2021-A Review of Human Mobility Research Based on Big Data and Its Implication for Smart City Development


研究已经把人的移动分成四层,城市部门为什么还用不上?

论文名片|Anqi Wang、Anshu Zhang、Edwin H. W. Chan、Wenzhong Shi、Xiaolin Zhou、Zhewei Liu,A Review of Human Mobility Research Based on Big Data and Its Implication for Smart City Development,ISPRS Int. J. Geo-Inf.,2021,10,13。2020年11月5日收稿,12月28日接受,12月31日发表;首页卷期年份为2021。开放获取,许可为首页所印 CC BY 4.0。DOI:10.3390/ijgi10010013。这是一篇综述,并用香港政府部门的邮件问询,把国际文献和城市管理对上。

同一座城市里,居民、游客和通勤者待过的街道各不相同。手机话务可以换算成人口密度,再叠上监测站的空气质量,比较这三类人接触 PM2.5 的差别。综述引用的研究这样做过。香港环境保护署在本文询问时所做的研究,把全城空气质量看成比较均匀,对暴露的空间差别考虑不足。两件事可以放在一起看:已有研究按人的位置比较暴露,部门当时的口径仍是一整座城市一个空气质量。

这项工作自己的证据,是一套文献分类和一次城市政策核对。人类移动性(human mobility)在这里指人在空间中的位置与活动变化,包括日常出行、活动热点,以及疫情期间活动怎么改变。更换长期居住地只是其中一种可能被记下来的移动。智慧城市(smart city)在文中指技术和政策一起进入交通、环境、治理、经济与生活等事务。作者要回答的是:大数据上的人类移动研究已经推进到哪一层,香港的部门在用这些分析时卡在哪里。

方向已经比较清楚。文献被分成发现现象、识别差异、解释差异、用于城市管理四类目标。不含新冠研究的84篇里,手机占39篇。到了香港,部门确认大数据对治理重要,也提到与人类移动有关的举措;作者把回复归纳成数据隔离、数据不可得、成本与质量、有数据却缺少系统知识、以及公共与私人部门疏离。靠近管理的那一层,要求的是更多专题数据,而当时香港仍主要在搭空间数据、地图和交通系统这些底座。

先说结论

  • 2018年11月,Web of Science 核心合集用 human mobility 与 smart city 检索到182篇。图1先排除53篇重复、非论文或含糊记录,得到129篇英文全文,再排除45篇技术改进、平台设计或理论验证,留下84篇。正文同时写明,这84篇由 Science Citation Index Expanded 与 Social Sciences Citation Index 索引。182减53等于129,129减45等于84。
  • 这84篇按数据来源计数,分母就是84:手机39、出租车与小汽车14、大众媒体12、多源数据7、地铁卡6、银行卡4、网站2。正文还提到无线设备,表1没有给它单独一列,因此不能把某一格改写成无线设备的篇数。
  • 2020年12月用新冠主题与 human mobility 再检索,识别81篇,其中40篇实际使用了实证人类移动数据。这40篇的分母是40:手机20、网站11、多源数据5、大众媒体4,出租车、银行卡和地铁卡都是0。
  • 图2把目标画成三层。发现现象使用时空数据,做基础空间分析与可视化;识别差异和解释差异合在中间层,加上社会经济数据;预测与应用在底层,还要加上专题数据。正文写明,底层方法并不总是更复杂,更深的目标需要更多数据。
  • 香港6个部门收到不超过4个问题、合计12个问题。作者把邮件回复归纳为五类障碍,并判断交通是与人类移动关系最密、也更多使用数据方法的领域。这个判断没有配一张各部门项目数量的比较表。政策分析限于政府主导的香港。

182篇记录,怎样变成84篇应用研究?

检索发生在2018年11月,数据库是 Web of Science Core Collection,对象是同行评审文献,检索短语是 human mobility 和 smart city。图1把字段写得更具体:主题,即摘要、标题和关键词,当时得到182条。

筛选分两步,都印在图1里。第一步去掉重复、非论文和含糊记录,53篇,留下129篇关于智慧城市发展中人类移动的期刊文章,并注明是英文全文。第二步去掉技术改进、平台设计和理论验证类文章,45篇,留下84篇讨论人类移动研究之应用的文章。正文用另一句话描述同一批84篇:它们由 SCIE 与 SSCI 索引。图1强调留下的是应用研究,正文强调索引范围。两边篇数都是84,筛选理由的用词不同。

完整原论文图1

图 1|文献筛选和城市政策审查,怎样汇到同一张障碍清单?

无字母子图。左侧虚线框是文献综述:2018年11月主题检索182篇,排除53篇后为129篇英文全文,再排除45篇技术、平台或理论验证文章,得到84篇应用研究;2020年12月以 Cov 为主题的补充检索另选40篇,汇入城市管理中的应用领域。右侧是智慧城市政策审查:从政府视角的城市蓝图,到智慧出行、环境、经济、人和生活等举措,再确定可能参与的政府部门。底部两框把两侧合在一起:与部门沟通,既介绍人类移动研究的进展,也了解部门的态度与行动;最后整理应用研究时的障碍和对智慧城市发展的建议。图中沟通方式写成访谈或邮件。来源:原论文 Fig. 1。

香港这一例并没有走访谈。正文写明,每个部门只问很少的问题,不超过4个,所以采用邮件。图1保留的是框架上的两种沟通,第4节报告的是邮件。

右侧政策链对应香港的 Smart City Blueprint。论文给出的在线文本位于 https://www.smartcity.gov.hk/report/。蓝图从总体列出六个方面:Smart Mobility、Smart Environment、Smart Government、Smart Economy、Smart People、Smart Living。作者特别点出和人的时空行为有关的部分:智慧出行对应交通的空间分析,智慧政府中的空间平台对应大数据可视化,智慧经济包括智慧旅游这类基于地点的经济。

2020年12月的补充检索使用主题 Cov,论文括号里的写法是 COVID-19、SARs-CoV-2 或 2019-nCov,再与 human mobility 组合。共识别81篇,其中40篇研究文章实际使用了实证人类移动数据。图1只标出选入的40篇,没有把81这个检索总量画进框里。论文没有逐项说明其余文章是评论、综述,还是未使用实证移动数据的研究。

84篇文献,数据和目标各占多少?

分类有两个轴。一个轴是数据从哪里来。正文列举手机、大众媒体、出租车或小汽车、银行卡、地铁卡、网站、无线设备和多源数据。手机在这里包括轨迹或通话记录,出租车与小汽车则同时留下车辆和驾驶者的位置。大众媒体指向数字应用和人的活动,银行卡指向交易,地铁卡指向乘车,无线设备被用来看最小尺度的移动,多源数据则是把不同类别合在一起。表1的列是手机、大众媒体、出租车与小汽车、银行卡、地铁卡、网站和多源数据,没有无线设备列。

另一个轴是研究目标,由浅到深四层:发现现象、识别差异、解释差异、用于城市管理。人和空间是两类对象。人的行为同时受本人是谁、以及居住或工作地点的影响。表1把84篇和后来的40篇分别计数。表中数字的单位是论文篇数,分母是该次检索留下的文章。

数据来源 不含新冠研究的篇数 新冠实证篇数
手机 39 20
大众媒体 12 4
出租车与小汽车 14 0
银行卡 4 0
地铁卡 6 0
网站 2 11
多源数据 7 5
合计 84 40

不含新冠的一行,39加12加14加4加6加2加7等于84。新冠一行,20加4加0加0加0加11加5等于40。手机在前一组是39/84,在后一组是20/40。网站在前一组是2/84,在后一组是11/40。作者认为手机持续记录个人和乘客位置,因而信息最丰富。篇数最多和信息最丰富是两句不同的话:39/84只说明入选应用文献里手机来源最多。

发现现象这一层要看时空上发生了什么。表1里,手机列写有汇聚与发散、可达性,以及活动、用地、街道、绿地使用和交通状况;大众媒体列有时空路径和热力图;出租车列有移动模式、碰撞和拥堵。方法上,这一层主要用空间分析和可视化。论文列出的软件包括 ArcGIS、Java 或 Python、Tableau、SPSS、PostgreSQL/PostGIS 和 R,并写明不限于这些。名单只说明这一层使用描述和展示工具,论文没有比较它们的准确率。

识别差异这一层把人和空间分开。常见做法是按性别、年龄、收入、国籍等做聚类,也按交通方式、出行目的或行为画像来分。综述转述的例子包括:步行移动在本地人与外来者之间分开,Twitter 上的移动指标先按种族或族裔、再按年龄区分,微博签到能看到性别差异,手机传感可以识别自行车、公交、小汽车、步行和火车等方式。论文把支持向量机、C 均值模糊聚类、K 均值、层次聚类和蚁群算法列为本层常用方法,没有报告它们在这84篇里的准确率。

解释差异这一层追问差异从哪里来,依据可以是个人特质、空间属性,或人与环境的交互。表1的手机列写有社会生态、社会经济活动、人的兴趣、深层知识,以及网络空间与实体空间的关系;大众媒体列是文化机制;网站列是迁移效应;多源列是移动特征与应用使用行为。出租车、银行卡和地铁卡在这一行留空。空格记录的是这84篇的归类结果。方法以统计分析为主,相关分析用得最多,也包括回归和用来复现行为统计标度的优先连接模型(preferential attachment)。相关报告的是变量一同变化。某项个人特质或某块用地是否导致某次出行,还要有别的研究设计。

用于城市管理被论文再分成交通系统、公共健康、城市治理、环境管理与政策。表1用两行概括:生活质量一行包括健康与疾病、健康与空气质量、犯罪预测、公共设施、活动模式与预测、集体出行时间;资源使用一行包括基础设施、旅游潜力、公交线路与电动出租车,以及环境管理和交通系统。这些格子是主题标签。某一格有字,只说明84篇中有文献被放进该主题。

各层举出的具体发现,都是这篇综述对既有论文的转述。本文没有重报那些论文的样本量或效应值。例如,出租车起终点被可视化后,出行会落在一定距离或方向范围内;用地功能被分成居住、办公、休闲商业和高峰时段等集群;外向者的日常路径更多样,高神经质和高开放性与更不稳定的日常规律联系在一起;高收入出租车司机更可能拒绝载客。最后一句在本文里只有方向,没有拒绝比例。

越靠近城市管理,多出来的是数据还是更复杂的方法?

四层目标若只按名字排列,容易理解成方法一层比一层更复杂。图2把这个预期改成数据和目标的关系。金字塔从上到下变宽,层号是1、2与3、4。最窄的顶层单独是发现现象,中间层把识别和解释合在一起,最宽的底层才是预测与应用。表1仍把识别和解释分成两行。图和表对中间两层的切法不同。

完整原论文图2

图 2|研究目标下沉时,数据和问题各增加了什么?

无字母子图。蓝色金字塔分三层,层号标为1、2&3和4。第1层对应 Discovering the phenomenon(What Happened?),数据是时空数据,方法是基础空间分析与可视化。第2与第3层合写为 Identifying and explaining the difference(How and why?),数据是时空数据加社会经济数据,方法写成机器学习,以及 Statistic analysis(相关或回归)。第4层对应 Prediction and implication(So what?),数据是时空数据加专题数据,做法包括信息平台、预测与优化,以及把移动数据和专题数据结合起来。图中统计一词印作 Statistic。层的宽窄是示意图,论文没有测量各层的文献篇数来决定宽度。来源:原论文 Fig. 2。

正文对这张图的解释是:上层让人看见现实中发生了什么;中间层用社会经济因素和数学模型说明如何发生、为何发生;底层依靠预测、信息交换平台,以及从专题数据产生的知识,讨论城市发展和管理可以做什么。底层方法并不总是更复杂,更深的目标需要更多数据。宽底对应的是管理应用要额外的专题数据,例如健康、犯罪、设施或环境记录。论文没有用各层篇数来画这个宽度,也没有证明底层模型一律更复杂。

交通应用在文献里很宽:预测任意行程的时间、提供实时交通信息、按人格或时空规律预测移动、改进碰撞分析、规划公交线路、改进出租车调度,以及在大型活动期间比较不同路径以缩短集体出行时间。公共健康应用包括用手机话务人口密度和站点空气质量比较居民、游客、通勤者的暴露,以及用移动数据讨论登革热、血吸虫病等疾病的时空风险。城市治理的例子包括大型活动的到离时间、灾后撤离、犯罪热点、公共场所安全,以及按出租车上下客估计公共设施的服务范围。环境政策的例子包括意大利 LENVIS 项目把当地污染视频和个人叙述接上医院诊疗,以及用真实出行信息讨论电动出租车的采用。

电动出租车这个例子可以把证据等级看清楚。综述转述:把电动车引入出租车队会提高购置成本,服务、维修和燃料成本可以下降,从而总费用下降。本文没有给出金额或百分比。总成本下降是所引研究的方向。

疾病研究在本文里停在任务类别。综述写到,移动与传染病可以在较细的时空尺度上联系起来,一套系统怎样针对发病来实施仍成问题,模型需要正式的统计评估和检验。这是对应用成熟度的限制。登革热、血吸虫病和后面的新冠研究,本文都只写到研究问题,不写传播模型的参数。

新冠研究改变了数据来源,有没有改变问题本身?

这40篇来自2020年12月的补充检索,用来看公共健康这一智慧城市领域。它们与2018年那84篇分属两次检索,表1分成两行计数。40篇的共同条件是实际使用了实证人类移动数据。

两次检索的来源构成不同。新冠这40篇里,手机20篇、网站11篇、多源数据5篇、大众媒体4篇。出租车、银行卡、地铁卡都是0,表1用短横标出。网站在2018年入选的84篇里是2篇,在这40篇里是11篇。论文举出的及时公开数据包括 Google COVID-19 Community Mobility Reports 和百度迁徙,用来说明当时已有公开、汇总的移动数据。

表1给这40篇写的主题仍落在原来的问题里。手机与大众媒体共用的上一行是行为改变、疫情风险预测、出行限制的影响;手机下一行是传播因素和管控措施;大众媒体下一行是疫情后的经济恢复。网站一列写有传播因素、疫情风险预测、管控措施和出行限制的影响。多源数据记5篇,这一格没有再印一条与网站列分开的主题短语。

正文把同一批研究说成几类互动:人类移动在传播中的角色,移动与环境、社会经济因素合在一起的关联,以及人们因出行限制和社交距离而改变移动、改变城市空间的使用。在这些互动之上,文献进一步做风险预测,并评估或建议管控措施。出行限制的环境与社会经济后果也被讨论:活动和移动减少与污染下降联系在一起,同时也与经济损失和社会问题加重联系在一起,不平等是文中点名的例子。本文没有报告减排百分比或损失金额。另有在线或移动平台,用接近实时的方式标出病例和预测风险,服务防疫决策和公众自我防护。

所以,新冠研究换了一批更容易公开获取的数据,问题仍然是行为改变、传播相关因素、风险预测、管控措施和限制带来的后果。它没有在这篇文章里变成一套新的疾病动力学。表1的主题短语也到此为止。

香港部门的邮件,把缺口说成了什么?

政策核对选香港,是因为当地已有不少由政府试验或实施的政策指令。沟通对象按管理范围确定,共6个部门、12个问题。每个部门不超过4个问题。

部门 问询主题
运输署 Transport Department(TD) 公共交通路线规划;大型活动交通管理;出租车调度;车辆碰撞分析
香港警务处 Hong Kong Police Force(HKPF) 犯罪预测
卫生署 Department of Health(HD) 疾病控制
环境保护署 Environmental Protection Department(EPD) 空气污染暴露;电动车采用
香港旅游发展局 Hong Kong Tourism Board(HKTB) 旅游行为;市场细分;旧城遗产旅游
规划署 Planning Department(PD) 土地利用功能

4加1加1加2加3加1等于12。论文写明,邮件先简要介绍相关文献,再询问研究中的大数据和先进分析如何用于实际工作。回复确认了大数据对改善城市治理的重要性,并提到许多与人类移动有关的智慧举措。障碍出现在如何应用邮件中介绍的那些分析。作者把回复里提到的困难归纳为五个方面。完整邮件、问题清单和部门回复放在补充材料,正文给出的是归纳和例子。数据可得性声明使用了 interview data 这个说法,方法部分写的是邮件而非访谈。

数据隔离。不同部门的数据库没有很好整合,研究方法会因为拿不到所需数据而用不起来。同一部门下面的机构之间也可能隔离。出租车调度就是例子:当时有若干叫车平台在使用,运输署表示,建立或整合这些平台,是提高运营效率和服务质量的首要条件。

数据不可得。综述认为手机数据有利于反映行为和发现移动知识。在香港这一案例里,政府当时拿不到这些数据,相关分析因此进不了实际工作。实时空气质量对日常生活的影响被用来对照:已有研究用手机和站点大数据,同时考虑人口分布和污染物浓度的时空变化;环境保护署的研究则把城市空气质量看成均匀,对暴露的空间差别考虑不足。

成本与数据质量。障碍既包括短期安装,也包括长期运行,高质量数据尤其如此。空气质量监测里,一些较低成本的设备能够提供有质量的数据,运行成本却并不比现有站点低很多。是否长期增加监测点,需要把运行成本算进去。论文没有给出这两类成本的金额差。

丰富数据里只产生有限知识。公交线路规划里,专营巴士公司通过年度路线计划提交服务调整,影响仍按个案考虑。论文对照的系统分析,是把全城线路放在一起看。旅游发展局已经与 Google、TripAdvisor、Facebook 等社交和数字媒体合作,得到的数据却没有被充分挖掘来阐明旅游行为。若能做到,将有助于澄清目的地品牌和展示旅游市场。

公共与私人部门疏离。智慧举措需要政府、公司、机构和人一起做,这件事被写成仍然困难。电动车的例子是:公共电动车充电设施正在安装,用来在政府电子平台上测试实时电子信息;如何把推广扩大到私人部门和私人车主,仍是待讨论的问题。

作者据此把香港智慧城市放在起步阶段。当时的重点是智能基础设施底座,例子包括发展局的 Common Spatial Data Infrastructure(CSDI)、地政总署的地图服务平台、运输署的智能交通系统(Intelligent Transport Systems,ITS),以及旅游发展局的智慧旅游平台。在各个子领域中,交通与人类移动的关系最密,也比其他领域更多应用了数据分析和相关技术。这句话是作者对回复和举措的判断。论文引用的使命表述是,为政府、企业和社区最大化创新、知识与价值创造。要让智能技术进入其他管理领域,作者认为还有很长的路。

完整原论文图3

图 3|研究怎样坐在数据、试验和城市政策之间?

无字母子图。底部箭头是数字基础设施,从左到右分成 Technology、Theory、Experiment、Practice。四个色块依次是计算机科学(算法、数据管理)、地理信息学(空间分析、人与空间的相互作用)、智慧城市试验(多个领域)和城市政策(蓝图、推广)。色块之间的楔形分别标着加入时空数据、加入专题数据、加入反馈与调整。向上的箭头把地理信息学连到发现现象、识别差异、解释差异或特征或动态、预测与应用。向下的箭头表示反馈与调整进入智慧城市试验。这是讨论中的机制示意图。邮件回复没有按这四个色块计数。来源:原论文 Fig. 3。

图3对应讨论里的一条链。蓝图从政府视角描述创新过程:先定长期城市目标,再是创新策略、标准与平台、运行模式,最后是执行计划。运行中鼓励政府与学术界等组织合作。落到人类移动时,知识来自计算机算法、数据管理,以及结合人与空间相互作用理论的时空分析。知识先在试点里检验和调整,再有可能通过政策推广。作者认为,数据开放与整合、以及研究应用的动态调整,是形成数据驱动实践闭环的关键。跨部门、跨城市功能的蓝图也有帮助。先前研究已指出,香港智慧城市各元素并列时,会因为缺少连接和元素不相容而运转不顺。这是论文引用的既有判断。本次邮件没有计算连接程度。

这套框架能说到哪一类城市?

邮件证据的强度要单独看。六个部门的回复被作者解释成五类障碍。正文没有附上原始回复的逐句对照,也没有报告每个部门在每一类障碍上的提及次数。五类是作者的归纳。部门确认大数据重要,这一态度和五类障碍写在同一段里。

文献侧也有边界。第3节覆盖面宽,作者仍写明它不足以穷尽所有应用可能。文章把重点放在政策应用,没有对某一种数据或某一种方法做深入评估。针对定位请求应用、智能卡等单一数据源的深入分析,会有助于提高实际效果。表1的空格,以及正文提到无线设备而表1未单独成列,都说明当前结果是一套归类。

被综述的研究本身还有三类适用问题,论文在讨论里点了名。第一,数据代表性。通话详单捕捉到的人群和总体人口可以差得很明显,例如学生相对家庭中的其他成员会被漏记。这是转述的例子。第二,由被动产生的手机数据提取移动模式时,位置不确定性和振荡需要单独处理。第三,个人数据和通话隐私需要更审慎的保护。论文点出的方向包括保护法规、差分隐私、去中心化机器学习和自愿提供的信息。

框架对其他城市的可转移范围,作者写得很具体。障碍可供参考的,是政府在推动智慧城市时扮演重要角色的城市。香港的智慧城市由政府引导,多数西方国家则由私营部门主导。这12个问题和五类障碍描述的是香港这一政府语境。作者认为同一套审查方法可以拿到其他城市,用来分别查看那里的障碍。

一句话总结

大数据文献把人类移动从现象、差异和解释问到城市管理;香港六个部门的邮件说明,部门承认数据有用,同时面临数据库彼此隔离、政府当时拿不到手机数据,以及公交线路等场景仍按个案评估这些具体障碍。

核心来源

  • ISPRS Int. J. Geo-Inf. 2021, 10, 13,正式发表版。首页题目、作者、卷期、DOI、收稿日期与 CC BY 4.0 均以该版为准。正文图1至图3、表1和表2。
  • 文献检索来自 Web of Science,论文写明入口为 www.webofknowledge.com。2018年11月检索与2020年12月补充检索的篇数见正文和图1。
  • 香港政策框架为论文所引 Smart City Blueprint,链接为 https://www.smartcity.gov.hk/report/。
  • 论文文末列出补充材料:给政府部门的邮件及回复,包括邮件样例、问题清单和部门回复。正文第4.2节把回复归纳为五类障碍,并写出部门例子。
  • 资助写明为国家重点研发计划 2019YFB2103102,以及香港理工大学 1-BBWF、1-ZVN6、4-ZZFZ。

作者介绍

六位作者的单位和分工,只采用论文署名页与作者贡献说明。

  • Anqi Wang:署名香港理工大学建筑及房地产学系(Department of Building and Real Estate),以及可持续城市发展研究院(Research Institute for Sustainable Urban Development,RISUD)。负责概念构思、方法、初稿和修改。
  • Anshu Zhang:通讯作者,署名土地测量及地理资讯学系(Department of Land Surveying and Geo-Informatics),以及智慧城市研究院(Smart Cities Research Institute)。负责方法和修改。论文所列通讯邮箱为 aszhang@polyu.edu.hk。
  • Edwin H. W. Chan:署名建筑及房地产学系与 RISUD。负责概念构思、指导和经费。
  • Wenzhong Shi:署名土地测量及地理资讯学系与智慧城市研究院。负责项目管理和经费。
  • Xiaolin Zhou:署名土地测量及地理资讯学系。负责资料和初稿。
  • Zhewei Liu:署名土地测量及地理资讯学系。负责资料和初稿。

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。

图1为了留下84篇应用研究,排除了45篇技术改进、平台设计和理论验证。运输署却把建立或整合叫车平台写成提高出租车效率的首要条件。两边放在一起,会出现一种次序问题:应用文献库把平台论文筛走了,部门回信又说平台整合是第一步。若一个城市只按这84篇来安排项目,可能会先积累许多移动模式的结论,而把数据接口和平台合并留到后面。更可检验的做法,是在下一次同样的检索里把那45篇单列出来,看其中有多少真的在处理跨平台数据合并,再决定应用研究和平台研究哪一类先进入部门试点。

数据来源的组合也提示另一项检查。不含新冠的84篇里网站只有2篇,新冠实证40篇里网站有11篇,出租车、银行卡和地铁卡则都是0。一套只按39/84的手机优势去签数据合同的监测系统,未必接得住后来占11/40的公开网络报告。百度迁徙和社区移动报告已经说明,冲击期间可用的材料会改道。部门可以先做一次小试验:不新增手机合同,只接收一份公开、汇总的网络移动报告,看它能否回答一个已经写在问询里的问题,例如空气暴露的空间差别,或全城公交线路的同时调整。试验失败,说明缺的是接收和口径;试验成功,则五类障碍里的数据不可得就不必一律理解成必须先买到个人轨迹。


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