群体的出行更集中,就能说每个人能去的地方更少吗?
论文名片|Mariana Macedo、Laura Lotero、Alessio Cardillo、Ronaldo Menezes、Hugo Barbosa,Differences in the spatial landscape of urban mobility: Gender and socioeconomic perspectives,PLoS ONE,2022,17(3):e0260874,2022年3月2日发表(2021年3月8日收稿,2021年11月18日接收)。DOI:10.1371/journal.pone.0260874。五位作者贡献相同。本文依据这一正式版本的正文解读。
2019 年波哥大都会区的工作出行地图上,市中心一大片高密度地带接近黄色。按图例,黄色表示这个地带里男性和女性的工作出行都多。只看局部谁占多数,性别差别很容易被看成小事。换一个问题之后,差别就出现了:把一组人的全部目的地放在一起,这些出行在调查地带上摊得有多均匀?
这项观察研究用家户出行调查回答这个问题。女性群体的目的地通常更集中,社会经济阶层拉开的差距更大;圣保罗 1997 年和 2007 年是性别方向上的例外。更集中描述的是群体份额。正文同时报告,若按每个人的工作目的地个数来比,两性没有统计显著差异。
先说结论
- 三座都会区各年份里,群体出行多样性 H 的分布峰都在 0.80 以上。工作出行通常比全部出行、也比非工作出行更集中。每个目的地份额的分母是该组、该目的的出行总次数;再除以 log₂(地带数),香农熵被收到 0–1。1 表示份额在该调查的全部地带上相等。
- 波哥大的性别差方向稳定,女性中位数更低,绝对差很小。2019 年全部出行中,男性与女性的中位数只差 0.00019;2012 年工作出行中,全体与女性相差 0.01599。圣保罗 1997 与 2007 年女性更高,是正文标出的方向例外。
- 阶层差距大得多。波哥大 2012 年全部出行里,全体与上层的中位数差为 0.21744;2019 年同一对比降到 0.03914。上层最低这一条最稳定。中层最高是总体趋势,2012 年工作出行里下层略高于中层。
- 同一阶层内部,男性的多样性多高于女性,正文认为上层的性别差更明显。每次抽取该组出行的 60%、重复 1000 次之后,很小的中位数差也可以在韦尔奇检验里分开。这些重复样本来自同一次调查。
- 居住布局和出行距离会改变多样性的水平,正文认为这两项仍不足以解释性别和阶层差别。麦德林 2017 年没有扩展因子,作者不对这座城市做时间变化判断。
调查数的是上报出行,表里的人数是原始样本
人类移动性在这里指人在都市区里为了特定目的更换地点,包括上班、回家、上学、休闲、购物和就医。它记录的是调查中的近期常规出行,不是居住地迁移,也不是手机全天轨迹。
数据来自三座南美都会区的官方家户出行调查。麦德林(Medellín,正文记为 MDE)为 2005 与 2017 年,波哥大(Bogotá,BGT)为 2012 与 2019 年,圣保罗(São Paulo,SAO)为 1997、2007 与 2017 年。每条出行带有起讫地带、出发和到达时间、目的,以及最多五段不同的交通方式。多样性只使用目的地地带,同一次出行不会按交通方式再拆成五次。
受访者还报告性别、职业和社会经济地位。调查把性别分成男性与女性。哥伦比亚和巴西原来的社会经济分类被归并成下层、中层、上层三档。归并对照写在补充材料里,正文没有列出原始等级与收入区间,这里也不把某一档写成具体收入。
样本按居住人口的社会人口结构抽取。扩展因子按受访者相对总体的结构,把样本放大到抽样来源的人口。除麦德林 2017 年缺少扩展因子外,多样性都在扩展后的数据上计算。表 1 明确标的是原始样本,所以下面的人数和出行次数是样本规模,性别比例的分母也是这个原始样本。
| 都会区 | 覆盖面积 | 地带数 | 年份 | 出行者 | 男性/女性出行者 | 出行次数 | 男性/女性出行 |
|---|---|---|---|---|---|---|---|
| 麦德林 | 1,167 km² | 215 | 2005 | 22,840 | 0.48/0.52 | 70,773 | 0.48/0.52 |
| 麦德林 | 1,167 km² | 215 | 2017 | 38,048 | 0.49/0.51 | 87,614 | 0.49/0.51 |
| 波哥大 | 24,477 km² | 400 | 2012 | 11,677 | 0.46/0.54 | 41,440 | 0.45/0.55 |
| 波哥大 | 24,477 km² | 400 | 2019 | 47,149 | 0.48/0.52 | 164,931 | 0.48/0.52 |
| 圣保罗 | 9,486 km² | 248 | 1997 | 37,316 | 0.48/0.52 | 93,376 | 0.48/0.52 |
| 圣保罗 | 9,486 km² | 248 | 2007 | 51,103 | 0.49/0.51 | 137,411 | 0.49/0.51 |
| 圣保罗 | 9,486 km² | 248 | 2017 | 48,085 | 0.50/0.50 | 125,544 | 0.50/0.50 |
出行者比例的分母是该年出行者数,出行比例的分母是该年出行次数。比例只保留两位小数,乘回样本不会得到整数人数。原始样本里两性接近各半。波哥大 2012 年最不平衡:11,677 名出行者中男性占 0.46、女性占 0.54;41,440 次出行中男性占 0.45、女性占 0.55。
表中面积是调查覆盖范围。用面积除以地带数,麦德林约 5.43 km²/地带(1,167÷215),波哥大约 61.2 km²/地带(24,477÷400),圣保罗正好 38.25 km²/地带(9,486÷248)。后面的“均匀”是相对这些调查地带而言。
后一年有些地带因人口变化被拆开。比较各年时,作者把拆开的地带并回第一次调查的划分:麦德林用 2005 年,波哥大用 2012 年,圣保罗用 1997 年。正文说明合并后,出行时间、出行距离和出行比例的总体分布保持不变,没有给出变化幅度。
均匀,是这组出行摊在全部地带上的程度
已有研究常把出行者看成可以互换的人,再寻找全体共用的距离规律。本文改问:性别和阶层会不会让目的地在城市里集中到不同的地带。作者先前在哥伦比亚看到,中等收入群体的到访更铺开,较高和较低收入群体更集中;本文要看这种差别与性别叠在一起时还在不在。
指标叫出行多样性(mobility diversity),记为 H。给定群体 X、出行目的 d,先算每个地带 i 的目的地份额:
pᵢ = 该组、该目的、以地带 i 为目的地的出行次数 ÷ 该组该目的的出行总次数。
再把这些份额收成一个 0 到 1 的数:
H = −1/log₂(N_Z) ×(各带 pᵢ log₂ pᵢ 之和)。
求和跑过全部 N_Z 个地带。份额越参差,H 越低。全部出行都落在同一个地带时 H=0;每个地带份额相同、等于 1/N_Z 时 H=1。log₂(N_Z) 是均匀时香农熵的最大值,用来把不同地带数的城市都压到 0–1。波哥大的 N_Z 是 400,同一年内各群体共用这个常数,组与组相减可以比较。麦德林是 215,圣保罗是 248,三座城市的 1 对应的地理范围不同,H 的水平不宜横比。
这个 H 改自按个人计算的多样性,这里改成整组出行的目的地分布。一组人的 H 可以很高,即使每个人只去一个地点,只要大家去的地带彼此错开。反过来,每个人都去很多地带,只要这些地带高度重叠,组的 H 仍然低。后文的性别结论依赖这个差别:正文报告,两性各自的工作目的地个数没有统计显著差异,同地带居住并工作的比例也没有很大差别。
为了看抽样波动,作者对每个群体、每一类目的,每次抽取 60% 的出行、重复 1000 次,得到 H 的分布。正文写明抽取比例改到 60%–90% 时,定性方向不变;讨论还写,用 40% 的出行已经能抓住总体形态。主文没有写每次抽取是有放回还是无放回。后面的韦尔奇 t 检验比的是这些重复抽样分布。分布往往很窄,很小的中位数差也可以得到 p<0.001。因此 p 值说明的是这批抽样分布彼此分开,差距有多大要看 H 本身。
地带面积不相等,人口也不均匀。作者用五个零模型同时考虑这两件事。图 7 的灰色点线就是这些零模型的 H,每条线的具体随机方式正文没有逐条写出。讨论的判断是:居住空间的组织方式和截断幂律形态的出行距离,都会明显影响 H 的高低;这两项仍不足以解释性别之间、阶层之间的差别。正文写明,去掉内生出行以及每人前往居住地带的出行之后,性别差仍在。内生出行的操作定义和这些检验的原图都在补充材料里,下文只沿用正文已经写出的判断。
同一张密度图,为什么还要再算一个数?
图 1 和图 2 先给 2019 年波哥大的工作出行一个空间印象。亮度是工作出行密度,颜色是该地带哪一类出行占多数。密度图回答“哪里多、谁在局部占多”,H 回答“全部地带放在一起有多均匀”。一张地带内部男性略多,并不能推出男性群体覆盖了更多地带。

图 1|2019 年波哥大的工作出行,哪里更密,局部又偏向哪一性别?
无字母子图。主图是调查覆盖的都会区,右下角插图放大市中心虚线框。亮度越高,到达该地带的工作出行越密;红色表示女性居多,绿色表示男性居多,黄色表示两边都多。主图比例尺约 0–20 公里,插图约 0–5 公里。市中心高密度区大多靠近黄色,其间有绿色和橙红色小块。黄色表示两边的工作出行都多。来源:原论文 Fig. 1。

图 2|同一批工作出行,局部多数换成阶层之后呈现什么?
无字母子图。范围、年份和亮度含义与图 1 相同。颜色换成三角图例:红偏下层,绿偏中层,蓝偏上层,中间的浅色表示三个阶层在该地带都有较多工作出行。高密度区有大片黄绿色,也有红、蓝和混色地带。颜色标出的是局部哪一阶层的工作出行占多数,图上没有 H,也没有收入。来源:原论文 Fig. 2。
正文据此说,波哥大多数地区同时有高密度的男性工作出行和高密度的中层工作出行。另外两座城市的同类地图只出现在补充材料中,正文没有描述它们的颜色格局。
工作出行为什么通常更集中?
作者把出行分成三类再计算 H:工作,非工作(工作以外的全部目的,回家、上学、休闲、购物和就医都在内),以及不论目的的全部出行。回家的目的地跟着居住地走,所以非工作这一组的均匀程度里,已经混有居住分布。

图 3|工作、非工作和全部出行,谁的目的地更均匀?
(a)麦德林,(b)波哥大,(c)圣保罗。纵轴是 1000 次抽样得到的 H,刻度从 0.800 到 0.975;横轴是调查年。绿色为非工作,棕色为工作,灰色为全部出行。灰色画成整把小提琴,用来对照另外两组是否重叠。分布都在 0.80 以上。工作出行整体更低,麦德林 2017 年三组挤在 0.80 出头并重叠。来源:原论文 Fig. 3。
每对分布的韦尔奇 t 检验都给出 p<0.001。结合图的位置,工作出行比另外两类更集中。作者对此的理解是,就业机会在都市区里比教育、休闲等其他需求合在一起更集中。这是与 H 相容的解释,调查没有直接清点每个地带的岗位数。
工作出行的时间变化要分开看。波哥大两次都使用扩展数据,H 从 2012 年到 2019 年下降。正文把这种下降写成一种可能:部分地带的就业机会减少了。调查没有清点岗位数。圣保罗先在 1997–2007 年下降,再在 2007–2017 年上升。麦德林 2017 年的小提琴也更低,但这一年没有扩展因子,作者明确不对麦德林做时间变化判断。
性别差距有多小,又在哪里反过来?
既有研究常报告女性出行距离更短,也会为了安全感选择更长或更贵的路线,照料责任则与更短的通勤时间联系在一起。那些是别的研究和本文引用的背景。本文直接测的是目的地份额的均匀程度。

图 4|波哥大的性别差,在全部出行和工作出行里各有多大?
(a)2012 年全部出行,(b)2019 年全部出行,(c)2012 年工作出行,(d)2019 年工作出行。横轴是 H,纵轴是 1000 次抽样结果的核密度。灰、绿、橙分别是全体、男性、女性。矩阵数字是两组中位数之差乘以 1000;对照峰的左右位置,正值表示行标签那一组更高。来源:原论文 Fig. 4。
把矩阵除以 1000,得到的是 H 的中位数差,单位仍是归一化熵。波哥大各组共用 log₂(400) 这个归一化常数。
- 2012 年全部出行:男性减女性为 0.00358,全体减女性为 0.00408,全体减男性为 0.00050。
- 2019 年全部出行:三个差分别是 0.00019、0.00056、0.00038。
- 2012 年工作出行:全体减女性为 0.01599,全体减男性为 0.00961,男性减女性为 0.00638。
- 2019 年工作出行:三个差分别是 0.00523、0.00340、0.00183。
四个面板里男性减女性都是正的,与正文“波哥大女性的平均 H 始终低于男性”一致。同一年份里,工作出行的性别差大于全部出行;同一目的里,2019 年的差小于 2012 年。最大一格是 2012 年工作出行的全体减女性,0.01599。这些面板里,全体的中位数不低于单独的男性或女性。全体的 H 把两性出行合在一起后重新计算,合在一起的目的地份额可以比任一单性更均匀。

图 5|三座城市、各个年份,性别差是否同一方向?
(a、d)麦德林的全部出行与工作出行,(b、e)波哥大,(c、f)圣保罗。纵轴 H 的可见刻度约从 0.80 到 0.95。青绿色为男性,金色为女性,灰色为全体;全体用整把小提琴,两性用半把。来源:原论文 Fig. 5。
除麦德林 2017 年的男性与全体之外,性别分布的韦尔奇 t 检验都给出 p<0.001。男性高于女性是多数年份的方向。正文标出的唯一方向例外是圣保罗 1997 年和 2007 年:这两年女性的 H 高于男性。讨论把“男性更多样”概括成不随地区、年份和目的改变;结果部分写了上述例外,本文采用结果部分的表述。
样本中女性更常做短途出行。与此同时,两性在同一地带居住并工作的比例差别不大,按人计算的工作目的地个数也没有统计显著差异。群体 H 描述的是目的地份额均匀与否。男性占工作出行的比例更高,女性占非工作出行的比例更高;具体百分比写在补充表,正文未列出数字。
图 5 里,男性的 H 通常比女性更靠近全体。波哥大和圣保罗的水平随年份变化,圣保罗仍是先降后升。讨论认为性别差随时间变小,波哥大图 4 的中位数差确实变小;其他城市的逐年差值,正文没有逐一列出。
阶层拉开的差距,比性别大多少?
性别差小而稳定之后,作者把出行者分成下层、中层、上层,先看阶层本身。波哥大的核密度和矩阵仍在图 6。矩阵读法与图 4 相同:数字除以 1000 是 H 的中位数差,正值表示行标签更高。归一化常数仍然是 log₂(400)。

图 6|波哥大的下层、中层和上层,目的地均匀程度差多少?
(a)2012 年全部出行,(b)2019 年全部出行,(c)2012 年工作出行,(d)2019 年工作出行。横轴 H 大约从 0.70 到 0.95,纵轴是抽样分布的核密度。灰为全体,橙为下层,绿为中层,蓝为上层。上层的峰在最左侧,分布也更宽。来源:原论文 Fig. 6。
全部出行里,全体减上层从 2012 年的 0.21744 降到 2019 年的 0.03914。2012 年全体减下层为 0.06088,全体减中层为 0.04098;下层减中层为 −0.01990,也就是中层比下层高 0.01990。中层减上层为 0.17646。2019 年这些差距一起变小:全体减下层 0.00895,全体减中层 0.00158,中层仍比下层高 0.00737,中层比上层高 0.03756。
工作出行的上层差距同样最大,但排序有一个例外。2012 年全体减上层为 0.16163,下层减中层为 +0.02226,这一年工作出行的下层高于中层。2019 年全体减上层为 0.09731,中层重新高于下层 0.01449,中层比上层高 0.09242。四张面板里上层都最低。中层高于下层出现在其中三张;2012 年工作出行则是下层高于中层。
正文对另外两座城市的核密度有同样的方向概括:上层最低,中层更均匀,而且这一方向不随出行目的翻转,各城仍有自己的细节。那些图在补充材料中。正文没有给出各阶层的出行次数,因此图 6 里上层更宽的抽样分布,不能直接解释成上层人数更少。
作者对两端都很低提出了不同的社会解释:上层可以挑选机会集中的地带,也更负担得起靠近工作地的住房或私人汽车;下层则缺少负担得起的交通,到不了公交不足的地区。这些句子解释的是同一项 H 为什么会低。H 只记录目的地份额,没有测量汽车、房租或线路。讨论还说,波哥大各阶层峰与峰的距离变小,可能表示社会经济差别缩小。2012 年到 2019 年,全体的多样性本身也在下降,差距变小至少有一部分来自原来更均匀的群体变得更集中。
同一阶层里,性别差还在吗?
阶层差更大,并不表示性别差只是阶层组成造成的。作者把两个分类交叉,计算每一种“阶层 × 性别”的 H。图 7 画的是全部出行目的。正文说工作出行的交叉结果类似,该图不在正文。

图 7|把阶层和性别放在一起,谁的出行更均匀?
(a)麦德林,(b)波哥大,(c)圣保罗。纵轴 H 从 0.60 到 1.00,横轴是调查年。灰色为全体。下层用橙色,中层用青色,上层用蓝色;同一阶层里深色为男性,浅色为女性。灰色点线 NM1–NM5 是五个零模型的 H,五条线位于不同高度。上层整体更低,同阶层深色多略高于浅色。来源:原论文 Fig. 7。
交叉之后,阶层仍把小提琴分成上下几层,性别是层内的第二道分割。正文认为上层内部的性别差更明显,精确的两两差值在补充表。图 7 里上层的深浅色分开,麦德林和波哥大更清楚。韦尔奇 t 检验在 p<0.01 的水平上拒绝“这些分布的均值相同”。2017 年麦德林的工作出行有两处没有被判成不同:全体与男性这一对,以及上层男性所涉的部分比较。正文没有写明后一处的对照小组。
单看性别或单看阶层时,单因素方差分析没有例外。性别与阶层一起进入时,双因素方差分析和事后的 Tukey HSD 检验细节在补充材料;正文的总结是,多数两两比较的均值不同,社会经济分组造成的多样性差距最大。全体的 H 高于单独一个“性别 × 阶层”小组,因为拆开之后出行更集中在较少地带。这仍然是份额均匀程度的差异。
零模型里的居住分布和出行距离,已经能把 H 放在很高或较低的位置。放进这些因素之后,性别组和阶层组之间的差别仍然存在。作者据此设想,城市地带的专门化和就业中的性别差异,可能共同推高两性承担的出行成本。设想与结果相容。正文没有估计岗位的性别构成,也没有检验 H 与通勤时间或费用之间的中介关系。
这些差别落在哪一层证据上?
在这三套调查、这套地带划分和这个群体熵之下,工作出行更集中,阶层差距大于性别差距,上层覆盖更窄,多数年份里女性群体比男性群体更集中。圣保罗 1997 与 2007 年方向相反。波哥大的性别差和阶层差在后期都变小,同时整体 H 也下降。
性别和阶层来自调查里已经填写的分类,研究没有随机分配这些身份,也没有操纵岗位或线路。出行是受访者报告的近期常规活动,访员和受访者都可能带入主观判断;偶发出行不在记录里,空间分辨率也比手机或银行卡记录粗。扩展因子用来贴近抽样人口的结构,麦德林 2017 年没有这个因子。作者把样本中下层多于上层视为两国社会结构的一部分。H 按出行份额计算,人数多的群体对“全体”的贡献更大。
跨城市比较还受地带大小约束。波哥大一个地带平均约 61.2 km²,麦德林约 5.43 km²。两座城市的 H 同为 0.90 时,对应的地理铺开范围不同。零模型考虑了面积和人口不均,具体随机化步骤写在补充材料。
讨论把后续工作放在单独的上学、休闲等目的,以及年龄、职业和拉丁美洲以外的城市。
一句话总结
群体出行更集中,说的是这一组人的目的地份额更不均匀。在这三座都会区里,阶层造成的覆盖差距大于性别;女性群体在多数年份更集中,圣保罗 1997 与 2007 年相反。个人的工作目的地个数,两性没有统计显著差异。
核心来源
- PLOS ONE 正式页面,题目、作者、发表日期与 DOI:10.1371/journal.pone.0260874。正文图 1–7、表 1。
- 论文数据声明:麦德林与波哥大调查、圣保罗起源—目的地调查公开;代码与结果入口为 github.com/marianagmmacedo/mobility_diversity,并给出 Zenodo 徽章链接 https://zenodo.org/badge/latestdoi/431181956。
- 补充材料 S1 File 收有阶层归并规则、分组样本量、零模型、方差分析原表,以及其他城市的部分图。上文采用的是正文已经写明的结论。
作者介绍
五位作者在论文中贡献相同。下面只使用正文列出的署名单位和贡献,以及本文参考文献里能够核对的相关论文。
- Mariana Macedo:通讯作者,署名埃克塞特大学生物复杂系统实验室(BioComplex Lab, University of Exeter)。参与数据整理、方法、校验、可视化与写作。
- Laura Lotero:署名哥伦比亚麦德林玻利瓦尔教皇大学工业工程学院。参与研究构思、数据整理、经费和写作。参考文献中 2016 年关于哥伦比亚不同社会经济群体出行的研究亦有其署名。
- Alessio Cardillo:署名西班牙罗维拉—伊—维尔吉利大学(University Rovira i Virgili,塔拉戈纳)计算机科学与数学系,以及萨拉戈萨大学复杂系统生物计算与物理研究所的 GOTHAM 实验室。参与构思、数据、经费、可视化和写作。
- Ronaldo Menezes:署名埃克塞特大学生物复杂系统实验室。参与构思、经费、方法、指导和写作。
- Hugo Barbosa:署名同一实验室。参与构思、数据、经费、方法、指导、校验、可视化和写作。参考文献中 2018 年《物理学报告》的人类移动性综述亦有其署名。
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。
波哥大全部出行中,全体与上层的中位数差从 0.21744 降到 0.03914,很容易被读成机会更平等。正文同时写明,这座城市的多样性整体在下降。差距缩小至少有两条不同的路径:原来更集中的群体把目的地铺开,或者原来更铺开的群体向少数地带收缩。图 6 里上层的峰一直在最左边,全体的峰则明显左移。若要判断后期是否更接近“上层获得了更均匀的城市”,需要分别看两组 H 的移动方向,而不是只看差的绝对值。
另一项值得分开监测的是个人目的地个数和群体 H。正文已经说明,两性的工作目的地个数没有统计显著差异,群体 H 仍可以不同。把同一批人的目的地个数固定,只改变这些目的地是否落在相同地带,群体 H 就会变,个人计数不变。交通或就业政策如果只公布“平均每人到达几个区”,会漏掉群体是否挤在同一小片地带;如果只公布群体 H,也会漏掉某一个人能否到达某一类具体机会。两个数回答的是两种覆盖。