Social media and mobility landscape: uncovering spatial patterns of urban human mobility with multi source data
在本文中，我们提出了一个三步的方法框架，包括位置识别，偏差修正，样本外验证，以促进人类移动性分析与社会媒体数据。更具体地说，我们提出的方法来确定个人活动的具体地点和通勤模式，在中国北京，基于微博（中国的Twitter）的签到记录，以及修改签到数据的样本偏差与人口合成技术。一项独立的全市旅游物流调查被用作验证结果的基准。从微博用户和调查对象的活动-移动模式中可以看出明显的差异，而两种来源的数据在人口代表性方面存在很大差异。经过偏差修正后，微博数据与调查数据的通勤距离分布相似系数从23%大幅提高到63%。事实证明，合成数据是一种令人满意的具有成本效益的流动信息替代来源。拟议的框架可以为许多与人类流动有关的应用提供信息，从交通到城市规划再到交通排放建模。
2018-08-13 cs.SI physics.soc-ph
Entangling mobility and interactions in social media
日常互动自然定义了社交圈。个人倾向于与他们花时间的人成为朋友，他们选择与他们的朋友共度时光，不可避免地纠缠在物理位置和社会关系中。因此，不仅可以从朋友的位置预测某人的位置，还可以从空间和时间的共同出现预测友谊。虽然已经开发了几种模型来分别描述移动性和社交网络的演变，但缺乏将社交互动和移动性结合起来的研究。在这项工作中，我们引入了一个新的模型，明确考虑社会关系形成的流动性的反馈，弥合这一差距。来自三个在线社交网络（Twitter，Gowalla和Twitter）的数据用于验证。我们的模型再现了这些网络的各种拓扑和物理特性，例如：i）连接组件的大小，ii）连接用户之间的距离分布，iii）互惠性对距离的依赖性，iv）社交重叠和聚类随距离的变化。除了数值模拟，平均场的方法也被用来研究分析的主要统计特征的网络所产生的模型。的鲁棒性的结果的模型参数的变化进行了探讨，发现朋友访问和远程随机连接之间的平衡是必不可少的再现的经验网络的地理特征。
2014-03-10 cs.SI physics.soc-ph
Understanding mobility in a social petri dish
尽管最近获得了大量关于人类运动的数据集，但由于社会经济因素的信息不完整，而且时空分辨率往往有限，仍然缺乏对社会系统内运动规律的充分了解。在这里，我们研究的是一个由个人组成的整个社会，一个在线游戏的玩家，他们在网络状的宇宙中的运动以及他们的社会和经济互动的完整信息。这样一个“社会经济实验室”可以揭示空间限制、社会和经济因素以及流动模式之间错综复杂的相互作用。我们发现，个人的运动不仅受到物理距离的限制，但也强烈塑造的社会经济领域的存在。这些区域可以完全恢复社区检测方法的基础上测量的人体动态。此外，我们发现，长期记忆的时间顺序访问的位置是建模的轨迹的基本成分。
2011-12-06 cs.SI 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
Social Influence with Recurrent Mobility with multiple options
在本文中，我们讨论了可能的概括的社会影响与经常性流动性（SIRM）模型在物理。112，158701（2014）。尽管SIRM模型在模拟美国选举时的工作效果大致令人满意，但它有其局限性：它仅适用于两党制，并且当其中一方的极端投票份额接近0或1时可能导致非物理行为。我们在这里提出的SIRM模型的推广，其扩展的多方系统，在极端的投票份额的情况下，数学上是适定性的，也通过处理噪声项以不同的方式。此外，我们表明，我们的方法打开了新的应用程序，通过使用一个新的校准程序的研究选举，并有可能分析的“自由意志”（创建一个新的党）和其他本地效应的影响，为不同的通勤网络拓扑结构。
2018-01-26 cs.SI physics.soc-ph
Social Distancing Beliefs and Human Mobility: Evidence from Twitter
我们构建了一个新的数据库，其中包含Twitter上发送的数十万条与COVID-19大流行相关的地理标记消息。我们创建了一个每日社交距离指数-在州一级-通过分析包含关键词的推文数量来捕捉社交距离信念，如“呆在家里”，“保持安全”，“戴口罩”，“洗手”和“社交距离”。我们发现，在第t-1天社交距离的Twitter指数的增加与第t天的流动性下降有关。我们还发现，国家秩序、新冠肺炎病例数量的增加、降水和气温有助于减少人类流动性。共和党州也不太可能实施社交距离。在社交网络上分享的信念既可以揭示个人的行为，也可以影响他人的行为。我们的研究结果表明，政策制定者可以使用地理标记的Twitter数据-结合移动数据-更好地了解个人自愿的社交距离行动。
2020-08-10 cs.SI
Group Mobility: Detection, Tracking and Characterization
在移动计算时代，了解人类移动模式对于更好地设计协议和应用程序至关重要。许多研究侧重于人类流动的不同方面，例如人们的兴趣点，路线，交通，个人流动模式等。在这项工作中，我们建议通过社会视角来看待人类流动性，即，分析社会群体对流动模式的影响。我们使用麻省理工学院的现实挖掘邻近跟踪来检测，跟踪和调查群体的演变。我们的研究结果表明，小组会议发生在一个周期性的方式，目前每天和每周的周期性。我们分析了群体的动态如何随着时间的推移而变化，发现持续时间更长的群体会议是那些成员组成变化较少的群体，成员之间的社会联系更强。我们的研究结果可以用来提出会议预测算法，机会路由和信息扩散协议，利用这些发现的属性。
2015-12-15 cs.SI physics.soc-ph
Twitter as a Source of Global Mobility Patterns for Social Good
关于人类空间分布和移动的数据对于理解和分析社会系统至关重要。然而，这一数据的现有来源在各种方面都缺乏;难以获得，有偏见，地理或时间分辨率差，或严重滞后。在本文中，我们描述了如何从Twitter的地理位置数据可以用来估计全球移动模式，并解决这些缺点。这些研究结果将为如何利用这一新的数据源来应对人道主义和发展工作提供信息。
2016-06-20 cs.SI physics.soc-ph stat.ML
Urban transport systems shape experiences of social segregation
本研究利用城市GPS流动数据和概率框架，揭示交通系统如何按时间、设计塑造社会隔离，并模拟可持续交通政策的潜在影响。
2025-05-22 cs.SI physics.soc-ph
The Twitter Social Mobility Index: Measuring Social Distancing Practices from Geolocated Tweets
社交距离是应对新型冠状病毒（COVID-19）大流行的重要组成部分。尽量减少社会交往和旅行可以降低感染传播的速度，并“缩短曲线”，使医疗系统能够更好地治疗感染者。然而，目前还不清楚公众将如何回应这些政策。本文介绍了Twitter的社会流动性指数，社交距离和旅行的衡量来自Twitter的数据。我们使用公开的地理定位Twitter数据来衡量用户在给定的一周内旅行了多少次。我们发现，在实施社交距离政策后，美国的旅行大幅减少，早期采用政策的州减少幅度较大，而没有政策的州变化较小。我们的研究结果载于http://socialmobility.covid19dataresources.org，我们将在疫情期间继续更新我们的分析。
2020-06-08 cs.SI
Human Mobility and Predictability enriched by Social Phenomena Information
从移动电话记录中收集的大量地理定位数据引发了人们不断努力了解和预测人类的移动模式。在这项工作中，我们研究了社会现象在手机数据中的反映程度，特别是在城市通勤和重大体育赛事的情况下。我们说明了这些事件是如何反映在数据中，并显示如何使用有关事件的信息，以提高可预测性在一个简单的模型，手机用户的位置。
2013-11-22 cs.CY cs.SI physics.soc-ph
Measuring social mobility in temporal networks
本文定义层级流动性等时序相关统计量，衡量节点度增长倾向随时间的变化，并在人工模型和26个真实时序网络上验证其能揭示网络结构动态并区分不同领域网络。
2025-02-04 cs.SI physics.soc-ph
Commute with Community: Enhancing Shared Travel through Social Networks
本文针对后疫情时代共享出行信任危机，提出融合社交网络的图神经网络与强化学习拼车匹配框架，并引入“容忍度”指标量化社交距离敏感度，显著提升拼车率并降低延误与绕行。
2024-04-09 cs.SI physics.soc-ph
Human Mobility and Predictability enriched by Social Phenomena Information (extended abstract)
移动电话运营商收集的信息可以被认为是关于大部分人口流动性的最详细信息。近年来，使用收集的用户的地理位置来研究人类移动的动态，并将其应用于预测未来用户的位置，已经成为一个活跃的研究领域。在这项工作中，我们研究了社会现象在手机数据中的反映程度，特别是在城市通勤和重大体育赛事的情况下。我们说明了这些事件是如何反映在数据中，并显示如何使用有关事件的信息，以提高可预测性在一个简单的模型，手机用户的位置。
2013-11-20 cs.CY cs.SI physics.soc-ph
Correlations Between Human Mobility and Social Interaction Reveal General Activity Patterns
一个人生活中的一天涉及许多人共同的广泛活动。超越昼夜周期，一个核心问题是：在多大程度上，个体的行为是根据整个种群的共同模式进行的？在这里，我们调查不同的活动类型之间的相互作用，即通信，运动和物理接近通过分析从智能手机中收集的数据分布在638个人。我们探讨两个中心问题：哪些基本原则支配的活动模式的形成？这些模式是每个人特有的还是整个群体共有的？我们发现，整个人口的统计数据使我们能够成功地预测71%的活动和85%的不活动，涉及通信，移动性和物理接近。令人惊讶的是，个体水平的统计数据只会导致稍微更好的预测，这表明大多数活动模式在{我们的样本人群}中是共享的。最后，我们预测短期的活动模式，使用广义线性模型，这表明一个简单的线性描述可能足以解释广泛的行动，无论是社会或物理性质。
2017-11-29 cs.SI physics.soc-ph
Interdependence and Predictability of Human Mobility and Social Interactions
以往的研究表明，在不同的地理尺度上，人类运动在一定程度上是可以预测的。现有的预测技术仅利用被考虑作为预测器的输入的人的过去历史。在本文中，我们表明，通过多变量非线性时间序列预测技术，可以通过考虑具有相关移动模式（即，以高互信息为特征）作为输入。最后，我们评估诺基亚移动数据挑战和Cabspotting数据集上提出的技术。
2013-07-16 cs.SI nlin.CD physics.soc-ph
Mobility Inequity and Risk Response After Hurricane Helene: Evidence from Real-Time Travel and Social Sentiment Data
Rowan University（罗文大学）；New York University（纽约大学）；University of Maryland, College Park（马里兰大学帕克分校）；City University of Hong Kong（香港城市大学）
研究通过实时旅行和社会情绪数据，分析飓风后移动不平等及风险应对，揭示社会经济差异对移动行为的影响。
2026-01-15 cs.SI
Modelling Human Mobility considering Spatial,Temporal and Social Dimensions
人类流动性建模在多个领域至关重要，从城市规划到流行病建模、交通预测和假设分析。一方面，现有的模型主要侧重于再现人的流动性的空间和时间维度，而社会方面，虽然它影响人的运动显着，往往被忽视。另一方面，那些捕捉人类流动的一些社会方面的模型具有琐碎和不切实际的空间和时间机制。在本文中，我们提出了STS-EPR，一个建模框架，嵌入的机制来捕捉空间，时间和社会方面在一起。我们的实验表明，STS-EPR优于现有的时空或社会模型上的一组标准的移动性指标，它可以使用有限的信息量没有任何重大损失的现实。STS-EPR是开源的，并在开放数据上进行了测试，它是朝着设计能够全面捕捉人类移动性所有方面的机械模型迈出的一步。
2020-07-05 cs.SI stat.AP
Location Prediction: Communities Speak Louder than Friends
人类是社会性动物，他们与不同的朋友社区互动，进行不同的活动。文献表明，人的流动性受到其社会关系的制约。在本文中，我们调查的社会影响，一个人的社区对他的流动性，而不是所有的朋友从他的在线社交网络。这项研究可能特别有用，因为某些社交行为受到特定社区的影响，而不是所有朋友。为了实现我们的目标，我们首先制定一个衡量一个人的社会多样性，我们称之为“社区熵”。通过对两个现实生活中的数据集的分析，我们证明了一个人的流动性只受到他的社区的一小部分的影响，这种影响取决于社区的社会背景。然后，我们利用机器学习技术来预测用户的未来运动的基础上，他们的社区的信息。大量的实验证明了预测的有效性。
2016-04-01 cs.SI physics.soc-ph
Gender Differences in Communication Behaviors, Spatial Proximity Patterns, and Mobility Habits
社交网络的结构和组成存在性别差异，这在社会和行为科学中是一个公认的发现，但研究人员仍在争论结构、性格或生命历程因素是否是这些差异的主要驱动力。在本文中，我们扩展工作的性别差异在社交网络的互动模式，propinquity，并通过一个社会感知平台，包括一个合奏的个人的电话，短信，面对面的互动，和他们的移动活动的痕迹。我们试图通过集中在一个相对封闭的环境中的相对同质的人口在同一阶段的生活过程中，从其他因素隔离的气质。跨三个不同的网络与流动数据的分析揭示了系统的沟通，分布，流动性和空间接近的倾向方面的性别差异。最重要的是，在通信网络中观察到的一些模式（例如，对女性更强的同性偏好）在空间接近的情况下被发现是相反的，男性比女性更倾向于在更窄的（因此更可预测的）空间范围内与同性同龄人一起度过时间。这些发现提供了强有力的和新颖的证据，性别在构建行为的强大影响，在广泛的通信和移动行为，验证和扩展最近的工作，指出社会文化和进化起源的差异，在风格的社交和互动的男性和女性的特点。
2016-05-24 cs.SI physics.soc-ph
COVID-19 and income profile: How communities in the United States responded to mobility restrictions in the pandemic's early stages
本研究基于美国大量匿名设备位置数据，分析不同收入社区在疫情早期的社交距离表现差异，发现高收入社区表现更优，并指出低收入社区面临的相关现实问题，为疫情防控政策讨论提供数据支撑。
2024-04-14 cs.SI physics.soc-ph
Mesoscopic structure and social aspects of human mobility
从城市规划到疾病传播，大量人口的单独流动在许多情况下都很重要。现在可以获得捕捉人类流动的数据集，并发现了许多有趣的特征，包括个人流动性的超缓慢空间增长。然而，详细的子结构和时空流动的流动性-访问位置的集合和序列-还没有得到很好的研究。我们发现，个人的流动性是由经常访问的，动态接近的位置，形成主要的“栖息地”捕捉典型的日常活动，随着附属栖息地代表额外的旅行小团体为主。这些栖息地与家庭或工作等典型环境不相对应。栖息地内的流动性，这构成了大多数运动的时间演变，是普遍的栖息地和表现出的缩放模式都不同于所有以前的观察和预测的当前模型。进入附属栖息地的延迟是人类旅行时空增长的一个主要因素。有趣的是，栖息地与通信活动等非流动性动态相关，这意味着栖息地可能会影响信息传播和揭示人类流动性与社交网络之间的新联系等过程。
2012-06-07 cond-mat.stat-mech cs.SI physics.data-an
Mining online social networks with Python to study urban mobility
在线社交网络在过去几年中发展迅速，现在许多人经常使用它们。此外，智能手机的出现允许从任何物理位置随时访问这些网络。在社交网络中，Twitter提供了一个特别大的公开数据集。在这里，我们将讨论使用Python脚本挖掘这些数据并将其存储在分布式数据库中的过程。我们还说明了地理定位的推文可以用来研究城市地区的人的流动性。
2014-04-25 cs.PL cs.SI
walk2friends: Inferring Social Links from Mobility Profiles
定位技术的发展已经导致可用的移动性数据量的增加。在给人们的生活带来诸多便利的同时，这样的可获得性也引发了人们对隐私的严重担忧。在本文中，我们集中在一个最敏感信息，可以推断出从移动数据，即社会关系。我们提出了一种新的社会关系推理攻击，依赖于一个先进的特征学习技术，自动总结用户的移动功能。与现有的方法相比，我们的攻击能够预测任何两个人的社会关系，它不需要对手有任何先验知识的现有的社会关系。这些优势大大增加了我们攻击的适用性和隐私评估的范围。在一个大型数据集上进行的大量实验表明，我们的推理攻击是有效的，并实现了13%至20%的最佳国家的最先进的计划之间的改进。我们提出了三种防御机制-隐藏，替换和泛化-并评估其有效性，以减轻移动数据共享带来的社会联系隐私风险。我们的实验结果表明，隐藏和替换机制优于泛化。此外，隐藏和替换实现了效用和隐私之间的可比权衡，前者保留更好的效用，后者提供更好的隐私。
2017-09-05 cs.CR cs.SI
Social network analysis of electric vehicles adoption: a data-based approach
移动性正在经历巨大的变革。特别是在城市地区，由于新的交通需求和环境问题，一些重大变化正在发生。最成熟的一个，这仍然是努力肯定自己是电动汽车（EV）的采用过程，从而从燃料为基础的电池驱动技术切换。事实证明，许多社会和经济障碍在这一过程中发挥了关键作用，包括教育水平、环境意识、年龄和人口普查。这项工作的目的是通过基于数据的镜头来促进对这一采用过程的研究，使用真实的移动模式来建立社会网络分析，以模拟邻居之间的共识传播，从而实现向电动汽车的转换。特别是，我们建立的网络拓扑结构，使用接近的措施，出现从分析真实的行程，并推断出他们的真实移动模式的初始处置的单一代理对电动汽车技术。基于该网络，级联采用模型进行了模拟，以调查动态的采用过程中，和一个激励计划的设计，以显示如何不同的政策可以有助于随着时间的推移在网络上的意见扩散。
2020-01-27 cs.SI physics.soc-ph
Social- and Mobility-Aware Device-to-Device Content Delivery
移动在线社交网络服务已经经历了快速增长，其中经由社交连接在用户之间传播的大量用户生成的社交媒体内容已经显著地挑战了传统的内容递送范例：首先，由于有限的带宽和存储容量，将由用户生成的所有内容复制到很好地"适配"接收器的边缘服务器变得困难。出于设备到设备（D2D）通信，允许用户与智能设备直接传输内容，我们建议复制带宽密集型的社交内容，在设备到设备的方式。基于对边缘网络区域中社交内容传播和用户移动模式的大规模测量研究，我们观察到：（1）设备到设备复制可以显著帮助用户从附近的相邻对等体下载社交内容;（2）社交传播和移动模式都影响内容应该如何被复制;（3）复制策略取决于区域特征（{\em e.g.}，用户如何跨区域移动）。使用这些测量的见解，我们提出了一个联合\emph{propagation- and mobility-aware}内容复制策略的边缘网络区域，其中社会内容分配给用户在边缘网络区域根据社会图，内容传播和用户移动性的联合考虑。跟踪驱动的实验进一步验证了该方案的优越性：与传统的纯移动和基于流行度的方法相比，该方案能够显著提高设备到设备复制成功交付的社交内容数量（$2-4$倍）.
2016-06-14 cs.MM cs.NI cs.SI
Tracking mob Dynamics in online social networks Using epidemiology model based on Mobility Equations
本研究提出一种整合移动动态的流行病学模型，利用2020年4至6月Twitter数据追踪COVID-19相关群体行为，分析阈值、分岔与稳定性，并模拟参数敏感性。
2025-04-19 cs.SI
Uncovering Spatiotemporal and Semantic Aspects of Tourists Mobility Using Social Sensing
旅游业对经济活动、就业、收入的拉动作用和发展的带动作用十分显著，因此，发展旅游业是一项战略性任务。在这项工作中，我们展示了如何社会感知可以用来了解游客和居民的行为的关键特征。我们观察到不同的行为模式，在这些类，考虑到空间和时间维度，文化和区域方面可能发挥重要作用。此外，我们还调查了游客如何移动以及影响他们在伦敦，纽约，里约热内卢和东京移动的因素。此外，我们提出了一种新的方法，基于主题模型，使自动识别的移动模式的主题，最终导致更好地了解用户的配置文件。我们的研究结果的适用性是广泛的，有助于在旅游领域提供更好的应用和服务。
2020-05-18 cs.SI
Constructing a taxonomy of fine-grained human movement and activity motifs through social media
得益于网络规模的社会数据集的出现，许多最近的研究系统地探讨了大人口和大时间尺度上的人类流动模式。然而，相对较少的注意力已经支付给流动性和活动在较小的时间尺度，如一天。在这里，我们使用Twitter来识别人们经常访问的位置以及他们可能的活动，作为一天中的时间和一周中的一天的函数，利用消息的内容和地理位置。随后，我们描述了人们的过渡模式图案，并表明，空间信息编码在词的选择。
2015-05-11 cs.SI physics.soc-ph
Application of a cognitive-inspired algorithm for detecting communities in mobility networks
移动设备的出现和全球适应已经影响了个人，社区和社会层面的人类互动，导致所谓的网络物理世界（CPW）融合场景[1]。CPW的最重要的功能之一是利用信息的用户的社会社区的结构，揭示了联合运动模式和频率的物理协同定位的可能性。属于同一社交社区的用户的移动设备可能比社区外的设备更频繁和更有规律地“看到”彼此（并且因此能够通过自组织联网技术进行通信）。在移动机会网络中，这一事实可以被利用，例如，优化网络操作，如消息的转发和传播。在本文中，我们提出了一种认知启发算法[2，3，4]的应用，用于使用用户移动设备记录的物理接触信息来揭示这些动态社交网络的结构（由HCMM模型[5]模拟）。我们的算法的主要特点是：（i）通过分布式算法检测用户的物理协同定位引起的社会社区的能力;（ii）检测属于更多社区的用户的能力（从而充当跨越它们的桥梁），以及（iii）检测社区的时间演化的能力。
2013-08-06 cs.SI physics.soc-ph
Living in a pandemic: adaptation of individual mobility and social activity in the US
旨在减少COVID-19大流行扩散的非药物干预措施（NPI）极大地影响了我们的日常生活行为。在这项工作中，我们研究了个人如何随着时间的推移适应他们的日常运动和人与人之间的接触模式，以应对COVID-19大流行和NPI。我们利用美国四个州数十万匿名个人的纵向GPS移动数据，并根据经验显示了人们生活的巨大破坏。我们发现，当地的干预措施不仅影响了不同场所的访问次数，还影响了人们的体验。个人在场地上花费的时间更少，更喜欢更简单和更可预测的例程，减少人与人之间的接触活动。此外，我们表明，严格的干预措施本身并不解释的数量和持续时间的访问场所：个人模式的访问似乎是受当地的严重程度的流行病和风险适应因素，这增加了人们的流动性，无论干预措施的严格性。
2021-08-17 cs.CY cs.SI physics.soc-ph
Social media fingerprints of unemployment
最近广泛采用的电子和普及技术使人类行为的研究达到了前所未有的水平，揭示了人类活动，移动性和人际交往的普遍模式。在目前的工作中，我们调查是否偏离这些普遍的模式可能会揭示地理区域的社会经济地位的信息。我们量化了不同地区的昼夜节律、流动模式和沟通方式与失业率之间的差异。为此，我们研究了一个国家规模的公开表达的社交媒体数据集，在那里我们量化了个人的行为特征，从超过1.45亿的地理位置分布在340多个不同的西班牙经济区的消息，推断计算社区的凝聚力流动性通量。我们发现，地区表现出更多样化的流动性通量，更早的昼夜节律，更正确的语法风格显示较低的失业率。因此，我们提供了一个简单的模型，能够仅从他们的社交媒体数字指纹中产生准确，易于解释的区域失业率重建。我们的研究结果表明，可以根据公开的社交媒体数据集建立具有成本效益的经济指标。
2014-11-19 cs.SI physics.data-an physics.soc-ph
Early Warning of COVID-19 Hotspots using Mobility of High Risk Users from Web Search Queries
COVID-19以前所未有的规模和程度扰乱了全球经济和人们的福祉。为了控制这一疾病，建立一个有效的预警系统，预测疾病爆发的地点至关重要。研究表明，使用大规模流动数据监测非药物干预措施（例如，通过人口密度分析。然而，仅使用流动性数据很难预测潜在爆发发生的位置。与此同时，网络搜索查询已被证明是疾病传播的良好预测因素。在这项研究中，我们利用人类移动轨迹（GPS轨迹）和具有共同用户标识符（> 45万用户）的网络搜索查询的独特数据集，预先预测COVID-19热点位置。更具体而言，本集团进行网络搜索查询分析，以识别感染COVID-19的高风险用户，并进一步对该等用户的流动模式进行社交接触分析，以量化疫情爆发的风险。我们的方法是经验性的测试，使用从日本东京的用户收集的数据。我们表明，通过将COVID-19相关的网络搜索查询分析与社交联系网络相结合，我们能够提前1-2周预测COVID-19热点位置，而不仅仅是使用社交联系索引或网络搜索数据分析。这项研究提出了一种新的方法，可用于疾病暴发热点的早期预警系统，这可以帮助政府机构制定有效的战略，以防止疾病的进一步传播。
2020-10-26 cs.SI physics.soc-ph
Regional economic status inference from information flow and talent mobility
新的数据已被用来及时估计社会经济地位，然而，直接比较社会关系和人才流动的使用仍然很少。本文根据这两个网络的结构特征，对区域经济地位进行了评价。一个是社交媒体上基于以下关系构建的线上信息流网络，一个是基于高学历求职者匿名化简历数据构建的线下人才流动网络。我们发现，虽然这两个网络的结构特征与经济地位有关，但规模相对较小的人才流动网络对国内生产总值（GDP）具有更强的预测能力。特别是，结构特征的综合指数可以解释高达约84%的GDP方差。这一结果表明，未来的社会经济研究应更多地关注具有成本效益的人才流动数据。
2019-02-14 cs.SI physics.soc-ph
Urban mobility network centrality predicts social resilience
The Hong Kong University of Science and Technology（香港科技大学）；Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology (BNRist)（北京信息科学与技术国家研究中心）；Northeastern University（东北大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Santa Fe Institute（圣塔菲研究所）；University of Chicago（芝加哥大学）
研究通过分析城市流动性网络中心性，揭示核心场所在不同冲击下的社会韧性预测机制。
2026-02-20 cs.CY cs.SI
Measures of Human Mobility Using Mobile Phone Records Enhanced with GIS Data
在过去的十年中，大规模的移动电话数据已成为人类运动模式的研究。这些数据为大规模了解人类行为提供了巨大的希望，并且具有人口普查，调查或其他现有数据收集技术前所未有的精确度和准确性。已经有大量的文献使用这一令人兴奋的新数据源在理解人类流动方面取得了重要进展，并且已经使用了几种不同的流动性测量方法。然而，现有的移动电话为基础的移动性措施是不一致的，不准确的，并与当地的社会特点混淆。最好立即制定新的措施，因为它们将影响未来使用移动电话数据进行的流动性研究。在本文中，我们正是这样做的。我们讨论现有的移动电话为基础的措施的流动性和描述新的方法来测量流动性，解决这些问题。我们的流动性的措施，其中包括手机记录和详细的GIS数据，旨在解决人类流动的空间性质，保持独立的社会特征的背景下，并在地理区域和时间的可比性。我们也贡献了各种用途的讨论，这些新的措施，在发展一个更好地了解人类流动如何影响微观层面的人类行为和福祉，以及宏观层面的社会组织和变化。
2014-08-20 cs.SI physics.soc-ph stat.AP
Heterogeneous Interventions Reduce the Spread of COVID-19 in Simulations on Real Mobility Data
世界各地都采取了重大干预措施，以减缓SARS-CoV-2病毒的传播。大规模封锁人员流动可以有效减少传播，但代价是社会功能受到极大限制。我们表明，自然的人类运动是统计上的差异，疾病的传播是显着影响一小群活跃的个人和聚集场所。我们发现，针对这些流动性最强的个人和受欢迎的场所的干预措施降低了峰值感染率和总感染人口，同时保持了较高的社会活动水平。这些趋势在来自世界各地多个城市的不同规模、分辨率和模式的真实人类流动数据的模拟中得到了一致的体现。观察结果表明，与广泛的全面干预相比，基于人员流动网络效应的更多样化的战略在流行病控制和常规社会活动之间提供了更好的平衡。
2021-04-08 cs.SI physics.soc-ph
Organizations, teams, and job mobility: A social microdynamics approach
本文利用美国陆军文职组织数据提出新框架，发现员工职位流动受与昔日同事重聚的强烈影响，团队结构和社交联系在预测大型组织内部职位变动中起关键作用。
2025-08-11 cs.CE cs.SI physics.soc-ph
Exploiting Cellular Data for Disease Containment and Information Campaigns Strategies in Country-Wide Epidemics
人口流动是疾病在人口中传播的关键因素之一。遏制策略通常是基于粗粒度的假设，在运动场景设计。移动电话数据提供了一个独特的机会，可以根据有关一个地区或一个国家的人员流动的非常精确的信息建立模型和制定战略。另一个非常重要的方面是人口的基本社会结构，这在设计宣传运动以促进疫苗接种和预防措施方面可能发挥根本作用，特别是在家庭（或部落）结构牢固的国家。在本文中，我们分析了一个大规模的数据集，描述了大量的个人在象牙海岸的流动性和呼叫模式。我们提出了一个模型，该模型描述了疾病如何通过利用从现有数据中提取的人的流动模式在全国范围内传播。然后，我们模拟了几种流行病的情况下，我们评估机制，以遏制疾病的流行传播，根据有关人员流动和社会关系的信息，也从电话数据收集。更具体地说，我们发现，限制流动性并不能延迟地方病状态的发生，基于社会群体成员之间一对一电话交谈的信息运动可能是一种有效的对策。
2013-06-19 cs.SI physics.soc-ph
A tale of many cities: universal patterns in human urban mobility
地理在线社交网络的出现，如Foursquare，用户自愿表示他们的当前位置，打开了对人类运动的强大研究的大门。特别是位置数据的精细粒度，GPS精度低至10米，以及Foursquare在全球范围内的采用规模是前所未有的。在本文中，我们通过分析大量的Foursquare用户来研究全球几个大城市的人们的城市流动模式。令人惊讶的是，虽然不同城市的人口流动存在差异，但我们的分析表明，这些差异主要是由于不同城市环境中的地点分布不同。此外，人类流动的普遍规律是确定的，隔离作为一个关键组成部分的排名距离，考虑到在一些地方之间的起源和目的地，而不是纯粹的物理距离，考虑在以前的一些作品。基于我们的研究结果，我们还展示了基于排名的运动模型如何准确地捕捉不同城市中的真实人类运动。我们的研究结果揭示了城市人类流动的驱动因素，具有潜在的应用，城市规划，基于位置的广告，甚至社会研究。
2011-10-11 cs.SI physics.soc-ph
Shopping Mall Attraction and Social Mixing at a City Scale
购物中心的社会包容性及其对我们理解城市空间的影响一直是一个有争议的论点，主要是在文献中讨论。购物中心提供了一个开放、安全和民主的公共空间。许多批评者认为，购物中心以微妙的方式瞄准顾客，促进了社会排斥。在这项工作中，我们分析商场是否提供机会，通过分析在一个大型拉丁美洲城市：智利圣地亚哥的购物中心访问的模式，社会混合。我们使用一个大的XDR（数据详细记录）数据集从一家电信公司分析$387,152$手机的移动性周围$16$大型商场在智利圣地亚哥在一个月。我们根据流动性的重力模型对涌入购物中心的人群进行建模，并且我们能够预测每个购物中心的客户资料分布，并根据购物中心的位置，人口分布和购物中心的规模对其进行解释。然后，我们分析了社会吸引力的概念，表示为低收入和中产阶级的人被吸引的商场，针对高收入客户。我们在模型中加入了社会吸引力因素，发现它在购物中心的选择过程中可以忽略不计。我们观察到，社会混合只出现在距离市中心最远的外围购物中心，低收入和中产阶级的人都访问。使用共同访问模型，我们表明，人们倾向于选择一个有限的配置文件的商场，根据他们的社会经济地位和他们的距离商场。我们的结论是，可以通过设计有关交通和流动性的公共政策来利用商场的社会混合潜力。
2018-02-09 cs.SI physics.soc-ph
Evidence for a Conserved Quantity in Human Mobility
最近关于人类流动的开创性工作表明，人们不断地利用一小部分重复访问的地点。同时发表的文献强调了人类行为的探索本质，表明访问过的地方数量随着时间的推移而稳步增长。如何调和这些看似矛盾的事实仍然是一个悬而未决的问题。在这里，我们分析了来自4个数据集的$\sim$ 40，000个个体的高分辨率多年痕迹，并表明当考虑移动模式的长期演变时，这种紧张感消失了。我们发现，流动性模式的演变显着而顺利，并在任何一点上的个人访问的熟悉的地点的数量是一个保守的数量与一个典型的大小为$\sim$ 25个位置。我们利用这一发现来改善人类流动的最先进的建模。此外，转移的注意力从总量到个人的行为，我们表明，个人的一组首选位置的大小与她的社会互动的数量。这一结果表明，我们确定的守恒量之间的连接，这是因为我们不能理解纯粹的时间限制的基础上，和“邓巴数”描述的认知上限，以个人的社会关系的数量。我们期望我们的工作将激发进一步的研究，将人类流动的研究与认知和行为科学联系起来。
2018-06-19 cs.SI physics.soc-ph
A universal law in human mobility
几十年来，驱动人类运动的内在因素仍然不清楚。而我们对城市内部和城市之间的旅行的观察都表明了人类流动的普遍规律。具体来说，从一个地点到另一个地点的概率与居住在比目的地更近的地点的人口数量成反比。然后提出了一个简单的基于等级的模型，它是无参数的，但预测人流具有令人信服的保真度。此外，与其他模型的比较表明，该模型在不同空间尺度上更稳定，更基本，体现了人类流动与社会关系之间的强相关性。
2014-01-16 cs.SI physics.soc-ph
The social stratification of internal migration and daily mobility during the COVID-19 pandemic
基于540万用户手机数据，研究揭示COVID-19期间圣地亚哥不同收入阶层在内部迁移和日常流动性上的分化响应，为危机时期的公平政策制定提供依据。
2023-09-21 cs.CY cs.SI
How international research teams respond to disruption in their mobility patterns
本文结合社会网络分析与访谈，研究三个非洲国际研究网络的结构与多样性如何增强其韧性，并发现距离和边界限制国际合作，而团队通过强化自身优势应对流动中断。
2023-11-14 cs.SI physics.soc-ph
Characterizing Community Formation in Response to Extreme Weather Events through Human Mobility Networks
本文研究2021年冬季风暴Uri引发的有序停电背景下德克萨斯州哈里斯县人类移动网络的社区形成，分析其灾害暴露异质性等特征，发现社区空间共存等规律，为电力公司停电管理提供参考。
2025-08-19 cs.CY cs.SI physics.soc-ph
Human Mobility Mining through Head/Tail Breaks
如今，随着世界人口变得更加相互联系，并依赖于更快的交通方式，简化的连接和更短的通勤时间，我们目睹了人类流动性的迅速增加。在这种情况下，揭示和理解人类的流动模式已成为一个关键问题，以支持决策和预测活动时，管理当今社会组织的复杂性。在实践中，每个人的流动模式由访问过的地方的顺序组成。这些地点及其相互关系是理解人类流动性的大多数建模和活动研究的基础。尽管访问过的地方支撑着这一领域的大多数作品，但它们的特征在很大程度上仍然未知，因为在以前的作品中，它们主要被认为是一个区域或社交聚集地中的未特征化的点，而没有考虑每个用户行为的角色和重要性。
2017-06-10 cs.SI
Understanding the interplay between social and spatial behaviour
根据人格心理学，人格特质决定了人类行为的许多方面。然而，由于缺乏多渠道数据，到目前为止，在大型群体中验证这一见解一直具有挑战性。在这里，我们专注于移动性和社会行为之间的关系，通过分析轨迹和移动电话互动的$\sim 1,000$个人从两个高分辨率的纵向数据集。我们确定了一个连接的方式，个人探索新的资源和利用已知的资产在社会和空间领域。我们发现，不同的人以不同的方式平衡探索-剥削权衡，我们解释了大五人格特质的数据的部分变异性。我们指出，在这两个领域，外倾性与探索和常规多样性的态度，而神经质和开放性占的趋势，演变为长期的常规尺度。我们没有发现任何证据表明存在跨空间社会域的个人类。我们的研究结果在人文地理学、社会学和人格心理学领域架起了一座桥梁，可以帮助改进当前的流动和联系形成模型。
2018-11-09 cs.SI physics.soc-ph
Building a healthier feed: Private location trace intersection driven feed recommendations
本文提出一种基于私有位置轨迹交集、无需第三方或公开数据暴露的同意优先信息流推荐方法，通过移动轨迹重叠代理现实社交联系，以促进本地社区融入和社会资本积累。
2023-09-20 cs.CY cs.SI
Mapping county-level mobility pattern changes in the United States in response to COVID-19
为控制冠状病毒病（COVID-19）大流行，应对COVID-19爆发的其中一项非药物疫情控制措施是通过（物理）社交距离降低SARS-COV-2在人群中的传播率。在美国国家科学基金会（NSF）的支持下，开发了一个基于网络的互动绘图平台，及时提供有关不同国家和州的人们对社交距离准则的反应的定量信息。它整合了地理信息系统（GIS）和每日更新的人类流动统计模式，这些统计模式来自美国县级大规模匿名和汇总的智能手机位置大数据，旨在提高公众的风险意识，支持政府决策，并帮助加强社区应对COVID-19疫情。
2020-05-16 cs.SI physics.soc-ph q-bio.PE
Multiwave COVID-19 Prediction from Social Awareness using Web Search and Mobility Data
Purdue University（普渡大学）；Massachusetts Institute of Technology（麻省理工学院）；Yahoo Japan Corporation（雅虎日本公司）；Peking University（北京大学）；Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院）
COVID-19的反复爆发对全球社会造成了持久的影响，这需要使用早期可用的各种数据来预测大流行波。使用流动性数据预测第一波疫情的现有预测模型可能不适用于多波预测，因为美国和日本的证据表明，不同波的流动性模式与感染病例的波动之间存在不同的关系。因此，为了预测多波大流行，我们提出了一个基于社会意识的图神经网络（SAB-GNN），该网络考虑了与艾滋病相关的网络搜索频率的衰减，以捕捉多波公众意识的变化。我们的模型结合了GNN和LSTM，对城市地区、地区间流动模式、网络搜索历史和未来COVID-19感染之间的复杂关系进行建模。我们训练我们的模型，以使用雅虎日本公司在严格的隐私保护规则下收集的2020年4月至2021年5月四次大流行浪潮中的移动和网络搜索数据来预测东京地区未来的大流行疫情。结果表明，我们的模型优于最先进的基线，如ST-GNN，MPNN和GraphLSTM。虽然我们的模型在计算上并不昂贵（只有3层和10个隐藏的神经元），但所提出的模型使公共机构能够预测和准备未来的大流行爆发。
2022-06-10 cs.AI cs.SI
Human Mobility Datasets Enriched With Contextual and Social Dimensions
IIT-CNR（意大利理工学院-克雷莫纳国家研究委员会）；ISTI-CNR（意大利信息科学研究所-克雷莫纳国家研究委员会）；IMT Lucca（利卡大学）
本文提出两个结合语义丰富和社交媒体数据的人类移动数据集，用于多模态移动分析与知识图谱构建。
2026-01-12 cs.AI cs.CL cs.SI
Stochastic Agent-Based Simulations of Social Networks
快速发展的网络分析领域需要用于评估的数据集。真实世界的数据往往缺乏真实性，而模拟数据缺乏叙述的保真度或统计的一般性。本文提出了一种新的，混合成员，基于agentbased的仿真模型，以产生活动数据的叙事能力，同时通过随机抽取提供统计多样性。该模型概括了各种网络活动类型，如互联网和蜂窝通信，人类的流动性，社会网络互动。然后，所有代理上的模拟动作可以驱动特定于应用程序的观察模型，以呈现在真实世界实验中收集的测量结果。我们将此框架应用于人类的移动性，并展示其效用，在生成高保真的流量数据的网络分析。
2013-09-06 cs.SI physics.soc-ph
Correlations and Scaling Laws in Human Mobility
人类流动模式深刻地影响着许多社会系统的动态。在本文中，我们实证分析了现实世界中的人类运动的GPS记录，并观察到丰富的缩放特性的时间-空间模式，以及一个异常的过渡的速度-位移模式。我们注意到，人口一级的流离失所表现出显著的正相关性，表明人员流动具有级联性质。此外，我们在个人层面上的分析发现，用户的位移相关性强的位移分布更接近幂律，这意味着一系列的位移的正相关性和个人的位移分布的形式之间的关系。这些发现从我们的实证分析表明，一个因素直接相关的起源的标度属性的人类流动。
2013-05-22 cs.SI physics.soc-ph
