2026-Statistical Laws of Human Mobility under Large-Scale Behavioral Shock


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。

完整原论文图1

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。

完整原论文图7

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。

完整原论文图2

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。

完整原论文图8

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。

完整原论文图3

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。

完整原论文图11

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。

完整原论文图4

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。

完整原论文图9

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。

完整原论文图10

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。

完整原论文图5

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。

完整原论文图12

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。

完整原论文图6

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。


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