一个人在哪里发推文，就能告诉我们他怎样移动吗？
论文名片｜Raja Jurdak、Kun Zhao、Jiajun Liu、Maurice AbouJaoude、Mark Cameron、David Newth，Understanding Human Mobility from Twitter，PLOS ONE，2015，10(7):e0131469。DOI。
想象两个人都在悉尼和墨尔本之间出行。一个人在路上的服务区不断发推文，另一个人上飞机前发一条、落地后再发一条。两人的出发地和目的地可能相同，平台留下的位置序列却相差很大：前者画出连续走廊，后者只剩两端的城市。
这篇论文用澳大利亚带地理位置的 Twitter 记录，寻找人类移动研究中熟悉的距离分布、日周期和偏好回访。它说明社交媒体能够观察到丰富的群体移动结构，也让一个问题变得具体：看到的究竟是人怎样移动，还是人选择在什么地方记录自己的移动？
先说结论
- 短距离、城市内部和城市之间的移动具有不同统计形态，不能用一条幂律概括全部距离。
- 记录中存在约24小时的回访周期，人们也更常从少数地点发推文，但这不是他们真实停留时间的直接测量。
- 保留位置出现顺序后，可以识别出不同的序列规律；论文估计的可预测性是信息论上限，没有完成真实下一次出行预测的测试。
- 移动范围最大的人并不一定留下最分散的记录。长距离群体常集中在不同城市，中等距离群体反而更沿道路展开；交通方式是合理解释之一，数据并未直接记录交通方式。
先把一条推文与一次出行分开
方法部分给出的采集窗口是2013年9月1日至2014年3月31日。引言用2013年9月至2014年4月概述，本文采用方法中的精确日期。最初有156,607名用户的7,811,004条记录；限定澳大利亚范围并排除出现超过240米/秒不合理速度模式的用户后，分析数据为79,055名用户的4,171,225条推文。摘要所说的超过六百万条，不能直接作为最终分析样本的分母。
研究把经纬度转换为澳大利亚投影坐标，再计算连续两条推文位置之间的直线距离 d。这里的连续指记录顺序：中间可能隔了很久，也可能发生多次没有发推文的出行。它既不是完整路线长度，也不保证对应一趟实际出行。
为了降低定位噪声，位移小于10米的记录不进入距离分布。这个阈值是一项处理选择，不能反过来证明所有设备都具有10米精度。补充材料讨论了 GPS、Wi-Fi、基站定位的不同误差来源，并未逐一验证这个样本的真实位置。
另一个指标是回转半径（radius of gyration，r_g）：先求一个人全部记录位置的平均中心，再计算这些点到中心距离平方的平均值并开方。它表示整个记录期的空间展开程度，不等于每天走多少公里。记录多的地点会反复进入计算，所以发推习惯也会改变这个指标。
数据虽来自公开接口，论文的数据可用性声明仍对整理后的轨迹设置伦理和隐私访问条件；公开推文与可以任意公开个人轨迹是两件事。
为什么一条距离曲线里，会出现几个不同尺度？
如果在同一栋建筑里走动、跨越一座城市和往返两座大城市都由同一种尺度规律支配，距离分布应有较统一的形状。实际曲线从10米延伸到约4,000公里，跨尺度弯折明显。
论文用指数项与拉伸指数项的混合描述50公里以内的部分，约93.6%的位移落在这个区间；超过50公里的约占6.4%，尾部还在600—1,000公里附近出现隆起。前者能容纳很短的局部活动和城市内部移动，后者与主要城市之间的距离有关。100米附近的分界可以帮助讨论场所内部与更大尺度移动，但并不是经实地标签验证的出行分类器。
图1同时给出分段幂律作为另一种描述：在一定范围内，两段斜率也能拟合相同数据。这说明曲线形状并不会自动确定唯一机制。补充材料的候选模型比较更支持拉伸指数候选；混合曲线的高拟合优度也只是描述能力，不能证明某几个独立因素真实相乘产生移动距离。
图1｜一条幂律能否覆盖全部移动距离？
（a）横轴为连续记录位移 d，纵轴为分布 P(d)，双对数坐标；蓝圈是数据，指数与拉伸指数混合曲线覆盖绿色标出的主要距离范围，长距离部分偏离。（b）同一位移分布用两段幂律近似，显示有限区间也存在其他拟合选择。（c）横轴换成人的回转半径，混合模型仍可描述主要形状。（d）回转半径也能作分段幂律近似，不能据此把不同尺度理解成同一条普适规律。来源：原论文 Fig.1。
常回一个地方，是否意味着大部分时间都在那里？
把记录点归并为地点后，研究计算返回同一地点的时间间隔，并把地点按发推频次排序。地点聚类使用 DBSCAN，邻域尺度250米、最少样本数1；相邻点可以通过链条连成同一簇，因此地点簇不一定是直径250米的圆，也不直接等于住宅或工作场所。
回访概率在24小时及其倍数附近出现峰值，符合日常活动的周期性。按频次排序的地点分布近似 Zipf 型衰减，即排名越靠后，出现概率通常越低。在不同已访问地点数量的组中，最常见地点大约贡献45%—55%的地理推文。
这个比例的分母是记录次数，不能翻译成45%—55%的时间在家。最常见地点未必经过居住地核验；一个人可能习惯在家发推、通勤时沉默。与既有手机通话研究的差别，也不是同一批人的配对实验，不能只归因于平台技术。
图2｜推文中的回访包含怎样的规律？
（a）横轴为回访间隔小时数，纵轴为返回概率；Twitter 曲线存在日周期峰，简单随机游走对照没有同样的峰列。（b）横轴为地点频次排名，纵轴为该排名地点出现的比例；不同符号代表拥有5、10、15、20个地点的用户组，均偏向少数高频地点。来源：原论文 Fig.2。
如果考虑地点出现的顺序，预测会容易多少？
两个人都一半记录在 A、一半在 B，但一个总是 A、B、A、B，另一个顺序近乎随机，只看地点频率无法区分。研究因此同时计算不考虑顺序的香农熵，以及利用序列重复结构估计的实际熵（real entropy）。这里的实际不是外部真实位置，而是位置符号序列中的顺序信息。
这部分只保留至少100条推文的8,567名用户。图中的 N=1、10、20、25表示纳入用户所需的最少不同地点数，不能读成每一组都恰好只有这些地点。随着最低地点门槛提高，考虑顺序的熵分布逐渐出现两个峰：一部分人的序列仍比较规律，另一部分更分散。
按照方法中的定义，利用历史顺序的熵应不高于只看频率的熵，即 S_real ≤ S_unc。结果文字有一处反向不等式，图3与方法支持这里的方向。随后利用 Fano 关系估计下一条记录地点的最大可预测性：熵较低时，上限较高；纳入更多地点时，上限下降。
这不是某个预测器已取得的准确率。研究没有在独立未来时段比较模型误差，也没有把未发推期间的真实出行补齐。高度可预测的人可能只是反复在同一个地方发推；低可预测群体是否更忠实地记录真实移动，仍需要外部轨迹验证。
图3｜地点频率和地点顺序，给出同样的规律性吗？
（a）考虑顺序的熵分布，曲线对应不同最低地点数量，较高门槛出现双峰。（b）由这种熵估计的可预测性上限分布，与（a）的低熵部分对应较高上限。（c）不考虑顺序的熵分布；（d）相应上限分布，与保留顺序的结果不同。（e）横轴为最低地点数量，比较两类平均熵，保留顺序的一类较低。（f）比较两类平均可预测性上限，保留顺序的一类较高；两者均不是已实现的预测成绩。来源：原论文 Fig.3。
移动范围越大，位置分布一定越分散吗？
为比较不同人的轨迹形状，论文把每个人的位置移到各自中心，并旋转到主要活动方向一致，再按回转半径分组叠加。这样得到的是对齐后的群体密度，不能直接当成一座真实城市的地图。
1—10公里和10—100公里组的位置云沿主方向拉长；100—500公里组更明显地形成细长轴线。超过500公里时，位置云又向侧向展开，并出现两端聚集、中间较稀的结构。各向同性比 σ 用垂直主方向与沿主方向的标准差之比衡量，越小越细长。它随回转半径先上升、再在约4—200公里之间下降，又在约200—1,000公里上升，因此不是活动范围越大就越单调分散。
飞机连接城市、到达后在目的地局部活动，可以解释长距离组两端密集和侧向扩展。但论文没有观察交通方式标签，人口与城市布局、记录习惯也可能影响这种形状，不能把这组图当成已经识别航空旅客的结果。
图4｜不同活动范围的人，轨迹形状有何差异？
（a）回转半径1—10公里；（b）10—100公里；（c）100—500公里；（d）超过500公里。横纵轴是对齐后的相对坐标，单位公里，颜色表示位置概率密度。各面板坐标范围不同，需结合尺度读图；长距离组的稀疏中段与密集两端支持不同空间组织，但没有直接测出交通方式。来源：原论文 Fig.4。
图5把形状与地点偏好放到一起。按图上点位读数，最常见地点的推文占比大致从小范围组的0.58降到大范围组的0.38。正文所写的0.8、0.64以及近50%差异，与这张图和补图S4不一致，不宜沿用为精确结论。可靠的方向是：活动范围较大者，推文较少集中在排名第一的地点。
指数符号也需要分清：如果排名分布写成 P(L)∝L⁻α，正的 α 较大代表衰减较陡、偏好较集中。图5右轴绘制的是 −α；蓝线向上代表 −α 变得不那么负，也就是正 α 下降，而不是 α 增大。
图5｜范围增加时，轨迹形状与高频地点偏好怎样变化？
（a）横轴为回转半径公里数，纵轴为各向同性比 σ；约200公里之后的回升打破单调细长化趋势。（b）红色左轴为最常见地点占比，随范围增加而下降；蓝色右轴为负指数 −α，其上升意味着正 α 下降、排名曲线变缓。来源：原论文 Fig.5。
地图上为什么有的人留下道路，有的人只留下城市？
对齐位置云会隐藏实际地理环境。图6回到澳大利亚东南部：短范围组主要集中在城市；中间两组沿城市之间道路和区域分布得更广；最大范围组又更多聚集在主要城市。这与开篇的两种记录方式相呼应，但只是解释性的场景，不是论文识别出的具体个人案例。
这些点的颜色或密集程度代表被记录的推文空间分布，不能直接代表全体人口流量、某条道路真实车流或某地停留时长。研究的距离只覆盖澳大利亚境内，也不能把这张图扩展成国际旅行的普遍规律。
图6｜不同范围的记录，在真实地理空间怎样展开？
（a）回转半径1—10公里；（b）10—100公里；（c）100—500公里；（d）超过500公里。四幅同地区地图标出布里斯班、悉尼和墨尔本；中间组在城市之间的延伸更明显，最短与最长范围组更集中在城市。来源：原论文 Fig.6。
改变记录频率和地点定义，结果还剩多少？
观察社交媒体最关键的替代解释，是重度发推者与偶尔发推者可能留下不同尺度的轨迹。补充材料按每人推文数分组，发现距离和回转半径分布的主要形态相似，但发得更多的人通常留下更多短位移。这不是无偏的证明，而是提醒我们采样更密会把两条远距离记录之间的细节补出来。
补图S1｜样本中的活跃程度会改变距离统计吗？
（a）每人推文数量的分布，显示用户活跃程度差异很大。（b）按推文数分组的位移分布，更多记录对应更多短距离细节。（c）同样分组的回转半径分布，主要形状相近，但不能据此认定各类人群都被同等代表。来源：原论文补充 Fig.S1。
另一项检查按照相邻推文的时间间隔分组。发推间隔本身也高度不均匀，短间隔自然限制能够观察到的位移。多个组有相近的分布轮廓，仍不能把每条推文之间都当作固定时间步的连续跟踪。
补图S2｜等待多久再发推，会怎样改变可见位移？
（a）横轴为相邻推文时间间隔 ΔT，纵轴为其分布。（b）按每人推文数分组的间隔分布，显示相似的大体轮廓。（c）按不同 ΔT 区间比较位移分布，短时间间隔组更缺少长位移；横轴单位为米。来源：原论文补充 Fig.S2。
补图S3｜早期轨迹的范围会继续扩大多少？
横轴为观测小时数，纵轴为回转半径公里数，不同颜色为不同最终范围的组；平均回转半径增长缓慢。按最终结果分组后出现的平稳，不能替代事先预测一个新用户最终范围的独立测试。来源：原论文补充 Fig.S3。
补图S4｜主地点占比下降，是否只由地点数量不同造成？
（a）1—10公里；（b）10—100公里；（c）100—500公里；（d）超过500公里。各图在相同地点数的组之间比较，横轴为排名，纵轴为推文占比；插图突出第一名占比。大范围组通常有较低的第一名占比和较平缓的排名衰减。图例给出正的 α，不能与主图右轴的 −α 混淆。来源：原论文补充 Fig.S4。
补图S5｜东南部地图的现象是否只存在于局部展示？
（a）1—10公里；（b）10—100公里；（c）100—500公里；（d）超过500公里，展示整个澳大利亚的记录。主要城市与中间尺度空间延伸的差别仍可辨认；地图密集处依旧是平台记录密集处，并非人口普查。来源：原论文补充 Fig.S5。
补图S6｜把地点归并得更粗，地点偏好还会下降吗？
（a）聚类邻域50米；（b）500米；（c）1,000米。红线为第一地点占比，蓝线右轴为 −α；相对于正文250米设定，绝对占比改变，但随回转半径增大而较少集中于首位地点的方向保留。尺度敏感性仍存在，不能把不同空间分辨率下的数值当成同一件事。来源：原论文补充 Fig.S6。
这些检查支持若干模式不是单一参数选择才有的，但并没有消除人口代表性与行为选择偏差。没有地理标签的人、少用平台的人，以及不在移动途中发推的人，可能系统性缺席。城市集中现象也同时包含真实人口地理和平台使用地理。
一句话总结
带位置的 Twitter 记录可以揭示距离尺度、日周期和地点偏好，却始终是由发推行为筛选过的移动线索；看见规律，还需要与验证真实出行和实现预测分开。
核心来源
- Jurdak R. et al. (2015). Understanding Human Mobility from Twitter. PLOS ONE 10(7):e0131469。图1—6及数据、方法和作者署名以正式论文为准。
- 同文 S1 Text：Supporting information，包括补图S1—S6、候选分布比较与聚类敏感性分析。文中全部图均保留原组合图。
作者介绍
Raja Jurdak、Kun Zhao、Jiajun Liu 在本文署名为澳大利亚布里斯班 CSIRO 作者；Raja Jurdak 为通讯作者。这里按论文发表时署名介绍，不将其扩展为当前职位。
Maurice AbouJaoude 署名机构为黎巴嫩贝鲁特美国大学；Mark Cameron 与 David Newth 署名机构为澳大利亚堪培拉 CSIRO。以上六人共同完成本文，研究贡献见论文作者贡献声明。
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。
如果要把这种数据用于交通需求或传染病模型，最有价值的下一步可能是同时建立两个模型：一个描述人怎样移动，另一个描述人在什么情况下愿意发带位置的推文。只拟合轨迹，会把沉默误认为停留；只提高定位精度，也不会自动补上沉默时段。
可以在获得参与者授权的样本中，用连续轨迹对照推文序列，并按居住区、出行目的、交通方式和记录强度分层。若控制真实移动之后，长途旅客仍更偏向只在城市端点发推，那么位置云的中段缺口就包含明显的报告机制；若这种缺口在连续轨迹中也存在，才更支持交通方式的解释。
对可预测性的应用也应增加一层检验：分别预测下一条推文的位置与固定时间之后的真实位置。前者可能因平台习惯而容易，后者才更接近交通与公共卫生需要回答的问题。两种任务的差距本身，就是理解社交媒体能替代多少真实移动观测的重要结果。
