UrbanFACET: Visually Profiling Cities from Mobile Device Recorded Movement Data of Millions of City Residents
城市是生命系统，城市基础设施及其功能是由人口行为定义和演变的。城市和功能区的轮廓化是城市设计和规划的重要课题。本文研究了一个独特的大数据集，其中包括数以千万计的城市居民的日常运动数据，并开发了一个可视化分析系统，即UrbanFACET，发现和可视化多个城市及其居民的动态轮廓。这个大的用户移动数据集，从移动用户在数千个手机APP上的不可知签到中获得，在综合研究和可视化中与城市结构（例如，道路网络）和POI（兴趣点）分布。特别是，我们新颖地开发了一套基于信息理论的指标来表征城市地区和居民群体的流动模式。这些多方面的指标包括流动性、活力、通勤、分散性和密度（FACET），它们对隐藏的城市功能和行为进行分类和表现。UrbanFACET系统还允许用户直观地分析和比较大都市规模的不同地区和城市的指标。该系统是通过对几个大的和人口稠密的城市的案例研究，并涉及现实世界的用户研究进行评估。
2017-07-13 cs.SI
Point Process Models for Distribution of Cell Phone Antennas
我们介绍了一个模型，在城市环境中的手机天线的空间分布。在证明完全空间随机性（齐次泊松分布）假设不成立之后，我们提出了一个模型，其中每个点根据一个二元高斯变量分布，其均值由德洛内三角剖分中相邻点的重心给出。我们表明，该模型是合适的，并可用于生成天线的合成分布。生成的分发不包含敏感或专有信息，因此可以与研究小组自由共享，促进对该主题的进一步研究。
2018-07-28 cs.CY cs.SI
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
A city of cities: Measuring how 15-minutes urban accessibility shapes human mobility in Barcelona
随着城市的扩张，人口流动已成为城市规划和政策制定的中心焦点，以使城市更具包容性和可持续性。诸如“15分钟城市”之类的倡议已经到位，以便将注意力从单中心城市布局转向多中心结构，增加当地城市设施的可用性和多样性。最终，他们希望增加当地的步行能力，并增加住宅区内的流动性。虽然我们知道城市设施如何影响城市层面的人口流动，但对这种关系的空间变化知之甚少。在这里，我们使用移动电话，人口普查和自愿的地理数据来衡量在巴塞罗那的始发地-目的地流量和当地城市可达性之间的关系的地理变化。使用负二项地理加权回归模型，我们表明，在全球范围内，人们倾向于访问更好地获得教育和零售的社区。在当地，这些和其他特征在城市的不同社区中以行政边界无法解释的方式在符号和幅度上发生变化，并提供有关城市特征（如租金价格）的更深入见解。总之，我们的工作表明，15分钟城市的质量可以大规模衡量，为城市的多中心结构以及人们如何使用和访问这种结构提供可操作的见解。
2021-03-22 cs.SI
Brief survey of Mobility Analyses based on Mobile Phone Datasets
Grandata Labs（Grandata实验室）
这是Grandata Labs与世界各地众多学术团体合作进行的关于人类流动性主题的研究的简要调查。这些项目的一个驱动主题是使用和改进数据科学技术来理解移动性，因为它可以通过手机数据集的镜头来观察。我们描述的应用程序的流动性分析城市规划，预测数据流量的使用，建立延迟容忍网络，生成流行病学风险地图和测量人类流动的可预测性。
2018-12-03 cs.CY cs.LG cs.SI
Inferring Unusual Crowd Events From Mobile Phone Call Detail Records
移动电话数据的普及和可用性提供了发现有关城市环境中人群行为的有用知识的机会。城市可以利用这些知识来提供更好的服务（例如，公共交通规划、优化的资源分配）和更安全的城市。通话详细记录（CDR）数据代表了一个实用的数据源，以检测和监测异常事件，考虑到高水平的移动电话渗透率，与GPS装备和开放式设备相比。在本文中，我们提供了一种方法，能够检测到异常事件的CDR数据，通常具有低精度的空间和时间分辨率。此外，我们引入了一个不寻常的事件，涉及大量的人谁暴露了不寻常的移动行为的概念。我们仔细考虑的问题，来自粗粒度的CDR数据，最终导致一个完全通用的框架，可以有效地检测异常人群事件的CDR数据。通过对非洲一个大城市的真实CDR数据进行广泛的实验，我们证明，与最先进的方法相比，我们的方法可以检测到高出16%的召回率和高出10倍以上的精确度的异常事件。我们实现了一个可视化分析原型系统，以帮助最终用户分析检测到的异常人群事件，以最好地适应不同的应用场景。据我们所知，这是第一次工作的CDR数据与考虑其时间和空间稀疏性和用户不寻常的活动和日常生活之间的区别，从异常事件的检测。
2015-04-14 cs.SI
Estimating individual employment status using mobile phone network data
这项研究首次证实，个人就业状况可以预测标准的移动电话网络日志外部验证家庭调查数据。个人福利和家庭对冲击的脆弱性与养家糊口者的就业状况和职业密切相关。在社会一级，失业是经济表现的一个重要指标。通过推导出一套广泛的新的移动电话网络指标，反映用户的财务，社会和移动模式，我们展示了如何机器学习模型可以用来预测18类专业在南亚发展中国家。该模型预测个人失业状况的准确率为70.4%。我们进一步展示了失业如何从个人层面进行汇总，并以蜂窝塔分辨率进行地理映射，提供了一种有前途的方法来映射劳动力市场经济指标，以及人口普查之间经济生产率和脆弱性的分布，特别是在异质性城市地区。该方法还提供了一个有希望的办法，以支持关于弱势群体的数据汇集，而这些群体在官方调查中往往代表性不足。
2016-12-12 cs.CY cs.SI
The Death and Life of Great Italian Cities: A Mobile Phone Data Perspective
《美国大城市的生与死》（The Death and Life of Great American Cities）写于1961年，是当今最具影响力的城市规划书籍之一。在这本书中，简·雅各布斯提出了促进城市生活的四个条件。然而，这些条件直到最近才得到实证检验。这主要是因为很难收集有关“城市生活”的数据。首尔市最近通过规模空前的调查收集了行人活动，这项工作持续了十多年，使研究人员能够进行第一项研究，成功测试雅各布斯的状况。在本文中，我们确定了一个有价值的替代活动调查数据的冗长和昂贵的收集：移动电话数据。我们从这些数据中提取人类活动，从意大利人口普查和开放街道地图中收集土地使用和社会人口信息，并在六个意大利城市中测试这四个条件。虽然这些城市与雅各布斯的条件所描述的地方非常不同（即，伟大的美国城市）和他们最近测试的地方（即，亚洲城市首尔），我们发现这些条件确实与意大利的城市生活有关。我们的方法有望对城市研究产生巨大影响，尤其是因为，如果复制，它将使大规模测试雅各布斯的理论成为可能。
2016-03-13 cs.CY cs.SI physics.soc-ph
The City Pulse of Buenos Aires
手机技术产生了大量的数据。虽然这些数据是为了计费和记录而收集的，但今天它具有更高的价值，因为它的数量使其对大数据分析非常有用。在这个项目中，我们分析了使用手机记录来降低城市和交通规划成本的可行性，特别是要了解人们如何在特定城市（在这种情况下，阿根廷的布宜诺斯艾利斯）旅行。我们使用匿名手机数据来估计不同时间段的城市人口分布。我们将这些结果与传统方法（城市民意调查）进行比较，使用布宜诺斯艾利斯始发地-目的地调查的数据。传统的民意调查方法的样本要小得多，大约为数万人（对于较小的城市甚至更少），以保持合理的成本。此外，在最好的情况下，在阿根廷和许多其他国家，这些研究最多每十年进行一次。我们的目标是证明基于手机数据的新方法是可靠的，并且可以间接地用于实时跟踪城市不同地区的人流。我们还将进一步探索这些方法带来的新的可能性。
2017-08-01 cs.CY cs.SI physics.soc-ph
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
Post-pandemic mobility patterns in London
本研究通过分析手机应用数据，探讨伦敦在COVID-19封锁引发城市环境变化后形成的人类流动与行为模式。
2023-09-11 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
Social Events in a Time-Varying Mobile Phone Graph
在过去十年中，移动电话在城市人口中的大规模使用大大加强了对人类流动性的大规模研究。研究手机的活动不仅可以让我们推断个体之间的社交网络，还可以观察这些个体在空间和时间上的运动。在这项工作中，我们研究如何将这两个相关的信息源整合在检测和分析大型社会事件的背景下。我们发现，大型社会活动的特点不仅可以通过异常增加活动的天线在附近的事件，但也通过增加社会关系的出席者在事件中。此外，在通过增加的天线活动检测到大型社交事件后，我们可以使用网络连接来推断未观察到的用户是否出现在事件中。更确切地说，我们解决了以下三个挑战：（i）通过增加天线活动自动检测大型社交事件;（ii）表征检测到的事件的社会凝聚力;（iii）分析推断未观察到的用户是否在事件中的可行性。
2017-06-20 cs.CY cs.SI physics.soc-ph
Analysis of Tourism Dynamics and Special Events through Mobile Phone Metadata
旅游业在全球经济、社会和环境中的作用越来越重要，在GDP和劳动力中所占的比重越来越大。旅游业政策和研究传统上依赖于调查和经济数据集，这些数据集以小样本为基础，以低空间和时间粒度描述旅游动态。匿名呼叫详细记录（CDR）是一种新的数据来源，在具有高社会价值的领域显示出巨大的潜力：如流行病，贫困和城市发展。这项研究表明，在国家和地方两级利用国家发展报告来制定、分析和评价旅游战略具有附加值。在欧洲国家安道尔的背景下，我们使用CDR来评估旅游业的营销策略，了解游客的体验，并评估旅游活动产生的收入和外部性。我们这样做是通过提取高空间和时间分辨率的新指标，如每个原籍国的游客流量，新游客流量，游客重游，旅游外部性对交通拥堵，空间分布，经济影响，和剖析旅游利益。我们建议使用这些指标来规划和评估高影响力的旅游活动，如文化节和体育比赛。
2016-10-26 cs.CY cs.SI
In A Society of Strangers, Kin Is Still Key: Identified Family Relations In Large-Scale Mobile Phone Data
本文利用含双姓氏信息的大规模手机数据区分亲属关系类型，验证了亲属间通话更频繁、更持久且随生命历程变化更大的假设，并提供了在无姓名信息时从通话数据识别亲属关系的方法。
2023-07-07 cs.SI physics.soc-ph q-bio.QM
Semantic Place Descriptors for Classification and Map Discovery
城市环境发展出复杂的、不明显的结构，通常很难以地图或指南的形式表示。找到正确的地方去往往需要密切熟悉的位置问题，不能轻易推断的游客。在这项工作中，我们利用大规模的使用信息的样本，在移动电话的痕迹和地理标记的Twitter消息的形式，以自动探索和注释城市地图通过内核密度估计。我们的实验是基于诺基亚移动数据挑战（MDC）收集的一年的手机活动价值。我们表明，使用信息可以是一个很强的预测语义的地方类别，使我们能够自动注释地图的基础上的本地用户群的行为。
2016-01-22 cs.IR cs.SI
Explainable Hierarchical Urban Representation Learning for Commuting Flow Prediction
The University of Tokyo（东京大学）；Center for Spatial Information Science, The University of Tokyo（东京大学空间信息科学中心）
本文提出基于异构图的层次化城市表征学习方法，在多个空间分辨率上生成区域嵌入以预测跨层级通勤OD流，并在日本静冈县真实手机数据上验证其优于现有模型且具备可解释性。
2024-10-23 cs.LG cs.SI
Characterizing People's Daily Activity Patterns in the Urban Environment: A Mobility Network Approach with Geographic Context-Aware Twitter Data
人们在城市环境中的日常活动是复杂的，因人而异。使用移动电话数据的现有研究揭示了人们日常生活中独特和经常性的过渡活动模式，称为移动性图案。然而，仅使用少数推断活动类型的限制阻碍了我们详细检查一般模式的能力。我们提出了一个移动网络的方法与地理上下文感知的Twitter数据，调查粒度的日常活动模式在城市环境中。我们首先利用可公开访问的地理定位推文来跟踪美国两个主要城市的个人活动：芝加哥和大波士顿，其中每个记录的位置都与其最近的土地使用地块相关联，以丰富其地理背景。一个直接的移动性网络表示所选择的活动用户的日常位置历史，其中的节点是具有语义标记的活动类型的物理位置，和边缘表示的过渡。通过分析移动网络的同构结构，发现了16种基于位置的基序，这些基序描述了两个城市超过83%的网络，与以前的研究结果相当。通过对两个活动之间的过渡进行详细的语义标注，我们进一步将一般的基于位置的模体分解为基于活动的模体，其中16个常见的基于活动的模体描述了两个城市日常活动中超过57%的过渡行为。地理定位的Twitter数据与土地使用地块的合成地理背景的整合，使我们能够揭示独特的活动图案，形成嵌入在复杂的城市活动的基本元素。
2020-12-12 cs.SI physics.soc-ph
Reconstructing human activities via coupling mobile phone data with location-based social networks
本文提出融合手机数据、LBSN 与 POI 的贝叶斯推断框架，结合昼夜节律重建上海百万用户活动链，并用调查和签到数据验证其有效性。
2023-06-06 cs.CY cs.SI
Sequences of purchases in credit card data reveal life styles in urban populations
类齐夫分布描述了物理学、生物学、经济学和社会科学中的一系列现象。在人类活动中，齐夫定律描述了例如文本中单词出现的频率或购物模式中的购买类型。在后者中，交易类型的不均匀分布与个人选择的购买时间顺序有关。在这项工作中，我们定义了一个框架，使用文本压缩技术的信用卡购买序列，以检测无处不在的集体行为模式。聚类消费者的相似性购买序列，我们发现五个消费者群体。值得注意的是，事后检查，每个群体中的个体在年龄、总支出、性别以及通过手机记录提取的社交和移动网络的多样性方面也相似。通过用类似齐夫分布的方法正确地解构交易数据，这种方法揭示了一组重要的序列，揭示了对人类集体行为的见解。
2018-08-06 cs.IT cs.SI math.IT
Differences of communication activity and mobility patterns between urban and rural people
本研究利用呼叫详细记录分析城乡人群的社会通信与移动模式，发现城市人群通话频繁但移动性低、农村则相反，且移动性受时间、节假日及个体年龄性别影响。
2023-11-22 cs.CY cs.SI physics.soc-ph
Mining urban lifestyles: urban computing, human behavior and recommender systems
Massachusetts Institute of Technology（麻省理工学院）；University College London（伦敦大学学院）；University of Exeter（埃克塞特大学）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；UC Berkeley（加州大学伯克利分校）
在过去的十年中，数字时代已经大大重新定义了我们研究人类行为的方式。随着数据存储和传感技术的进步，电子记录现在涵盖了各种各样的人类活动，从位置数据、电话和电子邮件通信到Twitter活动以及维基百科和OpenStreetMap上的开源贡献。特别是，对个人消费者的购物和流动模式的研究有可能更深入地了解该地区的生活方式和基础设施。信用卡记录（CCR）提供了对购买行为的详细了解，并已被发现在消费者购物模式中具有内在的规律性;呼叫详细记录（CDR）提供了了解人类流动性，分析财富和建模社交网络动态的新机会。在本章中，我们共同模拟个人的生活方式，一个更具挑战性的问题，更高的可变性相比，城市地区的聚合行为。使用集体矩阵分解，我们提出了一个统一的生活方式的双重观点。了解这些生活方式不仅可以为商业机会提供信息，还可以帮助政策制定者和非营利组织了解整个地区以及该地区个人的特点和需求。其应用范围从有针对性的广告和促销到在低收入群体中传播数字金融服务。
2019-11-04 cs.CY cs.LG cs.SI
The scaling of human mobility by taxis is exponential
人类流动模型作为城市规划、交通预测和流行病预测的一个重要因素，几十年来一直受到研究者的关注。幂律分布及其变化是从相当多的现实世界的人类流动数据集，如移动的银行票据，跟踪手机用户的位置和车辆的轨迹观察。本文对北京市1万多辆出租车的2000万条细粒度轨迹进行建模。与人类流动数据中的大多数模型不同，出租车在城市地区的行驶位移往往遵循指数分布而不是幂律分布。类似地，经过的时间也可以很好地近似为指数分布。值得一提的是，对间隔时间的分析表明了人类流动的突发性，这与许多其他人类活动相似。
2011-09-26 cs.SI physics.soc-ph
Characterization of behavioral patterns exploiting description of geographical areas
最近可获得的大量移动电话数据正在提供前所未有的人类行为直接测量。行为模式的早期识别和预测在许多社会应用中非常重要，如城市规划，交通优化和医疗保健。了解人类行为和位置的背景之间的关系是一个新兴的兴趣，了解人类环境动力学。Web 2.0的日益普及，即主要由用户创建内容和社交平台的网站数量不断增加，为研究此类地点的环境提供了机会。本文通过对手机数据记录的分析，研究了人的行为与位置环境之间的关系。首先是一种先进的方法，根据人类活动类别的存在和分布对城市中的区域进行分类（例如，饮食，工作和购物）的地区，提出。建议的分类，然后评估通过其与移动电话活动的时间变化的模式进行比较，并应用机器学习技术来预测时间轴类型的通信活动在一个给定的位置的基础上获得的类别与土地使用类型的位置区域的知识。建议的分类结果是更符合人类交流活动的时间变化，是一个更好的预测相比，官方的土地利用分类。
2015-10-11 cs.CY cs.SI
Multi-GCN: Graph Convolutional Networks for Multi-View Networks, with Applications to Global Poverty
University of California, Berkeley（加州大学伯克利分校）
随着移动电话网络在发展中国家的迅速扩张，大规模图形机器学习在全球贫困研究中突然变得重要起来。最近的应用范围从人道主义反应和贫困估计到城市规划和流行病遏制。然而，这些应用中使用的绝大多数计算工具和算法都没有考虑到社交网络的多视图性质：人们以无数方式相关，但大多数图学习模型将关系视为二元关系。在本文中，我们开发了一种基于图的卷积网络，用于在多视图网络上学习。我们表明，这种方法优于国家的最先进的半监督学习算法在三个不同的预测任务，使用手机数据集从三个不同的发展中国家。我们还表明，虽然专为贫困研究而设计，但该算法在多视图网络上的更广泛的学习任务（包括引文网络中的节点标记）上的性能也优于现有的基准。
2019-01-31 cs.LG cs.SI stat.ML
Cross-checking different sources of mobility information
新的移动设备的普遍使用使得人们能够在空间和时间上更好地描述一般的人类集中和流动性。除了理论上的兴趣之外，描述流动性对于许多实际应用都非常重要，从疾病传播的预测到城市环境中新空间的设计。虽然诸如调查或人口普查之类的经典数据源具有有限的地理分辨率水平（例如，通常使用区、市、县）或限于一般的工作日或周末，来自移动设备的数据可以在时间和空间上精确定位。大多数以前的作品使用单一的数据源来研究人类流动模式。在这里，我们通过比较从三个不同来源收集的数据获得的结果进行交叉检查分析：Twitter，人口普查和手机。分析的重点是巴塞罗那和马德里的城市地区，这三种类型的数据可用。我们评估了不同方面的数据集之间的相关性：人口集中的空间分布，人口密度的时间演变和个人的流动模式。我们的研究结果表明，这三个数据源提供了可比的信息。尽管Twitter地理定位数据的代表性低于移动电话和人口普查数据，但三个数据集检测到的人口密度分布和流动模式之间的相关性在2x2和1x1平方公里的网格中接近1。这种相关性支持在所考虑的时空尺度上互换三个数据源的可行性。
2014-08-26 cs.CY cs.SI 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
Social Physics: Uncovering Human Behaviour from Communication
在2000年后的时代，促进人类通信的技术迅速增加。虽然这些技术的采用极大地影响了人们的行为和社会性，特别是在城市和农村环境中，但他们在不同数据库中的“数字足迹”已成为一个活跃的研究领域。如此庞大的人口数据集的存在和可访问性，使科学家能够以前所未有的方式研究和建模人类先天倾向和社会模式，补充了问卷调查等传统研究方法。在这篇评论中，我们专注于数据分析和建模研究-我们称之为社会物理学-因为它已经使用移动电话数据集进行，以深入了解人类社会性的各个方面，通信，移动模式和日常节奏的突发性。
2018-04-13 cs.SI physics.soc-ph
Privacy-Preserving Synthetic Dataset of Individual Daily Trajectories for City-Scale Mobility Analytics
GEOTRA Co., Ltd.（GEOTRA有限公司）
本文提出一种隐私保护的合成移动数据集，通过聚合数据重建每日轨迹，结合行为约束实现真实的人类移动分布，为城市规模分析提供高分辨率数据。
2025-12-19 cs.AI cs.CY cs.SI
Spatio-Temporal Mobility Patterns of On-demand Ride-hailing Service Users
了解个人移动行为对于城市交通建模至关重要。它为人类运动的生成机制提供了更深入的见解。新兴的数据源，如手机通话详细记录，社交媒体帖子，GPS观测和灵巧卡交易，以前已经被用来揭示个人的移动行为。在本文中，我们报告的时空移动行为使用大规模数据收集的乘车服务平台。基于用户级别的出行信息，我们开发了一个算法来识别用户访问过的地方和这些地方的类别。为了表征时间运动模式，我们揭示了通勤和非通勤出行之间的出行生成特性和连续出行之间的间隙时间分布的差异。为了了解空间流动模式，我们观察了访问地点的数量及其排名的分布，住宅和工作场所的空间分布，以及旅行距离和旅行时间的分布。我们的分析强调了乘车服务用户的移动模式的差异，与基于其他数据源的现有移动研究的结果相比。它显示了开发高分辨率的个人层面的移动模型，可以预测新兴的移动服务的需求，具有高保真度和准确性的潜力。
2020-10-20 cs.SI
The Strength of Friendship Ties in Proximity Sensor Data
了解人们如何互动和社交在从疾病控制到城市规划的许多情况下都很重要。在过去几年中，捕捉人类生活这一特定方面的数据集在规模和可用性方面都有所增加。然而，我们还没有了解这种电子数据集在多大程度上可以作为现实生活中社交互动的有效代理。对于使用手机收集的观察数据集，我们分析了识别短暂和不重要链接的问题，以及如何突出重要的社交互动。应用蓝牙信号强度参数来区分观测结果，我们证明了弱链接，强链接相比，有一个较低的概率被观察到在以后的时间，而这样的链接-平均-也有较低的链接权重和概率共享在线友谊。此外，链接强度的作用进行了研究，在社会网络属性。
2014-05-27 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
A survey on Human Mobility and its applications
人类流动性已经引起了不同领域的研究，如流行病建模，交通工程，交通预测和城市规划的关注。在这项调查中，我们回顾了人类流动性研究的主要特点，包括从基于概率的研究，研究使用图形和网络理论。在基于概率的研究中，分析了跳跃长度分布和回转半径等统计指标，以研究人们在日常生活中如何运动，以及是否有可能对这种个体运动进行建模并根据它们进行预测。在移动性研究中使用图，有助于研究系统的动态行为，例如网络中的扩散和流动，并通过使用中心性度量等指标，更容易估计网络的一部分对另一部分的影响程度。我们的目标是研究交通网络中的人口流动，使用流动性数据来推导模型和模式，并开发新的应用程序来预测拥堵等现象。移动通信网络提供的新一代移动数据给人类移动性研究带来了新的挑战，如数据存储、数据表示、数据分析和计算复杂度等。对当前人类流动性研究工具和应用中使用的不同数据类型进行比较审查，使我们能够采用新的方法来应对上述挑战。
2013-07-02 cs.SI physics.soc-ph
Optimizing the Deployment of Electric Vehicle Charging Stations Using Pervasive Mobility Data
Massachusetts Institute of Technology（麻省理工学院）；Senseable City Lab, Massachusetts Institute of Technology（麻省理工学院感知城市实验室）；Department of Urban Studies and Planning, MIT（麻省理工学院城市研究与规划系）；Istituto di Informatica e Telematica del CNR（意大利国家研究委员会信息与电信研究所）
本文提出了一种基于数据驱动的方法，利用 pervasive 移动数据优化电动汽车充电站的选址，通过离散优化问题和贪心算法、遗传算法等方法，减少驾驶员不适和充电站数量，验证了数据驱动方法在城市规模上的应用潜力。
2015-11-02 cs.SI cs.SY eess.SY
Metropolitan Scale and Longitudinal Dataset of Anonymized Human Mobility Trajectories
本文构建了一个包含10万人、90天的开源匿名都市尺度人类移动轨迹数据集，并基于该数据集举办HuMob Challenge 2023，以解决人类移动预测方法因数据集不统一而难以公平比较的问题。
2023-07-07 cs.SI physics.soc-ph
A Survey on Deep Learning for Human Mobility
Fondazione Bruno Kessler (FBK)（布鲁诺·凯斯勒基金会（FBK））；Free University of Bolzano（博尔扎诺自由大学）；Amazon Alexa（亚马逊Alexa）；Institute of Information Science and Technologies, National Research Council (ISTI-CNR)（国家研究委员会信息科学与技术研究所（ISTI-CNR））
对人类流动性的研究至关重要，因为它对我们社会的几个方面产生了影响，例如疾病传播，城市规划，福祉，污染等等。数字移动数据的激增，如电话记录、GPS跟踪和社交媒体帖子，加上人工智能的预测能力，引发了深度学习在人类移动中的应用。现有的调查集中在单一任务、数据源、机械或传统的机器学习方法上，而缺乏对深度学习解决方案的全面描述。本调查提供了移动任务的分类，讨论了与每个任务相关的挑战以及深度学习如何克服传统模型的局限性，描述了与上述移动任务最相关的解决方案以及未来的相关挑战。我们的调查是领先的深度学习解决方案的指南，用于下一个位置预测，人群流量预测，轨迹生成和流量生成。与此同时，它帮助深度学习科学家和实践者理解人类流动性研究的基本概念和开放性挑战。
2021-06-27 cs.AI cs.LG cs.SI
Towards a comparative science of cities: using mobile traffic records in New York, London and Hong Kong
本章探讨的可能性，分析和比较人类活动在城市环境的基础上检测手机的使用模式。由于前所未有的计数器数据收集记录了在时间和空间上解决的呼叫，短信和数据传输的数量，我们确认了三个全球城市的时间活动概况和土地使用之间的联系：纽约，伦敦和香港。通过比较整个城市的典型模式，我们提供了关于文化，技术和经济因素如何塑造人类动态的见解。在更局部的范围内，我们使用聚类分析来识别城市中具有相似模式的位置。我们的研究揭示了城市的普遍结构，核心金融中心都有类似的活动模式，商业或住宅区有更多的城市特定模式。这些发现表明，随着经济变得更加全球化，全球不同城市的商业领域出现了共同的模式，而当地条件对日常活动的影响仍然可以识别。
2014-06-17 cs.CY cs.SI physics.data-an
Human mobility networks reveal increased segregation in large cities
本研究提出接触隔离指标，基于美国手机移动数据发现大城市接触隔离程度更高，原因是差异化空间选择增多，而能连接不同社区的城市核心场所可缓解该效应，挑战了人文地理学的长期猜想。
2023-07-25 cs.SI physics.soc-ph
Collective benefits in traffic during mega events via the use of information technologies
今天的信息技术可以告知我们每个人从起点到目的地的最短路径的最佳选择，但它们不包含有效管理信息以获得集体利益的激励措施或替代方案。为了获得这些好处，我们不仅需要对交通是如何形成的有很好的估计，而且还需要有目标战略，以可行的方式从最好的道路上减少足够的车辆。机会在于，在大型活动期间，大城市的交通不便程度异常之高，但这是暂时的，整个人口可能更愿意采取集体建议，以造福社会。在本文中，我们首次整合大数据资源来量化事件的影响，并提出城市规模的集体利益的目标策略。在里约热内卢奥运会的背景下，我们首先预测交通的预期增长。为此，我们整合了来自手机、Airbnb、Waze和交通信息的数据，以及比赛时间表和场地信息。其次，我们评估了奥运会对通勤者出行的影响，并提出了高峰时段不同的路线选择方案。此外，我们还收集了对全球交通拥堵贡献最大的旅行信息，这些信息可能会从车辆转向过境。有趣的是，我们发现：（i）在活动期间使用个人最短路径的新路线替代方案可以节省更多的集体出行时间，而不是保持常规路线，揭示了信息技术在活动期间的积极价值;（ii）只有一小部分人从特定区域选择从驾驶转向公共交通，集体出行时间可以在很大程度上减少。结果在网上公布，供公众和决策者评价。
2016-07-27 cs.SI physics.soc-ph
