Impact of Distance on Epidemiological Dynamics in Human Connection Network with Mobility
该研究聚焦人类流动中个体距离对疾病传播的影响,推导相关流行病学指标的距离关联数学表达式,提出的模型与COVID-19实际传播模式高度匹配,填补了人际层面流动传播机制的研究空白。
2025-05-21 cs.SI physics.soc-ph
Assess the impacts of human mobility change on COVID-19 dynamics in Arizona, U.S.: a modeling study incorporating Google Community Mobility Reports
2020年6月,美国亚利桑那州,在5月中旬取消居家令后,香港成为2019年全球最严重的冠状病毒病(COVID-19)疫情点之一。然而,随着重新实施限制的决定,COVID-19病例数量一直在下降,亚利桑那州被认为是减缓疫情的良好模式。在本文中,我们旨在研究亚利桑那州的COVID-19情况,并评估人类流动性变化的影响。我们构建了流动性整合的集合种群易感-传染-移除模型,并拟合了亚利桑那州COVID-19病例和流动性变化的公开数据集。我们的模拟表明,通过减少人员流动,高峰时间被推迟,最终疫情规模在所有三个地区都有所下降。我们的分析表明,快速有效的决策对于控制人员流动以及COVID-19疫情至关重要。在疫苗问世之前,可能需要考虑在亚利桑那州及其他地区重新实施流动限制,以应对新冠肺炎病例的增加。
2020-09-04 physics.soc-ph q-bio.PE
A severe local flood and social events show a similar impact on human mobility
本研究利用手机位置数据比较了2017年瑞士局部洪水与同期社会事件对人类流动性的影响,发现两者在国家与地方尺度上均产生相似影响,表明社会事件知识可用于刻画罕见自然灾害的流动性影响。
2024-03-26 physics.soc-ph
The impact of incorrect social information on collective wisdom in human groups
大规模使用社交媒体网络造成的一个主要问题是错误信息的传播。然而,很少有研究调查不正确的信息对个人和集体决策的影响。我们进行了实验,参与者在接受社会信息之前和之后必须估计一系列数量。在他们不知道的情况下,我们通过“虚拟影响者”控制了社交信息的不准确程度,他们提供了一些不正确的信息。我们发现,很大一部分人只是部分遵循社会信息,从而抵制不正确的信息。此外,我们发现,不正确的社会信息可以帮助一个群体在高估真实价值时表现得更好,部分补偿了人类的低估偏见。总的来说,我们的研究结果表明,不正确的信息不一定会损害群体的集体智慧,甚至可以用来抑制已知认知偏见的负面影响。
2020-03-13 cs.SI physics.soc-ph
Human Mobility Networks Manifest Dissimilar Resilience Characteristics at Macroscopic, Substructure, and Microscopic Scales
本研究基于2021年飓风艾达期间路易斯安那州人类移动数据,从宏观、子结构和微观尺度分析网络韧性,发现影响程度与恢复时间随尺度变化,单一尺度指标不足以表征整体韧性。
2022-07-21 physics.soc-ph
Experimental study of the impact of historical information in human coordination
我们进行实验室实验来阐明历史信息在涉及人类协调的游戏中的作用。我们的方法遵循以前的工作研究人类网络协调使用的任务图着色。我们首先激励这项研究显示实证证据表明,着色冲突的解决是依赖于最近的当地历史的冲突。我们还进行了两个量身定制的实验来操纵人类可以使用的游戏历史,以确定(i)人类是否使用历史信息,以及(ii)他们是否有效地使用它。在第一个变体中,在每个着色任务的过程中,受试者的网络位置被定期交换,同时保持网络的全局着色状态。在第二个变体中,参与者完成了一系列2-着色任务,其中一些是从先前任务的检查点重新启动。因此,参与者从上一个任务中间的一个点重新开始着色任务,而不知道导致该点的历史。我们报告的游戏动态和平均完成时间的交换和重新启动实验中使用的不同的图形拓扑结构。
2012-02-12 cs.SI physics.soc-ph
Spatial-temporal Analysis of COVID-19's Impact on Human Mobility: the Case of the United States
自二零一九年十二月以来,COVID-19已影响社会生活的各个方面,包括人员流动。在本文中,我们研究了COVID-19对美国各州人口流动模式的影响。从时间的角度来看,我们发现流动模式的变化并不一定与政府的政策和指导方针相关,而更多地与人们对疫情的认识有关,这一点在Google Trends的搜索数据中有所反映。我们的研究结果表明,平均需要14天的流动模式,以适应新的情况。从空间的角度来看,我们进行了一个国家级的网络分析和聚类使用多尺度动态人类流动数据集的流动数据。结果,我们发现:1)同一个聚类中的州的地理距离较短; 2)在出现最多聚类的时间和Google趋势上冠状病毒相关搜索查询的峰值之间再次发现了14天的延迟;以及3)其它网络流属性,即度、接近度和介数,从3月2日的一周到4月6日的一周(集群数量最多的一周)。
2020-12-06 cs.SI physics.soc-ph
Dissecting Resilience Triangle: Unravelling Resilience Curve Archetypes and Properties in Human Systems Facing Weather Hazards
本研究基于美国多起气象灾害后的2000余条人类移动韧性曲线,通过k-means聚类识别出三类韧性原型,明确了关键阈值与恢复速率要求,为韧性曲线提供了数据驱动的实证表征。
2023-09-13 physics.soc-ph
The Impact of Social Segregation on Human Mobility in Developing and Urbanized Regions
这项研究利用移动电话数据分析发展中国家的人口流动模式,特别是与工业化程度较高的国家相比。发展中地区,如象牙海岸,有许多可能影响流动性的因素,如基础设施覆盖面和成熟度较低,经济资源和稳定性较差,在某些情况下,文化和语言的多样性更强。通过比较从象牙海岸收集的移动电话数据与在葡萄牙收集的类似数据,我们能够突出移动模式的定性和定量差异-例如旅行可能性的差异,以及旅行所需的时间-这与政策,基础设施和经济发展的考虑有关。我们的研究说明了发展中地区(如象牙海岸)的文化和语言多样性如何对在文化多样性较低的地区表现良好并被概念化的移动模型提出挑战。最后,我们解决这些挑战,提出新的技术来评估边界的强度在区域划分方案,并量化边界强度对移动模型准确性的影响。
2014-01-22 cs.SI physics.soc-ph
Impact of the spatial context on human communication activity
技术的发展产生了人类活动在空间和时间上产生的兆兆字节的数据.这种通常被称为大数据的海量数据对于向决策者提供新的见解至关重要。它包含受地理信息和天气预报等许多外部因素影响的不同类型人类活动的行为信息。这些人类行为的早期识别和预测在许多社会应用中非常重要,如医疗保健,风险管理和城市规划等。工作和购物),其从地理信息中识别(即,Openstreetmap)。我们使用谱聚类和基于TF/IDF余弦相似性度量的k-means聚类算法。我们评估的质量,这些观察到的集群与使用的轮廓系数估计的基础上的移动通信活动的时间模式的相似性。区域群进一步用于解释典型或特殊的传播活动。我们使用包含100万个呼叫详细记录的真实数据集来演示该研究。这类分析及其应用对于分析人类行为对外部因素的依赖性以及隐藏的关系和未知的相关性以及其他可以支持决策的有用信息非常重要。
2015-06-11 cs.SI physics.soc-ph
Evolving nature of human contact networks with its impact on epidemic processes
人类的接触网络是由众多的个体和他们之间的成对接触构成的。然而,动态的性质,产生人类接触网络的演变,接触模式是未知的。在这里,我们分析了三个经验数据集,并确定了两个关键机制的时间人类接触网络的演变,即活动状态的过渡法律,为一个人是社会积极的,和积极的个人采取的接触建立机制。我们考虑这两种机制,提出了一个时间网络模型,命名为记忆驱动(MD)模型,人类接触网络。然后,我们研究了人类经验接触网络和四个相应的时间网络模型上的传染病传播过程,并比较了不同传染率下网络上传染病传播过程的完全流行时间。MD模型中SI过程的完全流行时间与现实世界中的人类接触网络中的SI过程的完全流行时间相同。此外,我们还发现,个体活动状态的转换促进了传播过程,而活动个体的接触建立则抑制了传播过程。除此之外,我们观察到,即使是一小部分人探索新的社会关系,也能够引起网络上的爆炸性传播。该框架有助于进一步研究人类时间接触网络中的动态过程,并为预测和控制网络中的扩散过程提供新的思路。
2019-05-21 cs.SI physics.soc-ph q-bio.PE
Impact of temporal scales and recurrent mobility patterns on the unfolding of epidemics
人类流动在将地方性疾病暴发转变为全球性大流行方面发挥着关键作用。因此,将人口流动纳入流行病模型已成为理解当前流行病发作和设计有效预防政策的强制性要求。在这一挑战之后,我们在这里开发了一个马尔可夫框架,该框架能够解决在不同时间尺度上经常性流动模式对流行病发作的影响。这种形式主义是通过比较他们的预测与机械模拟的结果进行验证。理论和模拟之间的公平协议,使得到一个解析表达式的流行阈值捕捉的临界条件触发流行病爆发。最后,通过对这一流行阈值进行详尽的分析,我们发现,调整人类流动对疾病出现的影响受到流行病学和流动过程相关的时间尺度的强烈影响。
2019-09-27 physics.soc-ph q-bio.PE
Spatiotemporal impacts of human activities and socio-demographics during the COVID-19 outbreak in the U.S
了解影响因素对于传染病的监测和预防至关重要,并且这些因素可能随着疾病的进展而在空间和时间上发生变化。以美国2019冠状病毒病(COVID-19)爆发期间的每日病例和死亡数据为案例研究,我们开发了一个移动性增强的地理和时间加权回归(M-GTWR)模型,以量化社会人口因素和人类活动对COVID-19动态的时空影响。与基本GTWR模型不同,我们采用了一个移动性调整的距离权重矩阵,其中除了空间相邻性之外,还使用旅行移动性来捕获本地观测之间的相关性。模型残差表明,该模型在解决时空非平稳性方面比其他基准方法有了很大的改进。我们的研究结果表明,社会人口和人类活动变量的影响呈现显着的时空异质性。特别是,人口密度增加1%可能导致每日病例和死亡增加0.63%和0.71%,平均通勤时间增加1%可能导致每日病例和死亡增加0.22%和0.95%。虽然人类活动的增加一般会加剧疾病的爆发,但我们报告说,在人口密度高的地区,杂货店和药店相关活动的影响微不足道。工作场所和公共交通的活动被发现会增加或减少病例和死亡人数,这取决于特定的地点。研究结果为确定疾病暴发的影响因素提供了一个定量框架,对指导传染病防治决策具有重要意义。
2021-04-26 physics.soc-ph q-bio.PE
Impact of Economic Constraints on the Projected Timeframe for Human-Crewed Deep Space Exploration
深空探索为人类的发展和我们对宇宙的理解提供了最深刻的机会,但仍然极具挑战性。进展将继续由无人驾驶飞行任务来进行,随后是前往更远目的地的有人驾驶飞行任务。主要航天大国继续将载人深空探测作为一项重要的国家战略进行投资。改进模型的基础上,以前的工作,项目的最早可能的发射日期为人类载人任务从顺月空间到选定的目的地在太阳系和超越美国宇航局的历史预算趋势和深空探测研究的总体发展趋势。分析的目的是为火星以外的载人任务提供一个预计的时间框架。我们的研究结果表明,从航天国家或国际合作到小行星带和木星系统的第一次人类任务可能分别安排在~2071年至~2087年和~2101年至~2121年,而到土星系统的发射可能发生在~2132年,不确定窗口为~2129年至~2153年。
2022-05-17 astro-ph.EP astro-ph.IM physics.pop-ph
Integrated Simulation Platform for Quantifying the Traffic-Induced Environmental and Health Impacts
提出一种微观综合仿真平台,集成SUMO、MOVES等五个模块量化交通相关的空气质量与人体暴露健康影响,案例表明分布式接送策略可降低PM2.5相关癌症风险33.4%。
2023-06-13 cs.SY eess.SY physics.soc-ph
Understanding the Impact of the COVID-19 Pandemic on Transportation-related Behaviors with Human Mobility Data
中国内地受限制的COVID-19疫情最近被视为抗击这种高传染性病毒的成功范例。无论是传播时间短(约三个月),还是中国内地确诊病例呈指数级增长,都证明中国当局采取了有效的防疫措施,如病例隔离、旅行限制、关闭娱乐场所、禁止公众集会等。这些措施当然可以有效控制COVID-19疫情的蔓延。同时,它们可能会极大地改变人类流动模式,例如公众的日常交通相关行为。为了更好地了解COVID-19对交通相关行为的影响,并提供更有针对性的抗疫措施,我们使用从中国广泛使用的网络地图服务百度地图收集的大量人类流动数据,以了解疫情期间当地人民的详细反应。具体而言,我们从1)交通工具、2)到访场馆类型、3)场馆入住时间、4)对“起点-终点”距离的偏好、5)“起点-交通-终点”模式等角度,对疫情期间的交通相关行为进行数据驱动分析。对于每个主题,我们也给出了我们的具体见解和政策制定建议。鉴于COVID-19大流行仍在全球200多个国家和地区蔓延,感染了数百万人,本文提供的见解和建议可能有助于抗击COVID-19。
2022-02-16 cs.CY physics.soc-ph
Flow descriptors of human mobility networks
手机数据使得对人类流动的研究能够及时、精细化。在呼叫事件时生成的呼叫详细信息记录允许以不同的分辨率以及不同的空间、时间和社交粒度来构建移动性的描述。个人轨迹是长期观察流动模式和确定人类动态因素的基础。在这里,我们提出了一个系统的分析,以表征移动网络流量和拓扑结构,并评估其对个人的影响痕迹。基于离散流的描述符用于在多个尺度上对人类流动模式进行分类和理解。该框架适用于评估城市规划、优化交通、衡量外部事件和条件的影响、监测内部动态并根据用户的移动模式对其进行分析。
2020-03-16 cs.CY cs.SI physics.soc-ph