户、22,506,721次签到,来自 Foursquare、Twitter 等;正文把同一研究收成约220,000名用户、2200万次签到。他们使用位移、回转半径和返回概率,在签到数据中观察到列维飞行,并认为地理约束、经济因素与个人社会地位会影响移动模式。表1的发现栏写的是用户遵循简单可重复模式,经济与地理因素和移动耦合在一起。Malleson 与 Birkin(2012)用40万条带地理位置的推文校准基于主体的模型(agent-based model),讨论利兹地区的动态和移动;这组40万出现在正文,不在表1。
Li 等(2013)在正文里是加利福尼亚的 Twitter 与 Flickr 案例,表1的数据描述则是美国境内19,758,954条 Twitter 记录和4,263,227条 Flickr 记录。发现是推文和照片密度高度依赖于用户的社会经济特征。综述自己在正文和表里使用了不同的空间范围,这里同时保留两种写法,不另选一个作为“真正的分母”。
更粗的代理是钞票。wheregeorge.com 让用户登记所花钞票的序列号、时间和邮政编码。每张钞票有唯一编号,于是钞票的移动被当作人类出行的代理。Brockmann 等(2006)分析1,033,095份报告中的464,670条美元轨迹,结论是人类出行像连续时间随机游走,伴随无标度跳跃,以及位移之间的长间隔。464,670是轨迹或钞票数,1,033,095是报告数。Brockmann 与 Theis(2008)被写成加强了人类出行的标度律。Thiemann 等(2010)使用48个州、3109个县之间移动的11,759,420张钞票,用模块度最大化讨论行政边界,并与引力模型比较。表1的发现是:可以用人类移动评估行政边界是否有效。综述没有写边界因此失效,也没有给出和引力模型相比的误差。
这组钞票研究同时带着批评。Shlesinger(2006)认为追踪系统有偏,而且记录会忽略钞票行程中的重要细节。综述接受这个提醒,又认为这一系列工作让研究界看到了一种新的人类移动轨迹。
把手机和钞票放在一起,连续时间随机游走并没有得到同一个判决。钞票研究把它写成人类移动的形式;Song 等对手机轨迹的转述是,这类模型的预测与经验结果系统性冲突。两边的数据不同,这篇综述没有做一次对照实验来裁决。
从手头的个人样本走到全体,综述自己停在哪几个问题上?
表1之后,综述先承认一个总趋势。早期模型多用引力模型和四阶段模型,估计普查区或交通分析区之间的人流与货流。轨迹多起来以后,基于出行、基于活动和基于主体的非聚合模型更常见。总方向是从聚合走向非聚合,从宏观概括走向微观模拟,并更强调个人相互作用对总体的影响。许多交通和地理学里的老问题也被新数据重新做了一遍,例如方式识别、起讫点矩阵、空间相互作用、时空交通模式和事故检测。有的研究核实了旧发现,有的修改了旧发现。复杂网络则带来另一种看法,也就是交通网络、社会网络彼此相连。经验工作大多查看位移、时间间隔和返回地点的概率,观察到规律性和标度性质。这些性质被用来暗示由人类移动驱动的现象。
紧接着,综述把推论的梯子抽掉一截。这些关于全体人口的结论,依据的是各种来源的抽样数据。它连续问了三个问题:样本和总体是什么关系;抽样是否有足够代表性,可以支撑总体结论;这些新数据的偏差到了什么程度。三个问题都被写成需要更严格地研究,而不是已经被表1回答。
偏差的内容在后文写得更具体,但仍然大多是定性的。批评者认为新数据在经济和年龄组上有偏:浮动车有交通方式偏差;有些经济群体用不起带 GPS 和位置服务的智能手机;观察者认为新社交媒体的用户多是愿意在上面花时间和钱的年轻人,综述此处引用 Giles(2012);也确实有人从不用智能卡,甚至不用手机。辩护者则说,几乎每一次数据采集和抽样都有偏,心理学和行为研究里的偏差甚至更重,同样引用 Giles(2012)。综述的立场不是选边之后宣布偏差可以忽略。它要求研究者不能无视偏差;随着新技术渗透率上升,偏差会缩小;抽样理论可能帮助更严格地处理它们。渗透率上升了多少,综述没有给数字。
数据一多,还会出现另一种匮乏:数据丰富,信息却可能仍然贫乏,形成数据雪崩。非结构化的音频、视频、图像和自定义格式,再加上实时处理,使面向有模式关系表的传统建模不够用。综述呼吁统一、灵活的数据管理和更高层的知识发现框架,引用 Miller 与 Han(2009)以及 Zhu 与 Wang(2012)。这是对方法的要求,不是已经完成的一套新模型。
机会部分把复杂网络和计算社会科学写成下一步,同时把抽样问题再问细。统计物理在万维网、科研合作、演员合作和电话网络里看到小世界和无标度。Barabási(2005)观察到人类动态的幂律。综述在这里写道,人类出行并不表现为早先所想的简单随机游走或列维飞行;出行距离和访问热点的概率服从幂律与截断重尾;这可以解释成人们反复在更近、更熟悉的地方活动,同时仍有一定机会走很远、探索新地方。
这段总括和表1里的若干行并排读,集体分布有好几套写法:步行 GPS 和签到研究写下重尾或列维飞行,北京出租车和城市内部手机研究写下指数,上海出租车写下指数截断幂律,伦敦公交客流写下幂律。机会部分的“反复走近处、偶尔走很远”是对重尾特征的一种解释,依据的是文献归纳,综述没有用同一批轨迹重新拟合出一个指数。用复杂网络做出行研究的工作仍主要由统计物理学者主导。地理、规划和交通实践者怎样度量样本代表性,怎样从数学上判断抽样是否合理,空间约束如何影响网络结构与演化,都还是开放问题。综述还列出相变、随机游走、同步和导航等网络动态,把刻画、预测和干预留作以后的问题。
计算社会科学一节引用 Lazer 等15位科学家2009年在 Science 上的文章。综述称其为2009 manifesto,并引用他们的话:计算社会科学正在出现,它利用前所未有的广度、深度和规模来收集与分析数据。手机运营商知道何时、何地、与谁通话,银行看到信用卡交易,交通机构记录公交使用,人们在社交网络上分享活动。Gelernter(1992)的镜像世界和 Goodchild 等的众包,被用来描述这个与现实世界平行的数据世界。Giles(2012)报道,Facebook 内部研究者重新评估了六度分隔,但部分出于隐私没有公布用户数据;Huberman(2012)认为这会带来结果的可检验性和普遍性问题。Twitter 则通过接口在特定条款下提供数据。综述支持在严格研究伦理下、在政府、企业和研究机构之间共享数据,同时不把共享写成已经解决隐私。
城市模型的另一处转向来自 Batty 与 Marshall(2012):自上而下转向自下而上。自上而下的模型追求整体均衡和最优,先做假设、再设变量和参数、再预测,因此会受假设和过拟合拖累。自下而上强调个人层面的相互作用最终影响总体格局,复杂网络的经验研究被当成例子。Barabási 在2012年问过,人类社会和经济这类复杂系统能否用数据来控制。综述只说,未来的出行行为研究也要面对这个问题。它没有给出控制方法。
这些话可以说到哪一步?
这篇综述能支持的,是一张“个人轨迹如何被用来看集体出行”的地图,以及这张地图上已经露出的裂缝。它不能支持的,是某一种分布就是人类移动的唯一规律,或者某座城市只要接入一种传感器,就能得到全体居民的出行总账。
证据等级要分开看。117户、10万人、1122万次出行、464,670张钞票,分母分别是户、人、出行和钞票轨迹,不能通约成同一种样本量。85%和79%是综述转述的其他模型表现,分母一个写成时间,一个写成当天剩余行为的准确率。Gao 和 Yuan 的“高度相关”“显著相关”没有系数。Kang 的9天没有用户数。Song 的“很高可预测性”没有百分比。Seaborn 的换乘阈值没有分钟数。de Montjoye 的95%和150万人出现在同一篇综述的不同位置,没有被写成一个乘法。Shlesinger 对钞票追踪的批评说明,代理数据即使规模达到百万份报告,仍可能漏掉行程细节。
相关、拟合和可重复模式也没有被综述写成因果。区域吸引力与出行行为、通话与物理移动、手机使用与活动半径,都是伴随关系或模型上的相关。街道网络被 Jiang 等用来解释列维飞行,需求密度被 Liang 等用来解释指数分布;综述是在并列这些解释,不是在同一数据上排除了其他原因。自下而上的模型能够表达个人相互作用如何形成总体格局,还没有证明某座城市的人已经按那个模型行动。
一句话总结
个人轨迹让重复的活动范围、距离衰减和多中心客流这些集体现象变得看得见,但看见的分布随 GPS、出租车、手机、公交卡和钞票而变,样本也还没有被证明可以代表全体居民。
核心来源
Yue, Y., Lan, T., Yeh, A. G. O., & Li, Q.-Q. (2014). Zooming into individuals to understand the collective: A review of trajectory-based travel behaviour studies. Travel Behaviour and Society, 1, 69–78. https://doi.org/10.1016/j.tbs.2013.12.002
首页印有 DOI:10.1016/j.tbs.2013.12.002。关键词为 human travel behaviour、trajectory data、complex network theory。文中没有列出编号图。唯一的汇总表是表1,题为基于非传统数据源挑选的出行行为研究,跨第73–74页。
乐阳(Yang Yue)是通讯作者,署名深圳大学土木工程学院、深圳市空间信息智能感知与服务重点实验室。深圳大学地理空间信息研究团队页面将其写作乐阳;2024年香港中文大学一场研讨会的公开简介称她为深圳大学城市信息学教授、该重点实验室主任,研究城市大数据、地理人工智能与社会可持续性。本文脚注给出的电话是 +86 755 26531934,邮箱是 yueyang@szu.edu.cn。
Tian Lan 署名香港大学城市研究及城市规划中心、城市规划与设计系。ORCID 0000-0002-3961-4742 记录其2010年9月至2015年12月在该系攻读博士,研究兴趣包括定量城市地理、空间数据分析和地理信息科学。
叶嘉安(Anthony G.O. Yeh)署名同一香港大学单位。香港大学建筑学院教师页确认他是城市规划与设计系讲座教授,研究土地利用、地理信息系统,以及香港、中国内地和东南亚的城市发展,并于2003年当选中国科学院院士。
李清泉(Qing-Quan Li)署名深圳大学上述重点实验室与土木工程学院。深圳大学师资页介绍他为中国工程院院士,长期从事动态精密工程测量;该校地理空间信息研究团队同时列出他参与的出租车轨迹、公交卡和城市移动研究。
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。
如果一座城市只用出租车 GPS 来写“居民出行随距离如何衰减”,它更可能得到 Liang 等在北京1万辆车、2000万条轨迹上看到的指数形态;步行 GPS 的44人、1000小时和签到数据里的重尾长跳,不会自动出现在这批车的记录中。规划里若把这一种传感器的分布当成全体居民的移动定律,被放大的是这种传感器照得到的那部分出行。综述已经把几种分布并列,但没有做一次多源对照来给出换算系数。
公交卡上的规律也会被用得过满。Morency 等能在7118名用户、超过220万条上车记录里看到规律,Roth 等能在203万张卡、1122万次出行里看到多中心。统一定价系统没有上车信息,完整行程和多方式换乘仍是估计。一个只在某站反复出现的卡号,说明的是进站或上车行为稳定;把它直接当成稳定的全程通勤,已经超出表1这些发现所写的内容。
数据开放和隐私之间的空隙也可以问得更具体。综述一边希望政府、企业和研究机构在伦理约束下共享轨迹,一边转述四个时空点仍对应很高的个体唯一性,并认为用数字替换姓名并不因此消除这种唯一性。计算社会科学要的广度,和交通模型实际需要的集体客流,不一定是同一种发布单位。发布汇总后的起讫流量,还是发布仍能连回个人的位置序列,是后续数据政策要单独检验的选择;这篇综述没有给出检验设计。