活动范围缩到约5公里以后,短途跳转和长途尾部还保持原样吗?
论文名片|Alberto Amaduzzi、Lucila G. Alvarez-Zuzek、Valeria d’Andrea、Simone Centellegher、Lorenzo Lucchini、Brennan Lake、Manlio De Domenico、Bruno Lepri、Marta C. Gonzalez、Armando Bazzani、Riccardo Gallotti,Statistical Laws of Human Mobility under Large-Scale Behavioral Shock,arXiv:2610.22116v1,稿面日期2026年10月16日,arXiv 标注日期2026年10月15日。arXiv:2610.22116。预印本 v1。观察比较:三个日历窗口中的人口移动分布。
设想一个人在限制期间,大部分停留都留在住处、附近商店和另一个熟悉地点。相邻两次停留隔着的距离,很多仍是几公里到十几公里;把这一周的停留按停留时长摊开,它们却挤在一个更小的圈子里。若只报一个平均出行距离,这两件事会被收成同一个下降。
这篇论文比较的是2020年1月15日至9月30日、加州和马萨诸塞州自愿上报的位置记录。作者把1月15日–3月15日、3月15日–5月15日、5月15日–9月30日当作限制前、限制期和重新开放后的描述性窗口。要分开的是三组统计:时长加权的活动范围、相邻停留之间的跳转距离,以及访问次数怎样堆到少数地点上。
方向性结果是:限制期的时长加权活动范围在大约5公里处相对限制前发生密度交叉;大约10–20公里以下的跳转距离分布仍然叠在一起,约30公里以上的稀少长途也还在。新地点发现从超扩散降到接近扩散,访问次数更集中到第一名地点。按本人轨迹缩放之后,停留云的拉长形状还在。轨迹熵下降的大头来自去过的地点变少。重新开放后的回升随指标和州而不同,活动范围的下降在全州强制令之前已经出现。
先说结论
- 加州1小时阈值下,限制期与限制前的回转半径密度在5.40公里交叉,5.40公里以下多出的概率质量是0.2662。马萨诸塞州对应数字是4.79公里和0.3318。两条密度都对全部公里积分到1,所以0.2662是分布上的面积差。
- 加州跳转距离在约10–20公里以下三期重叠。幂律只从拟合下界开始:三期下界为29.97、29.84、26.57公里,尾部占全部跳转的13.8%、12.5%、15.6%,指数为2.331±0.025、2.370±0.024、2.233±0.023。
- 加州平均发现曲线的指数从0.672±0.002降到0.529±0.002,重新开放后又是0.672±0.003。论文把0.5当作扩散参照。
- 分母是每人最多10个常去地点的访问次数。加州第一名加第二名的平均份额从52.92%升到62.96%,再落到53.83%;第一名单独从36.10%升到46.96%。
- k=3时,落在最小格子里的用户份额从73%升到88%,马萨诸塞州限制期为92%;重新开放后为65%和71%。加州两条主轴的平均展布从13.07公里、77.47公里降到7.33公里、36.50公里。
三个窗口里的人,并不是同一批人
数据来自 Cuebiq 面向研究合作提供的、去标识并做了隐私处理的设备位置。使用者自愿加入。住处和工作地被放到人口普查街区组的中心,论文没有使用精确门牌。分析对象是居住在加州或马萨诸塞州、2020年1月15日至9月30日有记录的用户。
一个停留点是连续停留至少10分钟的地点,停留时长是结束时刻减去开始时刻。跨过窗口边界的停留被排除。主分析还要求相邻停留的起始时间相隔超过1小时;8小时和24小时用来检查这个阈值会不会改变结论。个人移动网络把停留地点当作节点,把相继停留之间的转移当作边,边权是这条转移出现的次数。同一地点上连续的记录并成一次更长的停留,因此边上没有指向自己的环。这里的流量是这种个人转移次数,论文没有给出县与县或城市与城市的起讫客流表。
跳转距离是相邻停留点之间的大地线距离(geodesic distance):沿地球表面的最短距离,单位公里。它不是沿路里程,也不是行程时间。
回转半径(radius of gyration)按停留时长加权。先把各地点的坐标用停留时长加权,得到一个中心;再取各地点到这个中心的大地线距离平方,同样用停留时长加权平均,最后开平方。停留越久,这个地点对中心和半径的拉动越大。每个用户在每个窗口只算一次中心。
窗口是全国参照,用来对齐描述,不表示两州每个人在同一天面对同等限制。加州先有湾区六个县于3月17日生效的本地措施,3月19日才是全州强制令。马萨诸塞州3月23日发出的是非强制建议,论文写它没有达到加州那种强制强度。比较是观察性的,不能从三个窗口的差异识别某一条措施的因果效应。
各阶段纳入的是该阶段轨迹满足条件的用户,三期不必是同一批人。论文明确说,看到的是人口分布的变化,其中混有样本构成和记录密度的变化。
| 阶段 | 日期 | 加州用户数 | 加州停留点 | 加州人均点数 | 马萨诸塞州用户数 | 马萨诸塞州停留点 | 马萨诸塞州人均点数 |
|---|---|---|---|---|---|---|---|
| 限制前 | 1月15日–3月15日 | 1,009,464 | 164,994,721 | 163 | 181,778 | 28,782,953 | 158 |
| 限制期 | 3月15日–5月15日 | 490,673 | 12,701,431 | 26 | 140,913 | 12,701,431 | 90 |
| 重新开放后 | 5月15日–9月30日 | 460,654 | 32,096,311 | 70 | 141,285 | 32,096,311 | 227 |
人均点数是该阶段停留点总数除以该阶段用户数,与表2、表3印出的平均数一致。前两个窗口日历长度接近,加州人均点数从163降到26,限制期的轨迹短很多。重新开放窗口一直到9月30日,长于前两段,加州人均点数是70。发现曲线和熵都依赖轨迹长度,读后面的下降时要带着这个分母。
表3里,马萨诸塞州限制期和重新开放后的停留点总数与表2对应单元格完全相同。限制前一行不同。因此马萨诸塞州后两格的总数和由其除出来的90、227,不宜单独当成已与加州分开核对的独立总量。两州用户数不同,也和摘要里“加州一百万人以上、马萨诸塞州十八万人以上”的量级相符;摘要的十八万更接近限制前的181,778,而不是后两个阶段的十四万左右。
活动范围在约5公里处换挡,短中途跳转几乎叠在一起
活动范围用的是每个用户一条时长加权回转半径。跳转用的是每一对相邻停留的大地线距离。前者的分母是该阶段的用户,后者的分母是跳转次数。

图 1|活动范围和单次跳转,是否按同一个比例缩短?
无字母子图。左图横轴是回转半径,单位公里,纵轴是概率密度,蓝、橙、绿分别为限制前、限制期和重新开放后,阈值1小时。橙线在短距离一侧更高,并在数公里附近落到蓝线、绿线下面。右图横轴是相邻停留的跳转距离。大约10–20公里以下三条曲线叠在一起;图例给出尾部幂律指数,蓝2.331±0.025、橙2.370±0.024、绿2.233±0.023。来源:原论文 Fig. 1。
表4把“大约5公里”定义成一个交叉点:限制期密度在短距离更高,到 r* 以后落回对照期密度之下。加州1小时、限制期相对限制前,r* 为5.40公里,其下多出的概率质量为0.2662。相对重新开放后,交叉点是11.63公里,多出的质量为0.2901。8小时和24小时下,相对限制前的交叉点仍是5.55公里和5.17公里,多出的质量为0.2494和0.2515。论文写短距离多出的面积与更远处少掉的面积接近,表4只列出 r* 以下这一块。
右图的幂律不是对所有跳转拟合。表5用 Clauset–Shalizi–Newman 最大似然,并给出拟合下界 xmin 和尾部占比。加州1小时:
| 阶段 | 指数 α | 标准误 | xmin(公里) | 大于等于 xmin 的跳转占比 |
|---|---|---|---|---|
| 限制前 | 2.331 | 0.025 | 29.97 | 13.8% |
| 限制期 | 2.370 | 0.024 | 29.84 | 12.5% |
| 重新开放后 | 2.233 | 0.023 | 26.57 | 15.6% |
指数越大,长途相对主体越稀。限制期比限制前高0.039,和两条标准误相比不大;重新开放后的2.233是三条里最小的。论文把“稀少长途仍然存在”看成比这点指数差更稳的现象。8小时的指数是2.307、2.377、2.196,24小时是2.114、2.229、1.986。阈值放宽后绝对指数变小,因为相距较近的短停留会被合成更长的跳转;三期的高低顺序仍是限制期最高、重新开放后最低。

图 7|马萨诸塞州的活动范围是否缩得更明显?
无字母子图,布局与图1相同,蓝、橙、绿仍是三个阶段。左图橙线在短距离更高,并在中距离落到另外两条曲线之下。右图主体仍然重叠,尾部指数为限制前2.367±0.022、限制期2.656±0.034、重新开放后2.380±0.025。来源:原论文 Fig. 7。
马萨诸塞州1小时的交叉点是4.79公里,多出的概率质量0.3318,高于加州的0.2662。尾部占比为13.4%、10.3%、19.3%,xmin 为24.51、29.86、20.32公里。限制期指数比限制前高0.289,标准误0.034和0.022,这段差距大于加州的0.039。两州共同的读法是:活动范围的密度向短距离集中,跳转距离的主体形状留在原地,长途尾部还在,只是限制期略轻、重新开放后略重。
常去的几个地点,能解释多大的活动范围?
回转半径变小,可能是每一次跳转都变短,也可能是人更少离开那几个常去地点。k-回转半径只用访问次数最高的 k 个地点重算半径。它接近完整回转半径时,常去地点已经覆盖了空间上的分散;它远小于完整半径时,更少去的地点仍把活动范围拉大。论文沿用返回者与探索者(returners and explorers)这一对说法:常去地点就能收回大部分活动范围的人,更靠近返回者。

图 2|限制期的用户是否堆进了“常去地点就够解释”的角落?
无字母子图,三列从左到右是 k=3、k=6、k=10。横轴是完整回转半径,纵轴是 k-回转半径,单位都是公里,对角线表示二者接近。上排是限制前的联合密度,颜色越深密度越高。中排是限制期减去限制前,下排是重新开放后减去限制前;蓝是密度增加,红是减少。中排三列的左下角变蓝,其余大片变红。下排在中小半径、靠近对角线的一侧出现蓝色,最大半径一侧仍偏红。来源:原论文 Fig. 2。
k=3时,顶层地点就把用户放进最小格子的份额,从限制前73%升到限制期88%,重新开放后降到65%,低于限制前。论文没有给出这一格的公里边界,73%、88%、65%的分母是该比较中的用户。马萨诸塞州限制期是92%,重新开放后是71%;论文没有单列该州限制前的同一份额。
表8给了另一层分母:k-回转半径落在接近零的那一格的用户,看他们完整回转半径的第95百分位。加州1小时、k=3时,这个百分位从272.3公里降到41.4公里,重新开放后回到221.2公里,仍低于限制前的272.3公里。k=6是96.0、29.6、97.2公里,k=10是44.7、26.7、54.1公里。限制期,常去地点之外的长尾明显变短。

图 8|马萨诸塞州重新开放后,长半径有没有补回来?
无字母子图,行列含义与图2相同。中排同样是左下角密度增加、更大半径密度减少。下排靠近对角线的中小半径有蓝色增加,最大半径一侧仍低于限制前。来源:原论文 Fig. 8。
马萨诸塞州 k=3 的第95百分位从421.3公里降到28.2公里,重新开放后只回到128.2公里,离限制前更远。论文据此把重新开放后的格局写成随州而异:加州在中短程、靠近对角线的位置回得更多,马萨诸塞州靠近零的集中消得更慢。这仍是两个用户集合的分布差,不是同一批人的个人前后差。
新地点发现放慢,访问次数堆向第一名
发现曲线 S(t) 是到时刻 t 为止、平均每个用户已经出现的不同停留点数。拟合的是这条平均曲线,S(t) 随 t 的 μ 次方,在双对数坐标里做普通最小二乘。论文把 μ=0.5 当作扩散,高于0.5 称作超扩散。它不是每个用户各自指数的平均数。

图 3|限制期是更少发现新地点,还是每个名次都一起变了?
无字母子图。左图横轴是小时,纵轴是平均已发现停留点数。蓝、橙、绿虚线的指数为0.672±0.002、0.529±0.002、0.672±0.003。图注写限制前与重新开放后的拟合重叠;两者斜率相同。右图横轴从0起,最高的一簇对应正文里的第1名地点,向右还有九个名次,一共十个常去地点。橙柱在最左边明显高于蓝柱和绿柱,后面的名次差距变小。来源:原论文 Fig. 3。
表6还给出拟合相关系数。加州1小时为0.9955、0.9918、0.9885。24小时阈值下指数变为0.678、0.586、0.678:限制期仍然更低,下降幅度小于1小时结果里的0.672到0.529。所以0.529是1小时主分析的数字,阈值一变,指数会动,方向还在。
右图的份额按公式10计算。对每个用户,分母是他本期最多10个常去地点的访问次数之和;去过的地点不足10个时,分母就是他的全部访问。分子是某一名次的访问次数。再对当期用户取平均。去过10个以上地点的人,第11名及以后的访问不进这个分母。正文概括的“62%的访问”,精确数字在表7。
加州1小时,第一名、第二名和两者之和:
| 阶段 | 第一名 | 第二名 | 前两名之和 |
|---|---|---|---|
| 限制前 | 36.10% | 16.82% | 52.92% |
| 限制期 | 46.96% | 16.00% | 62.96% |
| 重新开放后 | 39.46% | 14.37% | 53.83% |
前两名之和从52.92%升到62.96%,多出来的部分主要在第一名,第二名从16.82%到16.00%,几乎没升。8小时的前两名之和是53.98%、62.14%、52.54%,24小时是52.68%、62.18%、52.21%。访问集中的幅度比发现指数更不随阈值摇摆。

图 11|马萨诸塞州的第一名地点是否占到一半?
无字母子图。左图指数为0.647±0.002、0.500±0.002、0.660±0.003,限制期落在论文使用的扩散参照上,重新开放后是0.660,没有回到限制前的0.647。右图最左柱在限制期超过0.5,对应表7的第一名50.90%。来源:原论文 Fig. 11。
马萨诸塞州前两名之和为55.74%、67.29%、55.00%,第一名和第二名在限制期是50.90%和16.39%。正文说第一名接近一半,指的就是这50.90%,分母同样是最多10个常去地点内部的访问。
缩放之后形状还在,长短轴的公里数却不一起回来
为了把朝向和整体大小拿掉,论文把每条轨迹投到局部平面,转到它自己的长短轴,再除以这两条轴上的标准差。缩放后的停留云如果仍然相像,说明拉长的几何轮廓还在;公里数要看没有做这次除法的标准差分布。

图 4|形状相似,能不能当成距离也没变?
正文把缩放后的形状称作 Fig. 4a,把公里尺度的展布称作 Fig. 4b,图内没有印 a、b。上排三列从左到右是限制前、限制期、重新开放后,颜色是缩放坐标上的停留计数,三列都是沿纵轴拉长的一团。中排三列是横轴缩放坐标为0时、沿纵轴的条件密度。下排三列横轴是公里,每列两条曲线对应图中标注的长轴 σy 和短轴 σx。图注写用洋红和青色区分两轴,图内每列沿用该阶段的蓝、橙、绿。限制前标注为77.47公里和13.07公里,限制期为36.50公里(−53%)和7.33公里(−44%),重新开放后为92.68公里(+20%)和19.11公里(+46%)。来源:原论文 Fig. 4。
表9的1小时加州均值与图内标注相同:短轴13.07、7.33、19.11公里,变化为−44.0%和+46.2%;长轴77.47、36.50、92.68公里,变化为−52.9%和+19.6%。图4图注另写了13.12、7.29、77.64、36.49、19.18、93.01,相差零点几公里。百分比的方向一致。上排已经按每条轨迹自己的标准差缩过,所以热图相似只说明轮廓还在;下排才给出公里数。重新开放后的均值高于限制前,而这个窗口比限制前长,更长的观察本身可以收集到更远的停留。

图 9|马萨诸塞州缩放后的停留云是否仍是同一类形状?
无字母子图。上排三列是三个阶段在缩放坐标中的停留计数,颜色标尺大约从10³到10⁵。下排三列是缩放横轴为0时的纵轴条件密度。三期都保持中间高、沿纵轴拉长的轮廓,限制期的高密度更集中在中心附近。来源:原论文 Fig. 9。

图 10|马萨诸塞州两条轴的公里数是否一起回到限制前?
无字母子图,三列依次是限制前、限制期、重新开放后。图内标注:限制前长轴93.82公里、短轴8.50公里;限制期31.56公里(−66%)和3.40公里(−60%);重新开放后62.27公里(−34%)和8.71公里(+2%)。来源:原论文 Fig. 10。
表9写的是−66.4%、−60.0%、−33.6%、+2.4%,与图内取整后的百分比对应。图10图注使用8.54、3.39、93.36、31.54、8.73、62.24,同样差零点几公里。短轴均值回到限制前附近,长轴仍低约三分之一。加州是两条轴的均值都超过限制前,马萨诸塞州是一条回来、一条仍短。表9有加州24小时的结果,没有马萨诸塞州24小时的这两列;图注却写两个州在8小时和24小时都成立。24小时下马萨诸塞州的长短轴,这张表里没有。
8小时的方向与1小时相同。加州短轴从11.90公里到6.20公里(−47.9%),再至16.77公里(+41.0%);长轴从72.62到32.98(−54.6%),再至84.69(+16.6%)。马萨诸塞州短轴7.83、2.96、7.91公里,长轴85.76、28.57、57.45公里,重新开放后长轴仍是−33.0%。
轨迹变简单,主要是因为去的地方少了
三种熵看的是不同层次。随机熵等于地点数 n 的以2为底的对数,只数去过多少个不同地点。无关联熵再看访问次数在这些地点上是否均匀,不管先后顺序。真实熵用 Lempel-Ziv 估计序列的熵率,重复出现的顺序会把它压低。真实熵除以随机熵:比值靠近1,表示除了地点数量之外,序列里没有更多可压缩的顺序;比值靠近0,表示接近一段很短的固定循环。

图 5|熵的下降,是地点变少,还是路线变成固定循环?
无字母子图,蓝、橙、绿仍是三个阶段。左上是随机熵,右上是无关联熵,左下是真实熵,单位都是比特,纵轴是用户间的概率密度。三幅里橙峰都在更小的熵值一侧。右下是真实熵与随机熵之比,横轴从0到1.5;橙峰相对蓝峰、绿峰略向右,也就是更靠近1,三峰都集中在0.5附近,远没有贴到1。来源:原论文 Fig. 5。
表10给出1小时加州分布峰值:随机熵5.407、4.512、5.813比特,无关联熵3.601、2.726、3.647,真实熵3.065、2.556、2.989,比值0.557、0.578、0.546。按随机熵的定义反推,峰值对应的地点数约为42.4、22.8、56.2。这是峰值位置隐含的地点数,不是用户的平均地点数。重新开放后的随机熵峰值高于限制前,而该窗口更长、轨迹点数的口径也不同。
比值峰值只从0.557移到0.578。表12用 Kolmogorov-Smirnov 距离比较整条分布。加州1小时、限制前对限制期:随机熵0.4494,无关联熵0.3636,真实熵0.3227,比值0.1278。距离越小,两条用户分布越接近。比值的距离是四项里最小的。论文写这些比较的 p 都小于0.001,并给出样本量约23.3万到105.9万;这个范围与表2的46.1万至100.9万、表3的14.1万至18.2万并不重合,正文没有说明差额来自哪一层筛选。用户数量在这个量级时,很小的分布差也可以达到该显著性,所以 p 值本身不表示比值发生了大幅度移动。

图 12|马萨诸塞州的熵是否同样左移,比值是否更靠近1?
无字母子图,四幅位置与图5相同。三种熵的橙峰都在更低的比特数,右下橙峰相对蓝峰略向右。来源:原论文 Fig. 12。
马萨诸塞州1小时峰值:随机熵5.168、3.687、5.570,对应地点数约36.0、12.9、47.5;比值0.546、0.595、0.533。限制期的地点数峰值降得比加州更陡,比值仍只移动约0.05。
这个“比值更靠近1”对应的是1小时主图。更粗的阈值下,比值峰值并不总是上升。加州24小时从0.692降到0.668,马萨诸塞州8小时从0.634降到0.614,24小时从0.727降到0.667。各阈值下,限制前对限制期的分布距离仍是比值最小,这表示顺序结构那一项的分布移动小于地点数量那一项,不能写成所有阈值下路线都更接近完全随机。限制前与重新开放后的比较也不遵守同一模式:24小时下,比值的距离可以大于真实熵的距离。
周中位活动范围在全州强制令之前就已下降
上面的三期比较把两个月收成一个分布。图6改成逐周,而且只做加州。每周单独取当周至少有两个访问地点的用户,计算该周被截出的移动的回转半径,各周之间不作同人追踪。乡村县指居住县人口密度低于每平方公里500人。政党是居住县的执政政党,不是用户个人的党派。纵轴图例写的是中位数,误差棒是均值的标准误。

图 6|下降从哪一周开始,乡村和县执政党的差距有多大?
无字母子图。上图图例是乡村与城市,黑线为乡村、灰线为城市。下图图例是民主党执政县与共和党执政县。背景的蓝、橙、绿对应三个窗口,红虚线是2020年3月11日。图注把上图写成执政党、下图写成城乡,与图内图例相反;读图以图例为准。图注还把纵轴称作平均,图中纵轴印的是中位回转半径。上图乡村线在整段时间都高于城市线,两条线都在3月前后下降,橙色区间内降到最低,绿色区间回升后仍低于年初的高点。下图两条线在橙色区间几乎叠在一起,误差棒重叠,绿色区间民主党执政县略高。来源:原论文 Fig. 6。
论文没有印出每周的精确公里数,所以这里不从坐标轴上估读。讨论写四个分组的中位回转半径大约在3月15日之前两周已经开始下降。红线对应加州3月11日的非强制居家建议,全州强制令是3月19日。因此3月15日这条分析切分不能单独代表强制令的效果。同期还可能有自愿反应、地方措施、工作场所和学校安排。图注写共和党执政县恢复更快;讨论写限制期两党差异较小,统计上分不开。图中下图在限制期重叠,恢复段没有给出可核对的每周差。这是县一级、未做协变量调整的描述,样本又是自愿加入的手机应用用户。收入、职业和是否为必要岗位工作者,数据里没有。
把马萨诸塞州的阶段边界从3月15日改到3月23日的建议日,表11的方向仍在。1小时下,限制期相对限制前的回转半径交叉点为4.48公里;发现指数为0.649、0.569、0.660;前两名访问份额为55.70%、68.34%、55.00%。换一天切分,没有取消“限制期活动范围更短、发现更慢、访问更集中”这组人口分布差异。
这些比较能说到哪一步
三期分布、两州重复、以及1、8、24小时阈值,支持的是人口层面的一组共同方向:时长加权活动范围在大约5公里处相对限制前交叉,跳转距离的主体保持重叠,长途尾部仍在,访问更集中于第一名常去地点,新地点发现变慢。缩放后的停留云保持拉长轮廓。1小时分析里,熵的下降与地点数减少同向,真实熵对随机熵的比值只轻微靠近1。
同一批证据留下四道边界。第一,用户在三期之间可以换人,加州用户数从1,009,464到490,673再到460,654,限制期人均停留点只有26,限制前是163。发现曲线和 Lempel-Ziv 熵都会随轨迹变短而变。阈值放宽后方向还在,只能说明结果不是1小时这一档独有,不能把样本构成和记录密度从行为变化里拆干净。第二,重新开放窗口更长,加州主轴均值超过限制前,可以混有更长观察;与此同时,k=3近零格子里用户的回转半径第95百分位只回到221.2公里,低于限制前的272.3公里。两个摘要可以同时成立。第三,县的城乡和执政党标签是生态描述,只覆盖加州,不能换成个人原因。第四,位置序列记录停留地点、活动范围和停留时长。论文写明它没有测量人们是否同时在场,因此这些移动统计的变化不能直接读成接触或传播的变化。
表3后两行停留点总数与加州重复,图4、图10的图注公里数与表9差零点几公里,图6的上下图和图注对调,表9缺少马萨诸塞州24小时的展布行。引用时以图内标注、表内数字和图例为准。
一句话总结
限制期把时长加权的活动范围在大约5公里处相对限制前做了密度交叉,短途和中途跳转的分布仍叠在一起,稀少长途还在,新地点发现变慢,访问次数堆向最常去的地点;重新开放后各项指标的回升并不齐整。
核心来源
- arXiv:2610.22116v1,稿面日期2026年10月16日,arXiv 标注2026年10月15日。正文图1–6、补充图7–12和表1–12都在这份预印本中,补充信息与正文同一文件。
- 论文给出的代码入口:human_mobility_covid。本文数字均按预印本正文和其中的补充表图引用,没有用仓库另行改写。
作者介绍
以下只写预印本署名机构和本文参考文献里能够对应到本人的工作,不补充论文没有列出的头衔。
- Alberto Amaduzzi:博洛尼亚大学物理系,同时署名 Fondazione Bruno Kessler 复杂人类行为实验室。论文列出的复现代码以其仓库给出。
- Lucila G. Alvarez-Zuzek:通讯作者,Fondazione Bruno Kessler 复杂人类行为实验室。
- Valeria d’Andrea:帕多瓦大学物理与天文系、帕多瓦国家核物理研究院、帕多瓦网络医学中心。致谢中的 INFN LINCOLN 与她和 Manlio De Domenico 相关。
- Simone Centellegher:Fondazione Bruno Kessler 移动与社会计算实验室。本文参考文献中,他是关于失业如何扰动个人移动与探索的论文的第一作者。
- Lorenzo Lucchini:Fondazione Bruno Kessler 卫生紧急情况中心。本文参考文献中,他是疫情期间移动常规变化、以及移动行为社会经济差异两篇论文的第一作者。
- Brennan Lake:Cuebiq Inc.,纽约。论文写明位置数据来自该公司的 Data for Good 合作项目,没有另写他在分析中的分工。
- Manlio De Domenico:帕多瓦大学物理与天文系、帕多瓦国家核物理研究院、帕多瓦网络医学中心。参考文献中与 Riccardo Gallotti 等讨论移动数据可能带来的扭曲认识。
- Bruno Lepri:Fondazione Bruno Kessler 移动与社会计算实验室。参考文献中参与手机数据用于公共卫生行动的论文;致谢列出 Horizon Europe 项目 ELIAS 与 TANGO 的部分资助。
- Marta C. Gonzalez:加州大学伯克利分校土木与环境工程系。本文缩放轨迹所用的内禀坐标,沿用她与 Hidalgo、Barabási 2008 年发表、并列入本文参考文献的个人移动几何框架。
- Armando Bazzani:博洛尼亚大学物理系。预印本只列出这一署名机构。
- Riccardo Gallotti:Fondazione Bruno Kessler 复杂人类行为实验室。参考文献中是关于移动数据扭曲认识一文的第一作者,并参与疫情期间移动常规变化的研究。
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。
若一座城市只公布一个平均出行距离,图1里的两件事会混在一起:大约10–20公里以下的跳转分布可以几乎不动,时长加权活动范围却已经在5.40公里处相对限制前交叉。把监测拆成三行,各自保留分母,才和本文的证据同级。第一行是回转半径密度的交叉点和交叉点以下的概率质量。第二行是跳转距离在10–20公里以下是否重叠,以及大于等于拟合下界的跳转占全部跳转的比例。第三行是第一名地点占最多10个常去地点访问次数的平均份额。三行可以不同向。重新开放后加州主轴均值超过限制前,而 k=3 近零格子里的第95百分位仍低于限制前,就说明只看一行会把回升说满。
另一个还没在本文完成的检验,是把换人和轨迹变短从行为变化里挪开。可以只保留三个窗口都出现的设备,把每个窗口切成同样的天数和同样的停留点数,再重估发现指数和第一名份额。若集中和变慢仍然留下,样本更替和序列长度就更难单独解释1小时主结果;若它们消失,人口曲线里的一大部分就来自“谁还在上报、上报有多密”。论文已经写明自己没有做同人比较。乡村县每周中位数更高,也还可能只是常去地点之间的距离更远。把每个县第一名和第二名地点的大地线距离放进同一张周图,才能看出人口密度低于每平方公里500人这个标签,有多少只是在代替地点间距。