大会周多出来的移动,主要记在游客标签上吗?
论文名片|Lorenzo Gabrielli、Salvatore Rinzivillo、Francesco Ronzano、Daniel Villatoro,From Tweets to Semantic Trajectories: Mining Anomalous Urban Mobility Patterns,收录于 Jordi Nin、Daniel Villatoro 主编 Citizen in Sensor Networks(CitiSens 2013),Lecture Notes in Computer Science / LNAI 第8313卷,第26–35页,Springer,2014。DOI:10.1007/978-3-319-04178-0_3。页脚印着 2014 年;Springer 书目中的章节首次在线日期是 2013 年 12 月 20 日,引用年份用 2014。本文是围绕 MWC2012 前后三周的观察性案例。
会场门口多了几条带位置的公开帖,老城里的帖也还在。只看帖子变多,会把两件不同的事混在一起:来参会的人在城里移动,或者本地人那一周出门更勤。巴塞罗那 2012 年世界移动通信大会(Mobile World Congress,MWC2012)提供了一个现成的对照。图 1 会标上印着 2012 年 2 月 27 日至 3 月 1 日。论文取大会当周和前后各一周的公开地理帖,收成轨迹,再分成游客标签与本地标签,并给起点、终点配上场所类别。
对照的结果有明确形状。大会周的轨迹条数高于前后两周,净增加主要记在游客标签上,本地标签只温和上升。区与区之间的流动结构里,扩展区(Eixample)和桑茨-蒙特惠克(Sants-Montjuïc)一带在大会周更突出。进入桑茨-蒙特惠克的行程中,职业类场所在大会周一柱独高;离开时餐饮是最高的一类。这些都是公开帖汇总后的群体计数。场所类别来自最可能场所的匹配,轨迹也只覆盖发了带位置公开帖、并且跨越了论文距离和时间门槛的移动。
先说结论
- 三周大约 18.3 万条带位置公开帖、大约 1.1 万名用户,收成 9689 条轨迹。会前 2991 条,大会周 4139 条,会后 2559 条。大会周比会前多 1148 条,增幅是 1148/2991,即 38.4%。
- 表 1 里,游客标签从会前 525 条增到大会周 1437 条,多 912 条,变为会前的 2.74 倍;本地从 1453 条增到 1749 条,多 296 条,变为 1.20 倍。912 条占净增量 1148 条的 79.4%。大会周 4139 条里,本地仍有 1749 条(42.3%),游客 1437 条(34.7%),本地条数仍然更多。
- 全部轨迹里,游客与本地两列相加是 7236 条,7236/9689 为 74.7%。正文写的 83.3% 与这两个印刷数字对不上。后文比例都用表 1 的计数。
- 进入桑茨-蒙特惠克的活动图里,大会周职业及其他场所大约 84 次,同一周其余可见类别合计大约 46 次,分母是这张进入图的柱高之和。离开图里,大会周餐饮大约 40 次,是该图最高的一根柱。边介数只在同一张网络内比较。
9689 条轨迹是怎样从公开帖里数出来的?
材料是巴塞罗那都市区连续三周、用地理范围筛过的带位置推文,大约 18.3 万条,来自大约 1.1 万名不同用户。论文把大会当周记为 week 1,前后一周记为 week 0 和 week 2,没有印出三周的日历起止。会标上的大会日期是 2 月 27 日至 3 月 1 日。三周各自的日历起止,正文没有印出。
一条轨迹在这里有操作定义:同一用户至少两条带位置的帖,地点相隔超过 100 米,时间间隔短于 75 分钟。100 米参考了同一用户连续两条帖的空间间隔分布,这张分布没有放进正文。75 分钟则对照公共交通车票的最长使用时间。这样得到 9689 条轨迹。发帖但不带坐标、只在 100 米以内活动、或者两次帖相隔更久的移动,都不进这个分母。

图 1|后面要给轨迹加上的两类信息,长什么样?
图中没有子图字母。左上角会标写着 Mobile World Congress,Barcelona,27 February–1 March 2012。左侧路线标为 Trajectory 1 - Tourist,右侧标为 Trajectory 2 - Local,沿线是示意的发帖位置。这张图说明论文打算区分游客与本地,并把位置连到场所信息。它是示意图;9689 条的统计在表 1。来源:原论文 Fig. 1。
每条轨迹还被标上两类注释。第一类是本地或游客。论文用加泰罗尼亚居民点资料和账号里的地点信息做判断,正文没有列出分类所用的具体字段。9689 条里标上的有 7236 条。第二类是起点和终点的场所顶层类别,来自该坐标最可能对应的场所。9689 条里,99.83% 的轨迹在起点和终点都配上了场所。这个百分比是配上场所的比例。类别是否判断正确,正文没有另给正确率。
顶层类别共 9 个:夜生活(Nightlife Spot)、旅行与交通(Travel & Transport)、户外与游憩(Outdoors & Recreation)、购物与服务(Shop & Service)、高校(College & University)、餐饮(Food)、艺术与娱乐(Arts & Entertainment)、居住(Residence)、职业及其他场所(Professional & Other Places)。
表 1 的单位是轨迹条数。游客与本地两列之和小于全部轨迹,差额是论文没有单列的剩余部分,下表用减法标出。
| 周次 | 全部轨迹 | 游客 | 本地 | 两列之外(全部减游客减本地) |
|---|---|---|---|---|
| 会前 week 0 | 2991 | 525 | 1453 | 1013 |
| 大会周 week 1 | 4139 | 1437 | 1749 | 953 |
| 会后 week 2 | 2559 | 537 | 1535 | 487 |
| 合计 | 9689 | 2499 | 4737 | 2453 |
2991+4139+2559=9689。525+1437+537=2499,1453+1749+1535=4737,2499+4737=7236。7236/9689=74.7%。正文写“7236 trajectories (83.3%)”。83.3% 与 7236 和 9689 的商不一致,表 1 的原始计数可以互相对上,所以比例以表 1 为准。三周合计,游客标签占全部轨迹的 2499/9689,即 25.8%;本地占 4737/9689,即 48.9%;两列之外占 2453/9689,即 25.3%。
从会前到大会周,全部轨迹多 1148 条。游客多 912 条,本地多 296 条,两列之外少 60 条,912+296−60=1148。游客增加量占净增量的 912/1148,即 79.4%。会后全部轨迹降到 2559 条,低于会前的 2991 条;游客 537 条,接近会前的 525 条。
大会周内部,本地 1749/4139=42.3%,游客 1437/4139=34.7%,本地条数仍然更多。拉开差距的是增幅:1437/525=2.74,1749/1453=1.20。会前游客占当周全部轨迹的 525/2991,即 17.6%;会后是 537/2559,即 21.0%。
表 1 不区分独立用户。同一个人可以贡献多条轨迹。论文因此检查每人轨迹条数的分布,看游客标签的增加是不是少数账号堆出来的。

图 2|游客轨迹变多,是不是少数人各发了很多条?
(A)全体用户。(B)本地标签。(C)游客标签。横轴是每人轨迹条数,从 0 到 20;纵轴是用户数,对数刻度,从 1 到 1000。红、绿、蓝分别是会前、大会周、会后。三张图都从左端的高位迅速下降,右端落到个位数用户,三条周线的形状接近。分布接近说明,大会周的游客增量很难归结为少数账号突然贡献了极多条轨迹。图上没有印出每一周的独立用户数,也不能把纵轴读成轨迹总数。来源:原论文 Fig. 2。
多出来的流动落在哪几条区际连线上?
轨迹条数上升之后,还要看增加落在哪些区域之间。论文把城市行政区当作固定格子,统计从一区到另一区的轨迹条数,得到起讫矩阵(origin–destination matrix,OD 矩阵)。格子事先定好,同一条连线才能在三周之间比较。正文没有印出完整区域名单。图上的标注除了巴塞罗那各区,还有略夫雷加特河畔的 L’Hospitalet 和 El Prat,这两处在市界之外。正文没有印出完整区域名单。
只比每条连线上的轨迹条数,会被单一连线的局部尖峰带着走。论文把 OD 矩阵看成网络:区域是节点,区际流动是边,再用边介数(edge betweenness)衡量一条边在网络里的位置。按论文的定义,一条边的边介数是所有节点对的最短路径里,有多少条经过这条边。横轴把连线按边权从高到低排列,边权对应流量;纵轴才是边介数。柱高统计的是经过该连线的最短路径条数。正文没有写明最短路径把流量当成距离、当成容量,还是不加权,所以读图限于同一张子图内部的三周比较。

图 4|大会周升高的,是哪些区际连线的网络位置?
红为会前,绿为大会周,蓝为会后。横轴是按边权从高到低排列的连线,刻度字母很小;纵轴是边介数。图注写明(A)全部、(B)本地、(C)游客。正文有一处把游客写成 Fig. 4-A、本地写成 Fig. 4-B,与图题和图注不一致,这里以图题为准。三张图是三张不同的网络,纵轴刻度也不同,柱高不能跨图相加。
(A)全部流动,纵轴 0 到 10 万。最左侧、图上标为 Eixample → Sants-Montjuïc 的大会周绿柱,对照刻度大约 9.1 万,是这张图最靠前的一根高柱;柱上没有印出精确数字,读数大约有一两千的误差。图上另一根很高的大会周柱标为 Eixample → L’Hospitalet de Llobregat。标注里还能看到 Ciutat Vella → Sants-Montjuïc、Eixample → Sant Martí、El Prat de Llobregat → Sants-Montjuïc,以及 Sants-Montjuïc → L’Hospitalet de Llobregat。绿柱经常更高,但若干蓝柱、红柱同样高出邻近连线。
(B)本地流动,纵轴 0 到 2.5 万。标注包括 Sarrià-Sant Gervasi → Eixample、Sants-Montjuïc → Eixample、Eixample → Sants-Montjuïc、Sant Martí → Eixample、Les Corts → Eixample。绿、红、蓝交错,大会周并没有在每条连线上都独占高位。
(C)游客流动,纵轴 0 到 1.6 万。多条连线上的绿柱高于同一位置的红柱和蓝柱。图上标出的高绿柱包括 Sants-Montjuïc → Eixample、Ciutat Vella → Eixample、Eixample → Sants-Montjuïc、Les Corts → Eixample。这是同一张游客网络内部的三周对照,支持“游客流动的结构变化更整齐”,没有给出显著性检验。来源:原论文 Fig. 4。
论文据此把后续活动分析收束到桑茨-蒙特惠克,并对照城市那一周的活动日程,认为与在该区举办的 MWC2012 相符。这是先看到流动变化、再找到相容事件的案例解读。论文没有报告一整年里的误报次数,也没有预设阈值和检出率。
进出会场一带时,场所类别怎样变?
区际连线只说明人从哪一区到哪一区。要看活动类型,论文把起点和终点换成场所的顶层类别。

图 3|场所类别是怎样安到轨迹上的?
图中没有子图字母。上排表示一条带坐标的帖子被对应到最可能场所,并取该场所的顶层类别。下排是示意图里的例子,类别写成餐饮。它解释 99.83% 这个匹配率的含义:9689 条轨迹中,绝大多数起点和终点被安上了一个场所。下排是示意图中的例子。9689 条里的 99.83% 表示起点和终点被安上了场所;活动目的是否被直接观察到,正文没有另做核实。来源:原论文 Fig. 3。
图 5 把这种类别用到进出桑茨-蒙特惠克的行程上。纵轴是行程次数。柱上没有印数字,下面的次数是对照刻度读出的大约值,个别短柱可能有一两趟的读数误差。正文有一处写进入 Eixample 的人主要去职业场所;图 5 的标题写的是进出 Sants Montjuïc。次数以图 5 为准。

图 5|进出会场一带时,场所类别的次数如何不同?
红为会前,绿为大会周,蓝为会后。
(A)进入桑茨-蒙特惠克,纵轴 0 到 90 次。大会周职业及其他场所大约 84 次,位于 80 与 90 之间。同一周其余可见类别大约是:交通 15、艺术与娱乐 10、户外 9、夜生活 6、餐饮 4、购物与服务 2,合计大约 46 次。84/(84+46) 大约是 65%。分母是这张进入图里大会周各柱的读数之和,大约 130 次;全市轨迹另计为 4139 条。会前同一职业类大约只有 2 次,会后又回到很低的位置。职业类的高峰在大会周。
(B)离开桑茨-蒙特惠克,纵轴 0 到 40 次。大会周餐饮顶到 40 次刻度,购物与服务大约 21 次。其余大约是:户外 18、夜生活 17、交通 13、职业 11、艺术与娱乐 10、高校 4。八类合计大约 134 次。餐饮加购物大约 61 次,占这 134 次的 46%。餐饮是最高的单类。餐饮加购物约占这 134 次的 46%,其余六类合计仍略多于一半。会前餐饮大约 12 次,同一张图里低于大会周。来源:原论文 Fig. 5。
全市尺度上,论文把 9 个顶层类别排成语义起讫矩阵:一行是起点类别,一列是终点类别。正文没有给出这个 9×9 的数值表,只给了三张弦图。弦图标题上的轨迹总数与表 1 一致。论文还提到一个按游客和本地分开的交互页面;印在 PDF 里的弦图只画了全部轨迹,分开之后的类别矩阵没有数字。

图 6|全市的活动类别之间,三周的相对分量怎样排?
图中没有子图字母。从左到右:会前,标题印着 total trajectories: 2991;大会周,4139;会后,2559。弧和弦表示类别之间的轨迹量,径向刻度可见,但正文没有给出每条弦的数字,不能从线的粗细读出精确条数。图例包括前述 9 类,另有一项 None,正文没有解释它的计数规则。橙色对应职业及其他场所,三周都占据明显的弧段;作者认为这一类在大会周达到高点,会后餐饮和购物与服务的相对分量上升。这是对弦图的目视判断。它和表 1 的游客增量、图 5 的进出次数回答的不是同一个分母。来源:原论文 Fig. 6。
正文有一句话把“职业类在会前已经可观、大会周最高、会后让位于餐饮和购物”写成 Fig. 5,并认为大部分参会者会前已经到达,可能先旅游或布置会场。图 5(A)里,职业类会前大约 2 次,大会周大约 84 次。表 1 里游客轨迹的高点也在大会周,是 1437 条;会前 525 条,会后 537 条。
这次对照能说到哪一步
三周、一座城市、一次已知的大型会展,构成的是案例对照。流动异常与 MWC2012 的日程和会场位置相容,论文没有给出换一座城市或换一种活动时的误报。边介数没有置信区间,图 5 的次数也没有误差线。
样本是三周里留下带位置公开帖的大约 1.1 万名用户。100 米和 75 分钟留在样本里的,是跨过这两道门槛的移动。区际连线只计入论文所用区域格子之间的行程。
本地与游客是标签。7236 条有标签,2453 条留在两列之外。图 2 说明每人轨迹条数的分布形状相近。标签把本地与游客互相标错的比例,正文没有给出。场所类别是最可能场所的顶层类。进入图里大约 84 次职业类行程,表示这些行程的终点被匹配到职业类场所。
大会周同时有会展、旅游和城市本身的周节奏。论文的设计是会前、会中、会后三周对照,没有把天气、假期或其他同期活动拆开。边介数、进入次数和弦图给出的是这三周的同期共现。
一句话总结
大会周比会前多出的 1148 条轨迹中,游客标签增加 912 条;与之相伴的是扩展区和桑茨-蒙特惠克一带更高的区际边介数,进入该区的场所类别集中在职业类,离开时餐饮最高。
核心来源
- Springer 章节页,核对题目、作者、书名 Citizen in Sensor Networks、卷 8313、第 26–35 页与 DOI。PDF 页脚写 LNAI 8313、2014 年。
- 本文计数来自该 PDF 的正文、表 1 和图 2–图 6。图 5 的次数和图 4 里大约 9.1 万的边介数是对照刻度读取的,柱上没有另印数字。
作者介绍
- Lorenzo Gabrielli:论文署名为比萨 ISTI-CNR 知识发现与数据挖掘实验室。实验室公开页面把他的工作概括为用异构移动数据识别城市移动模式和异常,并给移动补充语义。
- Salvatore Rinzivillo:与 Gabrielli 同署该实验室。本文参考文献里关于大规模轨迹挖掘的论文,作者名单包含他。
- Francesco Ronzano:论文署名为巴塞罗那 Barcelona Digital Technology Centre 移动与能源组。公开履历把 2012 至 2014 年前后在该中心的工作概括为城市移动与社交媒体地理数据分析。
- Daniel Villatoro:通信作者,同署该组。页脚显示他与 Jordi Nin 共同主编这本论文集。参考文献中关于 MWC2012 期间微博行为的前作也列有他的名字。
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。
若只广播“大会周轨迹多了 38.4%”,运力会被理解成全城一起变忙。表 1 把 1148 条净增量拆开之后,912 条记在游客标签上,图 4 又把全部流动里最靠前的高边介数指到 Eixample → Sants-Montjuïc。更值得拿交通计数去核对的,是大会周进入会场一带的少数区际走廊。帖子轨迹仍然不能代替刷卡或路侧计数,核对之前它只是一份空间上的优先名单。
图 5 还把同一片区域的到达和离开拆开。进入时职业类大约 84 次,占这张进入图大会周读数之和大约 130 次的 65%;离开时餐饮大约 40 次、购物大约 21 次,合计占离开图大约 134 次的 46%。会展周若只按到达人数布置餐饮,用的是进入图里那根职业柱,而餐饮升高出现在离开图。两个分母不同,安排也会不同。
反过来,参会者若大多住在会场同一区内、很少跨区,这套区际矩阵会显得安静;本地人若大量跨区,但终点被匹配成交通或居住,职业柱也不会升高。方法敏感的是跨区、带公开坐标、又能匹配到场所类别的移动。一次已知大会周的对照,还留下一个待测的问题:普通周末的大型零售或球赛,会不会在游客标签和职业类场所上走出相似的形状。