同一份被动位置记录,能同时量到街区里的往返和跨国停留吗?
论文名片|Nick Warren Ruktanonchai、Corrine Warren Ruktanonchai、Jessica Rhona Floyd、Andrew J. Tatem,Using Google Location History data to quantify fine-scale human mobility,International Journal of Health Geographics,2018,17:28。2018年4月13日收稿,2018年7月18日接收。DOI:10.1186/s12942-018-0150-z。本文依据该期刊正式发表版解读。
一个人早上走到几个街区外的诊所,半年后又在另一个国家停留数日。出行日记容易漏掉短途,只戴一周的 GPS 记录器赶不上那次飞行,通话记录通常只知道信号经过哪座基站。细尺度人类移动要同时看清这两层:很近的地方之间如何来回,以及这些来回能不能和少见的远途放在同一条时间轴上。
这个场景只帮助想象测量上的缺口。论文是 2016 年在英国南安普顿做的一项试点,比较的是数据能记下什么。在交出记录的 21 人里,Google 位置记录的首尾平均相距 556 天;与 GPS 记录器同一分钟都有坐标时,中位距离是 64 米;记下的国际停留也多于一周记录器和“最近去过哪个国家”的问题。轨迹来自一小群同意导出数据的 Android 用户。
先说结论
- 25 名以 Android 为主要手机的参与者中,21 人提供了位置记录,即 21/25,正文记为大约 85%。这 21 人平均每人约 205,000 个位置点,合计 432 万个;位置点平均跨 367 天,首尾日期平均相距 556 天。
- 两种设备在同一分钟都有坐标的 1,267 分钟里,中位距离为 64 米,通常小于 100 米。按小时、100 米×100 米格子计算,一致率大约 85%。分母是该小时任一数据源出现过的格子数,而且只计入两种数据都有点的小时。这一比较来自 7 人。
- 21 人的位置出现在 41 个国家。自报过去一年出过国的 17 人中,去掉不足一天的停留后,位置记录与最近到访国家一致的有 14 人。问卷记到 18 次国际行程;携带记录器的那一周,6 人的 GPS 国际行程为 0。按至少停留一天计算,位置记录在 21 人合计中有 41 次国际行程。
- 巴西、美国、英国、日本、墨西哥各 250 名 Android 用户中,自报开启的比例从日本 43% 到墨西哥 72%。分母是各国接受这项在线调查的 Android 用户。南安普顿样本里有 2 人以为开着,实际没有记录。自报开启的比例,要和实际导出的文件分开计。
- 英国境内、与上一点相隔不超过一周的 1,821,728 个点上,离最近基站越远,记录间隔越长,约每远 7.5 米多 1 秒。只保留间隔至少 30 秒的点后,p = 0.2721,这一关系不再显著。
住在哪个区,为什么还是看不清人待过的地方?
健康和城市研究常把人所在的行政区当成暴露环境。人在一天里会去工作、购物和办事,这些地点可以只隔很短的距离。活动空间(activity space)指一个人在一段时间内实际接触过的地点。只用居住地,这些来回就进不了计算。
作者引用一项已有研究:用居住地代替活动空间,空间风险暴露会被低估 16%(温哥华)和 7%(南加州)。这两个百分比来自作者引用的既有研究,用来说明居住地和活动空间可以差多少。要把活动空间用于长期暴露,数据得同时满足两件事:近处的不同地点分得开,时间又长到能覆盖反复出现的日常和偶尔的远途。
出行日记能让人指出活动类型,回忆几个月以前就容易漏。个人 GPS 记录器的位置细,电池通常只支撑一到两周。人口普查看的是更长尺度的迁移。通话详单(call detail records,CDR)能覆盖全国、长达数月或数年,但位置是基站,农村基站可以相距数公里,而且一般不包含跨国漫游。社交媒体只在使用服务时才留下点。

图 1|现有数据各自盖住时间和空间的哪一块?
无字母子图。这是示意图,图注写明改编自文献 [9]。左右两套轴都从邻里画到国际,纵轴从小时画到迁移。左侧是人口普查迁移、跨境交通调查和出行史问卷。右侧黄色区域标为 Google Location History,铺在从小时到迁移、从邻里到国际的范围上;夜间灯光、匿名手机记录、社交媒体、个人 GPS 记录器、航空与航运统计各自占其中一块。方块标出的是作者划分的数据覆盖范围。来源:原论文 Fig. 1。
Google 位置记录(Google Location History,GLH)是 Android 手机在位置服务开启后记下的坐标,综合使用手机 GPS、连接的 Wi-Fi 和基站,并挂在同一个人的 Google 账户上,因此可以跨这个人用过的多部手机。作者写道,这种记录自 2012 年位置服务整合进系统后,以默认开启、可以退出的方式被动收集。研究使用时,仍由用户本人在知情同意后把数据交给研究者。
作者援引的外部资料称,2015 年 Android 活跃设备超过 14 亿,并在一些中低收入地区成为上网的常见设备。
这 21 个人交出了多长、多密的位置记录?
2016 年 10 月至 12 月,研究者在南安普顿大学招募 25 名把 Android 当作主要手机的人,伦理编号 ERGO ID 23647。招募没有按人口抽样。参与者随机进入两组:一组在一次访问中导出自己的位置记录并填写问卷;另一组除此之外,还携带 GPS 记录器 7 天,一周后再导出这 7 天对应的位置记录。记录器型号为 i-gotU GT-600,仪器性能见作者引用的另一篇验证。正文没有单列两组人数。后文的格子一致率来自 7 人,离开夜间居住点的次数比较来自 6 人。
问卷询问手机型号、Android 版本、是否用过位置记录和其他 Google 服务、对隐私的看法、最近的国际出行,也包含健康相关问题。正文结果没有报告健康答案。这里只谈位置记录有没有、有多少、和 GPS 差多远。
25 人里,2 人报告位置记录处于关闭,另有 2 人以为开着、实际没有数据。最终有记录的是 21 人。全体 25 人中,5 人(20%)说过自己曾经关闭,7 人(28%)不知道自己是否关过。在曾经关闭的 5 人里,2 人出于隐私,2 人觉得不需要,1 人为了省电;其中 2 人后来为了使用 Google 地图又重新打开。
机型里人数最多的是 Samsung Galaxy,9 人。其余包括 Huawei、Lenovo、Tecno、Infinix、Medion、Xiaomi、Asus、LG Nexus、Motorola、Blue Diamond 和 OnePlus。系统版本从 4.4.2 到 7.0。正文说,近三个月的记录频率在版本和机型之间没有显著差异;检验放在补充文件,正文没有给出 p 值。
21 人平均每人约 205,000 个位置点,这些点平均跨 367 天,合计 432 万个地理坐标。点的首尾日期平均相距 556 天。摘要把时间跨度概括为平均超过一年。作者估计,首尾之间大约三分之一的日子没有记录;21 人里,无记录日所占比例从 0% 到 90%。这一比例与点数呈强负相关。正文认为它和 Android 版本或机型看不出对应关系,并指向补充文件。空缺可能来自期间没有使用 Android 手机、关掉位置记录或关掉手机 GPS。有点的日子也不等于全天连续。

图 2|432 万个点在英格兰南部怎么分布?
无字母子图。红点是 2013 年 6 月至 2016 年 12 月、21 人的合计位置,比例尺为 0、50、100 公里,左上有指北针。轨迹集中在南部沿海,并向内陆和沿海岸延伸。图题写明这是英格兰南部。41 个国家不在这张图上。来源:原论文 Fig. 2。
2013 年到 2016 年是所有点合在一起的时间窗,长于每个人平均 367 天或 556 天的个人跨度。
同一次比较里,四种数据各自留下哪一层?
位置记录在 21 人中出现在 41 个国家。问卷询问英国以外最近到访的国家,17 人报告过去一年出过国。去掉不足一天的停留后,位置记录与这 17 人自报的最近国家一致的有 14 人。对不上的 3 人里,2 人说自己经常关闭数据或 GPS。不足一天的停留被排除,是因为作者把它们看作中转,通常不计入一次国际出行。
按同样的“至少一天”口径,位置记录有 41 次国际行程。问卷按最近一个国家计,记到 18 次。携带 GPS 记录器的那一周,6 人的国际行程是 0 次。一周的仪器很难赶上少见的飞行,这个 0 对应的是观察窗口。

图 3|换一种数据后,局部、中距离和国际还剩什么?
图中是携带 GPS 记录器那一组里随机抽出的部分人,三行分别是 5 公里以内、5–50 公里和国际。相邻面板展示各自还能呈现的位置;逐分钟的距离比较见后文的 1,267 分钟。
(a)Google 位置记录。局部和中距离是公里坐标上的红点,国际地图上有多片红色停留。(b)GPS 记录器。局部是较短的轨迹,中距离的点更少,国际面板基本没有红色停留。(c)用位置记录模拟的手机数据。每个位置点被当作一次通话或短信,分到最近基站;红色泰森多边形表示该塔被分到过事件。作者写明,出行途中位置点常常每一分钟或更频繁,这样模拟会大幅高估真实通话和短信,并且去掉了跨国点。基站位置来自 OpenCellID,并只用塔数最多的一家运营商,平均多边形面积为 242.8 平方米。(d)出行史问卷。5 公里和 5–50 公里标为 NA,国际面板只有很少的红色国家。来源:原论文 Fig. 3。
讨论另把南安普顿这一模拟称为大约 250 米的最好情况,并与位置记录多在 100 米以内对照。242.8 平方米是平均多边形面积,250 米是讨论里的距离说法,两处单位不同,这里分别保留。真实通话的点更稀,塔的间距在市中心以外通常更大,图 3c 的红色区域比实际通话记录更密。
在记录器被携带的那一周,作者还数了离开夜间居住点的次数。居住点取 GPS 记录器前一夜的最后一个点,离开指距该点超过 100 米;100 米沿用他们看到的位置记录与记录器的大致偏差。6 人中,离开至少 10 分钟才算一次时,GPS 平均 10 次(最少 6,最多 15),位置记录平均 10 次(最少 7,最多 15)。门槛改为 120 分钟时,GPS 平均 7.2 次(最少 5,最多 10),位置记录平均 7.4 次(最少 4,最多 10)。这是一周里每人的次数。两种数据的短途次数接近;同一研究里的国际行程差距,属于另一段更长的观察时间。
文献里的其他数据,停在什么时长和精度?
作者在 PubMed 用人类移动、出行模式、GPS 记录器、通话详单、迁移等词做了快速检索,得到 36,982 篇,再限到近 10 年的人类研究,剩 2,203 篇。纳入条件是 2008 年以后发表、记录个体移动、并报告了时间分辨率。综述、基于主体的模拟,以及航空、通勤这类汇总数据被排除;同一数据集的重复文章也去掉。最后保留 43 篇。篇目表在补充文件中,正文没有逐篇列出数值。

图 4|这份位置记录落在既有研究的哪一段?
无字母子图。横轴是记录持续多久,从约一周到 10 年;纵轴是时间分辨率,从秒到周。红点是通话详单,蓝点是本样本中的个人位置记录,绿点是 GPS 记录器研究,紫点是其他,橙点是社交媒体,黄点是出行史问卷。蓝点聚在分钟分辨率、时长从数月到数年的位置;绿点多在大约一周、秒到分钟,也有落到小时的点;黄点多落在小时到周的分辨率。四角文字标出短而粗、长而粗、短而细、长而细。这些点覆盖筛进 43 篇的个体研究加上本样本。来源:原论文 Fig. 4。
正文的读法是:GPS 记录器的时间分辨率最高,出行史问卷很少记下短于一天的行程,社交媒体和通话详单的观察期往往最长。位置记录同时靠近记录器的细分辨率和详单的长时段。图上也有例外,例如有的详单点落在分钟附近,所以每一类数据在图上占的是一片区域。
和 GPS 记录器叠在一起,100 米够不够?
空间比较只使用两种数据在同一分钟都有坐标的时刻。若一分钟内有多个坐标,取该分钟经纬度的平均。这样的分钟共 1,267 个。这些分钟里,位置记录距离记录器的中位值是 64 米,通常小于 100 米。
研究者还把两种点放进从 100 米×100 米到 2,500 米×2,500 米的格子。暴露、医疗可及和空气污染等研究经常使用格网,所以一致率按格子算。某一小时的一致率等于两种数据都出现过的格子数,除以任一数据出现过的格子数。只使用两种数据都有点的小时。全部格子都重合时,该小时为 100%。

图 5|格子变大后,两种数据还算到过同一处吗?
无字母子图。横轴是格子边长,100、250、500、750、1,000、2,500 米;纵轴是按小时计算的一致率。红线不填补空分钟,蓝线对没有点的分钟做直线填补。正文给出的读数是:100 米格子上,不填补大约 85%,填补后大约 60%;到 500 米×500 米,填补后的一致率大约 85%,并开始接近不填补的曲线。更粗的格子上两条线继续上升,正文没有逐格列出百分比。样本是 7 人。来源:原论文 Fig. 5。
对空分钟做直线填补后,100 米格子的一致率低于不填补。到 500 米,两条线接近。讨论认为,聚合到 500 米或更粗、并放到一周的时间尺度上,位置记录与记录器功能上接近。这个判断把记录器当作参照。作者引用既有仪器测试:记录器静止时,点位仍可能偏差最多 20 米。64 米的中位距离里也含着参照设备自己的抖动。
还有一个空缺问题:没有位置记录的日子,人是不是刚好走得更远,数据因此漏掉了移动?有 2 人在携带记录器期间,既有整天有位置记录的日子,也有整天没有的日子。作者用记录器比较这些日子的回转半径(radius of gyration),这是把一段移动收成一个空间尺度的汇总量。没有位置记录的日子为 0.586 十进制度,有记录的日子为 0.677 十进制度。正文认为两段日子的定性模式相近,并据此把空缺更多地联系到用户行为或其他与移动无关的因素。这里只有 2 人,正文没有给出显著性检验,单位是十进制度,没有换成公里。
离基站更远,记录间隔会不会变长?
位置记录综合使用 GPS、Wi-Fi 和基站,信号环境可能改变记录密不密。作者用 OpenCellID 的基站位置,看距上一个位置点的时间是否随距最近基站的距离上升。模型是带个体随机截距的广义线性混合模型,用来分开每个人原本不同的记录节奏。只保留英国境内、且与上一点相隔不超过一周的点,共 1,821,728 个。超过一周的间隔被去掉,作者解释这是为了避开手机关掉 GPS 或换成没有 GPS 的手机,一共去掉 43 个点。
在这批点上,间隔与基站距离呈正相关,p < 0.0001。作者给出的关系是每远离最近基站 7.5 米,记录间隔增加 1 秒,回归系数为 0.1325。他们认为,这主要来自距基站 1 公里以内、间隔在 30 秒或更短的高频记录。只保留间隔至少 30 秒的点后,关系变成不显著的正向趋势,p = 0.2721。补充文件里有更细的散点,正文没有给出那张图的坐标读数。
64 米的中位距离来自两种设备都写下坐标的那些分钟。基站附近特别密的点,会让全体点的间隔看起来随距离变长;拿掉这些极密的点后,正文就不再报告显著关系。作者提出,把位置记录按分钟或更长的时间聚合,可以减弱这一偏差。
别的国家里,自报开着位置记录的人有多少?
南安普顿给出的是 25 名招募对象中的 21 人。作者又通过 Google Opinion Rewards 向巴西、美国、英国、日本、墨西哥各 250 名 Android 用户提问,合计 1,250 人。问题是账户是否开启位置记录,选项为是、否、不知道,并告诉受访者可以在地图应用里核对。调查方按自报年龄、性别,以及浏览位置和 IP 做加权,并称这样得到全国人口代表性。各国完整比例图在补充文件。
正文给出的范围是:自报开启从日本 43% 到墨西哥 72%;自报关闭从巴西 5.6% 到英国 17.5%;回答不知道从墨西哥 20% 到日本 51%。除日本外,开启是各国里最高的一类回答。讨论把关闭比例概括为通常在 10% 或以下;结果写明的上端是英国 17.5%,读具体国家时用结果里的范围。作者还推断,因为记录默认开启,回答“不知道”的人里多数可能实际开着。南安普顿已经有 2 人的自我感觉和空文件对不上,这个推断还需要用实际文件来核。
这组比较能支持到哪一步?
在这批人里,位置记录同时提供了长于一周的时间跨度,以及与记录器大约 100 米的位置差,也比最近国家问题和一周记录器覆盖更多至少一天的国际停留。短窗口内,离开居住点的次数在 6 人里与记录器接近。这些是测量对照。
样本来自一所英国大学的非代表性招募,人又是愿意使用智能手机、并同意导出数据的人。没有 Android 手机、没有可用网络,或者关闭记录的人,不会进入这种文件。作者认为,试点可能高估其他场合能拿到记录的比例。五国调查说明,能接触到该应用的 Android 用户里,自报开启并不少见。
图 3c 把位置点当作通话,再画成基站多边形,用来展示空间被抹粗成什么样。它没有观察真实通话。原始位置记录因隐私不能再提供,论文写明这批点不能公开重算;问卷和下载材料放在补充文件。把这样细的轨迹和人口学、健康信息连在一起,作者认为需要汇总或地理脱敏。讨论把可能的用途写到基础设施、长期暴露、灾难响应和传染病防控;文中没有报告感染过程或相应参数。
手机是否靠近基站、位置服务是否开着、人是否全天携带,都会改变哪一段路进入文件。1,267 分钟上的 64 米,属于两种设备同时有记录的那些分钟,也属于交出数据的这些参与者。
一句话总结
同一份由用户交出的 Google 位置记录,在这 21 人里既能在约 100 米上贴近一周的 GPS 记录器,也能在一年以上的跨度里记下问卷和记录器没有覆盖的国际停留;它量到的是这批 Android 用户的轨迹。
核心来源
- International Journal of Health Geographics 正式页面,核对题目、作者、2018 年卷期 17:28 与 DOI 10.1186/s12942-018-0150-z。
- 正文图 1–5 来自该正式版。原始位置记录因隐私未公开。补充文件 1 为研究材料,补充文件 2 为文献回顾表,补充文件 3 为五国调查及其他位置记录分析。
作者介绍
四位作者在论文中的署名机构都是南安普顿大学地理与环境学院 WorldPop 项目(Southampton SO17 1BJ),以及斯德哥尔摩 Flowminder Foundation(Roslagsgatan 17, 11355 Stockholm)。致谢写明本文是这两个机构的产出之一。以下只写论文列出的分工与资助。
- Nick Warren Ruktanonchai:通讯作者。参与构思、数据收集、分析解释与写作。论文写明其资助来自比尔及梅琳达·盖茨基金会(OPP1170969)。
- Corrine Warren Ruktanonchai:参与构思、数据收集、分析解释与写作。论文写明其由英国经济与社会研究理事会博士训练项目资助。
- Jessica Rhona Floyd:参与构思、分析解释与写作。
- Andrew J. Tatem:参与分析解释与写作。论文列出其资助包括比尔及梅琳达·盖茨基金会、克林顿健康获取倡议、美国国立卫生研究院、惠康信托,以及英国国际发展部与惠康信托的联合经费。
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。
64 米的中位距离和 500 米格子上大约 85% 的一致率,对应两种不同的决策。若要知道某一小时里两套数据是否落到同一个 500 米邻里,这批同时有记录的小时已经比较接近。若要区分街道两侧或建筑物入口,64 米仍宽于一个店面,而作者引用的静止记录器偏差最多可达 20 米,参照设备本身也比门口更粗。下一步可以直接报告 1,267 分钟里有多少落在 20 米、50 米以内。本文只给出中位数 64 米和通常小于 100 米,没有给出这个累积比例。
短途次数和国际停留也适合分开验收。6 人在一周里的离家次数几乎一样,10 分钟门槛下均值都是 10 次,120 分钟门槛下是 7.2 次和 7.4 次;同一研究里,至少一天的国际行程是位置记录 41 次,这一周的 GPS 为 0。只用一周的本地重合来接受一种数据,仍可能漏掉决定全年暴露或跨境接触的稀少行程。验证可以事先写明,必须同时包含一个长窗口里的稀少出行。
五国调查的 43% 到 72% 是 Android 受访者里的自报开启。南安普顿 25 人里已经有 2 人认为开着、文件却是空的。若别处也有这种错位,自报比例会高于真正能分析的档案。可用的分母可以分成两列:回答“是”的人,以及导出后至少有一个位置点的人。