带记忆的移动性建模

集体人类流动的建模：理解城市内部流动的指数律

Modeling collective human mobility: Understanding exponential law of intra-urban movement

了解城市交通模式非常重要，因为大多数出行集中在城市地区。本文提出了一个新的模型来模拟城市地区的集体人类流动。该模型不仅可以预测城市内部的个体流动，而且可以预测国家或更大范围内的个体流动。基于该模型，可以得出结论，距离分布的指数规律归因于人类出行需求的平均密度呈指数下降。由于人类出行需求的分布仅取决于城市规划、人口分布、区域功能等，这说明城市的这些固有属性是推动人类集体流动的动力。

2012-12-27cs.SIphysics.soc-ph

论出行目的地对个体人类流动模式建模的重要性

On the importance of trip destination for modeling individual human mobility patterns

深入了解人类流动模式并能够准确再现这些模式，在从公共卫生到交通和城市规划的广泛应用中至关重要。尽管如此，在最近的文献中可以找到的个人移动模型中，没有考虑到个人在旅行中投入的努力与其目的重要性之间的关系。在这里，我们通过引入一个模型来解决这个问题，该模型假设旅行的重要性和旅行的距离之间的关系。在大多数实际情况下，量化这种重要性是不可能的。我们通过关注购物旅行（我们有经验数据）并将商品价格作为代理来克服这一困难。我们的模型能够再现经验观察到的旅行距离的长尾分布，并解释数据中发现的旅行距离和项目价值之间的比例关系。

2020-10-14physics.soc-ph

流行病建模中的人类流动性

Human Mobility in Epidemic Modeling

本综述全面梳理了人类流动性数据在流行病建模中的应用，探讨了从经典划分模型到机器学习等多种建模方法，并分析了流动性整合如何提升流行病风险评估与干预策略的准确性和有效性。

2025-11-01cs.SIphysics.data-anphysics.soc-ph

使用大规模流动数据的相互依赖的城市社会物理系统的恢复力：恢复动力学建模

Resilience of Interdependent Urban Socio-Physical Systems using Large-Scale Mobility Data: Modeling Recovery Dynamics

城市是一个由社会经济系统组成的复杂系统，依赖于多个物理基础设施网络提供的关键服务。由于社会和自然系统之间的相互依存关系，自然灾害造成的破坏可能会在整个系统中级联，扩大灾害的影响。尽管气候变化和城市快速增长带来的威胁越来越大，但如何设计社会和物理系统之间的相互依存关系，以实现具有弹性的城市，在很大程度上尚未探索。在这里，我们研究了城市系统中的社会物理相互依赖性及其对灾难恢复和复原力的影响，使用在飓风玛丽亚期间从波多黎各收集的大规模移动数据。我们发现，随着城市规模的扩大和集中式基础设施系统的扩大，关键服务的恢复效率提高了，但是，在危机期间，社会经济系统的自力更生能力受到了限制。研究结果表明，保持社会系统的自力更生可能是发展具有弹性的城市社会物理系统的城市面临快速城市增长的关键。

2021-04-15physics.soc-ph

跨粒度尺度随机图的 urn 模型：一种起点-终点（OD）人类移动网络框架

Urn Modeling of Random Graphs Across Granularity Scales: A Framework for Origin-Destination Human Mobility Networks

本文将人类移动建模为组合分配过程，构建三尺度框架并证明其在大稀疏区域收敛于混合泊松律，提供移动观测指标公式，模拟匹配预测，为相关政策设计提供工具包。

2025-08-25cs.SIphysics.soc-ph

全球空运网络的块适应性建模

Block-Fitness Modeling of the Global Air Mobility Network

Ca’ Foscari University of Venice（威尼斯大学）；University of Rome Tor Vergata（罗马托维加塔大学）；Enrico Fermi Research Center（恩里科·费米研究中心）；CNR-Institute for Complex Systems (ISC)（国家研究委员会复杂系统研究所）；Northeastern University（东北大学）；Royal Institution（皇家研究院）

本文提出了一种基于最大熵框架的生成模型，用于重构全球空运网络，实现动态传播模拟及全球移动系统的预测与政策设计。

2026-01-20cs.SIphysics.soc-ph

通过高分辨率人类移动网络建模植物疾病传播

Modeling plant disease spread via high-resolution human mobility networks

Center for Complex Networks and Systems Research, Luddy School of Informatics, Computing, and Engineering, Indiana University（印第安纳大学卢迪信息、计算与工程学院复杂网络与系统研究中心）；Indiana University（印第安纳大学）；School of Public Health, Indiana University（印第安纳大学公共卫生学院）；Onside

本研究通过高分辨率人类移动网络建模植物疾病传播，展示了人类移动对病原体扩散的影响，并提出了一种数据驱动的预测框架，以提升农业病害防控的及时性和有效性。

2026-02-25physics.soc-phq-bio.PE

流行病学中基于流动性的仓室模型的建模、推断与预测

Modeling, Inference, and Prediction in Mobility-Based Compartmental Models for Epidemiology

University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

本文提出纳入个体流动性分布的流行病学仓室模型以刻画人群异质性，降低相同基本再生数下的最终疫情规模预测，并给出从感染时间序列识别与学习流动性分布的方法。

2024-09-06cs.LGcs.NAmath.NA

先进空中交通的需求与容量建模

Demand and Capacity Modeling for Advanced Air Mobility

本文提出灵活框架模拟纽约市电动垂直起降空中出租车运行，重点分析乘客容量、着陆点容量和机队规模对行程时间的影响，并评估运行密度带来的约束。

2024-03-25physics.soc-ph

科学景观中学者流动的建模与分析

Modeling and Analysis of Scholar Mobility on Scientific Landscape

迄今为止的科学文献可以被认为是一个部分揭示的景观，学者们通过探索新的研究课题来揭示隐藏的知识。学者如何探索科学景观，即，选择研究课题吗我们提出了一个基于主体的主题迁移行为模型，学者迁移跨研究主题的科学空间遵循不同的策略，寻求不同的效用。我们使用这个模型来研究当前科学界广泛使用的策略是否可以在个人科学成功与整个学术社会的效率和多样性之间提供平衡。通过广泛的模拟，我们提供了不同策略的作用，如根据研究潜力或受欢迎程度选择主题的见解。我们的模型提供了一个概念框架和计算方法来分析学者的行为及其对科学生产的影响。我们还讨论了如何将这种基于代理的建模方法与大的现实世界的学术数据相结合。

2015-03-10cs.DLcs.SIphysics.soc-ph

用于流行病、人口统计与流动性建模的合成人口

Synthetic populations for epidemic, demographic and mobility modeling

ISI Foundation（ISI基金会）；Instituto de Física Interdisciplinar y Sistemas Complejos IFISC (CSIC-UIB)（跨学科物理与复杂系统研究所 IFISC (CSIC-UIB)）；Sorbonne Université, INSERM, Sorbonne Public Health Institute（索邦大学、INSERM、索邦公共卫生学院）；Instituto Mediterráneo de Estudios Avanzados IMEDEA (CSIC-UIB)（地中海高级研究所 IMEDEA (CSIC-UIB)）；Universitat Pompeu Fabra（庞培法布拉大学）

本文提出一套覆盖西班牙、法国、意大利的合成人口数据集，其生成流程可复现多维度人口与空间特征，依赖公开数据可扩展至其他国家，支持多领域高分辨率建模。

2026-10-16physics.soc-ph

城市间移动网络的鲁棒性分析：将市政、州和联邦举措建模为故障和攻击

Robustness analysis in an inter-cities mobility network: modeling municipal, state and federal initiatives as failures and attacks

受COVID-19疫情相关挑战和寻求最佳遏制策略的启发，我们提出了一个城市间移动复杂网络的鲁棒性分析。我们将市政举措抽象为节点故障，将联邦行动抽象为有针对性的攻击。geo（graphs）的方法被应用到可视化的地理图形，并产生地图的拓扑指数，如度和脆弱性。巴西2016年的数据被认为是一个案例研究，有5000多个城市和27个州。基于网络的鲁棒性指数，我们表明，最有效的攻击策略转移从拓扑度为基础的，所有城市的网络，以拓扑可扩展性为基础的，考虑巴西国家作为节点的网络。此外，我们的研究结果表明，个别市政府的行动并没有造成很大的影响，流动性限制，因为他们往往是准时和断开的国家现场作为一个整体。相反，特定城市的协调隔离是分离整个网络区域的关键，从而防止蔓延过程盛行。

2020-04-08cs.SIphysics.soc-ph

一条规则并不适用于所有人：人类移动建模中的普遍性偏差

One rule does not fit all: deviations from universality in human mobility modeling

该研究针对人类移动建模中普遍性假设的个体偏差问题，通过大规模移动数据评估EPR模型的个体精度，发现偏差与个体行为、社会经济特征相关，收入影响最显著，且模型精度存在空间异质性，提示群体模型可能加剧社会经济不平等。

2024-11-01physics.soc-ph

作为人类流动性仿真方法的多级建模

Multilevel Modeling as a Methodology for the Simulation of Human Mobility

本文提出多级建模适合人类流动性仿真，通过将模型分解为描述个体实体的微观层和描述长程交互的宏观层，研究了多级建模的挑战，并在流行病传播和车辆污染背景下使用原型仿真器给出了初步结果。

2024-03-25cs.PFphysics.soc-ph

人类迁移的机器学习建模方法

A Machine Learning Approach to Modeling Human Migration

Georgia Institute of Technology（佐治亚理工学院）

人类移徙是人类流动的一种，旅行涉及一个人为了改变他们的家园而移动。尽可能准确地预测人口迁移在城市规划应用、国际贸易、传染病传播、保护规划和公共政策制定中非常重要。传统的人类流动模型，如重力模型或最近的辐射模型，仅基于人口和距离特征预测人类流动。这些模型已在通勤流（一种不同类型的人类移动性）上得到验证，并且主要用于无法获得大量先前地面真实移动性数据的建模场景。这些模型的一个缺点是，它们具有固定的形式，因此无法捕捉更复杂的移徙动态。我们提出了机器学习模型，能够结合任何数量的外源性功能，预测起源/目的地的人类迁移流。我们的机器学习模型在各种评估指标上都优于传统的人类移动模型，无论是在预测美国各县之间的迁移还是国际迁移的任务中。一般来说，人类迁移的预测性机器学习模型将提供一个灵活的基础，用于在不同的假设条件下模拟人类迁移，例如潜在的海平面上升或人口增长情景。

2017-11-15cs.LGcs.SIphysics.soc-ph

人类流动数据的偏差影响流行病建模

Biases in human mobility data impact epidemic modeling

大规模的人类流动数据是数据驱动的政策制定和许多科学领域的关键资源。最近，在COVID-19大流行期间，流动性数据被广泛用于研究政府政策的影响并为流行病模型提供信息。大规模的流动性通常是使用移动电话等数字化工具来衡量的。然而，这些数字代理如何真实地代表普通人群的实际旅行行为仍然是一个悬而未决的问题。在这里，我们研究了来自多个国家的移动数据集，并确定了两种根本不同类型的偏见，这两种偏见是由手机的不平等使用和不平等使用造成的。我们引入了数据生成偏差的概念，这是一种以前被忽视的偏差类型，当个人产生的数据量影响他们在数据集中的表现时，就会出现这种偏差。我们在所有检查的数据集中发现了数据生成偏差的证据，即高财富人群的比例过高，最富有的20%占所有记录旅行的50%以上，大大扭曲了数据集。这种不平等是必然的，因为我们发现不同财富群体的移动模式在结构上是不同的，高财富用户的移动网络更密集，包含更多的远程连接。为了减轻倾斜，我们提出了一个框架来消除数据的偏见，并展示了如何使用简单的技术来提高代表性。使用我们的方法，我们展示了偏见如何严重影响动态过程的结果，例如流行病模拟，其中有偏见的数据错误地估计了疾病传播的严重程度和速度。总的来说，我们表明，未能考虑偏见可能会对研究结果产生不利影响，并敦促研究人员和从业人员在未来所有人类流动的研究中考虑数据公平性。

2021-12-23cs.CYphysics.soc-phq-bio.PE

跟随巨人的脚步：使用维基百科对历史上著名人物的流动性进行建模

Following the footsteps of giants: Modeling the mobility of historically notable individuals using Wikipedia

数字化历史信息的稳定增长不断刺激着数字人文和计算社会科学领域的新的不同方法。在这项工作中，我们使用自然语言处理技术，从维基百科检索大量的历史信息。特别是，一组历史上著名的个人的页面被处理，以捕捉人们的运动的位置和日期。然后，该信息被构造在移动模式的地理网络中。我们从不同的角度分析了历史上著名人物的流动性，以更好地理解移民和国际合作在创新和文化发展背景下的作用。在这项工作中，我们首先从社会和地理的角度提出了数据集的一些一般特征。然后，我们建立了一个城市的空间网络，我们建模和量化了一组可以被认为是历史和文化显著的人的探索趋势。在这个框架中，我们表明，通过使用一个多层次的辐射模型的人类流动性，我们能够捕捉到迁移的行为的重要特征。结果表明，历史和文化相关人士对目标移民地点的选择仅限于少数地点，并且取决于名人感兴趣的学科以及她/他在那里可以找到的机会数量。

2019-12-16cs.SIphysics.soc-ph

基于开放数据的意大利多重网络流动性与元种群流行病模拟

Multiplex mobility network and metapopulation epidemic simulations of Italy based on Open Data

针对多数国家缺乏细粒度流动性数据的问题，本研究以意大利为例，基于开放数据构建多重流动性网络并实现SIR元种群模型，通过数据驱动的随机模拟进行情景分析，为缺乏高分辨率流动性数据的情境提供实用方法。

2022-09-16cs.SIphysics.soc-ph

使用人类流动性代理进行流行病建模

On the use of human mobility proxy for the modeling of epidemics

人口流动是传染病大规模空间传播模型的一个关键组成部分。正确建模和量化人员流动对于改善流行病控制政策至关重要，但在世界某些地区，数据不完整可能会阻碍这一工作。在这里，我们探讨了使用代理数据或模型的个人流动性来描述通勤运动和预测传染病的扩散的机会。我们认为三个欧洲国家和相应的通勤网络在不同的分辨率尺度从官方人口普查调查，从代理数据提取的移动电话记录，从人口普查数据校准的辐射模型。定义在这三个国家和整合不同的流动层的集合种群模型进行了比较，在流行病的可观的。我们发现，从手机数据的通勤网络很好地捕捉经验通勤模式，占总流量的87%以上。从两个数据源-移动电话和人口普查-每个链接的通勤流量的分布是相似的，高度相关的，但在移动电话数据的通勤交通的系统高估观察。这导致流行病的传播速度比人口普查通勤网络更快，但保持了新感染地点的感染顺序。匹配的流行病入侵模式是敏感的初始条件：辐射模型显示出更高的准确性相对于移动电话数据时，种子是在网络中的中心，而移动电话代理执行更好的流行病种子在外围位置。结果表明，不同的代理可以用来近似通勤模式在不同的分辨率尺度在空间流行病模拟，在所需的准确性在研究中的流行病的结果。

2014-05-27physics.soc-phq-bio.PE

HMES：一个具有快速干预建模的可扩展人员流动和流行病模拟系统

HMES: A Scalable Human Mobility and Epidemic Simulation System with Fast Intervention Modeling

最近，全球见证了本世纪最严重的大流行病（COVID-19）。流行病的预测和模拟研究越来越受到人们的重视。然而，目前的方法存在三个问题。首先，目前的研究大多集中在流行预测上，不能为干预政策的制定提供足够的支持。其次，目前的干预措施大多是基于人群而不是细粒度的个体，无法对感染者采取措施，可能造成医疗资源的浪费。第三，目前的模拟对于大规模复杂系统来说不够有效和灵活。在本文中，我们提出了一个新的流行病模拟框架称为HMES来解决上述三个挑战。所提出的框架涵盖了流行病模拟的完整管道，并实现了大规模的全面细粒度控制。此外，我们对真实的COVID-19数据进行了实验。与最先进的方法相比，HMES展示了高达3亿人的疾病传播更准确的建模和高达3倍的加速。

2023-03-27cs.SIphysics.soc-ph

在全局水平上建模PKT：一种机器学习方法

Modeling PKT at a global level: A machine learning approach

人们普遍认为，从一个地方到另一个地方的能力，或流动性，大大有助于一个人的福祉。对流动性的需求是普遍的，但对流动性的需求因国家而异。这项特别研究着眼于全球范围内哪些最重要的因素可以帮助预测各国的旅行者旅行或旅行者英里数（PKT/PMT）。这项特别的工作试图量化一些关键变量的影响，如国内生产总值（GDP），人口增长，就业率，家庭数量，人口中的年龄人口统计和宏观经济变量对每个国家内的总车辆出行。一个基于面板的回归模型，以确定一些关键的宏观经济变量对国家的PKT增长的影响。

2019-07-21physics.soc-phstat.AP

田纳西州区域空中交通出行需求建模

Regional Air Mobility Flight Demand Modeling in Tennessee State

本研究聚焦田纳西州区域空中交通（RAM）需求建模，利用多源数据构建预测框架，通过广义出行成本分析对比不同交通方式，发现扩展RAM区域机场网络可提升其竞争力，明确了RAM被选择的关键条件。

2024-12-11physics.soc-ph

通过含媒体与移动效应的多层网络反应扩散过程建模耦合的流行病-信息动力学

Modeling Coupled Epidemic-Information Dynamics via Reaction-Diffusion Processes on Multiplex Networks with Media and Mobility Effects

针对现有模型仅考虑孤立因素的不足，本研究在多层网络上提出耦合疾病-信息传播模型，整合媒体影响、高阶相互作用和人口移动，通过MMCA推导方程并经MC模拟验证，揭示了相关因素对疾病传播的影响，为复杂场景下的干预策略设计提供见解。

2025-04-17physics.soc-ph

人类移动性可通过从数据中自动学习的闭式类重力模型得到良好描述

Human mobility is well described by closed-form gravity-like models learned automatically from data

针对人类移动性建模中重力模型精度有限、复杂深度学习模型可解释性差的问题，研究提出从数据自动学习的闭式类重力模型，兼具高精度与可解释性，且适用于多尺度多数据集，或捕捉人类移动普适特征。

2023-12-18cs.SIphysics.data-anphysics.soc-ph

基于智能体的建模，真实再现人类流动与接触行为，以评估流行病传染病传播中的检测与隔离策略

Agent-based modeling for realistic reproduction of human mobility and contact behavior to evaluate test and isolation strategies in epidemic infectious disease spread

本文提出一个高度模块化的智能体模型，模拟呼吸道疾病传播，并利用德国布伦瑞克真实流动数据评估检测与隔离策略，发现症状无关检测影响有限，隔离时长比效率更关键。

2025-04-03cs.DCcs.MAphysics.soc-ph

基于智能体框架的流动性与能源政策建模：以2050年芝加哥地区为例

Modeling of Mobility and Energy Policies in an Agent-Based Framework: Case Studies for Chicago Region in 2050

Argonne National Laboratory（阿贡国家实验室）；Texas A&M University（德克萨斯农工大学）；The University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校）；Chicago Metro. Agency for Planning（芝加哥大都市规划署）

本研究采用POLARIS智能体框架，模拟2050年芝加哥地区9种政策情景，量化了电气化、货运管理等政策对交通、能源的影响，为区域规划提供见解。

2026-09-02cs.NAmath.NAphysics.soc-ph