兴趣点能说明这一带是在送人出门,还是在把人接回来吗?
论文名片|Wei Zeng、Chi-Wing Fu、Stefan Müller Arisona、Simon Schubiger、Remo Burkhard、Kwan-Liu Ma,Visualizing the Relationship Between Human Mobility and Points of Interest,IEEE Transactions on Intelligent Transportation Systems,2017。本文依据已接收网络版:除页码外内容已定稿;稿件2016年6月29日收到,10月20日修回,12月2日接收。DOI:10.1109/TITS.2016.2639320。这是一项可视分析:用新加坡一周的公共交通和 Foursquare 兴趣点,把出发、到达和活动背景放进同一枚图里,再以案例和专家访谈检查这枚图能不能帮人比较。
工作日早上,居住区车站往往更多人上车;傍晚,同一带车站更多人下车。交通研究把这种早出晚归叫做钟摆式出行。车站记录只知道上下车,不知道这一趟是回家、购物,还是去机场。兴趣点名单像一份活动清单,可人们很少在自己家里签到,却很愿意在机场签到。两份材料各说各的,对不上。
这篇论文把签到比例和出发、到达的时间曲线画进同一枚径向图。大学、工厂、商场、住区和机场的节奏差别可以并排放在一起看。读出来的是公交客流按签到和距离分配之后的形态,还不是每个人走进每栋建筑的直接计数。
先说结论
- 数据是新加坡一周的地铁和公交。工作日每天约 540 万次出行,周末每天约 430 万次;全岛约 4800 个站点。摘要写这一周超过 3000 万次出行。分析略去凌晨 0 点到 6 点几乎停运的时段。
- 兴趣点—移动签名(POI-mobility signature)把十类签到比例放在内圈,把出发和到达放在外圈。内圈看扇区面积,外圈看离开基线的径向距离,两种刻度不能混读。
- 全岛上车量在工作日大约 8 点和 18 点各有一峰,周末更平。分配到区域之后,大学和工厂呈工作日早到晚走,商场的工作日与周末差别更小,机场签到扇区很大、公交客流高度却很小。
- 居住区签名呈早出晚归,但居住类签到占比不高。图 12(d) 里,购物、餐饮和户外休闲三类签到合计超过 70%;另外四个签名里,各有一个大类超过 60%。分母都是该签名的签到,不是乘客人数。
- 三位公共交通专家认为签名便于把已有判断照出来。他们同时指出:记录不含出租车和私家车,社交用户覆盖不到全体、尤其缺少老年人,签到与距离构成的分配也还没有单独验证。
全岛上车曲线,先说明一天里的峰
研究对象是人在城市里的日常移动,这里具体落到公共交通的出发和到达,不是搬家,也不是全部出行方式。原始记录来自新加坡一周的地铁(mass rapid transit,MRT)和公共巴士。乘客使用个性化射频卡,系统记下卡号、上下车时间和站点。论文给出的规模是工作日每天约 540 万次、周末每天约 430 万次,站点约 4800 个。摘要另写超过 3000 万次出行。按每天的约数粗算,一周会超过 3000 万次,与摘要同量级;正文没有再列这一周的精确总次数,也没有写出是哪一周。
全岛先看上车,不看兴趣点。图 1 的每一格是 15 分钟。红线是工作日各天的平均上车量,蓝线是周末各天的平均。分母是“这类日子里、这个 15 分钟槽的平均上车次数”,不是独立乘客人数,也不是下车人数。

图 1|工作日和周末的上车量,在一天里怎么起伏?
无字母子图。横轴是时刻,15 分钟一格;纵轴是上车量,刻度以 10^4 为单位,标到 16×10^4,也就是单个 15 分钟 16 万次上车。这是坐标上限,不是某个时刻的实测峰值。红色工作日在大约 8 点和 18 点各有一峰,早峰是图中最高点,落在 12×10^4 与 16×10^4 两格之间;蓝色周末没有这样一对尖峰,白天更平。两条线在 0 点到 6 点都贴近底部。来源:原论文 Fig. 1。
正文据此写明,工作日有大约 8 点和 18 点两个峰期,周末分布更均匀;0 点到 6 点几乎没有移动,因为停运,后面的区域分析把这段略去。这张图回答的是全岛上车的时间形态。它还不能说明人去了哪一类场所,也不能把上车换成一个人的全天出行。
车站记录和兴趣点,各缺哪一块
和交通研究者讨论之后,论文把要同时看见的内容收成三件事。第一,一块区域里有哪些兴趣点,各类占多少。第二,出发和到达怎样随时间变化:这一带是在把人送出去,还是在把人接进来,以及两者加起来有多挤。第三,到达之后停留多久。专家预期雇员在工作地大约停 8 小时,购物大约 2 到 4 小时。这是分析前的预期,不是后面测出来的平均停留。
兴趣点来自 Foursquare。场所分成三层。最高层十类,例如 Arts & Entertainment、College & University、Event;往下还有 Residence 之下的 Assisted Living、Home (private),以及细到 Airport Food Court 这样的名称。每个场所有名称、经纬度和人气。人气里分用户数、签到数和贴士数。同一个人多次签到,只增加签到数,不增加用户数。论文用签到数代表场所对人的吸引力,因为乘客也可能多次经过。这些签到没有附带时间,所以一周之内把兴趣点当成不变:小学不会在一周里变成商场。活动背景因此是静态的,移动才随时间变。
| 材料 | 论文给出的规模 | 计数单位 |
|---|---|---|
| 工作日公交出行 | 约 540 万次 | 每天的出行次数 |
| 周末公交出行 | 约 430 万次 | 每天的出行次数 |
| 公交与地铁站点 | 约 4800 个 | 站点,不是乘客 |
| 最高层兴趣点类别 | 10 类 | 类别 |
| 行政区层级 | 最高层 5 个区,最低层 96 个区 | 区划,共四层 |
一块区域上的客流,是分配出来的
系统先把每次出行映到上车站和下车站。每个站点保存一周里、每 15 分钟的到达量和出发量。用户可以用三种方式圈定感兴趣区域:点一个兴趣点,选一个行政区,或者在地图上套索、画矩形。点选兴趣点时,区域是该点周围步行 10 分钟、按每小时 5 公里算出的范围。5 公里/小时乘以 10/60 小时等于 833 米,论文写作大约 800 米,并把它对应到所引文献里公交站间距的上限。行政区按新加坡的四层区划选取。
圈定之后,区域内的兴趣点先归入十个最高层类别,再把签到数加到各类上。某一类的签到,就是区域内属于这一类的兴趣点签到之和。论文用签到数而不是兴趣点个数,因为个数看不出一个场所是否更吸引人。
客流不能直接看成“进入了这个兴趣点”。论文借用引力模型的想法:一个站点与某个兴趣点有关的客流,随该点签到增加,随直线距离增加而减小。具体做法是,对区域内每个站点,再画一个同样的 10 分钟步行圈,找出圈里的全部兴趣点。该站出发量里,分给这块区域的比例是:
区域与站点共有的那些兴趣点的(签到 × 距离衰减)之和,除以站点步行圈内全部兴趣点的(签到 × 距离衰减)之和。
距离用兴趣点到站点的直线距离,衰减取距离平方的倒数。论文写明这个函数可以换成别的衰减。各站按这个比例分走自己的出发量,再加总,得到区域的出发量;到达量用同一套权重。于是,签到多、离站近的兴趣点会分到更大份额。这是模型分配,不是在门口数出来的进入人数。分母若遇到签到全是 0,论文没有讨论怎么处理。

图 2|从原始表到可以比较的签名,中间经过哪几步?
无字母子图,图内四个标签就是流程。预处理把公交出行映到站点,并从 Foursquare 抽出兴趣点。地图总览把两者叠在新加坡底图上。交互分析由用户从兴趣点列表或地图圈选区域,生成一枚兴趣点—移动签名。视觉比较把多枚签名放在一起。来源:原论文 Fig. 2。

图 3|一个站的客流,为什么只把一部分算进所选兴趣点?
无字母示意图。红圈是所选兴趣点周围约 800 米的区域,蓝圈是各站点自己的步行范围。只有同时落在红圈和某个蓝圈里的兴趣点,才参与把该站客流分给这块区域;分配时还要和蓝圈内的其他兴趣点比签到与距离。示意图不按真实地图比例。来源:原论文 Fig. 3。
停留时长有五档,其中一部分是按比例补上的
到达之后停了多久,用这一次到达时刻和下一次出发时刻的差来估计。论文按专家建议收成五档:0–2、2–4、4–8、8–12、12–24 小时,并依次对应餐饮、购物、学习、工作和其余活动。这是预期中的对应关系,不是从记录里识别出来的活动标签。
有些人下车后改乘出租车,或者留在区域内,算不出下一次公交出发。论文没有把这些人丢掉,也没有把他们全部算进 12–24 小时。丢掉会使五档加总小于前面的到达量,两张移动图对不齐;全部算进最长一档,又会把这一档抬高。专家选择按已经能算出时长的那些到达,在五档上的比例,把算不出的到达摊回去。因此时长堆叠图里,有一部分是观察到的时间差,有一部分是按这组比例补上的。补上的部分保持比例,不增加新的活动信息。
同一枚图里,扇区面积和客流高度不是同一种读法
签名要同时满足三件事:兴趣点和移动都在,而且能压到地图上;两套信息靠在一起,而不是拆成需要来回对视的两张图;全城先有总览,点选之后再看细节。由此定下径向布局,兴趣点在内、移动在外。颜色全系统一致:出发用粉红,到达用青色;停留五档用由浅到深的青;十类兴趣点用除此之外的十种颜色。

图 4|粉红、青色和十个图标,各代表什么?
(a)粉红是出发,青色是到达。(b)到达后的停留从 0 到 24 小时分成五档,颜色由浅青到深青,断点是 2、4、8、12 小时。(c)十个最高层类别:Arts & Entertainment、College & University、Event、Food、Nightlife Spot、Outdoors & Recreation、Professional & Other Places、Residence、Shop & Service、Travel & Transport。后文扇区的颜色和图标都回到这张图例。来源:原论文 Fig. 4。
时间框有三种。一周合成一圈时,以及工作日对周末时,最小格子是 15 分钟;拆成周一到周日时,改用 1 小时。论文的理由是,交通分析常用 15 分钟,而所引的智能卡研究表明,时间尺度短于 15 分钟时移动规律性会明显下降。七天再保持 15 分钟,环上会过碎。工作日和周末分成左右两半,一半顺时针、一半逆时针,让相同时刻左右对照。每 3 小时画一条虚线,从 6 点排到午夜。

图 5|同一套客流,时间被切成几段?
粉红为出发,青色为到达。顶端数字是该图自己的最大客流,只用于读这张图的高度。(a)整周平均成一圈,径向格子对应 15 分钟。(b)周一到周日分成七段,格子为 1 小时。(c)左为周末、右为工作日,从早上 6 点画到午夜,两侧走向相反,便于左右比较。三张图的客流尺度不同,不能跨图直接比高度。来源:原论文 Fig. 5。
兴趣点若按真实位置把图标全画上,市中心会叠成一团。别人曾把邻近图标合并并标出个数,但个数代表不了签到,邻近的两块区域也难分清图标属于谁。论文改用扇区:十类签到先加总,再算相对比例,从大到小、从圆周正上方按顺时针排列。扇区角度对应该类签到占十类之和的比例,图标大小也按这个比例。地理上,点选单个兴趣点时,图标放在该点,半径表示约 800 米的范围;选区划或手绘区域时,区域用灰色标出。

图 7|为什么用扇区,而不把兴趣点图标铺在地图上?
(a)图标落在真实位置时,密集处互相遮挡。(b)同一批兴趣点收成扇区后,大类用面积表示签到占比。示意里旅行类占了大部分面积。这张图说明的是表示方法,不是新加坡某个真实区域的测量结果。来源:原论文 Fig. 7。
外圈的内圆是客流基线。客流量与曲线离开基线的径向距离成正比,基线圆的半径不参与比较。顶端标出该图最大客流,并画五条虚线圆环,方便比高度。三种画法可以切换。编织图把出发高于到达、与到达高于出发的时段切开,每段里把量更大的画在上层,交叉点因此显出来。堆叠图先从内圆画到达,再把出发叠在到达之上,读的是两者合计有多高。停留图把五档时长从内到外堆叠,只针对到达。

图 8|出发、到达和停留,在径向图上各怎么读?
三张都是周一到周日。(a)编织图:粉红出发、青色到达,交叉处可以看出哪一条暂时更高。(b)堆叠图:先到达、后出发,外缘是两者之和。(c)只堆到达后的停留,由内向外为 0–2、2–4、4–8、8–12、12–24 小时。顶端数字是各图自己的最大客流。(c)的五档里包含按已知比例补上的部分,不能全部当成观察到的停留。来源:原论文 Fig. 8。
左右拆开也能看时间,为什么还是收成一枚签名
另一套设计把兴趣点做成项链图,图标挂在圆周上;移动则画成水平的编织图或堆叠图,下面再加热力条。一天被切成 6–10 点、10–16 点、16–20 点和 20–24 点,对应早高峰、非高峰、晚高峰和夜间。水平图比较一天之内的起伏更直接,却弱化了从早到夜再回到早的循环,也难以和环形的兴趣点收成一枚可以贴在地图上的签名。项链上的小图标还不如扇区的颜色和面积好认。论文因此保留内扇区、外时间环的方案。

图 9|紧凑签名和分开的链接视图,差在哪里?
无字母子图。左图是采用的签名:内圈扇区、外圈径向客流。右图是被放弃的链接视图,以新加坡樟宜机场为例:上方是水平时间图和四段时刻,下方项链图只沿圆周放图标。右图便于沿水平方向看时间,两套信息仍然分开。来源:原论文 Fig. 9。
界面另外有两块列表。左栏是三层类别,可以展开。右栏是所选类别下的场所,每格有名称、主类别、地址,以及用户数、签到数和贴士数。选中的格子会高亮。这里再次能看见签到数和用户数不是同一个数。

图 10|类别和单个场所在界面里怎样挑选?
无字母子图。左栏是三层兴趣点类别,图中展开到 Residence 下的 Residential Building (Apartment / Condo)。右栏是该类场所的信息格,同时列出用户数、签到数和贴士数。界面截图只说明有哪些字段,文中没有把这些例子加总成全岛签到。来源:原论文 Fig. 10。
早上偏出发,傍晚偏到达
地图总览有两层。一层是出发与到达的双变量密度:先用正态核做核密度,带宽仍取 10 分钟步行距离;再把出发、到达各自从 0 到最大值分成四档指数区间,合成 4×4 共 16 种颜色。用户可以改时间段。另一层是主要兴趣点的图标:十个大类各取签到最高的 20 个;若只选一个大类,则取该类前 50 个。可以只看兴趣点、只看出发加到达,或只看其中一种密度。
图 6 是周一 6 点到 10 点、全部类别。密度整体更偏粉红,粉红热点多在地铁站附近;兴趣点集中在中南部,论文称之为主要的购物、休闲和商务区。图 11 把时间改到 16 点到 20 点,类别改成 Residence。密度转为更偏青色,论文读成这段时间人们在回家。Residence 兴趣点靠近图 6 的粉红热点,也靠近图 11 的青色热点。中南部在傍晚仍有不少到达,论文解释为有人下班后留在那里休闲。这是对照两张总览之后的解读,不是对个人目的的记录。

图 6|周一早晨,出发、到达和兴趣点在岛上怎样叠在一起?
上方是周一 6:00–10:00 的总览,颜色由图例的 4×4 档位决定,粉红方向表示出发更高,青色方向表示到达更高。下方三个小图是可以切换的图层。(a)只留兴趣点图标。(b)同时保留出发和到达密度。(c)只留一种密度。小图是总览的局部或图层,不是另一座城市。来源:原论文 Fig. 6。

图 11|傍晚只看居住类兴趣点时,密度转向哪一种颜色?
无字母子图。时间为 16:00–20:00,图标是 Residence 类。图例仍是到达与出发的分档上色,整体比周一早晨更偏青色。图标是否落在热点上,要回到图 6 对照,不能单凭这一张断定每个居住点都是晚归目的地。来源:原论文 Fig. 11。
大学、工厂、商场、住区和机场并排放
第二组案例点选不同类别的兴趣点,时间框设成工作日对周末。多个签名放在一起时,内圈半径按签到总量缩放,外圈高度按出发和到达的客流量缩放。另外设了最小尺寸,免得图小到看不见;若被这个下限托住,就用红色虚线圈标出未托住时的大小。图 12 的 (a)(b)(d)(e) 出现了这种虚线圈,(c) 的商场足够大,没有被托住。因此小图之间可以比相对大小,被托住的那几枚要看虚线圈,不能只看画出来的圆有多大。
大学签名里,College & University 占主导,论文据此认为校园较偏、周围其他活动少。工作日早上客流向这里聚集,傍晚再散出;周末几乎没有移动。工厂落在 Professional & Other Places,工作日同样早上聚集、傍晚散出。论文把大学的人流读成学生、把工厂的人流读成雇员。记录里没有身份字段,这是按场所类型作出的解释。
商场的 Shop & Service 图标最大,内圈半径和外圈高度都明显大于其他几枚。论文把这读成客流与社交媒体使用的正向关系。这里没有相关系数,只是两套视觉尺寸一起变大。商场的工作日和周末差别更小,论文解释为整周都有人去。
两个居住兴趣点在工作日早上有出发峰、傍晚有到达峰,周末则全天更接近平衡。这与既有文献里的钟摆式出行相符:人们早上离开住区、傍晚回来。周末的平衡被读成出行更灵活。
樟宜机场的内圈半径相当大,外圈却很矮。论文解释为人们更愿意在机场签到,而航班在工作日和周末的分布比较均匀,所以左右两边差得不多。
再细看,工厂的工作日到达多集中在 9 点以前,离开大约在 18 点;大学有不少到达晚于 9 点,离开则早于 18 点。周末工厂仍有少量移动,大学签名里看不到。作者认为这种差别有助于区分工厂和大学。案例是两类各举一处,没有报告分类准确率。
商场和机场在 22 点前后有出发峰。论文把它联系到公共交通午夜停运,人们需要在那之前离开。对机场,作者猜测是有人送午夜后的航班,自己必须在停运前返回。这是猜测,没有用航班或送客记录检验。
居住签名还有一个和客流相反的签到结果。Residence 在这些扇区里占比不高;大学、工厂、商场和机场那四个签名里,却各有一个主导类别超过 60%。居住这组扇区中,Shop & Service、Food、Outdoors & Recreation 合计超过 70%。两个百分比的分母都是相应扇区的签到,不是公交人次。论文由此写了两点解释:人们不愿在住处签到;住区与购物、餐饮、户外休闲在空间上挨得很近。签到构成解释不了早出晚归,早出晚归来自外圈的公交分配。
正文先说图 12(d) 是两个居住兴趣点,后文又说这一组里三个扇区的居住类占比都不高。论文没有解释“两个”和“三个”的差别,这里照原文并列,不另补一个地点。

图 12|不同类别的兴趣点,签名差在节奏还是差在签到?
时间框是工作日对周末,粉红出发、青色到达。内圈半径随签到总量变化,外圈高度随客流变化;红色虚线圈表示图形被最小尺寸托住。(a)大学,学院类扇区占主导,周末很矮。(b)工厂,职业与其他场所类占主导,工作日早到晚走,周末仍有少量起伏。(c)商场,购物服务类最大,整周客流都高,约 22 点有出发峰。(d)居住兴趣点,工作日早出晚归,居住类扇区却不大。(e)樟宜机场,旅行类扇区大、客流环矮,约 22 点也有出发峰。各枚顶端数字只属于该枚签名。来源:原论文 Fig. 12。
换成行政区以后,混合功能还看不看得出
第三组改选行政区,比较的是一片区,而不再是单个兴趣点周围约 800 米。外圈按周一到周日分开,可以看出周末是否比工作日更鼓。正文没有再把这组切成工作日对周末的左右对照。
两所大学所在的区,移动形态很接近。(a1) 的扇区更集中,论文认为校园更偏;(a2) 是另一所。(b1)(b2)(b3) 是三片住区,形态仍是住区那种早出晚归,其中 (b3) 的活动类别更杂。作者认为 (b3) 是较新的住区,政府希望新镇混合多种功能,(b1)(b2) 则是较老的镇。这是作者给出的规划解释,图本身只显示扇区更分散。(c) 是主要的购物与休闲区。(d1)(d2) 两片工业区都由 Professional & Other Places 主导,位于城市外围。(e) 是动物园所在的区,周末移动多于工作日,和其他签名不同。(f) 是樟宜机场所在的区。正文点出这张签名,没有把案例 2 里“签到大、客流矮”的反差再量化一次。

图 13|从单个兴趣点换成行政区,哪些差别还在?
灰色底是选中的区。外圈为周一到周日,粉红出发、青色到达。(a)含 a1、a2 两所大学所在区,客流相近,a1 的扇区更集中。(b)含 b1、b2、b3 三片住区,b3 的类别更杂。(c)购物与休闲区,扇区和客流都大。(d)含 d1、d2 两片外围工业区,职业与其他场所类占主导。(e)动物园所在区,周末比工作日更鼓。(f)机场所在区,旅行类扇区很大。来源:原论文 Fig. 13。
专家能对上已有判断,边界也一起说清
访谈对象是三位研究公共交通的专家。一位有 15 年以上学术经验,文中记为 SR;另外两位关注人类移动分析,记为 R1、R2。题目本身来自与 R1 的讨论,设计过程中也持续按他们的反馈改图。论文称他们彼此独立,而这轮访谈发生在共同讨论之后:先解释编码,再让他们自行使用大约 10 分钟,最后看三个案例。因此它是设计反馈,不是事先注册、与设计者隔离的盲测,也没有报告识别正确率。
专家认为先给总览、再圈区域的流程有用。R2 看着图 11 就能指出中南部重要。SR 觉得出发和到达两层同时打开时颜色难认,只开一层会好一些。三人都认为兴趣点和移动不该拆开,拆开就会把关系看残。编织图他们原先不熟悉,但交叉点比交通里常用的简单折线更好认。扇区也被认为合适;SR 补充,相邻区域的扇区可能重叠。
案例里的大部分形态,专家事先就预期到了。他们仍想要一个交互界面来核对这些预期。SR 说,熟悉新加坡公交的人很难单靠这套数据获得全新知识,但会更警惕社交媒体。R1 认为,22 点前后的峰,以及图 13(b3) 那种混合功能的镇,靠签名更容易被注意到。
专家把限制说得很具体。签名要占地图面积,试验中同时大约只能放 10 枚。客流只来自公交和地铁,出租车和私家车不在里面。社交媒体用户不是全体居民,老年人尤其少。他们还要求检验这里的引力分配:签到和距离固然重要,活动偏好却更复杂;乘客怎样从建筑物走到车站,也需要另做研究。距离门槛现在固定为 10 分钟、每小时 5 公里,专家希望加一个可以拖动的时间滑条。论文没有报告换带宽、换衰减函数之后签名是否还一样。
讨论里,案例被用来支持“移动与兴趣点高度相关”,并建议用居住和就业更均衡的新镇来减少通勤,图 13(b3) 被当成这种镇的例子。相关来自视觉上的同时出现。工厂和大学的钟点差、机场爱签到而住区不爱签到,论文也记为以往较少被这样一并看见的细节。后续工作包括按类别聚类签名、加入用地数据、以及再看一块区域的出行从哪来、到哪去。这些都还没有在本文做成结果。
这些图能支持到哪一步
签名适合回答的问题是:在这套公交记录和这份无时间的签到表上,一块区域的出发、到达节奏和十类签到比例长什么样,不同区域并排时差在哪里。全岛上车的双峰、住区的早出晚归、商场整周都高、机场签到与公交高度不成比例,都是在这个口径里看见的。
它们支持不了的结论同样明确。分配权重用了签到和直线距离,所以外圈不完全是“这个场所自己的乘客”。没有职业、年龄和出行目的字段,学生、雇员、送机都是事后解释。时长五档里有按比例补上的部分。工作日对周末、周一到周日,用的不是同一套时间粒度。被最小尺寸托住的签名,直接比圆的大小会夸大那些小样本。三位专家的认可说明图能对上专业预期,不能代替一条留出数据上的预测检验。
一句话总结
兴趣点签名能把早出晚归、全周都热闹,以及签到很多但公交不多,放到同一张图里对照;它显示的是公交客流和签到权重叠在一起之后的形态,还不能单独证明某类场所造成了这些出行。
核心来源
- IEEE 网络版,DOI:10.1109/TITS.2016.2639320。本文依据该已接收版本,正文图 1 至图 13。
- 兴趣点来自 Foursquare。论文参考文献所引开发者页面写明 2016 年 6 月 24 日访问:Foursquare for Developers。签到在文中没有时间戳,页面访问日期也不等于数据快照的日期。
作者介绍
六位作者的单位以论文首页署名为准,经历取自文末作者简介。
- Wei Zeng:署名为新加坡苏黎世联邦理工学院未来城市实验室。简介写他 2011 年、2015 年在南洋理工大学计算机工程学院取得学士和博士学位,当时在协同交互可视化与分析实验室及未来城市实验室做博士后,研究方向包括可视分析、信息可视化和城市数据建模。
- Chi-Wing Fu:署名为香港中文大学。简介写他在美国印第安纳大学布卢明顿分校取得计算机科学博士学位,2016 年以副教授加入香港中文大学,研究计算机图形学、可视化与人机交互。
- Stefan Müller Arisona:署名为瑞士西北应用科学与艺术大学 FHNW(Windisch)。简介写他 2004 年在苏黎世大学取得博士学位,当时是该校 4D 技术研究所计算机科学教授,并共同领导 CIVAL,研究把图形学和交互用于建筑与城市建模。
- Simon Schubiger:同样署名为 FHNW。简介写他在弗里堡大学取得计算机科学博士学位,曾参与创立 Procedural Inc.,当时是 FHNW 教授,并共同领导 CIVAL 与未来城市实验室。
- Remo Burkhard:与 Zeng 同署未来城市实验室。简介写他在苏黎世联邦理工学院取得建筑学博士学位,当时任新加坡—苏黎世联邦理工中心董事总经理,并共同领导 CIVAL 与未来城市实验室。
- Kwan-Liu Ma:署名为加州大学戴维斯分校。简介写他 1993 年在犹他大学取得计算机科学博士学位,当时是戴维斯分校计算机科学教授,领导 VIDi 研究组并主持该校可视化中心,研究方向包括可视化与人机界面。
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。
若规划时只看签到最高的地方,机场会排在前面,住区会排在后面;只看公交外圈,次序会反过来。一个可以直接做的检验,是把扇区权重从签到换成建筑面积或用地,外圈仍用同一批公交记录。外圈几乎不变、内圈大变,说明现在看到的“类型差异”有一部分来自谁爱签到。外圈也跟着变,才说明场所规模已经进入客流分配。论文把融合用地列为后续工作,这个对照还没有结果。
22 点的出发峰被联系到午夜停运。可以找服务收车时间不同的夜晚:峰若跟着末班车移动,它更像时刻表;峰若留在原地,才更像活动本身在这个钟点结束。住区扇区里购物和餐饮很高,也不等于老年乘客的白天到达来自这两类场所。公交环可以照见到达,签到环照不见没有打开应用的人。把这两套图分开读,比合成一个“场所造成了出行”的句子更稳妥。