一、人类移动
1、城市数据反应人的行为
| Title：#### 2024_A universal framework for inclusive 15-minute cities |
|---|
| Author： Matteo Bruno; Hygor Piaget Monteiro Melo; Bruno Campanelli; Vittorio Loreto; |
| Journal： Nature Cities, 1(10): 633-641, 2024. |
| Journal Tags： 一区top |
| DOI：10.1038/s44284-024-00119-4 |
| Key Records：15分钟城市在提供便利的同时也造成了高度的不平等与隔离，已有研究提出了很多从人动角度的优化方法。本文从优化设施分配的角度提出对可达性的提升：1、首先计算了50多个城市的可达性，发现城市内和城市间的都存在明显的差异（可达时间和满足15分钟人口比例），中心可达性更好；然后根据人口密度的空间分布均等分配设施，发现可达性在潜在增强（人均享有的POI），周边会提升而且中心也没有被剥夺；最后增加服务设施来达到15分钟城市条件，发现各城市差距很大，这取决于城市人口密度和人口分布，对于密度较低分散的城市不适合15分钟城市。 Data： 服务设施：OSM上的POI；城市边界划分正六边形；人口分布是worldpop的100m人口密度栅格；可达时间用OSRM接口算 |
Tags：15分钟城市通用框架  |
| Note Date：2025/10/5 19:45:10 |
| Title：#2023_From lockdown to precise prevention: adjusting epidemic-related spatial regulations from the perspectives of the 15-minute city and spatiotemporal planning |
|---|
| Author： Yanxi Li; Yanwei Chai; Zifeng Chen; Chunjiang Li; |
| Journal： Sustainable Cities and Society, 92: 104490, 2023. |
| Journal Tags： ㅤIF 10.5ㅤ; ㅤㅤSCI Q1ㅤ; ㅤㅤ中科院 工程技术2区ㅤ |
| DOI：10.1016/j.scs.2023.104490 |
| Key Records：以15分钟城市的视角考虑15分钟社区，在社区内被视为是必须的活动，然后实施一些控制出行或者限制地点开放的政策，来满足基本的需求并控制疫情的发展。 |
| Tags：样本量非常小，看起来只有100个个体的调查数据，没什么新意。 |
| Note Date：2025/10/5 20:28:39 |
| Title：### (2025-07) Modelling active travel accessibility at the micro-scale using multi-source built environment data |
|---|
| Author： Corin Staves; Irena Itova; Belen Zapata-Diomedi; Audrey De Nazelle; Jenna Panter; Lucy Gunn; Alan Both; Yuchen Li; Ismail Saadi; James Woodcock; et al. |
| Journal： Computers, Environment and Urban Systems, 119: 102270, 2025. |
| Journal Tags： ㅤIF 7.1ㅤ; ㅤㅤSSCI Q1ㅤ |
| DOI：10.1016/j.compenvurbsys.2025.102270 |
| Key Records：考虑街道、绿化等多种建筑环境，构建计算坐标级别可达性的计算框架。 |
Tags： 开源框架，里面考虑了POI多样性的方法。 |
| Note Date：2025/10/5 21:35:08 |
| Title： ##2025_Proximity-centred accessibility – A conceptual debate involving planning practitioners worldwide |
|---|
| Author： Cecília Silva; Benjamin Büttner; Sebastian Seisenberger; João Filipe Teixeira; María Teresa Baquero-Larriva; Eda Beyazit; Maxime Hachette; Diego Hernandez; Wambui Kariuki; Patxi J. Lamíquiz-Daudén; et al. |
| Journal： Cities, 167: 106376, 12/2025. |
| Journal Tags： ㅤIF 6.0ㅤ; ㅤㅤAJG 2ㅤ; ㅤㅤSSCI Q1ㅤ |
| DOI：10.1016/j.cities.2025.106376 |
| Key Records： 调查问卷调研了22个国家的规划从业者对可达性的一些问题回答，时间上的邻近性普遍是15分钟，距离上是1600m，无论采用何种交通方式（尤其是步行），都能实现合理的出行时间；不同的活动的旅行门槛差异大；背景在和活动相关性或者设定活动阈值时起到很大作用；无论什么情况，基础活动都很重要。 |
| Tags：1600m的阈值 |
| Note Date：2025/10/5 21:49:12 |
2、复杂网络
3、个体轨迹恢复
4、个体模型
| Title： ####2021_Characteristics of human mobility patterns revealed by high-frequency cell-phone position data |
|---|
| Author： Chen Zhao; An Zeng; Chi Ho Yeung; |
| Journal： EPJ Data Science, 10(1): 5, 12/2021. |
| Journal Tags： ㅤIF 3.0ㅤ; ㅤㅤSCI Q1ㅤ; ㅤㅤ中科院 工程技术3区ㅤ; ㅤㅤSSCI Q1ㅤ |
| DOI：10.1140/epjds/s13688-021-00261-2 |
Key Records：采用17年的5w个体轨迹数据(至少3min停留点)，构建个体移动网络，节点代表地点，链接代表两个位置间的转移。1、发现真实轨迹与空模型（随机打乱访问）相比，具有更少的访问pair对，更经常走较少的频繁走的路，具有更小的loop，以及更长的总距离。在群体方面表现，地点流出的度值分布都是幂律，真实数据前期更高，更陡，地点间流量分布也是幂律，真实数据前期更低，更缓。 2、在时间维度上，在每个位置的停留时间分布表现幂律头(0-6h)和指数尾部。将时间分辨率降低（即删掉停留时间小于T的轨迹），发现地点访问的平均数和T表现出幂律关系。然后观察阈值T对于真实数据和空模型之间差异的影响，发现当时间分辨率较高时，差异不明显。（这里考虑了差异不明显是不是由随机打乱导致的，生成空模型并打乱的差异，与真实和打乱的差异作对比，很全面）。对于集体层面的地点出度分布和流量分布，当T较大时差异也不明显。当 T 较大时，打乱过程不会显著改变模式分布，而当 T 较小时，真实数据和打乱数据中的模式分布之间的差异是显著的。 3、观察个体从一个地点到下一个地点的转移概率，真实的呈现出一些特定对之间的频繁转移。随机模型中个体从一个地点转移到其他地点的概率分布与所有地点到地点总访问概率的分布表现一致。表明真实用户访问的下个地点不一定是访问频率最高的地点，而是强烈依赖于他当前的位置。  4、构建模型，重现个体真实轨迹与集体访问模式，以下是4种常见模型。  分别表示个体α在时间 t 之前访问位置 j 的实证频率和人口在时间 t 之前从位置 i 到 j 的旅行经验频率。其中IPT表现最好  |
| Tags：构建了人类流动性网络，发现个人在短期尺度上的流动性表现出与出发点相关的、路径偏好的模式。当数据的时间分辨率较高时，这些行为尤为突出，因此在前人研究中被忽视。揭示了由一阶马尔可夫过程特征表示的个人偏好转换机制可以在所有相关时间尺度上定量地再现观察到的旅行模式。 |
| Note Date：2025/10/10 20:54:37 |
| Title： ###2021_Bursty visitation of locations in human mobility |
|---|
| Author： Junyu Lv; Chen Zhao; An Zeng; |
| Journal： Physica A: Statistical Mechanics and its Applications, 567: 125674, 04/2021. |
| Journal Tags： ㅤIF 2.8ㅤ; ㅤㅤSCI Q2ㅤ; ㅤㅤ中科院 物理3区ㅤ |
| DOI：10.1016/j.physa.2020.125674 |
Key Records：采用石家庄1000个个体轨迹数据（14天-3min）和北京182个志愿者GPS日志（3个月-3min），观察地点访问量的变化。发现个体平均访问不同地点数量随时间增长（每小时、每天）呈现幂律关系；最常访问的位置的频率遵循 Zipf 定律；地点访问量的互补累积分布呈现出长尾。 然后定义地点的爆发性增长衡量为t+1到t时间的访问量差值除以t时刻的t时刻访问量，即增长斜率，以下是两个数据集每天每周的访问量变化分布呈现长尾（截断幂律），发现EPR模型无法刻画尾部。  之后改进EPR模型，探索新地点时与EPR模型一致，偏好返回时遵循rank排名偏好，每一个位置都有 $\theta$ 的概率跳转到前面任意一个排名，然后按照新的排名偏好选择去过的位置。模型如下图：  发现新模型可以实现EPR模型中的特征，而且比EPR更好的绘制地点访问的尾部  |
| Tags： 构建了基于外生变量导致地点排名的思想，改进EPR模型，重现的地点访问的burst访问的尾部。文中有对分布函数的KS统计，之后可学习参考。 |
| Note Date：2025/10/11 14:28:46 |
| Title： 2016_The TimeGeo modeling framework for urban mobility without travel surveys |
|---|
| Author： Shan Jiang; Yingxiang Yang; Siddharth Gupta; Daniele Veneziano; Shounak Athavale; Marta C. González; |
| Journal： Proceedings of the National Academy of Sciences, 113(37): E5370-E5378, 2016. |
| Journal Tags： ㅤIF 9.4ㅤ; ㅤㅤSCI Q1ㅤ; ㅤㅤ中科院 综合性期刊1区ㅤ |
| DOI：10.1073/pnas.1524261113 |
Key Records：用CDR数据提出了一种机制建模框架（TimeGeo），采用 rank-based exploration and preferential return (r-EPR)能够有效地生成分辨率为 10 分钟、精度达数百米的城市交通模式。 构建移动模型：一个个体首先看当前位置是否在家，如果在家是否选择移动，$P{t}$是活跃度脉搏，$n{w}$是个体一周从家外出次数，如果选择出行就看是否进行探索，这里的探索与EPR不同的是加入了一个距离排名，排名越大就越可能去，返回机制和EPR一样根据返回频率。如果他不在家，看是否选择移动，$β{1}$在外面外出相对于从家外出的倍数，如果移动，看是否选择回家，$β{2}$是在外面选择连续外出的一个参数，类似于对家的不依恋程度，然后继续移动模型。这个模型每10分钟执行一次，这样这个人动模型既保证的在空间上的移动，也有在时间上的停留。这些参数都是从已有数据中获取或者拟合得到的。 |
| Tags：TimeGeo构建个体在时空层面的出行轨迹，区分从家和在外的出行，空间维度用R-EPR模型，时间维度用一些节律参数。 |
| Note Date：2025/11/8 15:32:19 |
5、个体行为
| Title： #####2025_Universal expansion of human mobility across urban scales |
|---|
| Author： Lu Zhong; Lei Dong; Qi Wang; Chaoming Song; Jianxi Gao; |
| Journal：Nature cities , 2025. |
| Journal Tags： 一区top |
| DOI：https://doi.org/10.1038/s44284-025-00268-0 |
| Key Records： 数据集：Cuebiq 提供6个月200w匿名用户的全美GPS数据；塞内加尔（30w）与科特迪瓦（5w）2周 的CDR 数据 根据每个个体轨迹构建有向加权网络，边的加权权重为$w(θi, θ{i+1})=log(d ̃/d(θi,θ{i+1} )$ d ̃对于每一个城市是一个定值，节点是每一个location，对网络进行社团结构划分，颜色代表不同社区。  Fig 1c 横轴的是$d{c}$社团质心到个体家的距离，$r{c}$：社团内所有停留点到该模块质心的平均距离。发现3个个体表现出幂律关系，然后d-f中展示了不同地区都表现出同样的幂律关系，即：个体离家越远所探索的范围越广。 这个如何理解呢，Fig 2进行了解释，初始用边长为9m的六边形网格划分，作为level 1；随后根据网格之间的人流量聚合到level 2，然后再根据level 2的网格继续聚合到更高等级  Fig 2a展示了不同层级范围，b图展示了波士顿区域内，所有个体离家的模块$d_{c}$内部移动呈现。如果某一层级 L 的空间单元能够覆盖该社团80% 以上 的停留点，那么该社团就被定义为属于层级 L离家越远，个体的移动模块就越倾向于落在高层级的空间单元中。可以看到d图：随着离家距离的指数增长，在城市系统中跃迁的层级是线性增长的，层级随距离对数增长。e图中：社团半径R随层级指数增长。这证明了人类移动的空间扩张（图 1 的现象）本质上是由城市系统的层级结构（图 2 的机制)所驱动的。当离家越远，我们不仅仅是在移动，而是在不断解锁并跃迁到更高层级、更大尺度的城市功能区中进行活动。后续还研究了rc换成面积，以及不同社会人口属性，都存在同样的标度律且指数相同。 我们自己用14天轨迹构建个体网络，用转移pair频次加权边（频次和距离呈反比，和文章里是一个意思)，也同样发现社团回转半径和离家距离存在标度律关系，而且工作地也存在同样关系。  |
| Tags： 根据每个个体轨迹构建网络，非常相关。发现个体轨迹划分社团后，社团内部半径与离家距离呈现标度律，这是由于人类移动跃迁到更高层级城市功能区移动。 |
| Note Date：2025/11/21 11:56:25 |
6、个体移动轨迹异质性
7、群体模型
8、群体行为
9、社会因素
10、思考启示
11、综述
12、colocation
二、 城市科学
1、15mins
2、标度律与框架
| **Title：###2025_A mechanics-based theoretical framework of urban sprawl force: a case study in nanjing, wuxi, and yangzhou, china |
|---|
| Author： Xiaoshun Li; Haitao Ji; Xin Chen; Xizhao Liu; Yiwei Geng; Bixia Deng; Fan Li; |
| Journal： Land Use Policy, 150: 107450, 2025. |
| Journal Tags： ㅤIF 5.9ㅤ; ㅤㅤAJG 2ㅤ; ㅤㅤSSCI Q1ㅤ |
| DOI：10.1016/j.landusepol.2024.107450 |
| Key Records：提出城市蔓延力学理论框架，构建统一分析框架与综合城市蔓延力模型。城市蔓延加速度（a）：以人均 GDP 表征经济发展，建成区面积表征蔓延水平，进行logistic曲线拟合，求二阶导数是加速度；城市质量（m）：构建含 12 个指标的评价体系（如普通高校数量、GDP 总量），用熵权法（差异越大熵越小权重越大）确定权重后计算综合值；综合城市蔓延力计算：基于 F=m・a 模型，代入 a 与 m 的测算结果；然后根据城市现状提出建议。 |
Tags： 力学框架 |
| Note Date：2025/10/7 14:28:52 |
3、城市区域
4、 城市群
5、复杂网络
6、空间结构
7、模型
8、 人动数据反应城市
| Title： ####2024_Behaviour-based dependency networks between places shape urban economic resilience |
|---|
| Author： Takahiro Yabe; Bernardo García Bulle Bueno; Morgan R. Frank; Alex Pentland; Esteban Moro; |
| Journal： Nature Human Behaviour, 20241223. |
| Journal Tags： ㅤIF 21.4ㅤ; ㅤㅤSCI Q1ㅤ; ㅤㅤAJG 4ㅤ; ㅤㅤ中科院 医学1区ㅤ; ㅤㅤSSCI Q1ㅤ |
| DOI：10.1038/s41562-024-02072-7 |
Key Records：数据集：Spectus 提供的美国5个大都市地区100w台设备的GPS位置记录，停留时间10min-10h。根据访问地点i和j在6小时内，先后访问时间步为1步之内的人数，构建地点之间的依赖关系wij。平均依赖权重随距离呈现幂律衰减。 为了讨论依赖权重是否完全依赖于距离，构建引力模型改了构建空模型：保留经验网络中的节点总入度和入权重，构建$𝒈{𝒊𝒋}=(𝒏𝒊 𝒏𝒋)/(𝒅𝟎+𝒅_{𝒊𝒋} )^𝜸 $ 引力网络空模型，经验网络更分散（图a），表明地点间存在长距离依赖关系；空模型有更高聚集系数，在局部更聚集。然后对这个依赖关系构建回归模型，考虑距离、地点类别、区域效应三种因素，发现还存在其他显著特征和依赖关系有关。节点访问量越多、距离越短，依赖权重越大。  随后考虑将这个依赖关系用到地点在疫情前后的访问量上，b图去看地点i访问量的变化和所有依赖地点的变化的相关性(聚合到POI)，然后考虑了3种回归模型：（1）地点自身区域和类别固定效应；（2）地点自身固定效应和基于引力的模型权重的依赖关系（3)地点自身固定效应和基于真实地点间流动权重的依赖关系，发现（3)模型解释最好   最后进行一些模拟，计算当学校关闭50%之后，对依赖它的POI怎么影响。当关闭一类POI后，它的影响范围和影响效果有多大。 |
| Tags：场所之间存在的依赖关系是人类行为偏好和决策的复杂产物，而非仅仅由城市形态决定。根据地点间的人流动构建地点依赖关系，证实这种依赖关系的效应是比较强的。用人动数据反应城市地块间的联系。 |
| Note Date：2025/11/21 14:48:03 |
| Title： ####2025_Using human mobility data to quantify experienced urban inequalities |
|---|
| Author： Fengli Xu; Qi Wang; Esteban Moro; Lin Chen; Arianna Salazar Miranda; Marta C. González; Michele Tizzoni; Chaoming Song; Carlo Ratti; Luis Bettencourt; et al. |
| Journal： Nature Human Behaviour, 9(4): 654-664, 2025. |
| Journal Tags： ㅤIF 21.4ㅤ; ㅤㅤSCI Q1ㅤ; ㅤㅤAJG 4ㅤ; ㅤㅤ中科院 医学1区ㅤ; ㅤㅤSSCI Q1ㅤ |
| DOI：10.1038/s41562-024-02079-0 |
Key Records：用人动数据去探究社会中的不平等现象：社会混合和隔离，不同社会背景的人的相遇，不同地点上收入水平的人的隔离；城市地点的不平等访问，个体访问地点的多样性，静态数据中西班牙裔为主的社区附近公园很多，但他们实际的访问量却是最少的；对外生冲击的自适应性，疫情中穷人活跃度不会减少特别多，因为不得不工作。   |
| Tags：perspective，提出要用人类出行数据和地点构建二分网络，去讨论城市中的不平等问题 |
| Note Date：2025/11/21 14:50:41 |
| Title： ###2024_Effect of mobile food environments on fast food visits |
|---|
| Author： Bernardo García Bulle Bueno; Abigail L. Horn; Brooke M. Bell; Mohsen Bahrami; Burçin Bozkaya; Alex Pentland; Kayla De La Haye; Esteban Moro; |
| Journal： Nature Communications, 15(1): 2291, 2024. |
| Journal Tags： ㅤIF 14.7ㅤ; ㅤㅤSCI Q1ㅤ; ㅤㅤ中科院 综合性期刊1区ㅤ |
| DOI：10.1038/s41467-024-46425-2 |
Key Records：美国存在严重的快餐文化，对居民健康不好，所以实行了一系列的关闭政策，这篇文章提出来用移动过程中的快餐接触关闭，来提高这种政策的有效性。之前政策会关闭家附近的快餐店，现在他提出来i个体在时间t位置$C_{it}$接触的快餐环境也会影响个体是否吃快餐的行为。B图中去超市买东西做饭或者正常food的离家距离都比快餐店近，说明不是家周围的快餐店近导致的快餐行为  对家附近、移动过程中、实际访问快餐店比例做回归分析，发现黑人多的、长距离通勤、低技能群体快餐比例要更高，每天中午吃饭和吃快餐的比例最高。  然后对实际行为中是否访问快餐店进行回归分析，考虑个人偏好，每天的浮动变化，以及在吃饭前所处环境的快餐比例进行回归，发现这个吃饭前的环境确实影响很大。然后观察长期的行为中，吃饭前这个环境变化对吃快餐的影响，蓝色色带分别代表从低快餐比例环境到低比例，和从高快餐比例环境到高比例，他们的快餐行为都是不变的，但是从低比例到高比例和高比例到低比例，都会引起吃快餐次数的增加和减少。  最后通过模拟分析了，关闭美食热点、美食荒漠、食品获取度较低环境中的快餐店（或者把快餐店变成便民商店等）这些政策都不如移动环境中感知的关闭更有效。 |
| Tags：用个体轨迹数据研究快餐店的关闭问题，相较于静态关闭家附近或者工作地附近的快餐店要好很多，通过个体轨迹研究城市问题。 |
| Note Date：2025/11/21 19:56:31 |
| Title： ###2022_Ranking locations in a city via the collective home-work relations in human mobility data |
|---|
| Author： Yifan He; Chen Zhao; An Zeng; |
| Journal： Physica A: Statistical Mechanics and its Applications, 608: 128283, 12/2022. |
| Journal Tags： ㅤIF 2.8ㅤ; ㅤㅤSCI Q2ㅤ; ㅤㅤ中科院 物理3区ㅤ |
| DOI：10.1016/j.physa.2022.128283 |
Key Records：采用石家庄市120w个体家和工作地的关系（14天包含周末），构建有向加权的home-work、home-weekend stay的两个网络（基站用optics聚类成2200个位置）。计算各种网络指标，发现家和工作地入度和出度基本一致，下面可以轻微看到外围人们更倾向于去市中心工作，人们更倾向于去周边过周末。 对各个区提取骨架网络，从最小权重开始删，以下是保留边占原来边的比，选择阈值的位置,然后看网络特征。  根据地点来源的流量对网络进行pagerank排名，发现pagerank的排名和单纯以访问量定的有区别，对有差异的地点在行政区层面上访问频次进行汇总，pagerank更高的中心区域访问量更多，说明它更能有效识别出关键位置。  然后进一步进行验证，（1）栅格化地块，比房价排名和pagerank排名的sperman。（2）中山路商业街最繁华，用AUC方法评估pagerank在评估正负样本准确率 （3）石家庄一环内人口密度最高，同样用AUC评估。发现pagerank方法在识别重要地点方面更好，还分析了居住在不同等级的人都去哪工作。  |
**Tags：基于用户的流动性记录，构建建有向加权的home-work、home-weekend stay的两个网络，发现尽管大多数用户离家去工作并在周末活动，但他们更愿意在同一区域内居住和工作。为了确定城市中的重要位置，使用加权 PageRank 算法对城市内部网络中的节点进行排序，验证了在确定关键位置时，PageRank 比仅使用表示位置访问频率的 in-strength 更有效。 |
| Note Date：2025/10/11 20:02:48 |
9、社会因素
10、思考启示
11、 智慧城市
三、时空过程
四、数据集
数据公司
| Foursquare（https://location.foursquare.com/）**:** 基于一个app的位置信息，提供全球二百多个国家的poi位置信息以及商家评价等许多字段。这个app类似于带游戏机制（大富翁）的大众点评，可以在里面搜索或被推送商家评价的信息，还可以在里面进行签到，获取各种打卡徽章，而且还可以同步推特的好友，看到好友的成就或发布信息，也可以进行分享等社交互动。（基于谷歌地图，在国内使用有偏移使用少） |
|---|
| Agoop（https://agoop.co.jp/service/dynamic-population-data/）：一个日本的公司，提供个体轨迹数据包括id，时间，经纬度，速度，方向。但这个id是每天零点就随机打乱，因此不具有个体连续多天的数据，但和一些第三方平台合作为个体提供了收入等个人属性。其基于一个app，类似于微信步数，开启后可后台获取个体的gps信息，用步数积分可以兑换奖励。 |
| Cuebiq（https://www.cuebiq.com/）是一家地理商业智能及消费者洞察公司，分析匿名、汇总的位置数据，为品牌提供消费者洞察和测量解决方案。Cuebiq 开发了 Spectus 这个平台，专注于提供一种数据清洁室解决方案，用于人类移动性数据的分析。Spectus平台可以获取匿名化的轨迹数据，获取gps信息的app有很多，通过将SDK应用于各种app中获取信息。 |
| Safegraph(https://www.safegraph.com/）：提供全球POI，建筑轮廓大小及周边poi信息，银行卡消费信息，人口普查块信息，应该也能定制轨迹数据。从app中获取gps数据。 |
1、人动数据
| Title：#### (2024-04-18) YJMob100K: city-scale and longitudinal dataset of anonymized human mobility trajectories |
|---|
| Author： Takahiro Yabe; Kota Tsubouchi; Toru Shimizu; Yoshihide Sekimoto; Kaoru Sezaki; Esteban Moro; Alex Pentland; |
| Journal： Scientific Data, 11(1): 397, 2024. |
| Journal Tags： ㅤIF 5.8ㅤ; ㅤㅤSCI Q1ㅤ; ㅤㅤ中科院 综合性期刊2区ㅤ |
| DOI：10.1038/s41597-024-03237-9 |
| Key Records：基于日本雅虎公司提供的手机位置数据，构建的开源人类移动数据集。500*500m的栅格（隐藏经纬度，共有200*200个），时间跨度为30分钟(每天48个时间段)。YJMob100K 数据集由于缺乏个体性质和地理位置，只能作为人类流动性预测任务的基准数据，而不是用于城市科学或人类行为研究。 dataset1 : 日本一个未公开的大都市区10w人（大约占栅格居住人口的5%）在75个正常天（隐藏具体的日期day0-74）的移动轨迹。（ 111,535,175条） dataset2：日本一个未公开的大都市区2.5w人包含60天的正常行为和15天的异常行为紧急情况（共75天）。（29,389,749 条） 组成：user ID； day(0-74)； timeslot（0-47）；x（1-200）；y（1-200） dataset3（“POI dataset” (Yabe 等, 2024, p. 3)）: 栅格的POI类别。x（1-200）；y（1-200）； POI category (Integer 1-85)；of POIs (Integer) 这个栅格里面该类POI的数量 dataset4（“POI category list” (Yabe 等, 2024, p. 3)）：85个POI的类别 |
Tags：日本个体轨迹数据集——是目前个体级别人数较多的数据集。不含地点经纬度；不知道具体哪类POI；不区分周中周末；个体轨迹有缺失； |
| Note Date：2025/10/4 22:34:11 |
