能猜中相遇的地点，就能猜中会遇见谁吗？
论文名片｜Karim Karamat Jahromi、Matteo Zignani、Sabrina Gaito、Gian Paolo Rossi，Predicting encounter and colocation events，Ad Hoc Networks 62（2017）：11—21。论文 DOI。
周一上午，你总在同一栋楼上课。手机或许容易猜中你会在哪里与别人同时出现，却未必知道旁边究竟是谁，更难知道你们会待多久。对机会网络而言，这几种信息各有用处：附近出现设备，才有机会交换消息；遇见合适的人、留出足够时间，转发才可能成功。
这篇论文用校园 Wi-Fi 和城市手机活动记录，把相遇预测拆成地点、持续时间、联系人三个任务。它的结果表明，规律的日程确实能帮助预测，但地点预测的高分不能直接替代对完整相遇事件的判断。
先说结论
- 校园样本中，给出三个候选地点时，超过 90% 的用户地点预测准确率超过 80%；只给一个候选地点，达到这一门槛的用户约占 70%。
- 加权朴素贝叶斯通常优于标准朴素贝叶斯；为每个人单独校准权重，比全体共享权重仅有小幅改善。
- 相遇多久明显更难：按论文设定的容差区间判定，只有约 30% 的用户分类器准确率超过 50%。
- 城市基站数据上的共址预测表现更弱。即使允许三个候选地点，也只有约一半用户的地点准确率超过 50%；联系人预测没有用户超过 70%。
两个人连上同一张网，就算遇见了吗？
论文中的相遇（encounter）与共址（colocation），都由网络记录推断，而非面对面观察。校园 Wi-Fi 中，两台设备连接同一个接入点，连接时段又有重叠，就形成相遇记录。研究处理了设备在接入点间来回切换的乒乓现象，但同一覆盖区仍不保证两个人真正见面。
Dartmouth 数据覆盖 2004 年 1 月 3 日至 4 月 30 日，论文表 1 记为 120 天。原有 17,414 名用户、1,292 个接入点；保留用户停留超过 15 分钟的接入点访问后，剩下 14,082 名用户、907 个地点。这里的兴趣点（point of interest，PoI）是网络接入点标识，不是人工标注的教室或食堂。
另一份数据来自米兰都市区，覆盖 2012 年 3 月 26 日至 5 月 31 日，共 67 天，记录电话、短信和数据活动。表 1 给出的预处理前人数为 734,149，保留每天至少有一次活动的用户后为 17,400，包含 5,398 个基站地点。这些规模是数据预处理口径，后面的分类器还要求个人有足够的事件记录，不能直接当作所有预测实验的分母。
| 数据 | 预处理后用户 | 地点数 | 时长 | 事件的空间口径 |
|---|---|---|---|---|
| Dartmouth Wi-Fi | 14,082 | 907 | 120 天 | 同一接入点下的连接时段重叠 |
| 米兰手机活动记录 | 17,400 | 5,398 | 67 天 | 同一基站覆盖区下的估计停留时段重叠 |
表中汇总原论文 Table 1。手机活动并不连续，因此研究假定用户在一次活动开始前 900 秒至活动结束后 900 秒仍位于该基站覆盖区；短信的活动时长计为零。这是补足观测间隙的规则，也会影响哪些人被认定为同时在场。
基站的空间范围又比 Wi-Fi 接入点更粗。论文报告，米兰距中心 3 公里以内区域的基站覆盖半径中位数约为 120 米；这个数字只描述该中心区域，不能外推为所有基站的精度。因而，后面两个场景的差异同时包含校园与城市人群、观测频率、空间分辨率的差异。
只告诉模型星期几、几点，它能学到什么？
模型按用户分别训练，输入是星期几和一天中的时间窗。默认每窗 2 小时；例如周一上午的某个时间窗，可以对应过去重复出现的地点和联系人。原论文 Table 2 列出的记录还包含用户标识、地点标识、对方标识，以及事件起止时间对应的时间窗。
标准朴素贝叶斯分类器（naïve Bayesian classifier，NBC）把候选地点的历史常见程度，与该地点对应的星期、时段概率相乘，选择得分最高的地点。困难在于，它假定特征在给定类别后条件独立；但同一个上午时段在工作日与周末可能意味着完全不同的安排。
加权版本根据 Kullback–Leibler 散度衡量特征带来的信息，调整星期和时段概率在得分中的权重。可把它理解为：让更有区分力的时间信息承担更多判断，而不是把每个特征等量使用。加权可以缓和原模型的局限，但并没有完整建模所有特征依赖。
地点和联系人任务返回概率最高的前 k 个候选，k 分别取 1、2、3；真实记录落在候选集合内就算命中。允许更多候选本来就更容易命中，所以 top-3 的高分不等于准确猜中唯一答案。持续时间任务另外使用预测地点作为输入，地点误差也可能影响后续判断。
实验采用四折交叉验证。每名用户的准确率是测试记录中命中的比例，再对各折取平均，最后展示不同用户准确率的分布。论文没有把这写成严格按时间前推、留出未来一段时间的验证，因此结果应解释为该交叉验证设置下的能力。
校园的相遇地点为什么最容易预测？
校园实验选择至少有 75 条相遇记录的用户训练分类器。图 1 不是所有记录混在一起的总体准确率：横轴是单个用户的预测准确率，纵轴是互补累积分布（CCDF），表示准确率高于该门槛的用户比例。同一横坐标上，曲线越高，达到该水平的用户越多。
图 1｜加入特征权重，能帮助多少用户猜中相遇地点？单幅图中的六条曲线比较标准与加权 NBC，以及各自的前 1、2、3 个候选地点。加权版本在候选较少时改善尤其明显；给出三个候选时，超过 90% 的用户准确率超过 80%。来源：原论文 Fig. 1。
研究还比较了采用高斯时间分布的时空方法、基于高斯过程改写的预测器，以及以支持向量机实现的纠错输出码分类器。这里的高斯过程比较将既有方法改造成同一地点任务，不能当成原方法在所有任务上的全面排名。
图 2｜地点预测优势是否只来自挑选较弱的标准模型？四幅图横轴均为地点准确率，纵轴均为用户比例的 CCDF。（a）加权 NBC 与时空分布方法比较；（b）与用于同一地点任务的高斯过程比较，论文报告高斯过程的准确率中位数约 41%，加权方法约 97%；（c）与纠错输出码分类器比较；（d）比较全体共享特征权重和按个人单独调整的权重，后者只有小幅提升。图中原始排列为左列 a、b，右列 c、d。来源：原论文 Fig. 2。
图 2 支持的是这些数据、任务与实现设置下的相对优势。它没有评估所有可能的现代预测器，也没有直接把结果换算为消息送达率。
日历规律还反映在周末与工作日的差别上。论文文字概括周末预测更好，并解释为周末在家停留等安排可能更简单。但图 3 的图例需要细读：k=1、3 的周末曲线较高，k=2 的工作日曲线反而较高。因此，这张图不能支持所有候选数下周末都更好的概括；关于在家的解释也没有被独立检验。
图 3｜周末和工作日，哪一种日程更容易预测？单幅图按 k=1、2、3 比较两类日期，横轴为地点准确率，纵轴为 CCDF。按原图图例，k=1、3 时周末表现较好，k=2 时则是工作日表现较好；这与正文概括的方向并不完全一致。来源：原论文 Fig. 3。
把时间窗放宽，会合并原本不同的活动，也可能缓和轻微迟到带来的误差。图 4 显示，这个折中并非时间窗越大越好：从 2 小时改到 4 小时，地点准确率略有下降，k=3 时更明显；继续改到 8 小时，变化不大。
图 4｜时间分得更粗，地点预测会改善吗？单幅图比较 H=2、4、8 小时与三个候选数。横轴为地点准确率，纵轴为 CCDF；注意纵轴从 0.4 起，视觉差距不能当作从零开始的比例差距。来源：原论文 Fig. 4。
地点很稳定，为什么停留多久仍难判断？
持续时间并不是要求模型精确猜到某个秒数。研究在测试集中，按地点和时间情境汇总持续时间、去除异常值，再计算均值 μ 与标准差 σ；预测时长落在 μ−σ 至 μ+σ 的范围内，就按论文规则记为正确。这个容差口径与逐条实际时长完全相等不同，也不是模型给出的置信区间。
即使采用这样的判定，约 30% 的分类器准确率超过 50%。同样在一栋楼遇见别人，临时谈话、不同课程长度或离开的时机仍可能让持续时间变化。论文没有逐一验证这些原因，但结果明确说明，固定地点并不能提供同样稳定的时长。
图 5｜知道常见地点，能否进一步猜中相遇时长？单幅图横轴为按容差规则计算的持续时间准确率，纵轴为 CCDF；三种候选设置下的加权与标准 NBC 都明显弱于地点任务，加权版本整体有所改善。来源：原论文 Fig. 5。
猜到会遇见谁，还需要更细的重复关系
联系人任务同样采用前 k 个候选：只要其中一个用户标识与测试记录中的对方一致，就计为命中。它评估的是单条事件的联系人候选覆盖，不是一次列出时间窗内所有真实接触者。
校园中，k=1 时约 20% 的用户联系人准确率超过 80%；放宽为 k=3，这一比例约为 30%。地点的固定并不保证周围人员完全相同。加权仍有帮助，尤其是 k=1、2，但联系人预测的分布比地点任务分散得多。
图 6｜同一时间、同一校园日程，能否锁定具体的人？单幅图横轴为联系人准确率，纵轴为 CCDF，六条曲线比较候选数及是否加权。随着候选增多，达到高准确率的用户增加；仍不能据此声称所有用户的联系人都可被稳定预测。来源：原论文 Fig. 6。
从校园移到城市，共址预测还剩多少把握？
米兰共址实验进一步选择至少有 350 条记录的用户，避免个人训练数据过少。这比前面的数据清理门槛更严格。城市活动的时空变化、基站覆盖区和记录间隙都可能影响共址标签，不能把两个场景的分数差完全归因于城市居民更不规律。
图 7｜基站尺度的共址地点还容易预测吗？单幅图横轴为共址地点准确率，纵轴为 CCDF，比较标准与加权模型的三个候选数。加权版本整体更好，但 k=3 时仍只有约一半用户准确率超过 50%；k=1、2 时达到该门槛的用户约占 15%、20%。来源：原论文 Fig. 7。
图 8｜城市共址数据能否猜中具体联系人？单幅图只比较加权模型的前 1、2、3 个候选，横轴为联系人准确率，纵轴为 CCDF。增加候选可提高命中率，但没有分类器的准确率超过 70%。这里没有标准 NBC 的对照曲线。来源：原论文 Fig. 8。
作者把较弱表现解释为基站记录更稀疏、更粗，以及城市人群日程不如校园规律。这些解释合理，却没有被当前跨数据集比较逐项分离。对实际系统而言，还需要时间前推验证、不同观测规则的敏感性分析，以及在转发协议中直接测试效益。论文把改善内容分发留作未来工作。
一句话总结
日历与历史事件能帮助预测重复相遇的地点，但相遇多久、遇见谁，以及城市粗粒度共址，分别需要更强的证据，不能共用一个高准确率结论。
核心来源
Karim Karamat Jahromi, Matteo Zignani, Sabrina Gaito, Gian Paolo Rossi. Predicting encounter and colocation events. Ad Hoc Networks 62 (2017), 11–21. DOI：10.1016/j.adhoc.2017.04.004。数据、方法、数值及 Fig. 1—8 均来自该论文正文。
作者介绍
- Karim Karamat Jahromi：论文署名机构为意大利米兰大学计算机科学系，也是本文通讯作者。
- Matteo Zignani：论文署名机构为米兰大学计算机科学系。
- Sabrina Gaito：论文署名机构为米兰大学计算机科学系。
- Gian Paolo Rossi：论文署名机构为米兰大学计算机科学系。
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。
如果一个转发系统每天都能猜中你会出现在办公室，却经常猜错会遇见哪位同事，地点高分可能对送达消息帮助有限。更贴近应用的评估，可以把“给出三个地点的命中率”换成实际决策：按照预测选择等待或转发，再比较交付时间、耗电和失败率。
另一项值得做的实验，是在同一批人身上同时记录 Wi-Fi、基站活动和近距离探测。固定人群后改变观测尺度，才能更清楚地区分：表现下降来自行为变化，还是来自标签把许多并未相见的人装进了同一个覆盖区。
