2024-On an Aggregated Estimate for Human Mobility Regularities through Movement Trends and Population Density


人走得更远,为什么还不等于活动更没规律?

论文名片|Fabio Vanni、David Lambert,On an Aggregated Estimate for Human Mobility Regularities through Movement Trends and Population Density,Entropy,2024,26(5):398,2024年4月30日发表。DOI:10.3390/e26050398。研究类型是碰撞模型推导,加上美国州级手机汇总数据与经济指标的观察性比较。

设想 2020 年春天的一种情形,它只用来对照两个量,不是论文里的某一个人:某人仍开车去唯一必须去的工作地,一天的路程不一定变短,但一周里的时间几乎都堆在家和这个地点。走了多远,和去过的地点是否五花八门、时间是否摊匀,是两件不同的事。

这篇论文用回转半径表示前一件事,用熵表示后一件事,并在美国各州的汇总曲线上比较它们。方向性的结果是:2020 年 3 月以后,随机熵上升、不相关香农熵下降,二者可以反向变化;把移动强度和规律性一起放进密度修正后,体验到的拥挤不必等于普查总密度。熵与就业、消费支出、同步指数的州级相关中位数高于回转半径,用电需求和厂商收入则反过来。这些都是共同起伏,不是出行改变经济的因果估计。

先说结论

  • 构型熵只随人口密度变化;信息熵同时随人口密度和移动强度变化。六个示例州里,信息熵的归一化曲线更贴近手机数据的不相关香农熵,构型熵只大致贴近随机熵。
  • 论文写道,所举各州在 2020 年 3 月初之后随机熵上升、不相关香农熵下降。图上纽约、得克萨斯、佛罗里达、新墨西哥和新泽西更明显;加利福尼亚的随机熵偏离 1 较小。作者的解释是停留点变多,但时间更集中在少数必要地点。约一年后,不相关香农熵回到期初水平,随机熵维持新的平均水平。这是州级曲线的读法,不是逐人清点停留点。
  • 2020 年熵加权人口密度与普查总密度可以差很多。得克萨斯州分别为每平方公里 4.8 人与 42.9 人;特拉华州分别为 1061.5 人与 193.0 人。修正项来自移动强度和香农熵,不是人口普查又数了一遍人。
  • 在 50 个州的线性相关系数中,不相关香农熵与就业的中位数是 0.64,回转半径是 0.55;与同步指数分别是 0.69 和 0.61;与消费支出分别是 0.65 和 0.43。用电需求的中位数反而是回转半径 0.46、熵 0.36。区间是各州系数的第 10 与第 90 百分位,彼此重叠。
  • 有效再生数被写成随香农熵相对期初差值的指数函数。其他量不变时,移动更规律对应更低的再生数。这是公式推论,本文没有报告用各州病例拟合出来的再生数。

走得远和走得乱,差在哪一个量?

人类移动性在这里指人在空间中的移动,不是搬家或户籍迁移。论文要量化的是大尺度活动有多难预测。熵低,表示各停留点上的时间更容易猜;熵高,表示难以猜这个人会把时间放在哪些地点。

随机熵假设下一次地点在已经去过的地点里完全随机。对 N 个个体取平均:

E[Ŝ_rand] = ⟨log L_i⟩_N

L_i 是个体 i 到过的不同地点数。它只数地点种类,不看每个地点占了多少时间。

不相关香农熵把访问频率放进来。p_k 是此人在第 k 个地点的访问频率,仍对个体取平均:

E[Ŝ_unc] = −⟨Σ_k p_k log p_k⟩_N

地点很多、而且时间摊得比较开时,这个熵高;反复去少数地点时,它低。均匀分布的熵不低于其他分布,所以 E[Ŝ_unc] ≤ E[Ŝ_rand],只有完全随机时相等。式中的 log 没有标明底数。后文理论公式使用自然对数 ln,不能把数据库里二十多的熵读成地点个数。

移动强度用回转半径(radius of gyration,RoG)。它是轨迹各点到轨迹质心的均方根距离,不是把一天的路程加总。人在一小块区域里来回折返,累计路程可以很长,回转半径仍然小。Camber Systems 把设备在 geohash-7 上汇总,网格大约 153 米 × 153 米;州级指标是在某地过夜设备的汇总。正文一处把它称为这些设备回转半径的中位数,表 1 的列名则是 Mean ROG。下面引用的米数来自表 1 的均值列。

表 1 只展示数据结构。得克萨斯州(FIPS 48)2020 年 1 月 15 日:熵的均值 29.225、标准差 11.540,回转半径均值 43,961.618 米、标准差 99,679.671 米,设备数 916,762。次日设备数 957,096;2021 年 3 月 13 日为 920,325,回转半径均值 41,653.951 米。分母是当日纳入的设备,不是得克萨斯州人口。回转半径的标准差大于均值,设备之间差得很开,州级均值不是一个典型居民的出行距离。样本在日尺度上大约一年,示例从 2020 年 1 月 15 日到 2021 年 3 月 13 日。

这些记录来自智能手机的 GPS、通话详单和无线局域网,并曾对照人口普查做归一化。论文写明它更偏向较年轻、较富裕的人群,农村代表性不足,也不应用于巩固居住和职业上的种族差异。

只知道密度时,公式能预言哪一种熵?

碰撞模型把人看成面积为 A 的容器里的点粒子:粒子与器壁相互作用,此外自由运动,容器形状保证运动是混沌的。构型熵进一步假设粒子彼此不相互作用。人口密度 δ = N/A。此时

S_R = ln(δ_o / δ)

δ_o 是特征密度,典型取法是 N 个人对应一块单位面积。这条式子只含密度,对应“人在地点上均匀分布”的随机熵,不包含走得快还是慢。

若还知道移动有多强,最大熵原理在 4N 维相空间里加入速度约束,得到信息熵:

S_U = 1 + ln[ (δ_o / δ) · (μ² / μ_o²) ]

μ 是移动强度,本文用回转半径充当;μ_o 是还能分辨的最小速度,也就是一天内、一个 geohash 网格上能测到的最小位移。密度不变时,μ 越大,信息熵越高。只有移动的分布在空间和时间上都不变,信息熵才和构型熵只差一个常数。

人在公式里互不相关,也不保留地点的先后顺序。论文自己指出,真实熵还会使用到访顺序和停留时间,那是另一项指标,本文没有计算。

六个州的曲线,公式跟上了没有?

直接从手机估计的熵,和用密度、回转半径代进去的熵,是否同一条曲线?图 1 用四个大州看这件事。每条线都除以自己在观测期初的值,纵轴 S(t) 等于 1 表示与期初相同,不是熵的绝对纳特数或比特数。

完整原论文图1

图 1|州级汇总熵在 2020 年怎样偏离期初,公式曲线跟不跟得上?

无字母子图,左上纽约、右上加利福尼亚、左下得克萨斯、右下佛罗里达。纵轴是各自期初归一后的 S(t),横轴为 2020 年 1 月至 12 月。点线是构型熵 S_R,细实线是数据估计的随机熵,粗实线是不相关香农熵,虚线是信息熵 S_U。纽约、得克萨斯和佛罗里达的随机熵在 3 月后升到 1 以上,不相关香农熵先落到 1 以下再回到期初附近;加利福尼亚的随机熵大部分时间贴着 1,不相关香农熵落到 1 以下。信息熵贴着不相关香农熵,构型熵只大致贴着随机熵。来源:原论文 Fig. 1。

论文对这一分叉的解释是:疫情发生后,人们去过的不同地点变多,所以随机熵上升;时间却更集中在必要的工作地等少数地点,酒吧、餐馆一类地点占的时间变少,所以不相关香农熵下降。一年之中,不相关香农熵回到原来的水平,随机熵停在新的平均水平上。作者据此推测活跃个体的密度下降,并把它和经济社会活动收缩联系在一起。曲线本身没有直接测量活跃人数,这一句是解释,不是另一个独立计数。

人口分布更均匀时,只含密度的构型熵是否更像样?图 2 把新墨西哥当作分布较均匀的州,新泽西当作分布不均匀的州。

完整原论文图2

图 2|人口分布匀不匀,会不会改变“只靠密度”的近似?

无字母子图,左为新墨西哥,右为新泽西;线型与图 1 相同,纵轴仍是相对期初的 S(t)。两州都保留 3 月后的分叉:随机熵与构型熵升到 1 以上,不相关香农熵与信息熵落到 1 以下再回升。新泽西的随机熵抬升更明显,两条“随机”曲线之间的缝也更宽。论文认为人口更均匀的州里,构型熵的趋势更接近随机熵;图中的贴近仍是目视,没有给出逐日误差。来源:原论文 Fig. 2。

构型熵的公式只依赖密度,而正文使用的普查密度是年度值。图 1 和图 2 的点线却逐日起伏。论文没有写明这条日序列用的是哪一种逐日密度,因此不能把点线的起伏读成普查人口密度在几天之内改变。μ_o 和 δ_o 的具体取值也没有列出。

工作日和周末只被定性描述:疫情前,工作日和周末的汇总回转半径都更高;熵则是疫情前更低。高回转半径配低熵,可以被理解成必须跑很远办事、其余时间留在家里;低回转半径配高熵,可以被理解成住得很密、主要在邻里范围内活动。作者写明,这一对比还没有更稳健的统计,不能当成已经测得的幅度。

同一批人口,体验到的密度为什么可以差出很多?

普查总密度是人口除以陆地面积,单位是每平方公里人数。它受州界划在哪里影响,量的是土地的平均密度,不是一个人周围的密度。人口加权密度按较小普查单元的密度、用人口作权重再汇总,更接近“随机抽到的一个人所在地方有多密”。

论文从信息熵反解出一个熵加权密度,想表示移动强度和规律性改变之后的体验密度:

δ̂_ew = d_0 · (μ² / μ_o²) · exp{1 − E[Ŝ_unc]}

d_0 就是普查总密度。移动越强,这项越大;不相关香农熵越低,也就是活动越规律,指数项越大,体验密度越高。人口普查数字不变时,拥挤感仍可以变。这是模型定义下的修正,不是新观测到的居民数。

表 3 是 2020 年 50 个州的四种密度,单位都沿用每平方公里人数。熵加权只有一列,由上式用香农熵计算。正文有一处写 two entropy-weighted population densities,表中没有第二列。下表只摘对照最鲜明的几州,其余州在原论文表 3。

州 普查总密度 熵加权 按地理特征调整 人口加权中位数
新泽西 466.3 474.0 785.4 1713.7
罗得岛 395.6 1403.7 455.3 1403.3
特拉华 193.0 1061.5 259.8 977.0
纽约 159.4 67.5 1323.0 3132.5
加利福尼亚 97.9 43.9 329.1 2873.6
得克萨斯 42.9 4.8 245.4 1626.6
阿拉斯加 0.5 0.5 5.6 687.6

得克萨斯州的熵加权密度是普查总密度的 4.8/42.9。特拉华州是 1061.5/193.0,约为 5.5 倍,也是表中相对本州普查值抬升最明显的一州;罗得岛的熵加权水平最高,为 1403.7。纽约的熵加权密度 67.5 低于普查值 159.4,人口加权中位数却是 3132.5,等于熵加权密度的 3132.5/67.5,约 46 倍。两种“修正密度”可以把同一个州推向相反方向。阿拉斯加两种算法都是 0.5,人口加权中位数仍有 687.6。论文没有给出代入公式的 μ、μ_o 和熵,这些商数只能核对表 3 的结果,不能重算修正因子。

完整原论文图3

图 3|普查总密度和熵加权密度,哪些州被涂深了?

(a)普查总密度,人除以单位面积。(b)用香农熵修正后的密度。绿色越深越高,但图上没有色标,不能从颜色读出每平方公里人数,也不能把两幅图的同一种绿色当成同一个数值。深色在(b)里不再集中于东北走廊:加利福尼亚、亚利桑那一带相对变深,中部许多州更浅。来源:原论文 Fig. 3。

作者的读法是:移动多且混乱程度低时,人与人更常相遇,体验密度更高;移动不规则时,空间关系更难预测,体验密度更低。这依赖碰撞模型的假设,也依赖回转半径能不能代表平均速度。均方位移或直线距离会是另一种移动强度,本文没有替换检验。

五种经济指标里,谁更跟着熵走?

五个指标是就业、消费支出、用电需求、厂商收入和费城联储的州级同步指数。同步指数按月编制,由非农就业、失业率、制造业平均工时和实际工资薪金四项合成。就业、消费支出和厂商收入来自 Opportunity Insights 的 Economic Tracker;用电来自美国能源信息署的区域电力数据,单位是兆瓦时。图 4 把经济序列画成相对基线的比例,论文没有在正文写出基线的日历日期。图中也没有消费支出和厂商收入,这两项只出现在后面的相关系数里。

完整原论文图4

图 4|纽约和加利福尼亚里,经济曲线更贴着熵,还是更贴着回转半径?

无字母子图,上为纽约、下为加利福尼亚。纵轴是相对各自基线的比例,1 为基线;纽约大约从 2020 年 2 月到 2021 年 3 月,加利福尼亚从 2020 年 1 月到 2021 年 2 月末。青色为回转半径,灰色为香农熵,点线为用电需求,灰虚线为同步指数,黑虚线为就业。纽约春季回转半径落到 0.7 以下,用电需求在盛夏升过 1.2;香农熵跌得较少,2021 年初回到 1 附近,回转半径仍低于 0.8。加利福尼亚的回转半径和香农熵起伏更接近,用电需求在夏季升过 1.3。来源:原论文 Fig. 4。

论文用这张图说明:纽约一类州在 2021 年初熵和回转半径走向相反,经济曲线更靠近熵;加利福尼亚两类移动指标走势相近,就更难单凭图形分辨经济指标跟谁。图上的共同下降发生在同一轮疫情冲击里,不能单独证明是移动规律性带动了就业。

图 5 和图 6 把比较做成 50 个州的线性相关系数。浅色细柱是该州经济指标与回转半径的相关,深色粗柱是与不相关香农熵的相关。柱越长,两条时间序列越一起升降。论文没有写明计算前把日度移动合成月,还是把月度经济指标展开到日;因此这些系数的时间对齐方式不能从正文唯一确定。

完整原论文图5

图 5|就业、消费和用电,各州更跟熵还是更跟回转半径?

(a)就业。(b)消费支出。(c)用电需求。横轴是相关系数,三块面板的刻度都画到 0.6;纵轴是州的缩写。表 4 里若干第 90 百分位高于 0.6,最长的柱会顶到或超出面板右缘,图上读不出超过 0.6 的具体数字。(a)(b)中深色柱在多数州更长。(c)并不一律是浅色柱更长:内华达、犹他的浅色柱更长,北达科他和密歇根则是深色柱顶到右缘。来源:原论文 Fig. 5。

完整原论文图6

图 6|厂商收入和同步指数的相关,是否仍是熵更高?

(a)厂商收入。(b)同步指数。横轴刻度到 0.8,纵轴仍是 50 个州。(a)里浅色和深色谁更长并不统一;夏威夷的深色柱越过 0.8,浅色柱停在 0.6 附近。(b)里深色柱在多数州更长。新墨西哥两根柱都短于大多数州,深色柱落在 0.4 与 0.6 之间,仍略长于该州浅色柱;南卡罗来纳的浅色柱长于深色柱。来源:原论文 Fig. 6。

表 4 把 50 个州的相关系数取中位数,并给出第 10 与第 90 百分位。列名写作 C.I.,正文也曾称 confidence intervals;表注写明这是百分位,不是某一个相关系数的统计置信区间,论文也没有报告中位数之差的假设检验。

指标 回转半径中位数 第10–90百分位 香农熵中位数 第10–90百分位
就业 0.55 0.43–0.64 0.64 0.53–0.72
消费支出 0.43 0.29–0.56 0.65 0.48–0.74
用电需求 0.46 0.32–0.59 0.36 0.16–0.56
厂商收入 0.51 0.24–0.69 0.34 0.26–0.60
同步指数 0.61 0.51–0.69 0.69 0.61–0.75

作者强调,熵与就业、同步指数的相关程度更高,回转半径与用电需求更高,并把用电解释为对“人有没有在动”比对“动得规律不规律”更敏感。表中消费支出的中位数差距更大,熵比回转半径高 0.65−0.43=0.22;厂商收入则是回转半径的中位数更高。五组百分位区间都有重叠,所以“几乎所有州都是熵更高”不能从这张汇总表单独推出,要回到图 5 和图 6 看个别州。

再生数公式多出来的那一项,论文有没有拿病例检验?

在上述相关之外,论文把香农熵放进有效再生数。设 τ 为观察到新增阳性检测的典型延迟,S_t 为不相关香农熵,S_0 为其期初值,ΔS_t = (1/2)(S_t − S_0)。则

R_{t+τ} = s_t · γ_t · R_0 · e^{ΔS_t}

s_t 是相对期初的易感者比例,γ_t 是传染性因子,R_0 是基本再生数。ΔS_t 大于 0 时,熵这一项把再生数往上推;小于 0 时往下推;等于 0 时,再生数只随易感者比例和传染性变化。其他量不变,移动越规律,再生数越低。

系数 1/2 来自附录:先前模型里,密度通过人际距离的平方进入再生数,移动强度线性进入;再用信息熵把密度和移动强度换成熵,平方关系留下这个 1/2。病例数被写成以这个再生数和代际间隔为输入的泊松更新,代际间隔用伽马分布,形状 1.87、速率 0.28,参数引自 Flaxman 等 2020 年对欧洲干预效果的估计,不是本文拟合的。期望死亡数是估计病例除以 λ,λ 吸收病毒变异、预防措施、季节和年龄结构,正文没有给数值。

这些式子没有配上一张“预测病例对上实际病例”的图。论文把连接经济成本与熵的宏观指标写成 C = f(ω, L),并明确说经验部分仍是定性和初步的。因此,再生数公式说明熵可以怎样进入传染模型,不能说明 2020 年各州再生数的升降已经由这条式子解释了百分之多少。

这些结果不能推出什么?

手机样本不是全人口。州是分析单位,一天一条汇总曲线,推不到某个居民的下一次出行。回转半径与熵的相关,发生在疫情、停工和补助同时变化的一年里,共同下降不足以说明谁引起谁。

熵加权密度依赖查不到具体数值的 μ_o,也依赖“回转半径等于平均速度、人像容器中的不相关粒子”这两条假设。它和人口加权中位数在纽约相差约 46 倍,说明换一种密度定义,排序和倍数都会变。没有色标的地图不能代替表 3。

工作日与周末、真实熵、替代的移动强度定义,都被作者留作后续工作。Camber Systems 的移动数据只在疫情期间公开过一段时间,论文写明现在已不便于直接获取。

一句话总结

人走得更远,并不等于活动更没规律;在这套美国州级数据里,把地点多样性和时间占比放进熵之后,它比回转半径更贴近就业、消费支出和同步指数的共同起伏,但体验密度仍是模型修正,相关也还不是因果。

核心来源

  • Entropy 正式论文,Vanni 与 Lambert,2024,26(5):398。附录 A 至 C 与正文在同一篇文章中,分别证明构型熵、信息熵和再生数公式。
  • 移动熵与回转半径来自 Camber Systems Social Distancing Reporter。人口普查密度见美国人口普查局,2020 年人口加权密度见 WorldPop。经济序列见 Opportunity Insights Economic Tracker、美国能源信息署 EIA-930,以及费城联储州级同步指数。
  • 再生数所依据的碰撞模型,是作者与 Palatella、Grigolini 2021 年发表在 Scientific Reports 的汇总移动与再生数研究,即本文参考文献 20。

作者介绍

  • Fabio Vanni:通讯作者。论文署名为意大利因苏布里亚大学经济系,以及法国蔚蓝海岸大学 CNRS 下属 GREDEG。所在院系页面现介绍他为副教授,研究社会与经济动态中的随机过程、人类移动性和起讫网络;致谢写明他是 GNAMPA-INdAM 成员。
  • David Lambert:论文署名为美国北得克萨斯大学物理系,通讯邮箱与其 Google Scholar 页面一致,该页面身份为北得克萨斯大学助教。他与 Vanni 等合作了上述 2021 年再生数论文。

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。

若一个州只公布回转半径是否回到疫情前,纽约 2021 年初的图会把“距离还没恢复”和“时间分配已经回到期初附近”混成一件事。复工政策若把前者当成接触模式已经恢复的证据,可能放得过早;若把后者当成人们已经重新跑起来,又可能过晚。更可核验的做法,是同时公布相对同一基线的回转半径和香农熵,并事先写明哪一个用于限制长距离出行、哪一个用于限制停留点的多样化。

另一项容易误用的是表 3 的倍数。得克萨斯州熵加权密度只有普查值的 4.8/42.9,纽约的人口加权中位数又是熵加权密度的大约 46 倍。若把熵加权密度直接写成场所可容纳人数,等于把尚未公开的速度分辨率和熵,当成了清点出来的人头。至少应同时列出普查值、人口加权中位数和熵加权值,并标明后一个数在 μ_o 改变时会缩放。

相关中位数也不适合直接拿来排名。就业上熵的中位数只比回转半径高 0.09,两组百分位却大量重叠;消费支出的中位数差距更大,作者正文反而没有把它和就业并列强调。下一次比较应先把 2020 年春季共同下跌的那几个月拿开,或改看各州自己的前后变化,再问熵是否仍比回转半径更贴近就业。否则,两条曲线一起掉进疫情,就会被算成稳定的相关。


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