2025-Universal expansion of human mobility across urban scales


离家越远,人当天活动的范围是被搬远了,还是本身也在变大?

论文名片|Lu Zhong、Lei Dong、Qi R. Wang、Chaoming Song、Jianxi Gao,Universal expansion of human mobility across urban scales。本文依据 PDF 首页所印 arXiv:2406.06889v4(physics.soc-ph,2025年5月20日)解读,arXiv:2406.06889。该 PDF 首页和文末都没有 DOI。Nature Cities 于 2025年7月9日在线发表同题正式版,DOI:10.1038/s44284-025-00268-0;这一 DOI 来自期刊记录。下面的数字和全部图都来自上述预印本,没有按正式版改写。

一个人离开家 10 公里,和离开家 1000 公里,手里那一团要去的地方会不会只是被原样搬远?如果活动范围的大小不变,远行只是把同一块日常活动平移出去。如果范围随距离同比放大,1000 公里外的活动团块就该有 10 公里外的 100 倍那么大。手机轨迹给出的答案落在这两种直觉之间:团块确实变大,但变大的速度慢于距离本身。

论文把一个人一天里彼此靠近的停留点收成模块,测量模块半径,再看这个半径如何随模块质心到家的距离变化。美国、塞内加尔和科特迪瓦都呈现次线性的扩展;离得越远的模块,也越经常落在更大的城市层级上。

先说结论

  • 模块半径 rc 与离家距离 dc 近似满足 rc ∼ dc^κ。美国西部、东北部、中西部、南部四个面板印出的指数是 0.62、0.63、0.61、0.58,四数平均为 0.61。图注写 0.61±0.03,正文同一句写 0.61±0.3。塞内加尔和科特迪瓦的半径指数都印作 0.58。
  • 论文用三个尺度说明这种变大:离家 10、100、1000 公里时,模块半径到 4、15、63 公里,并分别对应邻里、城市和州。按正文结论里大约 0.6 的指数回算,10^0.6、100^0.6、1000^0.6 约为 4.0、15.8、63.1 公里。
  • 用停留点凸包的面积大小 Ac 代替半径后,扩展仍是次线性。图注概括为美国约 0.55、塞内加尔 0.52、科特迪瓦 0.44;六个面板上另印有各自的指数。
  • 模块被标到某一空间层级 Lc 的规则,是该层级某个单元盖住至少 80% 的停留点。三国数据上 Lc ∼ log(dc),层级单元的空间半径 R 又满足 log(R) ∼ L。两式接在一起得到 log(R) ∼ log(dc)。图上没有给出这两条线的斜率,因此这条链没有把半径指数算回 0.61。
  • 家所在地按贫困、65 岁及以上、黑人、女性和城镇人口比例分成最低 10%、中间 80%、最高 10% 后,半径—距离曲线仍然一起上升。分组单位是居住地的人口构成,曲线靠近也不等于各组半径完全相同。

比较的是活动团块有多大,而不是走了多远

引力模型描述两地之间的流动如何随距离减弱,自我中心活动空间(egocentric activity space)把家当作日常活动的锚点,中心地理论则认为城镇按层级嵌套,越高的层级覆盖越大的范围。三套说法都承认家的位置重要,但没有一条公式同时说出:离开家以后,人在当地铺开的那一团地点会以多快的速度变大。

这里的对象是人类移动性(human mobility)里的日常停留,分析单位先是一名用户的一天轨迹,再是这条轨迹里的一个模块。模块半径 rc 是模块内停留点到质心的平均距离。离家距离 dc 是质心到家的距离。rc 回答“这一团有多大”,dc 回答“这一团离家里多远”。一次 100 公里的位移可以只连接两个点;一个半径 15 公里的模块则是许多停留点铺开的范围。

家、停留点和模块是怎样定出来的?

三套数据的文化背景和发展水平不同,记录方式和地理跨度也不同。用户数是论文给出的匿名用户规模,PDF 没有给出清洗后的轨迹条数或模块个数。

数据 匿名用户数 时长 记录
美国 2,000,000 6 个月 正文称隐私增强 GPS 轨迹;数据声明写 Cuebiq 的位置服务记录
塞内加尔 300,000 2 周 通话详单(call detail records,CDR),来自 D4D 挑战
科特迪瓦(论文写作 Ivory Coast) 50,000 2 周 通话详单,来自 D4D 挑战

原始地点先被收进 H3 六边形。停留点使用分辨率 12,边长约 9 米,用来把同一栋建筑里的相邻房间并成一个格子。家是夜间 20:00 至次日 8:00 出现次数最多的那个六边形。人口构成来自公开的美国社区调查(American Community Survey);移动轨迹本身因共享限制不公开。PDF 没有写这 6 个月和两段 2 周各自对应的日历日期。

每个用户的每一天建成一张轨迹网络:停留点是节点,前后相继的移动是有向边。边权写成

w = log(d̂ / d)

d 是两个停留点的空间距离,d̂ 是该国允许的最大跳跃距离:美国 4000 公里,塞内加尔和科特迪瓦各 1000 公里。d̂ 不小于实际跳跃,取对数后权重非负;距离越短,权重越大。正文用距离倒数和反距离加权描述这个方向,方法里的数值是对数比,保留远近次序,并不等于把 1/d 直接放进网络。

划分使用 Louvain 社区检测:把连接更密的停留点收成一组。本文把这样的一组称为模块(module)。为了让组内地点在地理上仍然靠近,距质心超过模块半径一半的停留点被排除;地点少于 3 个的模块被丢掉。半径和后续指数都建立在这两次筛选之后。

模块半径怎样跟着离家距离变大?

三个示例用户已经把方向摆出来。用户 1 的一天被分成五个模块;三个用户放在同一张双对数图上时,参考线是 rc ∼ dc^0.6。这只是例子。全体轨迹的结果写在六个区域面板里。

完整原论文图1

图 1|模块半径是否随离家距离按幂律变大?

(a)若干匿名用户的模块画在地图上,颜色表示质心离家距离,色标从 0 到 1000 公里;红星是家,蓝点是地点,连线是移动。(b)用户 1 的轨迹网络被分成五个模块,蓝圈表示模块,线表示模块之间的移动。(c)用户 1、2、3 的模块半径对离家距离,双对数坐标,灰线为 rc ∼ dc^0.6。(d、f)美国西部 0.62、东北部 0.63。(e、g)中西部 0.61、南部 0.58。黑点为数据,粉线为拟合;横轴延伸到约 1000 公里。(h、i)塞内加尔和科特迪瓦均为 0.58,横轴大约到 100 公里,右端有点落到粉线下方。来源:原论文 Fig. 1。

四个美国指数 0.62、0.63、0.61、0.58 的平均数是 0.61,其中离开 0.61 最远的是南部的 0.03。图注因此可以写成 0.61±0.03。正文同一处写成 0.61±0.3。±0.3 会把区间拉到大约 0.31 至 0.91,远宽于这四个印出来的数。论文没有说明这个 ± 是标准误、标准差还是范围。读数时以四个面板和图注为准,同时保留正文的写法。

论文给出的尺度对照是:距离取 10、100、1000 公里时,半径到 4、15、63 公里。用论文自己的三对数字作比,半径占离家距离的比例从 4/10 = 0.40,降到 15/100 = 0.15,再降到 63/1000 = 0.063。距离每次增加 10 倍,半径大约增加 4 倍,这就是指数约 0.6 的次线性:10^0.6 ≈ 4。结论里又把三国的指数概括为大约 0.6。

西非两国的指数同样印作 0.58,但地理范围更小。正文写明,超过 100 公里以后扩展减弱,并认为这很可能是边界效应;通话详单依赖基站,乡村记录更稀,也可能让指数估计发生偏差。美国图一直画到约 1000 公里。因此“三个数量级”主要对应美国图上大约 1 公里到 1000 公里,不宜把西非图读成同样的跨度。

这些点是群体在各个距离上的模块尺度,粉线是拟合。它支持“越远的模块越大,且增大慢于距离同比放大”。它不支持“每一个人在 1000 公里外都会把活动铺到 63 公里”,也不支持“距离引起了半径变化”这种因果句子。家的位置本身就是按夜间最常出现的格子定义的,dc 的零点依赖于这个定义。

换一把尺子、换到各州、换居住地构成,斜线还在吗?

半径用的是到质心的平均距离。若模块只是被几个离群点拉长,换用停留点凸包的面积大小 Ac,斜线可能改变。扩展数据图 1 做的就是这把尺子。纵轴标题是 convex hull area size,没有印平方公里。美国面板的数量级高于西非两国,不能把 Ac 的高低直接当成已经核对过的土地面积。

完整原论文扩展数据图1

图 3|改用凸包面积大小后,扩展还是次线性吗?

(a、b)美国西部 Ac ∼ dc^0.58,东北部 0.59。(d、e)中西部 0.61,南部 0.53。四个美国面板的算术平均是 (0.58+0.59+0.61+0.53)/4 = 0.5775。(c、f)塞内加尔 0.49,科特迪瓦 0.43,点更散。图注另将美国概括为大约 0.55、塞内加尔 0.52、科特迪瓦 0.44。来源:原论文 Extended Data Fig. 1。

图注的“大约”和面板上的指数并不逐格相等。两边都说明凸包尺度随离家距离次线性上升,指数仍低于 1。半径指数约 0.6 时,若面积严格正比于半径平方,面积指数会接近 1.2。图上的 Ac 指数停留在大约 0.4 至 0.6。论文没有解释这一差别,也没有给出拟合的决定系数。Ac 在这里是另一把描述尺度的尺子,不能把它读成由 rc 平方换算出来的面积。

正文还报告了三类稳健性:更换划分方法、改变抽样比例,以及按人口统计分组。具体算法名称、抽样比例和误差没有写在正文里。能够直接看到的,是按家所在州分开的半径图,以及按居住地人口构成分开的半径图。

完整原论文扩展数据图2

图 4|按家所在州拆开后,扩展是否还在?

无字母子图。每格是家位于该州的用户,纵轴为模块半径 rc,横轴为离家距离 dc,均为对数坐标;粉线是该州的幂律,指数印在格内。图注只说各州的空间扩展仍然一致,没有在图注中汇总一个跨州平均指数。部分州的点更散,远距离上的点会离开粉线。来源:原论文 Extended Data Fig. 2。

完整原论文扩展数据图3

图 5|其余州是否给出同样的上升?

无字母子图,坐标和拟合线与图 4 相同,每格仍是一个州的家所在地用户。图注同样只给出“扩展仍然一致”,没有打印各州指数的均值或置信区间。各格指数需在图中逐格阅读,不能用四大区域的 0.61 代替某一个州。来源:原论文 Extended Data Fig. 3。

人口统计分组用的是家所在地的构成,数据来自美国社区调查。正文列举的分组包括年龄、性别、种族、贫困、家庭收入和家的位置,并称扩展关系在这些组里仍然一致。扩展数据图 4 实际画出的是居住地五项比例。家庭收入的曲线没有出现在这张图上。

完整原论文扩展数据图4

图 6|居住地的人口构成不同时,半径—距离曲线是否分开?

图上的字母与图注有一处对调:图注把(c)写成女性、(d)写成黑人;图中(c)的横轴是黑人人口比例,(d)的横轴是女性人口比例。下面按图中字母说明。

(a)家所在地的贫困人口比例,上图纵轴为普查区块的占比,下图把用户分成该比例的最低 10%、中间 80%、最高 10%。(b)65 岁及以上人口比例,同样三组;图中记为 Age ≥ 65。(c)黑人人口比例,直方图纵轴刻到 1.00,角上另印 1e1,图注没有解释这个数量级。(d)女性人口比例,直方图集中在 0.5 附近,三条半径曲线几乎叠在一起。(e)城镇人口比例,上图纵轴改为县的占比,在 1.00 处有高柱;下图仍是最低 10%、中间 80%、最高 10%。五组下图的横轴都是离家距离,纵轴都是模块半径。来源:原论文 Extended Data Fig. 4。

每个面板里的最低 10%、中间 80% 和最高 10% 都随离家距离上升。论文没有报告组与组之间的半径差,因此曲线靠近只能说明扩展没有在这些分组里消失。最低 10% 与最高 10% 是居住地指标分布的两端,分母是图里的普查区块或县,不是受访者本人的贫困、年龄、性别或种族。不能把图读成“女性与男性的出行半径相同”,也不能把未给出的差值读成零。

正文另外写到,目的地兴趣点越密,模块半径倾向于更小,但扩展的总趋势还在。正文没有给出兴趣点数量的分组阈值,也没有给出变小的公里数。

变大的模块,是不是在往更高的城市层级走?

若远方的模块更大,只是因为远方的城市本来就更大,那么扩展律应该能对上城市的嵌套层级。各国行政区名称不一致,论文改用 H3 自己划一套层级。分辨率从 1 到 7,六边形边长从 418 公里收到 1 公里。每一级先把上一级单元切成更细的格子,再用格子之间的集体流动矩阵做社区检测,合成下一级单元。单元面积记为 S 时,空间半径取 R = √(S/π),也就是与该面积相等的圆的半径。

一个模块被分到层级 Lc,条件是:在所有能盖住它的层级里,取最小的那个 L,且该层级存在一个单元,使模块停留点落在单元内的比例至少为 80%。写成 Nc∩NL / Nc ≥ 0.8。Nc 是模块的停留点数,NL 是该层级单元盖住的部分。80% 是论文选定的阈值。

完整原论文图2

图 2|更远的模块是否落在更高、也更大的空间层级上?

(a)以波士顿一带为例,Level 1 到 Level 4 逐级变大,高级单元包住低级单元;这是示意中的 4 级,方法本身可以收到第 7 级。(b)目的地同在波士顿附近、离家约 10、100、1000 公里的模块网络,蓝色为移动联系。(c)这三组模块被分到的层级 Lc。纵轴是模块所占比例,刻度到 0.30。10 公里时比例集中在较低层级,1000 公里时质量移向第 5 至 7 级。这三张直方图只对应(b)的例子。(d)美、塞内加尔、科特迪瓦全部模块的层级对离家距离,粉线为 Lc ∼ log(dc)。(e)层级单元的空间半径对层级,纵轴为对数坐标,粉线为 log(R) ∼ L;蓝、橙、绿点分别是美国、塞内加尔和科特迪瓦。来源:原论文 Fig. 2。

(d)和(e)连起来,就是正文的关系:log(R) ∼ L,而 L 又随着 log(dc) 上升,于是 log(R) ∼ log(dc)。层级尺度和离家距离之间也呈幂关系。图上没有标出这两条拟合的斜率,所以不能从这条链反推出图 1 的 0.61。中心地理论在这里提供的是层级会随尺度变大的预期;0.61 仍是轨迹模块的经验指数。

这套 H3 层级来自集体流动的社区检测。个体模块与它对齐,首先是个体停留团块和集体流动分区的对齐。正文用美国普查局的行政区做了另一套核对,等级依次为县分区(county division)、县、州和区域,并称空间尺度随行政等级增加,模块等级也随离家距离增加,关系与 H3 划分相同。正文没有给出各行政等级的半径数值。

这条规律可以带到哪里

能够站住的说法是:在这三套数据、上述模块定义和 80% 覆盖规则下,模块的空间尺度随离家距离次线性扩大,并且更远的模块被分到更高的层级。指数约 0.6 来自半径拟合;凸包尺子给出的是另一组低于 1 的指数。四大区域、各州面板和五项居住地构成,都没有让上升趋势消失。

说到此为止。轨迹观测得不出“人因为离开家而决定把活动范围放大”。兴趣点更密时半径更小,说明当地设施会改变模块尺度,扩展趋势仍叠在这种差别之上。西非两国超过 100 公里后的减弱,正文自己归到边界和基站稀疏。通话详单与美国位置服务记录的采样方式不同,0.58 与 0.61 的接近是结果的接近,尚待同一种记录方式复核。

作者把指数用于流行病模型、种族隔离和城市应急的讨论,是对后续模型的建议:远近不同的人可以带有不同的活动尺度。论文没有在这三项应用里重新估计感染率、隔离指数或恢复时间。

一句话总结

离家越远,人当天聚在一起的那一团地点会更大,但只按距离的大约 0.6 次方变大;这种变大与更高的城市层级对齐,还不是个人动机或政策效果的证明。

核心来源

  • arXiv:2406.06889v4,2025年5月20日。PDF 首页印有这一版本号,未印 DOI。正文图 1–2 与扩展数据图 1–4 均出自该 PDF。
  • Nature Cities 正式版,2025年7月9日在线发表。DOI 来自期刊记录,不在这份 PDF 上。本文没有用正式版替换预印本中的数字。
  • 代码入口以论文所写为准:lucinezhong/Spatial_Expansion_Human_Mobility。美国轨迹来自 Cuebiq,塞内加尔和科特迪瓦来自 D4D,论文写明这两类移动数据不公开;人口构成使用美国社区调查。

作者介绍

  • Lu Zhong:署名为伦斯勒理工学院计算机科学系、网络科学与技术中心。与 Lei Dong 并列贡献,参与构思、实验设计和理论计算,并参与写作。
  • Lei Dong(董磊):北京大学地球与空间科学学院遥感与地理信息系统研究所。学院页面列其为助理教授,方向为城市科学与时空大数据。与 Lu Zhong 并列贡献,参与构思、实验、理论计算和写作。
  • Qi R. Wang:署名为东北大学土木与环境工程系。论文写明由他收集并分析原始数据,并参与构思、设计和写作。
  • Chaoming Song:署名为迈阿密大学物理系,参与理论计算、实验和写作。
  • Jianxi Gao:伦斯勒理工学院计算机科学系副教授,通讯作者,论文所印邮箱为 gaoj8@rpi.edu。学院页面写他的研究在网络科学,尤其是网络的韧性、稳健性与控制。他参与构思、设计、理论计算、实验和写作。

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。

若把 4、15、63 公里直接当成设施服务半径,会把群体模块的平均尺度当成每个人的需求范围。距离增加 10 倍时,按指数 0.6,半径大约增加 4 倍。按线性比例去扩大远途服务区,会高估远距离活动团块铺开的速度。这个换算只复述了标度,还没有检验服务区是否应该照此划定。

另一项可以单独做的检验,是冻结一套完全不使用流动数据的层级,例如夜间灯光或建成区边界,再看模块是否仍随 log(dc) 升到更高一级。本文的 H3 层级来自集体流动。若换成与流动无关的边界后关系消失,半径随距离的扩展仍然可以成立,但它和中心地层级的连接就需要重新证明。行政边界那一项核对,正文只给出了方向,没有给出各等级的半径。


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