一群人偶尔走得很远，等于每个人都在随机漫游吗？
论文名片｜Marta C. González、César A. Hidalgo、Albert-László Barabási，Understanding individual human mobility patterns，Nature，2008，453:779—782。论文 DOI。另有 2009 年关于数据来源与伦理审查的补遗。
一个人每天只在几个街区间往返，另一个人每周跨城工作。把两人的位置变化放在一起，会得到大量短距离和少数长距离。如果只看这条总体曲线，我们很容易想象出一个“典型的人”：他随机选择下一步，大部分时间走得近，偶尔突然跳得很远。
这篇论文追问，这个想象是否把人与人之间的差别，误当成同一个人内部的随机性。研究发现，总体长尾同时混合了个人活动尺度差异和个人内部的移动规律；人们还有明显的周期性返回，不能用不停扩散的随机粒子直接替代。
先说结论
- 10 万名用户的六个月通信记录显示，总体位移距离具有长尾，但总体曲线不足以确定每个人怎样移动。
- 不同人的活动尺度差异很大；即便允许 Lévy 飞行自己产生差异，也不足以复现观测到的个人尺度分布。
- 个人活动范围随观察时间增长得比所比较随机游走模型慢，返回概率在 24、48、72 小时等间隔出现峰值。
- 将轨迹平移、旋转，再按两个方向的尺度归一化后，不同活动尺度人群的位置概率分布近似重合。这是统计形状的相似，不能解释成人人走相同路线或未来位置可以精确预报。
手机记录怎样把个人从人群中分离出来？
此前纸币流通数据发现长距离扩散：一张纸币多次被报告的位置相隔很远。但纸币会换主人，它的轨迹可能串接了很多人的活动。手机更接近同一个人的持续记录，因此可以比较“一个人内部的变化”与“不同人的差异”。
主要数据 D1 来自欧洲一家运营商的既有业务与计费记录。从约 600 万用户中，研究随机选取 10 万名在首月与末月都至少有一次通信的用户，观察六个月。电话或短信发送、接收时，系统记录承载通信的基站位置。补材报告 16,364,308 个记录位置，正文报告 16,264,308 个相邻位移；前者减去每人首个位置后正好得到后者，二者不是互相矛盾的样本总量。
另一份 D2 取自已订阅位置相关服务的用户：原有 1,000 人，筛出一整周都能每两小时记录位置的 206 人，得到 10,613 个位置、10,407 个相邻位移。它有助于检查通信触发采样的不规则性，但用户主动订阅服务，不能认定为无偏人口样本。
两份数据都不是 GPS 轨迹。研究区有一万多个基站，平均服务面积约 3 平方公里，超过 30% 的基站覆盖面积不超过 1 平方公里。基站内部的位置无法分辨，相邻记录之间也可能发生未记录的绕行。研究排除离开大陆区域的跳跃，地域覆盖和国界使约 1,000 公里以上的位移难以观察。
图 1｜总体长尾是否已经说明了每个人的移动机制？
（a）40 位用户一周轨迹，每种颜色对应一人：多数活动尺度较小，少数延伸很远。线连接观测位置，不能当作真实道路路线。（b）一位用户的基站位置与访问次数，绿色点为基站，灰色为近似服务区，柱高为记录次数；圆圈示意回转半径，不能据此知道用户在服务区内的精确位置。
（c）横轴为相邻位移公里数，纵轴为概率密度，D1 蓝圈、D2 红方块呈现带截断的长尾。（d）横轴改为个人回转半径，比较真实用户、拟合及随机游走 RW、Lévy 飞行 LF、截断 Lévy 飞行 TLF；模型产生的差异不足以复现真实尺度分布。来源：原论文 Fig. 1。
总体位移分布拟合为带指数截断的幂律，指数 β=1.75±0.15，正文将 ± 标为标准差；D1 与 D2 的截断尺度分别约 400 和 80 公里。它意味着较远位移并非完全消失，但概率在大距离端下降得更快，不是无限延伸的纯幂律。
同一条总体曲线，为什么能对应不同的个人故事？
至少有三种可能：每个人都遵循相同的 Lévy 飞行；每个人的移动较集中，但不同人的典型尺度不同；或者个人内部也有多尺度变化，同时人与人差别很大。论文通过回转半径（radius of gyration，rg）来区分。
rg 是各次记录位置到轨迹空间中心的均方距离再开方，衡量累积轨迹的空间散布。它不是平均单次行程距离，不是离家最远距离，也不等于真实驾驶里程。重复记录会对该位置赋予更大权重。
个人 rg 的总体分布也呈宽分布，拟合指数约 1.65±0.15，截断尺度约 350 公里。图 1d 表明，相同参数的随机过程虽然也能制造个体差异，却不足以重现实际差异，因而不能只用“所有人都是同一个随机过程”解释总体长尾。
更直接的比较，是把最终 rg 接近的人放在同一组。局部活动的人主要产生短位移，范围广的人既有短位移也有长位移。将距离除以各组 rg，再相应调整概率密度，曲线近似重合。个人尺度因此提供了组织这些差异的一个关键变量。
总体分布可以理解为：对每一种 rg，把该尺度下的位移分布按拥有该尺度的人群比例加权，再把各组叠加。论文推导出 β≈βr+α−1，其中 α≈1.2±0.1，三者在误差范围内相容。补材明确这是领先阶近似，积分中仍可能有距离相关修正，不能当作无条件精确恒等式。
人为什么不像粒子那样一直向外扩散？
图 2｜个人轨迹受到哪些规律约束？
（a）按六个月末的 rg 分成小、中、大三组，横轴为小时，纵轴为平均 rg；经验曲线增长较慢，对数形式比所比较模型的幂律增长更接近数据，但不意味着永久停止扩大。（b）插图展示不同尺度组的位移密度，主图按 rg 缩放后接近同一曲线；横轴为位移/rg，纵轴也按 rg 的幂次缩放，不能直接读取未经变换的概率。
（c）首次返回的时间概率在 24、48、72 小时等处出现峰值，明显不同于随机游走的光滑衰减。（d）地点按访问频率排名，横轴为名次，纵轴为访问概率；不同已访问地点数的组都更集中于少数高频地点，近似随名次倒数下降，插图误差条为标准误。来源：原论文 Fig. 2。
图 2a 的组别按观察期结束时的活动尺度划分，是事后统计比较，并非只靠第一天的位置就已预测半年后的类别。图 2c 说明返回具有日周期，但一个“返回”是回到最初观测的位置范围，不能全部解释为回家。
访问频率的排序显示，第一名、第二名地点远比后面的地点常见。这与人们围绕少数据点组织生活相符，不过 D1 中“被记录得多”还会受通信行为影响，不能无条件当成在该地点停留的全部时长。
图 S4｜慢增长会不会只是粗分组造成的？
（a）改为最终 rg 约 4、10、40、100、200 公里的窄分组，双对数坐标下仍不同于 RW 与 LF 参照。（b）按最终 rg 缩放纵轴、时间采用对数坐标，大尺度组近似接近共同趋势；虚线只是视觉参照，并非拟合。4、10 公里组有明显偏离，补材将其联系到基站分辨率，不能把小尺度偏离忽略后宣称所有尺度都完美重合。来源：补充材料 Fig. S4。
不同城市、不同方向的轨迹，怎样才有可比性？
一个人的活动沿东西方向展开，另一个人沿南北方向展开，直接叠加会把方向差异混入形状差异。论文用每个人轨迹的空间中心作为原点，再计算主轴，把最长的方向对齐。
还有一个明确操作：让最常出现的位置落在正 x 一侧，必要时再旋转 180 度。这样保留了第一和第二高频地点不完全对称的特征。最后，x、y 分别除以该方向的位置标准差 σx、σy，去掉活动范围和伸长程度的影响。
图 S3｜尺度相差很大的个人轨迹怎样对齐？
（a）三位用户原有轨迹和主轴，坐标为公里。（b）旋转后主方向一致，并将最常出现地点放到正 x 侧。（c）再按各方向标准差缩放，坐标变为无量纲，形状变得较相似。三个面板始终对应同三人，是事后坐标变换，不是重新生成轨迹。来源：补充材料 Fig. S3。
图 3｜去掉尺度与方向后，剩下的形状是否相似？
（a）小、中、大 rg 组在各自主轴坐标系下的位置概率密度；每组使用 10,000 名用户，暖色为更高密度，三幅实际公里尺度不同。（b）对两个方向分别归一化后，三个密度图近似同形，不能再按公里读横纵轴。
（c）横轴为 rg，纵轴为 σy/σx，活动尺度更大时轨迹通常更细长；误差条为标准误。（d）归一化密度在 y=0 的横截面对照，三组曲线接近。它支持部分统计形状相似，没有证明个人轨迹逐点相同。来源：原论文 Fig. 3。
各向异性比值随 rg 的下降，可以用约 −0.12 的幂指数近似。正文也主动承认指数很小，其他函数可能拟合得同样好，需要机制模型才能判断是真正标度律还是近似描述。因此，“普适”在这里主要指变换后的统计分布，不应扩大成每个人的生活具有同一机制。
通信习惯与统计拟合，能把这些结果解释掉吗？
图 S1｜通信触发的观测有多不均匀？
原图无字母。插图比较不同通信活跃度用户的原始间隔分布；主图用各组平均间隔缩放横纵轴后较接近。颜色与符号表示活跃度分组，长间隔依然存在，说明数据不能当作等间隔完整跟踪。来源：补充材料 Fig. S1。
图 S2｜把观测间隔固定，位移分布还长尾吗？
原图无字母，横轴为公里、纵轴为位移密度；各符号分别限制在约 20、40、60 分钟、2、4、8 小时或一天，时间允许上下 5% 波动。短间隔的大距离尾部较早截止，较长间隔能够覆盖更远位移；共同部分仍接近主文 D1 的长尾形式。黑线为主文拟合。来源：补充材料 Fig. S2。
D2 的固定两小时采样与上述固定间隔比较，为结果不完全由随机通信时间造成提供支持。但没有恢复基站内部的小尺度路线，也不能消除位置服务订阅者的选择偏差。较长间隔端约 1,000 公里的上限，还受到研究区域大小限制。
拟合方面，补材用合成样本比较经验分布与拟合的距离，分别使用普通和加权 Kolmogorov–Smirnov 统计量。对总体位移，两个报告的 p 值均为 1；对 rg 分布，分别为 0.62 和 0.82。这表示在该检验构造下未排除拟合，不是分布为真的概率，更不是已经证明机制正确。
图 S5｜位移分布的普通 KS 检验回答什么？
原图无面板字母。横轴为 KS 差异，纵轴为合成样本统计量分布；绿色为合成数据，红线为实际 D1 位移分布。红线较小，对应报告的 p=1。来源：补充材料 Fig. S5。
图 S6｜位移分布的加权检验回答什么？
原图无面板字母。将横轴改为更强调分布边缘的加权 KS，实际值仍在合成分布较小的一侧，报告 p=1。来源：补充材料 Fig. S6。
图 S7｜个人尺度分布的普通检验回答什么？
原图无面板字母。检验对象改为 D1 的 rg 分布，红线与绿色合成分布有重叠，报告 p=0.62。来源：补充材料 Fig. S7。
图 S8｜个人尺度分布的加权检验回答什么？
原图无面板字母。同一 rg 分布使用加权 KS，报告 p=0.82。来源：补充材料 Fig. S8。
通过检验也不排除其他函数同样甚至更好。补材另比较幂律与单指数，支持宽分布比窄分布更合适；它明确说明目的不是证明纯幂律。该比较还使用对数分箱数据，并非对所有候选机制逐一排除。
图 S9｜为什么不能把长尾仅当成普通指数衰减？
原图无字母。上排两幅分别比较 D1、D2 的位移分布，下排比较 D1、D2 的 rg 分布；蓝圈为数据，曲线为两种候选拟合，图上相对权重偏向幂律候选。四幅都回答宽分布与单指数之间的相对比较，没有证明纯幂律比截断幂律或所有其他宽分布更好。来源：补充材料 Fig. S9。
一种统计规律，还不是一个人的全部生活
研究最关键的转变，是让模型同时保留人群尺度差异、个人返回和空间形状，而不是只复现一条总体距离分布。一个模型即使能拟合总体长尾，也可能让每个人都走得过于随机。
这些结论来自有限地区、有限观察期、特定运营商和基站尺度。六个月内较稳定的活动尺度不意味着终身不变；短距离的不确定性不能用于精确街道规划；跨境和区域之外的活动也无法完整进入分布。
原论文提到归一化密度可用于代理人模型，并指向补充表及在线密度矩阵。现有补材提供了构造步骤和旧下载入口，但这种统计分布仍不足以单独生成时间一致的日程、真实路线与交通方式。把模型用于传播或应急预测，还需要相应场景的独立验证。
2009 年补遗说明，数据原为运营商法律和业务要求下已有的匿名化计费记录，研究获得美国海军研究办公室及东北大学相关伦理审查批准。这份补遗补充数据治理信息，不是对移动性数值结果的更正。
一句话总结
人群的远距离长尾，是个人差异与个人内部规律叠加的结果；要理解人怎样移动，既要看到偶尔走远，也要看到反复返回的少数地点。
核心来源
González, M. C., Hidalgo, C. A. & Barabási, A.-L. (2008). Understanding individual human mobility patterns. Nature 453, 779—782。主文；2009 年补遗。全部主图与补图来自对应论文及其原始 Supplementary Information；补材副本可见格勒诺布尔大学页面所存 PDF。
作者介绍
- Marta C. González：论文署名为美国东北大学复杂网络研究中心及物理、生物与计算机科学相关部门。
- César A. Hidalgo：除东北大学外，论文同时署名为圣母大学复杂网络研究中心及物理、计算机科学相关部门。
- Albert-László Barabási：论文署名包括上述两校相关机构及 Dana-Farber 癌症研究所癌症系统生物学中心，为通信作者。以上按论文发表时署名介绍。
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。
检验一个移动模型，可以先设一道容易遗漏的门槛：既比较总体距离曲线，也比较每个人的活动范围、返回周期和高频地点集中程度。若只通过第一项，就可能用错误的个人机制制造出正确的人群图形。
归一化之后的相似，也可以与公平问题并存。两个人的轨迹形状一样，但一个人的活动尺度很小、另一个很大，其接触就业和服务的机会仍可能完全不同。理解共同统计形状，有助于建立简洁模型；研究机会差异时，则必须把被归一化去掉的尺度重新放回来。
