2012-Socio-Geography of Human Mobility: A Study Using Longitudinal Mobile Phone Data


家离强关系更近,去过的地方却更靠近弱关系?

论文名片|Santi Phithakkitnukoon、Zbigniew Smoreda、Patrick Olivier,Socio-Geography of Human Mobility: A Study Using Longitudinal Mobile Phone Data,PLoS ONE,2012,7(6):e39253,2012年6月28日发表。DOI:10.1371/journal.pone.0039253。观察研究,依据这份 PLoS ONE 正式版。

下班后绕去一个不常通话的地方,晚上回到通话最多的那一片。前一处离偶尔联系的人更近,后一处离经常联系的人更近。这不是论文里的某位用户,只是把两种距离放在同一天:人住在哪里,和这一年实际连上过哪些基站。

葡萄牙 2006–2007 年的语音通话记录里,住所平均更靠近通话更久的强关系;到过的不同地点却有更高比例落在弱关系的一定距离之内。最近社会联系的住所向外 20 公里,平均覆盖八成到访地点。居住地越密,覆盖同样比例所需的距离越短。

先说结论

  • 每月至少有 5 次位置记录的 110,213 人,占全部 1,318,905 名用户的 8.36%。他们到过的不同地点中,平均 80% 落在最近社会联系住所的 20 公里内,90% 落在 45 公里内。
  • 强关系的家比弱关系的家平均近约 11 公里:联系层面的平均距离是 41.50 公里对 52.75 公里。活动范围落在给定距离内的比例则是弱关系更高,正文把差距概括为大约 15%(标准差 10.7%,p = 0.09)。
  • 市镇人口密度越高,活动范围落在短半径内的比例升得越快。10 公里那条拟合的幂律指数是 0.10913,40 公里只有 0.021092。里斯本和波尔图要覆盖 80% 的活动范围,地理社会半径大约 7 公里。
  • 论文按人口密度把这条葡萄牙关系套到其他城市,给出巴黎、孟买各 1.99 公里,悉尼 5.79 公里等估计。这些是外推,正文没有当地通话样本。把人的位置随机对调后,平均覆盖更低、波动更大。

一年通话里,谁被留下来比较?

数据来自一家欧洲电信运营商的计费记录,覆盖葡萄牙全部 308 个市镇,时间是 2006 年到 2007 年之间的一年。原始用户 1,318,905 人,论文写约占人口的 13%;正文没有印出计算这 13% 时使用的人口总数。记录只有语音通话,没有短信,也没有上网流量。号码在离开运营商机房前已被换成匿名标识,位置是通话时连接的基站。

全国有 6,509 座基站。平均每座覆盖 14 平方公里,里斯本和波尔图降到 0.13 平方公里。所以后面说的“地点”,是基站覆盖范围的质心,粒度随城乡改变。

分析没有使用全部用户。论文只保留每个月至少有 5 次位置记录的客户,得到 110,213 人。这个筛选让轨迹更密,也把很少打电话的人留在样本外。在这 110,213 人里,一年平均大约 49 条有来有往的联系;每人每月通话 467 分钟、173 次,并连接 98 座不同基站。

467 分钟若按 30 天均摊,大约是每天 15.6 分钟;173 次大约是每天 5.8 次。正文括号里写的“大约每天 6 分钟、8 次”与按 30 天均摊不一致。后面使用每月 467 分钟和 173 次。98 座基站和每月通话写在同一句里,正文没有单独标明 98 是每月还是全年的去重数。

社会联系只保留互有来往的通话,做法跟随 Onnela 等人 2007 年的研究,用来降低商业号码和单向呼叫的噪声。从不互打电话的同事、邻居不会进入这张网。因此这里的社会联系是语音通话网,不是一个人全部的面对面关系。

通话联系数、通话时长、通话次数和到过基站数的分布

图 1|留下来的 110,213 人,通话和移动各有多宽?

(a)联系数:纵轴是人数,横轴是互惠联系数,双对数坐标。人数在数十个联系附近达到高峰,长尾超过 1,000。(b)每月通话时长,单位是分钟,高峰落在数百分钟,与月均 467 分钟同量级。(c)每月通话次数,高峰在大约 100 次附近,月均是 173 次。(d)到过的不同基站数,高峰在大约 100 座附近,与正文的 98 座同量级,长尾伸向大约 1,000 座。四张图的纵轴都是受试者人数,不是通话条数。来源:原论文 Fig. 1。

家和工作地落在哪座基站上?

家被定为夜间 22 时至次日 7 时通话最多的基站,工作地定为白天 9 时至 17 时通话最多的基站。坐标取覆盖范围的质心。运营商市场份额、套餐在一天中的分布、以及一人多号,都会改变这个估计。论文把这些列为家位置的固有限制。

核对办法是:按估计的家,把受试者分进居住市镇,再和葡萄牙国家统计局 2001 年人口普查的市镇人口比较。通话发生在 2006–2007 年,普查早大约五年。正文说二者大体呈线性,对不上的市镇大约不到 10%。图上打印的是双对数坐标里的幂律,指数不是 1。

估计居住市镇的用户数与普查人口的散点

图 2|估计的居住市镇,和普查人口还对得上吗?

无字母子图。横轴是按估计住所归入该市镇的用户数,纵轴是 2001 年普查的市镇人口,两边都是对数刻度。拟合为 y = 40.012 × x 的 0.81933 次方,对数相关系数 R = 0.88584。指数低于 1,用户数增加时,拟合人口不是按同样倍数增加。每个点是一个市镇;“不到 10% 对不上”是正文的概括,图上没有逐点标出哪些市镇被算作偏离。来源:原论文 Fig. 2。

工作地用通勤距离做侧面核对。通勤距离是估计的家与工作地基站之间的距离。平均 7.59 公里,68% 的受试者短于 10 公里。Eurofound 2000 年的葡萄牙工作条件资料写,人口中 67.4% 的通勤短于 10 公里。两个 10 公里门槛接近,但一个是 2006–2007 年这家运营商的受试者,一个是 2000 年对人口的调查,不是同一批人。

家到工作地距离的人数分布

图 3|估计的家和工作地之间,大多数人有多远?

无字母子图。横轴是通勤距离(公里),纵轴是受试者人数,双对数坐标。短距离的人数最高,平均 7.59 公里;68% 的受试者短于 10 公里,分母是纳入分析、并能估计家和工作地的受试者。100 公里以外仍有长尾。来源:原论文 Fig. 3。

地理距离用半正矢公式,把两点的经纬度差换算成球面大圆距离,地球平均半径取 6,371 公里。这是地图上的大圆距离,不是沿路里程,也不是通勤时间。

强关系只是比本人平均通得更久

强弱关系沿用 Granovetter 1973 年的区分,但操作指标窄得多。某条联系的强度,等于和这个人的总通话时长,除以该受试者全部联系的平均通话时长。商大于或等于 1 算强关系,小于 1 算弱关系。分母是这个人自己的平均时长,不是全样本的统一分钟线,也没有直接测量亲密程度或互惠服务。互惠已经用在“算不算联系”上,强度本身只看时长。

按这个定义,平均每人 7 条强关系、42 条弱关系。7 加 42 等于正文所说的大约 49 条互惠联系。通话时长通常右偏,超过本人平均值的联系本来就会少一些,所以 7 对 42 符合这个相对门槛,并不表示弱关系在社会上更重要。

强关系和弱关系条数的人数分布

图 4|强关系和弱关系各有多少条?

(a)强关系条数:很多人只有很少几条,人数随条数下降,平均是 7 条。(b)弱关系条数:人数在大约十几到几十条达到高峰,平均是 42 条,长尾可以到数千条。纵轴都是受试者人数。平均值不是图上的峰值。来源:原论文 Fig. 4。

住所离强关系更近,平均近多少?

先看全部联系,不区分强弱。受试者的家到联系人的家,平均 19.66 公里;家到联系人的工作地,平均 13.30 公里。这里的统计单位是联系,图的纵轴是联系条数。

再只看家到家,并按强弱分开:强关系平均 41.50 公里,标准差 91.52 公里;弱关系平均 52.75 公里,标准差 81.98 公里。52.75 减 41.50 等于 11.25 公里,正文概括为大约近 11 公里。标准差大于平均值,少数很远的联系会把平均拉开。图上条数的高峰大约在 10 公里附近,40 多公里是被长尾拉高后的平均。

用平均 7 条强关系和 42 条弱关系做权,(7 × 41.50 + 42 × 52.75)÷ 49 ≈ 51.1 公里,与全体联系的 19.66 公里对不上。正文没有说明这三组平均是先对每个人平均、再对人群平均,还是把所有联系合在一起平均。11 公里只对应强弱两组家—家距离的差。

家到联系人家和家到联系人工作地的距离分布

图 5|家离联系人的家和工作地各有多远?

(a)家到联系人的家,平均 19.66 公里。(b)家到联系人的工作地,平均 13.30 公里。纵轴是联系条数,横轴是公里,双对数坐标。两条分布都在数公里到数十公里达到高峰,并在数百公里处还有一截抬升。来源:原论文 Fig. 5。

家到强关系的家和家到弱关系的家的距离分布

图 6|强关系的家是否更近?

(a)家到强关系的家,平均 41.50 公里,标准差 91.52 公里。(b)家到弱关系的家,平均 52.75 公里,标准差 81.98 公里。纵轴仍是联系条数。强关系的平均更短,两组都有远长于平均值的尾巴。来源:原论文 Fig. 6。

到过的地点,离联系人的位置有多近?

活动范围(travel scope)是一个人到过的不同地点的集合,地点仍是基站。位置只在通话接通时记下,活动范围就是这些接通过的基站。论文引用既有研究,把这类轨迹当作个人移动的可用代理,同时在文末把断续采样列为首要限制。

地理社会半径(geo-social radius)回答的是:从社会联系的位置向外扩多少公里,能罩住一定比例的到访地点。某个地点只要落在任一联系人的这个距离内,就算被罩住,因此等价于它到最近联系人的距离。论文写,r_y = x 公里表示 y% 的到访地点位于社会联系的 x 公里内。

对家的位置,到访地点平均有 80% 落在最近联系人住所的 20 公里内,90% 落在 45 公里内。距离从 0 算到 200 公里。工作地的曲线形状相近,正文没有另给一组工作地的 80% 和 90% 公里数。图上的竖线,结果正文称为标准差;标准误放在补充图里,正文没有列出标准误数值。20 公里处的竖线仍然很长,80% 是受试者之间的平均,人与人之间仍很分散。

作为对照,论文把受试者的位置随机对调。对调后的平均覆盖更低,波动更宽。正文只报告这个方向,没有给出 z 值。

活动范围落在联系人家和工作地一定距离内的比例

图 7|扩到多少公里,能罩住大部分到访地点?

(a)以联系人的家为圆心,横轴 0 到 200 公里,纵轴是活动范围中距离小于该值的比例。(b)以联系人的工作地为圆心,坐标相同。家的曲线在约 20 公里到达约 0.8,约 45 公里到达约 0.9,之后上升变慢。竖线是结果正文所称的标准差。来源:原论文 Fig. 7。

用社会联系位置和地理社会半径圈出活动范围的示意图

图 10|地理社会半径在图上是什么?

无字母子图,是示意图,不是某位用户的真实轨迹。圆点是社会联系的地理位置,r 是地理社会半径,灰色虚线轮廓是这些圆覆盖到的范围,用来表示由联系人位置推断的活动范围。一个到访地点只要进入任一圆内,就落在半径 r 内。来源:原论文 Fig. 10。

活动范围更靠近弱关系,这个 15% 是什么?

居住距离和活动范围的方向相反。人住得离强关系更近,但到过的地点有更高比例落在弱关系附近。图 8 的纵轴仍是“落在该距离以内的比例”。弱关系曲线在强关系曲线上方:同样的公里数,弱关系罩住的活动范围比例更高。结果段的英文写成更可能处于离弱关系一段距离之外,讨论段写成在物理上更靠近弱关系。纵轴是落在该距离以内的比例,弱关系更高,所以 15% 说的是到访地点的覆盖比例。住所仍然是强关系更近。

正文把这一差距概括为大约 15%,标准差 10.7%,p = 0.09。它没有印出每个距离上的差值。p = 0.09 高于常用的 0.05 界线,方向在图上,汇总差异还不稳定。10.7% 的汇总口径,正文也没有说明是跨距离、跨人,还是别的算法。

弱关系平均 42 条,强关系平均 7 条。地点更容易碰到某一条弱关系,可能只是因为弱关系更多。论文报告,每人只保留最强和最弱各一条联系时,方向仍然相近。正文没有给出这组对照的新百分比。

活动范围落在强弱关系家和工作地一定距离内的比例

图 8|同样的距离,弱关系罩住的比例是否更高?

(a)以家为圆心:紫色是强关系,黄色是弱关系。(b)以工作地为圆心:棕色是强关系,青色是弱关系。横轴都是 0 到 200 公里,纵轴是活动范围落在该距离内的比例。两条弱关系曲线都在对应的强关系曲线之上,距离较近时分开更明显,接近 200 公里时都靠近 1。来源:原论文 Fig. 8。

人口密度怎样改写这个半径?

密度用的仍是 2001 年普查,分析单位是 308 个市镇。论文计算活动范围落在 r = 10、20、30、40 公里内的比例,看它如何随人口密度变化。比例随密度上升,可以用幂律拟合。短半径在低密度市镇的比例更低,但随密度上升得更快。高密度市区里,80% 的活动范围落在 10 公里的地理社会半径内。这是高密度一端的读数;前面全体受试者平均要 20 公里才到 80%,因为样本混有低密度地区。

不同地理社会半径下覆盖比例随人口密度上升

图 9|短半径的覆盖比例,是否随密度升得更快?

无字母子图。横轴是每平方公里人口,纵轴 p_r(d) 是活动范围落在半径 r 内的比例,两边取对数。刻度写成 10 的 −0.1、−0.2、−0.3 次方,换算约等于 0.794、0.631 和 0.501;接近 0.8 的位置对应正文所说的大约 80%。星号、圆点、叉号、空心圆分别是 40、30、20、10 公里。四条幂律 y = a × x 的 n 次方为:40 公里 a = 0.78364,n = 0.021092,R = 0.83847;30 公里 a = 0.70486,n = 0.033283,R = 0.88092;20 公里 a = 0.57936,n = 0.056244,R = 0.91048;10 公里 a = 0.36408,n = 0.10913,R = 0.94646。R 都是对数坐标下的相关系数。半径越短,指数越大,拟合的 R 也越高。来源:原论文 Fig. 9。

论文接着对每个人计算覆盖 80% 和 90% 活动范围所需的半径 r80、r90,再按居住地人口密度分组取平均。半径随密度下降。正文用幂律概括,图上的两条拟合形式并不相同:80% 更紧,90% 下降更慢,对数相关也更低。

覆盖八成和九成活动范围所需半径随人口密度下降

图 11|要罩住八成或九成地点,半径如何随密度缩短?

无字母子图。横轴是居住地每平方公里人口,纵轴是地理社会半径(公里),双对数坐标。圆点是 80% 覆盖,拟合 y = 600.18 × (x + 138.4) 的 −0.57067 次方,R = 0.93087。叉号是 90% 覆盖,拟合 y = 315.63 × x 的 −0.023511 次方 − 230.96,R = 0.79893。R 均为对数坐标下的相关系数。点是密度分组后的受试者平均,正文没有给出组距和每组人数。来源:原论文 Fig. 11。

在这条关系下,里斯本和波尔图的 r80 大约 7 公里。正文点名的密度较低市镇里,Parades、Santa Maria da Feira 和 Vila Nova de Famalicão 需要 15–20 公里;Albufeira、Barcelo 和 Oliveira do Bairro 需要 20–25 公里。摘要把 Parades 和 Santa Maria da Feira 写作大约 15 公里,落在正文 15–20 公里区间的下端。这些是 r80,分母是当地受试者到过的不同地点里被覆盖的 80%。

这些公里数能搬到葡萄牙以外吗?

论文把 r80 与密度的关系套到其他城市的人口密度上,得到一组估计。正文没有印出当时采用的密度,也没有用这些城市的通话记录复核。

城市 论文给出的 r80(公里)
New York City 2.86
Los Angeles 5.08
London 4.11
Paris 1.99
Mumbai 1.99
Bangkok 4.25
Tokyo 2.41
Shanghai 3.51
Seoul 2.18
Sydney 5.79
Johannesburg 5.51

因此,巴黎的 1.99 公里是葡萄牙拟合的外推值。换运营商、换基站间距或换强弱关系的定义,同样的人口密度不必得到同样的半径。

还有几项边界直接限制这些公里数。位置只在建立蜂窝连接时出现,一天中的其他地点看不到;长期汇总只能补上反复出现的基站,补不上从未触发通话的地点。空间分辨率由基站覆盖决定,14 平方公里和 0.13 平方公里不是同一把尺子。2007 年葡萄牙人口统计的净迁移率是 0.18%;作者此前对这份数据的研究给出 0.03% 的迁移率。两个数字的分母不同,一个是人口统计口径,一个是该数据集。亚速尔和马德拉距本土大约 600–1000 公里,论文没有剔除在那里打过电话的人,认为假期只占常规生活的一小部分,影响有限。葡萄牙作为申根区的发达经济体,作者认为结果更可能适用于社会、文化和经济状况相近的国家;这是适用范围上的判断,不是在其他国家重复了同一测量。

论文留下的问题包括:地理社会半径如何随关系强度和联系数量变化,最常去的地点在社会联系地理中起什么作用,以及移动与社会网络之间更定量的关系。引言里列举的内容分发、推荐系统、城市规划和流行病学,是这类测量可能用到的场景,不是这篇观察研究已经检验过的效果。

一句话总结

住所平均离强关系更近大约 11 公里,到过的地点却有更高比例落在弱关系附近;就全体分析样本而言,最近联系人住所向外 20 公里平均罩住 80% 的不同到访地点,而这个半径会随居住地人口密度缩短。

核心来源

  • PLoS ONE 正式版,Phithakkitnukoon S, Smoreda Z, Olivier P (2012) Socio-Geography of Human Mobility: A Study Using Longitudinal Mobile Phone Data. PLoS ONE 7(6): e39253。2011年11月10日收稿,2012年5月22日接受,2012年6月28日发表。资助来自纽卡斯尔大学计算学院,资助方未参与设计、分析和发表决定。
  • 正文图 1–11 均出自该正式版。支持信息列出补充图 S1–S10,正文用它们放置零模型、标准误和逐距离 p 值;这些图的具体数值未写入正文。

作者介绍

三位作者的单位和分工,以论文署名页及文末贡献说明为准。

  • Santi Phithakkitnukoon:通讯作者,署名英国纽卡斯尔大学计算科学学院 Culture Lab。负责构思与设计、完成实验、分析数据、撰写论文并主持研究。页上邮箱为 santi@newcastle.ac.uk。
  • Zbigniew Smoreda:署名法国伊西莱穆利诺 Orange Labs 的网络与服务社会学及经济学部门。提供数据集,并参与构思、分析、工具、写作与讨论。论文声明他受雇于 Orange Labs。
  • Patrick Olivier:同样署名纽卡斯尔大学 Culture Lab。参与构思、分析、提供计算工具、写作与讨论。

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。

若弱关系只是因为条数更多才罩住更多地点,把两边抽成同样条数再比,差距可能缩小。论文已经报告最强与最弱各留一条时方向仍在,那是两个极端,还不是从强、弱关系里随机抽出同样多的联系。后一种比较才能分开“关系弱”和“联系多”。

城市服务若全国共用一个公里门槛,在里斯本大约 7 公里已对应八成地理社会覆盖,在论文点名的较低密度市镇却要 15–25 公里才到同一覆盖。同一个 7 公里,在两地对应的覆盖比例不同。把巴黎写成 1.99 公里,用的是葡萄牙曲线和外部密度;两座人口密度相同、基站间距或互惠通话比例不同的城市,仍可能测出不同的 r80。值得先在同一运营商、同一国内重拟合密度与半径,再决定这条曲线能不能带走。


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