Dissecting the Spatial Structure of Cities from Human Mobility Patterns to Define Functional Urban Boundaries
自工业革命以来，城市的加速增长已经超越了行政区划，将城市合并为大型建筑扩展，并模糊了城市和农村土地使用之间的界限。这些特点，目前在大多数当代大都市，复杂的城市定义，一个关键问题，考虑到客观和可比的指标是规划和设计可持续的城市环境所需的基本投入。在这方面，根据行政或政治标准作出的城市定义通常忽视了人的动态，而人的动态是一个关键因素，有助于使城市在各种社会、文化和经济现实的城市结构中具有可比性。使用一种基于复杂网络的频谱分析的技术，我们从高分辨率的人类流动数据集：官方出发地-目的地（OD）调查中对智利11个主要城市地区的地方进行了排名。我们提出了一种方法，进一步区分这些地区内的城市和农村土地利用，通过网络中心性措施，我们构建了一个幽灵的地理位置。这个幽灵，从位置的排名，其嵌入的人流量的近似数量来衡量，使我们能够探测几个城市的边界。从城市的比例指数的分析，在这些城市划定的人口出行，我们确定了两个明显不同的缩放制度发生在城市和农村地区。我们的研究结果与来自遥感的土地覆盖的比较表明，对于旅行的情况下，在城市地区的标度指数接近线性。最后，我们对智利城市系统中形态良好的城市进行了估计，根据我们的分析，这些城市可能来自于由至少捕获138次（超过预期）底层移动网络的地方组成的集群。
2017-09-20 cs.SI physics.soc-ph
Urban Attractors: Discovering Patterns in Regions of Attraction in Cities
了解城市地区吸引游客的动态对于城市的城市发展具有重要意义。此外，确定与具有高度吸引力的地区有关的服务，有助于制定关于安置这些地方的政策。因此，我们提出了一个框架，在城市的吸引力，对游客的兴趣点（POI）类型的地区的吸引力模式进行分类。我们使用了从手机数据中挖掘出来的出发地-目的地矩阵（OD），这些数据捕捉了沙特阿拉伯利雅得每对地方之间的旅行流量。我们根据三个主要的统计特征来定义一个地方的吸引力概况：一个地方接待的游客数量，游客在道路网络上行驶的距离分布，以及游客来自哪里的空间分布。我们使用一个层次聚类算法来分类城市中的所有地方的吸引力的特点。我们在利雅得发现了三种类型的城市吸引力：全球，这是城市的重要场所，市中心，中央商务区和住宅吸引力。此外，我们揭示了是什么使这些地方在吸引力模式方面有所不同。我们使用统计显著性检验方法来严格量化兴趣点（POI）类型（服务）与我们检测到的3种城市吸引力模式之间的关系。所提出的框架可以用于检测的吸引力模式的类型相关的每个模式的服务。这是为旅行分布模型提供信息的关键信息。
2016-11-30 cs.SI
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
Tracking Urban Activity Growth Globally with Big Location Data
近几十年来，世界经历了历史上任何其他时期都无法比拟的城市增长速度，这种增长正在塑造我们越来越多人生活的环境。在本文中，我们使用基于位置的社交网络Foursquare的纵向数据集来分析全球100个主要城市的城市增长。首先，我们探讨城市增长在世界各地的城市有何不同。我们发现，存在很强的空间相关性，附近的城市对更有可能分享类似的增长曲线比远程对城市。随后，我们研究了城市内部的增长如何变化，并证明，鉴于现有的地方密度，高于预期的增长是高度本地化的，而低于预期的增长则更加分散。最后，我们试图使用数据集来衡量新的和现有的场馆之间的竞争。通过定义一个措施的基础上的吞吐量的变化之前和之后，一个新的附近的场馆开幕，我们证明了哪些场馆类型有一个积极的影响，对同一类型的场馆，有一个负面的影响。例如，我们的分析证实了书店之间存在很大程度的竞争的假设，在这个意义上，现有的书店通常会在附近的新书店开业后出现明显的客流量下降。然而，其他地点类别，如机场大门或博物馆，具有协同效应，它们的存在促进了附近同类地点的更高交通量。
2015-12-17 cs.SI physics.soc-ph
Spatio-temporal variations in the urban rhythm: the travelling waves of crime
在过去的几十年里，城市处于一个集中组织的平衡状态的概念已经让位于城市不平衡和自下而上组织的观点。从这个角度来看，城市是一个不断发展的系统，展示了由地方决策构建的新兴现象。虽然城市演变促进了积极社会现象的出现，如创新中心的形成和文化多样性的增加，但也产生了消极现象，如犯罪活动的增加。然而，我们仍然远远没有理解这些现象的驱动机制。特别是，分析城市现象的方法由于忽视了时间非平稳性和空间异质性而在范围上受到限制。就犯罪活动而言，一个多世纪以来，我们都知道犯罪在一年中的特定时间达到顶峰，但文献仍然未能说明犯罪的流动性。在这里，我们开发了一种方法来描述城市数量的空间，时间和周期性变化。利用来自12个城市的犯罪数据，我们研究了犯罪的周期性在城市中随时间的空间变化。我们确认了一年的犯罪周期，并表明这种周期性发生在整个城市不均匀。这些“犯罪浪潮”不断在城市中蔓延：虽然城市有一个稳定的区域数量，有一个年周期，但这些区域表现出非平稳的系列。我们的研究结果支持城市在不断变化的概念，影响城市现象-与城市不平衡的概念一致。
2018-11-02 cs.CY cs.SI physics.soc-ph
Latent Sub-structural Resilience Mechanisms in Temporal Human Mobility Networks during Urban Flooding
在研究时间的人类网络的弹性，仅仅依靠全球网络的措施是不够的，潜在的子结构网络机制需要检查，以确定这些网络的影响和恢复的扰动，如城市洪水的程度。在这项研究中，我们利用高分辨率聚合基于位置的灾害相关数据来构建时间人类移动网络。使用构建的时间网络模型，我们研究的特点，如模体分布，模体的持久性和时间稳定性，和模体属性，揭示潜在的子结构机制，在灾害引起的扰动人类流动网络的弹性。结果表明，城市洪水的影响持续几个星期的子结构水平上的人的流动网络。不同网络类型的影响程度和恢复持续时间不同。此外，扰动影响持续在子结构水平，而全球拓扑网络属性可能表明网络已经恢复。研究结果强调了研究微观结构及其动态过程和属性的重要性，在理解时间人类移动网络（和其他时间网络）的弹性时，必须研究微观结构及其扰动影响和恢复。研究结果还可以为灾害管理人员，政府官员和交通规划人员提供见解，以更好地评估影响，并根据子结构和全球网络层面的人类流动网络的影响和恢复模式监测受影响社区的恢复情况。
2022-03-31 cs.SI
TA-Dash: An Interactive Dashboard for Spatial-Temporal Traffic Analytics -- Demo Paper
近年来，大量的研究工作旨在开发机器学习模型来预测复杂的时空移动模式及其对道路交通和基础设施的影响。然而，由于缺乏可访问的用户界面来查看和分析预测结果，这些模型的实用性往往被削弱。在本文中，我们提出了交通分析仪表板（TA-Dash），一个交互式仪表板，使复杂的时空城市交通模式的可视化。我们展示了实用的TA-短跑的例子，最近提出的城市交通和城市道路基础设施分析的时空模型。具体而言，这些用例包括分析、预测和可视化计划中的特殊活动对城市道路交通的影响，以及分析和可视化城市道路网络内的结构依赖性。轻量级的TA-Dash仪表板旨在解决参与城市交通管理和移动服务规划的非专家用户的问题。TA-Dash建立在灵活的基于层的架构之上，可以轻松适应新模型的可视化。
2020-07-31 cs.HC cs.SI
Unraveling the origin of exponential law in intra-urban human mobility
绝大多数旅行都发生在城市内。最近，新的数据已经成为可用的，这使得城市的流动性模式的发现，从有关长途旅行的既定结果不同。具体来说，最新的证据越来越多地指向指数行程长度分布，相反的尺度定律观察到更大的规模。为了探索指数规律的起源，本文提出了一个新的模型，它可以更好地预测城市地区的个人流量。基于该模型，我们解释了指数规律的城市内部流动的平均人口密度在城市地区的指数下降的结果。事实上，经验和分析结果表明，行程长度和人口密度共享相同的指数衰减率。
2013-05-28 cs.SI physics.soc-ph
Analyzing Temporal Relationships between Trending Terms on Twitter and Urban Dictionary Activity
The University of Edinburgh（爱丁堡大学）；The Alan Turing Institute（艾伦·图灵研究所）；University of Cambridge（剑桥大学）；Queen Mary University of London（伦敦玛丽女王大学）
作为一个在线的、众包的、开放的英语俚语词典，Urban Dictionary平台包含了大量的观点、笑话以及术语、短语、首字母缩略词等的定义。然而，目前还不清楚这个平台上的活动与网络上其他地方发生的更大对话（例如更大、更受欢迎的社交媒体平台上的讨论）有何关系。在这项研究中，我们研究了城市词典的时间活动趋势，并首次分析了这种活动与主要社交网络Twitter上讨论的内容之间的关系。通过收集整个Urban Dictionary，以及七年来的大量推文样本，我们探索了Urban Dictionary上定义和搜索的单词和短语与Twitter上谈论的内容之间的联系。通过一系列的互相关计算，我们确定的情况下，城市词典的活动密切反映了更大的对话发生在Twitter上。然后，我们分析了与Twitter上的讨论有更强联系的术语类型，发现与Twitter正相关的Urban Dictionary活动主要集中在与模因、受欢迎的公众人物和离线事件相关的术语上。最后，我们探讨了Twitter上的术语趋势与Urban Dictionary上相应活动的时间段之间的关系，揭示了新的定义更有可能被添加到Urban Dictionary中。
2020-05-18 cs.CL cs.SI
Virus Transmission Risk in Urban Rail Systems: A Microscopic Simulation-based Analysis of Spatio-temporal Characteristics
空气传播疾病在公共交通系统中的传播风险是一个令人关切的问题。本文提出了一种改进的Wells-Riley模型，用于公共交通系统的风险分析，以捕捉乘客流的特性，包括空间和时间模式的乘客数量，下车乘客，和感染者的数量。该模型被用来评估整体风险作为OD流量，实际操作，以及口罩佩戴和通风等因素的函数。该模型集成了地铁运营的微观仿真模型（SimMETRO）。使用来自地铁系统的实际数据，案例研究探讨了不同因素对传播风险的影响，包括戴口罩，通风率，疾病的传染性水平和携带率。一般来说，戴口罩和通风是有效的各种需求水平，传染性水平，和载体率。戴口罩更能有效降低风险。从操作和服务频率的影响也进行了评估，强调保持可靠的，频繁的操作在降低传输风险的重要性。还探讨了风险的空间模式，突出了风险较高的地点。
2020-08-16 cs.SI physics.soc-ph q-bio.PE
AGSTN: Learning Attention-adjusted Graph Spatio-Temporal Networks for Short-term Urban Sensor Value Forecasting
National Cheng Kung University（国立成功大学）
预测传感器值的时空相关时间序列在城市应用中是至关重要的，例如空气污染警报、自行车资源管理和智能交通系统。虽然最近的进展利用图神经网络（GNN）来更好地学习传感器之间的空间和时间依赖性，但是它们不能对传感器之间的时间演化时空相关性（STC）进行建模，并且需要预定义的图，这些图既不总是可用也不完全可靠，并且一次仅针对特定类型的传感器数据。此外，由于时间序列波动的形式在传感器之间是不同的，因此模型需要学习波动调制。为了解决这些问题，在这项工作中，我们提出了一种新的基于GNN的模型，即注意力调整图时空网络（Attention-adjusted Graph Spatio-Temporal Network，AGNN）。在AGTRAN中，开发了具有顺序学习的多图卷积来学习时间演化STC。波动调制是通过一个建议的注意力调节机制来实现的。对三个传感器数据（空气质量、自行车需求和交通流量）的实验表明，AGSTN的性能优于最先进的方法。
2021-01-29 cs.IR cs.LG cs.SI
Digital Urban Sensing: A Multi-layered Approach
对人类流动的研究越来越依赖于数字传感，即数字技术促进的人类活动的大规模记录。然而，在从这些来源看到的模式中，变异性和人口代表性问题仍然是解释从这些记录中收集的任何结果的主要挑战。本研究通过比较出租车、地铁和花旗自行车旅行、移动应用程序记录、地理标记的Twitter数据以及纽约市五个行政区的311个服务请求的空间和时间活动分布来探讨这些问题。比较揭示了这些数据集之间的空间和时间模式有很大的不同，强调了单个数据集的能力的局限性，以代表城市动态的整体。我们进一步解释这些差异，通过分解的空间分布与工作-居住平衡和不同的人口群体使用不同的活动的倾向。然而，这些差异也突出了利用多元性来创建城市动态的多层次模型的机会。我们展示了这种模型的能力，以推进城市分区和社会经济建模-数字城市传感的两个常见的应用。
2018-09-05 cs.CY cs.SI physics.soc-ph
Geospatial and Temporal Trends in Urban Transportation: A Study of NYC Taxis and Pathao Food Deliveries
Ahsanullah University of Science and Technology（阿萨努拉科学与技术大学）
本研究利用 NYC Taxi Trip 和 Pathao Food Trip 数据集，结合 EDA、地理空间分析、SARIMAX 时间序列预测与聚类技术，揭示城市交通需求的热点与时间规律，为优化车队管理和资源分配提供依据。
2025-05-02 cs.AI cs.SI
Enhancing the Socioeconomic Understanding of Foundation Models with Urban Mobility
Singapore-MIT Alliance for Research and Technology (SMART)（新加坡-麻省理工学院研究与技术创新联盟）；Massachusetts Institute of Technology（麻省理工学院）；Hong Kong University of Science & Technology (Guangzhou)（香港科技大学（广州））；Korea Advanced Institute of Science & Technology（韩国科学技术院）；University of Florida（佛罗里达大学）
提出MobFusion范式，通过将流动性网络作为上下文、图连接器和结构化令牌三种方式融入基础模型，以提升城市社会经济预测性能。
2026-06-01 cs.SI
Spatio-Temporal Urban Knowledge Graph Enabled Mobility Prediction
Tsinghua University（清华大学）
随着移动通信技术的快速发展，互联网服务提供商（ISP）和应用服务提供商（ASP）大量收集人类的移动轨迹。另一方面，知识图谱（KG）的兴起为我们从海量轨迹数据中提取结构化的“知识”提供了一个很有前途的解决方案。本文基于知识图谱技术对用户的时空移动模式进行建模，并基于从多个源中以内聚方式提取的“知识”预测用户的未来移动。具体来说，我们提出了一种新的知识图谱，即，时空城市知识图谱（STKG），其中移动轨迹、场地类别信息和时间信息由STKG中具有不同关系类型的事实联合建模。在STKG中，将移动性预测问题转化为知识图谱完备化问题.进一步，提出了一种复杂的嵌入模型，该模型考虑了移动模式的时间动态性，利用PoI类别作为辅助信息和背景知识，通过精心设计的评分函数来衡量STKG中事实的可扩展性，从而解决了知识图谱的完备问题。广泛的评估证实了我们的模型在预测用户移动性方面的高准确性，即，与现有算法相比，准确率提高了5.04%。此外，作为背景知识和辅助信息的POI类别被证实是有帮助的，在准确性方面提高了3.85%的性能。此外，实验表明，我们提出的方法是时间效率，减少了超过43.12%的计算时间相比，现有的方法。
2021-11-10 cs.AI cs.IR cs.SI
Towards Generative Modeling of Urban Flow through Knowledge-enhanced Denoising Diffusion
Tsinghua University（清华大学）；BNRist（北京国家信息科学与技术研究中心）
本文提出知识增强时空扩散模型KSTDiff，结合城市知识图谱与体量估计器引导扩散过程，为缺乏历史数据的区域生成动态城市流，并在多个数据集上验证其生成、长期预测能力。
2023-09-19 cs.AI cs.SI
