私人汽车的短途和长途,是同一条幂律吗?
论文名片|Riccardo Gallotti、Armando Bazzani、Sandro Rambaldi,TOWARDS A STATISTICAL PHYSICS OF HUMAN MOBILITY,International Journal of Modern Physics C 排版稿,arXiv:1207.5698v1,2012年7月24日。首页印有期刊名,收稿日期与修回日期仍是 Day Month Year,未印 DOI、卷、期和页码。页眉上的 April 12, 2018 是排版时间戳。研究类型是私人汽车 GPS 的统计观察,加上最大熵与随机分割模型。
一个人在艾米利亚-罗马涅开车办事,多数路段只有几公里,偶尔才跨城。美元钞票和手机位移的研究常常用一条幂律概括各种距离。若把这条幂律直接套到私家车上,短途和长途会像同一种衰减。
这批保险车辆的 GPS 把两段拆开了。行程分布的主体接近指数,长尾才更陡;把观察范围从省放到全区,日行驶距离的斜率会变,日出行时间的分布却叠在一起。后面的模型说明,日移动预算和每天的行程次数已经能贴住大多数人的短程,却只覆盖大约一半的总行驶距离。
先说结论
- 分析样本约 75,000 辆被监测车辆,完成 770 万次起终点都在大区内的行程。图 2 图注把短程的指数形态对应到全部行程数据的 95%;右图尾部用 p(l)∝l−3.3 插值。正文另给特征行程长度约 6.2 km,图上没有标明它是均值、中位数还是指数尺度。
- 博洛尼亚周围三组人的日行驶距离分布斜率不同,日出行时间分布叠在一起。平均移动时间估计为 70 分钟,旁边没有误差。图注半径是省约 30 km、含邻近城市约 50 km;正文有一处把后者印成 50 m。
- 由日移动的指数分布和每日行程次数推出的曲线,在 15 km 以内贴近观测。作者称这重现了约 87% 观测用户的移动,对应总行驶距离的约 52%。另一条用于长尾的曲线取日移动 180 km、行程数 30,渐近是 l 的 −3 次方。
- 停留时间在 3 小时以内接近 1/t,约占停留数据的 95%,拟合指数为 1.02±0.02。总停留小时在约 1.5 小时、4 小时、8 小时和夜间休息处出现峰。访问频率按秩的 −1.42 次方下降;至少有 20 个移动日的人,不同地点数的拟合指数为 0.5357±0.006。
样本是投保的私家车,一次行程以熄火五分钟为界
数据来自 Octo Telematics,为保险目的采集,论文写成艾米利亚-罗马涅全部车辆的约 2%,分母是该大区的车辆数。安装 GPS 可以获得保费折扣,作者预期样本偏向年轻人。出租车和配送公司使用自己的定位系统,不进入这个库。库的主体是私人车辆,另有一小部分私人公司的业务用车,比例没有给出。隐私规定下没有个人身份信息,样本构成也不由研究者控制。
分析使用 2009 年 11 月整月、活动主要发生在大区内的车辆。起点或终点落到区外的行程被去掉。保留下来的是约 75,000 辆车、770 万次区内行程。大区范围正文写作约 220×100 平方公里,结论写作 22,000 平方公里,二者是同一矩形近似。
定位大约每 2 km 或每 30 秒记录一次,发动机开、关时额外记一点。典型位置误差约 10 m,时间误差文中称为可忽略。系统误差导致无法落到路网、或无法计算长度和时长的轨迹被剔除,具体规则放在参考文献 14,本稿没有展开。
一次行程的长度是路网上从点火到熄火的累计距离,由 GPS 记录。休息长于 5 分钟,行程结束;短于 5 分钟,则把相邻停车之间的路程加总。因此很短的停车不会单独成为一次行程。5 分钟是分析阈值,数据里没有乘客是否下车的记录。

图 1|这些私人汽车的记录落在大区的哪些地方?
原图没有子图字母,只有一幅蓝点分布,没有城市注记、路名或比例尺。点沿东西向聚成一条带,北部较密,南部变稀,东端抵海。正文把这条带对应到古罗马道路艾米利亚大道(Via Emilia),北部对应波河平原,南部对应人口稀少的山区,东部对应亚得里亚海滨。读图时看到的是 GPS 点的空间覆盖。来源:原论文 Fig. 1。
作者把后续模型放在三条工作假定上,并说明它们用来建立介观统计,服务的是平均行为。第一,人近似于独立粒子:各自安排出行,交通规则仍会造成相互作用,集体现象平均而言预期较小。第二,习惯很强:相同起终点倾向于重复同一路径,许多地点在一个月内被多次访问;正常情况下系统接近定态,这一点主要针对工作日,周末不同。第三,交通工程里常把出行时间当作成本。后面的图是在检验哪些经验分布与这些假定相容。
短程占了行程分布的主体,幂律出现在更长的尾巴
行程长度分布直接看每次点火到熄火走了多远。正文指出三件事:不超过 2 km 的行程在统计上很重要,但没有给出这部分的百分比;存在约 6.2 km 的特征行程长度;长行程呈现厚尾。2 km 正好落在空间采样间隔附近,论文仍把这些短行程算进分布,没有另做采样校正。

图 2|一次行程有多长时,分布是指数还是幂律?
原图没有子图字母。左图横轴线性、纵轴对数,范围 0–20 km;黑点为 2009 年 11 月全区行程,红线是短程指数。最短的几个点位于红线上方,之后黑点沿红线下降。图注把这种短程指数对应到全部行程数据的 95%。右图为双对数,横轴延伸到约 1,000 km;红直线只压在尾部,图注写作 p(l)∝l−3.3。右图左段仍在弯曲,红直线只覆盖尾部。6.2 km 写在正文里,两幅图都没有把它标成一个点。来源:原论文 Fig. 2。
后文讨论速度分型时写明:行程长于 20 km,才能看出这段幂律。20 km、6.2 km 和短程指数的 95% 各有自己的口径。95% 的分母是行程条数。
一天的总路程为什么接近一条指数?
单次行程还不能说明一个人一天开多少。日移动 λ 定义成 24 小时内各次行程长度之和。作者预期它有一个由时间和能量成本限制的平均水平,并用最大熵说明为什么分布会接近指数。
把区域分成地点 x。λx 是住在 x 的人为完成日常活动平均每天要覆盖的距离,用来表示该地点到达各项活动的方便程度。px 是先不考虑移动成本时、选择住在 x 的概率;地面均匀时它可取常数,否则可以随地理条件变化。人作为近独立粒子,总人数 N 与总移动 Λ 都有限。在这两个约束下,熵最大的分布是 ρ(x) 正比于 px exp(−βλx)。模型里 β 的倒数等于 Λ/N,也就是平均每人的日移动。把 λx 相同的地点合在一起,得到
ρ(λ) = A m(λ) exp(−βλ)。
m(λ) 是不考虑移动成本时、日移动恰好为 λ 的地点权重。若 m(λ) 变化不大,观测到的日移动就接近纯指数。这是约束下最可能的分布。

图 3|日移动的指数衰减,有多少来自地点布局?
原图没有子图字母。左图是区内移动者的日移动分布,蓝点、红线为指数拟合,纵轴为概率密度的对数。图注给出的特征长度是 β−1 = 30.4±0.4 m。横轴标成 Euclidean Distance Energy,单位是千米,范围到 150 km;正文讨论的指数区间是 10 km 到 150 km。按米理解的 30.4 与这条跨到 150 km 的曲线对不上。引用 ±0.4 时保留图注里的米,并同时写明正文的千米区间。右图是按公式反推的 m(λ),纵轴在 1 附近起伏,正文给出的局部最大值在 λ≃30 km。作者把上升段和这个最大值读成城市吸引范围,以及主要城市之间的平均距离。这是对曲线形状的解释。靠近 150 km 的右端再次抬高,正文没有另行解释。来源:原论文 Fig. 3。
还有一处标法要分开。正文的 λ 是路网行程长度之和。图 3 横轴印的是 Euclidean Distance Energy,图 4 左图又印成 Mobility Energy。引用日移动时,口径跟随正文的路网累计;两张图的英文轴名并不相同。
30 km 这个局部峰值,作者用来对照大区里城市沿艾米利亚大道展开的格局。论文没有另附一张测距得到的城市间距表。
圈子放大以后,距离的斜率变了,时间却叠在一起
指数衰减会不会只是大区边界造成的?作者以博洛尼亚为中心比较不同半径,而且每个半径只保留活动完全落在该范围之内、又没有在更小半径里被计过的人。三条曲线来自互不重叠的三组人:已经归入更小半径的人,不再进入更大半径的曲线。
| 图中符号 | 这组人的活动范围 | 图注尺度 |
|---|---|---|
| 圆圈 | 博洛尼亚省内部 | R≃30 km |
| 叉号 | 含邻近城市的范围,去掉已归入更小半径的人 | R≃50 km |
| 三角 | 整个大区,同样去掉更小半径里已经计入的人 | 全区 |
正文有一处把含邻近城市的半径写成 R≤50 m。图注是 R≃50 km,“邻近城市”也只与数十公里相称。引用半径时要同时看到这两处印法。

图 4|空间范围改变时,日距离和日时间哪一个更稳定?
原图没有子图字母,圆圈、叉号和三角的含义见上表。左图横轴为 Mobility Energy(千米),对数纵轴。三组在短距离上接近,日移动变大以后,省级圆圈下降更快,叉号和三角保持得更高。正文说特征空间尺度在靠近主城时变小。右图横轴为每日出行时间(分钟),同一组符号叠到相近的一条曲线上,横轴延伸到 300 分钟。来源:原论文 Fig. 4。
平均移动时间由 GPS 估计为 70 分钟,没有同时给出标准误或置信区间。脚注把它解释成一个人愿意投入移动的每日时间,这是作者的读法。右图的重合是这批私家车数据里的经验现象:在给定私人汽车这一方式之后,时间比距离更像跨尺度的成本。它还没有证明司机主观上以时间为唯一目标。
距离与时间也不能按一个常数速度互换。原因有两层:驾驶行为本身不均匀,小尺度路网又会改变车的运动。另外,R<5 km 的城区有较方便的公共交通和更多私家车限制,作者明确说,汽车满足同样出行需求这一前提在那里不成立。图 4 的三个半径都大于这个城区尺度,所以时间曲线的重合还没有覆盖市中心内部。
同一个五公里,为什么不能代表同一种驾驶?
为了看路程和耗时怎样脱钩,论文按行程长度计算平均速度,长度以 100 m 为间隔,使用全区 GPS。很短行程上,速度方差上升;行程长于 8 km 后,方差进入平稳段。正文把平稳段的均方根写成约 10 km/h。

图 5|速度的差异从哪一段行程开始稳定?
原图没有子图字母。左图横轴只到 10 km,纵轴是速度方差,单位 (km/h)2。黑点在数公里内上升,红线是插值。正文说行程长于 8 km 后进入平稳段,平稳段均方根约 10 km/h。左图纵轴含 100 这一刻度,后段曲线贴近该高度,与 10 km/h 的平方在数量级上一致。图注函数写作 σ2(l) = σ02(1−exp(−(l/b)5/2)),并印 σ0 = 10 km、b = 3.8 km。公式行的单位是 km,方差轴和正文速度是 km/h。引用散差时跟随正文的 km/h。右图横轴为平均速度(km/h),纵轴概率密度,顶部标有 2×105 的倍率,纵轴刻度要乘上这个倍率才是图中的密度数值。蓝线是全部行程,红线是长度不超过 5 km 的行程,绿线是其余行程。短程红线的峰在约 20 km/h,更长行程的绿线中心在约 45 km/h,正文同时给出后者的均方根约 10 km/h。来源:原论文 Fig. 5。
5 km 是速度分型的界限,8 km 是方差趋于平稳的界限,20 km 是行程长度分布开始呈现幂律的界限。三处数字回答三个问题。短程速度可能对应城区驾驶,但论文写明,这一形状与路网特征的对应仍是开放问题。
一天被切成多少段,决定了短程能解释到哪里
日移动还要分到一次次行程上。图 6 是每人每天的行程次数,图注称为每日活动次数,正文称为行程次数。

图 6|每天的行程次数有没有一个特征尺度?
原图只有一幅,没有子图字母。横轴为次数,纵轴为概率密度的对数,红线为 p(n)∝exp(−n/a),a = 3.27±0.08。大约从 5 次以后,黑点沿直线下降到 30 次附近;最左侧几次低于这条直线的延长。正文写,n≤5 的情形约占样本的一半,并把它读成规律性移动;n>5 的指数衰减被读成没有额外结构的统计平衡。“大约一半”没有更精确的百分比,规律性也没有通勤标签来核对。来源:原论文 Fig. 6。
短程行程的形状可以用一个随机模型来对照。给定一个人的日移动 λ,再在 0 到 λ 之间随机放入至多 n 个分点,相邻分点的间隔就是行程。n 的分布使用图 6 的指数,a = 3.27,并忽略 m(λ) 的变化,对 λ 积分后得到一条解析曲线。它要比较的是:只知道一天的总路程和行程次数时,各次路程会落在哪里。

图 7|日移动和行程次数,能解释多长的单次行程?
原图没有子图字母。黑点是 GPS 行程长度,双对数坐标。红线来自带有行程次数指数衰减的积分,正文说它在 l≤15 km 贴近数据。1 km 以下红线高于黑点;脚注说明,用指数形式描述活动次数会高估极短行程。蓝线来自去掉次数指数衰减后的公式,参数取 λ = 180 km、n = 30,在长尾更靠近黑点,远端仍略高于数据。来源:原论文 Fig. 7。
作者把红线所能重现的移动写成约 87% 的观测用户,并写这对应总行驶空间的约 52%。87% 的分母是观测用户,52% 的分母是总行驶距离。短程模型可以覆盖大多数人,同时放过大约一半的公里数。
长尾的近似在 l 接近 λ、而且 n 很大时给出 p(l)∝l−3。这是模型的渐近指数。图 2 对经验尾部的插值是 −3.3。两者方向一致,数值并不相同。作者推测,尾部来自行程次数高于统计预期、日移动又很大的用户,或许与业务用车有关。数据没有给出这些行程的职业标签,库里只说过业务用车占一小部分。这个解释停留在推测。
论文把 l−3 与两份文献对比:美元钞票位移为 l−1.59(参考文献 6),手机数据为 l−1.75(参考文献 21)。这两项的空间尺度大得多,也不限定同一种交通方式。论文说自己的结果与大型路网中的出租车分析一致,但没有引用对方的指数数值。
熄火以后的时间:次数接近 1/t,总小时才露出日程
GPS 不记录活动内容。作者假定,熄火超过 5 分钟是一次有意停留,可以对应一项活动,并把这段发动机关闭的时间称为停留时间。同一阈值已经用来切分行程。

图 8|短停留的次数很多时,时间实际上花在哪里?
原图没有子图字母。左图双对数,蓝点为全区停留时间的概率密度,红线表示本福特定律形式 p(t)∝1/t。图注与正文都把这条关系对应到 t≤3 小时,约占停留数据的 95%;数值拟合给出 p(t)∝1/tα,α = 1.02±0.02。数小时之后,蓝点离开直线并出现起伏。右图纵轴是总停留小时,顶部标有 2.5×104 的倍率,横轴到 20 小时以上。它画的是 π(t) = t p(t),也就是用停留长度给概率密度加权,所以长停留会占更多总时间。正文点出约 1.5 小时的小峰、约 4 小时、约 8 小时,以及夜间休息。4 小时被关联到兼职,8 小时被关联到全职。数据中没有活动名称,这些对应是作者的关联。夜间休息没有另给一个小时数。来源:原论文 Fig. 8。
左图的 95% 是停留次数分布里、3 小时以内的份额。右图的峰是总小时。短停留可以在次数上占绝大多数,同时在总时间里让位于数小时和整夜的停留。
论文把 1/t 与手机数据的 p(t)∝t−β、β = 1.8 对照,认为差别来自 GPS 能分辨更短的停留。这句话没有单独标出 β = 1.8 的文献编号。作者还把 1/t 读成对数时间知觉的一种迹象,也就是可分配的时间越长,花费按比例变长。这是对分布形状的一种读法。文中说不同城市、不同空间尺度上分布相同,城市曲线没有单独画出。
常去的地点按秩变少,新地点增加得更慢
为了看习惯怎样进入日程,论文为每个人建立移动网络:地点是节点,地点之间的行程是有向、带权重的连边。相距不足 500 m 的停留被并成同一个地点,作者给出的理由是从停车位置步行到目的地的可接受距离。比较的对象是访问频率如何随秩下降,以及不同地点的数量如何随天数增加。
节点按连接度从高到低排列。再按网络里的地点数分组,计算同一秩上的平均访问频率 fk。

图 9|少数地点是否占去大部分访问,新地点增加有多快?
原图没有子图字母,两幅图都只使用该月至少有 20 个移动日的人。左图横轴为秩,纵轴标成概率密度,图注的量是同一秩节点的平均访问频率。符号对应固定地点数:N = 5 为倒三角,10 为圆,15 为正三角,20 为浅色方块,25 为星,30 为方块,35 为菱形。红线为 fk∝k−α,α = 1.42±0.06。各组沿这条线下降;秩较大的一端,有的序列趋于平缓,红线仍继续向下。右图横轴为天,纵轴为访问过的不同地点数,刻度到 60。蓝线与红色拟合线几乎重合,拟合为 n(t)∝tβ,β = 0.5357±0.006。来源:原论文 Fig. 9。
论文没有给出“至少 20 个移动日”占 75,000 辆的比例。右图因此描述的是这个月里移动天数较多的人。公式把 n(t) 定义成访问地点数的期望,纵轴又只到数十个地点,应按平均每人累计的不同地点数来读,不宜读成所有人地点数的总和。
作者把秩的幂律读成优先连接,并认为访问最多的地点可能与习惯移动有关。左图本身是分组后的平均频率。它与优先连接相容,还没有直接检验“去得越多就越容易再去”这一生成过程。指数 1.42 与另一套数据上的结果一致,该比较指向参考文献 21。
若把平均访问频率当成选择概率,并用平均场把秩指数代进地点数的增长,论文得到 n(t) 约按 t 的 1/(2α−1) 次方增长。代入 α≃1.42±0.06,得到 β = 0.54±0.03。图注的经验拟合是 0.5357±0.006,正文在与模型比较时写成 0.53。手机数据文献中的对应指数是 0.60±0.02。参考文献 21 用来再现个人移动的模型,与图 8 的停留时间分布不一致,作者因此认为不能搬到这批汽车数据上。
这里有两句需要同时保留。宏观上,地点数的增长接近一群受空间和时间约束的马尔可夫粒子。作者同时写明,个人动态肯定不是马尔可夫过程,秩分布来自在城市环境中安排一天活动的认知行为。平均场指数接近拟合值,闭合的是总体曲线。
这些规律停在私家车、一个月和一个大区
样本是一个大区、一个月、约 2% 的投保车辆,预期偏向年轻人,出租车和配送不在其中。区外行程被去掉,所以跨出艾米利亚-罗马涅的长途不在分布里。结论把文献中的幂律能否恢复,联系到是否纳入其他交通方式;本稿没有步行和公共交通的对照样本。
最大熵给出的是总人数和总移动固定时的最可能分布。随机切分给出的是日移动和行程次数固定时的行程长度。两条曲线能贴近短程,表示这组约束与短程数据相容。尾部的业务用车解释、4 小时和 8 小时与兼职和全职的对应,都没有活动或职业标签。工作日与周末在假定里被区分,图里没有分开的分布。
集体相互作用被假定为平均较小,第三步所设想的相变或突发外部变化,作者认为超出当时方法的范围,本稿没有做这项检验。结论还说,空间位移的可预测性可能很困难,时间上的定位则是另一回事,并指向另一篇文献。本稿没有报告下一地点的猜中率。
图 3 的 30.4±0.4 m、正文一处 R≤50 m,以及速度公式里的 σ0 = 10 km,与各自的公里轴、50 km 图注和 km/h 正文并排出现。这三处在引用前需要按所在句子核对单位。
一句话总结
私人汽车在这个大区里的日常移动,短程主体接近带时间成本的统计分布,长尾才更像一条更陡的幂律;贴住大多数人的模型,只对应大约一半的总行驶距离。
核心来源
- 所据文本为 arXiv:1207.5698v1(2012年7月24日)的 International Journal of Modern Physics C 排版稿。首页未印 DOI、卷、期和页码。正文图 1–9 均来自该 PDF。
- 数据由 Octo Telematics s.p.a. 提供。行程长度的路网累计、5 分钟切分、2009 年 11 月和区内筛选,都以正文第二节为准。
- 文中用来对照的幂律指数:美元钞票位移 l−1.59 见参考文献 6,手机位移 l−1.75 与访问增长见参考文献 21。出租车比较见参考文献 11,本稿没有写出对方的指数。
作者介绍
三位作者都署名博洛尼亚大学物理系与 INFN 博洛尼亚,地址为 via Irnerio 46, 40126 Bologna, Italy。首页把姓写在名前。
- Riccardo Gallotti:署名顺序第一位,单位与上列相同。
- Armando Bazzani:署名第二位,同一单位;地址行给出的邮箱是 bazzani@bo.infn.it。本稿参考文献 2、14、19 是他参与的移动统计工作。
- Sandro Rambaldi:署名第三位,同一单位。参考文献 2 与 19 也列出了他的姓名。
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。
若排放或路面磨损关心的是公里数,87% 的用户和 52% 的行驶距离就会把账算到两处。一个只把短程指数校准得很准的模型,会放过长尾里那一半左右的距离。评价这类模型时,可以同时报告它覆盖了多少人、多少公里,并说明长尾用户有没有独立的车辆类型信息。这篇论文把业务用车留成推测,正是因为第二项信息还不在数据里。
图 4 的时间曲线在三组人之间叠在一起,距离曲线没有。若要为这一个月份、这一种私人汽车写一条跨尺度的约束,70 分钟的平均移动时间比任何单一的距离指数更稳定。它仍然回答不了这 70 分钟是日程表压出来的,还是司机自己选出来的。把工作日和周末分开之后,时间曲线还会不会重合,是一个可以直接加到同一数据库上的检验;论文指出周末不同,却没有给出那张图。
秩的 −1.42 次方也可以来自少数固定地点的重复访问,而不必来自“越去越容易再去”的过程。论文自己把总体增长写成接近马尔可夫平均场,又把个人日程写成认知安排,已经把这两层分开了。下一步更有信息量的统计是:在仍然不识别具体地点的前提下,看最高的几个秩在周与周之间是否保持稳定。若高秩很稳、低秩不断更换,习惯和偶发停留就分得开;这种聚合后的稳定程度,回答的是高秩是否稳。