Decoupling Urban Food Accessibility Resilience during Disasters through Time-Series Analysis of Human Mobility and Power Outages
针对2024年休斯顿飓风贝丽尔灾害，融合停电记录与食品设施到访数据，量化电网故障与食品获取的耦合滞后关系，识别设施类型并筛查关键设施，为分阶段恢复与公平备灾提供可推广框架。
2025-11-19 stat.AP
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
Geo-located Twitter as the proxy for global mobility patterns
随着位置共享服务的普遍存在，研究人员获得了前所未有的人类活动在空间和时间上的直接记录。本文分析了地理定位的Twitter消息，以揭示全球人类流动的模式。基于2012年记录的近10亿条推文的数据集，我们估计了居住国的国际旅行者数量。我们研究了不同国家的流动概况，考察了流动率、回转半径、目的地多样性和流入流出平衡等特征。时间模式揭示了国际流动性增加的普遍季节和监督旅行的特殊民族性质。我们的Twitter移动网络的社区结构的分析，获得与迭代网络分区，揭示了空间凝聚力的区域，遵循世界的区域划分。最后，我们验证了我们的结果与其他作者提供的全球旅游统计数据和流动性模型，并认为Twitter是一个可行的来源，以了解和量化全球流动模式。
2013-12-28 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
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。
2026-01-20 cs.SI physics.soc-ph
Disparities in ridesourcing demand for mobility resilience: A multilevel analysis of neighborhood effects in Chicago, Illinois
流动弹性是指个人在交通系统受到意外中断的情况下完成其预期旅行的能力。新的按需移动选项，如乘车服务，填补移动性的不可预测的差距的潜力是一个未充分开发的适应能力来源。将自然实验方法应用于新发布的ridesourcing数据，我们通过分析在芝加哥种族和经济多样化的城市中意外的轨道交通服务中断期间使用ridesourcing的变化，来研究在交通系统突然冲击期间按需移动性的缺口填充作用的变化。使用多层次的混合模型，我们不仅控制中断发生的直接站属性，但也为更广泛的背景下的社区和城市象限的三个层次的结构。因此，除了控制车站水平的影响外，未观察到的街区间的变化可能与诸如公交乘客量或居民的社会经济地位等因素的差异有关。我们的研究结果表明，在轨道交通中断期间，个人使用乘车作为一种填补空白的机制，但在不同的情境和位置背景下存在很大的差异。具体来说，我们的研究结果显示，在工作日，非假日和更严重的中断期间，以及白人居民和过境通勤者比例较高的社区，以及城市更富裕的北部，交通中断响应乘车服务的增加幅度更大。这些发现指出了新的见解，对如何通过在中断期间提供额外的容量来补充现有的交通网络具有深远的影响，但似乎并没有为低收入的有色人种社区带来公平的填补差距的好处，这些社区通常具有更有限的流动性选择。
2020-10-29 econ.GN physics.soc-ph q-fin.EC
Multiscale mobility patterns and the restriction of human movement
本文利用 Facebook Movement Maps 和英国封锁前后数据，通过多尺度社区检测提取人类移动的流动社区，揭示封锁期间移动性先回退至细粒度社区再随解封扩展，并用线性衰减冲击模型量化区域差异。
2025-08-28 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
Efficiency of communities and financial markets during the 2020 pandemic
本文调查了20个国家的COVID-19大流行的传播、社区活动状况和金融指数表现之间的关系。首先，我们分析了哪些国家在2020年的三个多变量时间序列中的一个表现相似：每日COVID-19病例，Apple移动数据和国家股票指数价格。接下来，我们研究这三个属性的轨迹，以确定哪一个具有更大的相似性。最后，我们调查了国家金融指数或流动性数据是否对COVID-19病例激增做出了更快的反应。我们的研究结果表明，流动性数据和国家金融指数在其轨迹上表现出最大的相似性，金融指数的反应更快。这表明金融市场参与者可能比政府更有效地解读和应对COVID-19数据。此外，研究结果表明，将社区流动性数据作为大流行期间金融市场表现的领先指标的努力受到了误导。
2021-07-06 econ.GN physics.soc-ph q-bio.PE
ASTROMOVES: Astrophysics, Diversity, Mobility
美国天文学/天体物理学社区聚集在一起创建一份十年报告，总结了赠款资金优先事项，天文台和仪器优先事项以及社区成就和社区目标，例如增加妇女人数和代表性不足的群体人数。在2010年美国国家科学院天文学十年调查（国家研究委员会，2010年）中，有人建议，不得不如此频繁地移动，这是一种职业需要，可能对想要建立家庭的人没有吸引力，特别是影响女性。无论是在欧洲还是其他地方，作为博士后，天体物理学家每隔两到三年就会搬迁一次，直到他们找到一个永久性的职位或完全离开研究。天体物理学家确实认为在国外工作对他们的职业生涯是重要和积极的（Parenti，2002）;然而，研究发现，同等级别的男性并不需要在国外花那么多时间来发展他们的职业生涯（Fohlmeister & Helling，2012）。这意味着，妇女需要在国外工作更长时间或在国外拥有更多职位，才能达到与男子相同的级别。居住在英国的天体物理学家更愿意在他们的原籍国工作，但许多人没有这样做，因为工作条件更差或难以为配偶找到工作（Fohlmeister & Helling，2014）。总而言之，流动性和移动对于天体物理学的职业生涯是必要的，对于女性来说更是必要的，但天体物理学家不喜欢像维持研究生涯那样频繁地移动。为了收集更多关于这些问题的数据，并扩大男性/女性以外的话语，以包括性别多样性以及其他形式的多样性，我设计了ASTROMOVES项目，该项目由玛…
2021-01-21 astro-ph.IM physics.hist-ph physics.soc-ph
Using A Partial Differential Equation with Google Mobility Data to Predict COVID-19 in Arizona
COVID-19的爆发扰乱了世界上许多人的生活。美国亚利桑那州成为该国最新的COVID-19热点之一。对COVID-19病例的准确预测将有助于各国政府采取必要措施，并说服更多人采取个人预防措施来对抗病毒。由于涉及许多人为因素，因此难以准确预测COVID-19病例。本文旨在借助Google社区移动报告中的人类活动数据，为COVID-19病例提供一个预测模型。为了实现这一目标，我们开发了一个特定的偏微分方程（PDE），并使用《纽约时报》在美国亚利桑那州县级的COVID-19数据进行了验证。该模型描述了亚利桑那州县群之间的跨界传播和人类活动对COVID-19传播的综合影响。结果表明，该模型的预测精度可达94%以上。此外，我们研究个人预防措施（如戴口罩及在地方层面对COVID-19病例实行社交距离）的成效。本地化的分析结果可用于帮助减缓COVID-19在亚利桑那州的传播。据我们所知，这项工作是首次尝试将PDE模型应用于Google社区移动报告的COVID-19预测。
2020-07-26 physics.soc-ph q-bio.PE
Experienced partisan segregation across patterns of mobility behavior in US cities
University of Trento（特伦托大学）；Fondazione Bruno Kessler (FBK)（布鲁诺·凯斯勒基金会）；Northeastern University（东北大学）
本研究结合11个美国大都市的出行数据与投票结果，发现经历性党派隔离受日常出行影响，出行范围扩大接触多样性，但探索更多地点可能加剧隔离。
2026-09-18 cs.SI physics.soc-ph
Global multi-layer network of human mobility
最近获得了记录个人活动的地理定位数据以及关于国际移徙的统计数据，为研究全球流动性提供了前所未有的机会。在本文中，我们从多层复杂网络的角度来考虑它，该网络使用三个数据集的组合构建：Twitter，Flickr和官方移民数据。这些数据集提供了关于全球流动性的不同但同样重要的见解：前两个突出了人们从一个国家到另一个国家的短期访问，最后一个-移民-显示了长期流动性的观点，当人们永久搬迁时。本文的主要目的是强调这种多层方法同时捕获人类移动性的两个方面的重要性。因此，我们从网络层的比较研究开始，通过相应网络的统计特性，例如其度中心分布的参数或适合网络的相应引力模型的参数，比较短期和长期移动性。我们还关注了各国短期和长期吸引力排名的差异，讨论了最明显的离群值。最后，我们应用这个多层次的人类流动网络来推断全球社会的结构，通过一个社区发现的方法，并证明考虑从多层次的角度来看，流动性可以揭示重要的全球空间格局的方式更符合其他可用的相关来源的国际连接，在从每个网络层分别采取的空间结构相比。
2016-01-21 cs.CY cs.SI physics.soc-ph
Human Mobility during COVID-19 in the Context of Mild Social Distancing: Implications for Technological Interventions
COVID-19疫情给我们的社会带来了有形和无形的损害。许多研究人员研究了它在实施了强有力的社会距离措施（如呆在家里的命令）的国家的社会影响。其中，人类的流动性由于其在平坦化曲线方面的重要性而得到了广泛的研究。然而，流动性还没有积极研究的背景下，温和的社会距离。对不同情况下的人员流动性认识不足，可能会对缓解这种情况的任何技术干预措施产生有限的影响。为此，我们收集了一个数据集，其中包括韩国第三大城市每天超过100万的智能设备用户，该城市实施了温和的社交距离政策。我们从地理、社会经济和社会政治的角度分析了COVID-19如何影响城市中的人口流动。我们还研究了兴趣点和特殊场合（如交通站和立法选举）的流动性变化。通过这些分析，我们确定了一个类型的人口作为一种手段，提供设计的技术干预的影响。本文通过对人类流动性的深入分析为社会科学做出了贡献，并为CSCW社区带来了新的设计挑战和潜在影响。
2020-07-01 cs.CY physics.soc-ph
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
Quantifying Barriers of Urban Mobility
提出网络科学框架量化城市流动性障碍，发现不同等级障碍物可相互替代，且障碍对市中心居民影响更大。
2024-08-28 physics.soc-ph
Quantifying the hierarchical scales of scientists'mobility
该研究基于1960—2021年203万名科学家的流动数据，构建层级区域模型，量化城市、国家和大陆等不同地理尺度对科学家迁移倾向与区域吸引力的影响，揭示其嵌套层级结构和动态规律。
2024-04-02 cs.DL physics.soc-ph
Community Structures, Interactions and Dynamics in London's Bicycle Sharing Network
自行车共享计划是一种交通系统，不仅在拥挤的城市地区提供有效的交通方式，而且还改善了与公共交通和当地交通的最后一英里连接。全球各地的自行车共享计划产生了详细的空间和时间维度的出行数据集，通过适当的挖掘和分析，这些数据集揭示了有关城市交通模式的宝贵信息。在本文中，我们研究了伦敦自行车共享数据集，以探索社区结构。使用一种新的聚类技术，我们得出独特的行为模式，并评估社区的互动和时空动态。分析揭示了模仿伦敦物理结构的独立，相互关联和混合集群。随着时间的推移，我们发现地理上孤立和专业化的社区是相对一致的，而其余的系统表现出波动性，特别是在上下班高峰期。通过增加我们对自行车共享用户集体行为的理解，这种分析支持政策评估，运营决策，并激励基础设施设计和管理的改进。
2018-08-16 cs.CY cs.SI physics.soc-ph
Decoding the Pulse of Community during Disasters: Resilience Analysis Based on Fluctuations in Latent Lifestyle Signatures within Human Visitation Networks
本研究基于路易斯安那州120余万条移动数据构建访问网络，利用motif模型提取生活方式特征并定义频率与邻近度指标，揭示了飓风艾达后社区生活方式的中断与恢复动态，为灾害韧性评估和应急管理提供依据。
2024-02-26 cs.SI physics.soc-ph stat.AP
One City, Two Tales: Using Mobility Networks to Understand Neighborhood Resilience and Fragility during the COVID-19 Pandemic
本研究利用纽约市两年移动数据构建每周移动网络，发现社会经济与地理属性均能预测社区对COVID-19居家政策的适应能力，为提升城市抗疫韧性的规划提供参考。
2022-10-06 physics.soc-ph
A Linear Dynamical Perspective on Epidemiology: Interplay Between Early COVID-19 Outbreak and Human Mobility
本文研究了人类活动和流动性（HAM）在流行病传播动力学中的影响。具体而言，它探讨了HAM及其对COVID-19病毒早期传播的影响之间的相互关系。在大流行的早期阶段，有效的繁殖数量表现出高度的相关性与人类流动模式，导致一个假设，HAM系统可以作为一个耦合系统与疾病传播动力学进行研究。本研究应用具有控制输入的广义Koopman框架来确定非线性疾病传播动力学和作为局部线性受控动力系统的输入输出特性。该方法完全依赖于时空数据的快照，不需要系统的物理定律的任何知识。我们利用Koopman算子框架，利用汉克尔动态模式分解与控制（HDMDc）算法，以获得一个线性疾病传播模型，将人类流动作为控制输入。这项研究表明，拟议的方法可以反映当地流动性对当前全球大流行病的早期动态的影响。所获得的局部线性模型可以准确地预测从两到四周的各种预测窗口的新感染的数量。这项研究证实了流动性和疾病传播动态之间的领导者-追随者关系。此外，延迟嵌入在HDMDc算法的效果也进行了研究和报告。使用来自美国佛罗里达州的COVID感染数据和从Google社区移动数据报告中提取的HAM数据进行了案例研究。
2021-08-05 cs.SY eess.SY math.DS
Pattern and Anomaly Detection in Urban Temporal Networks
包括流动性在内的广泛的城市活动可以被建模为随时间演变的时间网络。城市动态的突然变化所造成的事件，如中断的公民行动，群众集会，假日和自然灾害可能反映在这些时间的流动网络。识别和早期发现这种异常发展对于交通规划和安全至关重要。从高维网络数据中检测异常是一项具有挑战性的任务，因为边缘水平测量通常具有较低的值和高方差，导致高噪信比。在这项研究中，我们提出了一个通用的三阶段管道方法来解决原始数据的维数灾难和噪声。我们的管道包括i）利用社区检测的初始网络聚合ii）无监督降维iii）对所得表示进行聚类以进行离群值检测。我们进行了广泛的实验，以评估所提出的方法从两个主要城市，纽约市和台北市收集的流动性数据。我们的研究结果实证证明，所提出的方法优于传统的异常检测方法。我们进一步认为，所提出的异常检测框架是潜在的推广到各种其他类型的时间网络，如社会互动，信息传播和流行病传播。
2019-11-25 cs.SI physics.soc-ph
Tracing the Attention of Moving Citizens
随着移动计算设备在当代社会的广泛使用，我们在物理空间和虚拟世界中的轨迹越来越紧密地联系在一起。使用$1 \times 10^5$用户30天内的匿名智能手机数据，我们构建了移动网络和注意力网络，以研究在线和离线人类行为之间的相关性。在移动网络中，节点是物理位置，边表示位置之间的移动，而在注意力网络中，节点是网站，边表示用户在网站之间的切换。我们应用盒子覆盖方法对网络进行重正化。所研究的网络性质包括盒$l_B$的大小和盒$N(l_B)$的数目。我们发现两种普遍的行为：移动网络的特点是由一个小世界的属性，$N(l_B) \simeq e^{-l_B}$，而注意力网络的特点是由一个自相似的属性$N(l_B) \simeq l_B^{-γ}$。特别地，随着盒子$l_B$长度的增加，网络的度相关性由正向负变化，表明移动性网络存在两层结构。我们使用网络重正化的结果来检测社区并映射移动网络的结构。此外，我们还定位了这些社区中访问的最相关的网站，并确定了三种典型的基于位置的行为，包括购物，约会和打车。最后，我们提出了一个修正的几何网络模型来解释我们的研究结果的角度来看，空间约束型依恋。
2016-07-11 cs.CY cs.SI physics.soc-ph
A Spatial Stochastic SIR Model for Transmission Networks with Application to COVID-19 Epidemic in China
世界各国政府已实施预防措施，以防止冠状病毒病（COVID-19）的传播。在这项研究中，我们考虑了一个多变量离散时间马尔可夫模型来分析COVID-19在中国33个省级地区的传播。这种方法使我们能够评估流动限制政策对疾病传播的影响。我们使用跨区域的日常人类流动数据，并应用贝叶斯框架来估计所提出的模型。结果显示，疫情在中国的传播主要由区域内的社区传播驱动，而地方政府推出的封锁政策遏制了疫情的蔓延。此外，我们的文件表明，湖北只是早期流行阶段的震中。北京和广东等二级震中已于二零二零年一月底确立，疫情蔓延至相关地区。在各区域实行人员流动限制后，来自这些震中的传播大幅下降。
2020-08-17 econ.GN physics.soc-ph q-bio.PE
Infostop: Scalable stop-location detection in multi-user mobility data
近年来，数据驱动的移动性研究蓬勃发展，为现实世界的挑战提供了解决方案，包括预测流行病和规划交通。这些进步得益于能够分析大规模数字痕迹数据集的计算工具。预处理空间轨迹时的挑战之一是所谓的停止位置检测，这需要将原始时间序列减少到个人静止的目的地序列。Hariharan和Toyama（2004）提出了这个问题的最广泛采用的解决方案，包括过滤掉非平稳测量，然后在平稳点上应用凝聚聚类。然而，这种现有技术的解决方案受到两个限制：（i）由于固有的测量噪声，位于非常接近的频繁访问的地方（诸如相邻的建筑物）可能被合并到唯一的位置，（ii）不能同时分析多个用户的轨迹，因此目的地的定义不能在用户之间共享。在本文中，我们描述的Infostop算法，克服了国家的最先进的解决方案的局限性，利用基于流的网络社区检测算法Infomap。我们测试Infostop人口的$\sim 1000$个人高度重叠的流动性。我们发现，Infostop检测到的位置的大小饱和的用户数量的增加和时间复杂性增长速度比以前的解决方案。我们证明，Infostop可以用来很容易地推断社交会议。最后，我们提供了一个用Python和C++编写的Infostop的开源实现，它有一个简单的API，可用于标记时间顺序坐标序列（GPS或其他）和无序的空间点集。
2020-03-31 cs.CY physics.soc-ph
Highly coordinated nationwide massive travel restrictions are central to effective mitigation and control of COVID-19 outbreaks in China
COVID-19是由2019新型冠状病毒（SARS-CoV-2）引起的疾病，自2019年12月中国湖北省武汉市首次报告以来，已在全球范围内造成严重的灾难。自2020年1月23日武汉封锁以来，中国其他省份纷纷效仿，大规模的旅行限制令逾9亿人足不出户超过两个月，从而成功遏制了COVID-19在中国的传播。在此，我们评估了中国大规模封锁和旅行限制的影响，这些影响反映在封锁前和封锁期间流动模式的变化上。我们量化了各省之间和省内流动模式的同步性。利用这些流动性数据，我们结合流行病学分区模型校准了各省之间的流动，以量化封锁和减少疾病传播的有效性。我们的分析表明，其他省份的本地社区传播的开始和阶段取决于从震中湖北接收的累积人口流出。因此，感染可以进一步传播到附近和远处的其他相互连接的地方，从而需要同步封锁。此外，我们的数据驱动的建模分析表明，封锁和随之而来的流动性减少会滞后一段时间，从而对减缓传播并最终控制疫情产生实际影响。尽管中国各地的人口统计和流行病学特征差异很大，但流动性数据显示，大规模的旅行限制一直通过自上而下的方法实施，同时自下而上的合规水平很高。
2022-01-07 physics.soc-ph
An openly available OpenStreetMap-to-Foursquare category benchmark for points of interest
针对兴趣点分类体系异质性问题，提出将OpenStreetMap标签映射至Foursquare类别的公开基准与对齐框架，经嵌入评估与LLM优化，为城市分析等场景提供可扩展的统一方案。
2026-10-27 cs.SI physics.soc-ph
Natural Scales in Geographical Patterns
人们知道，人的流动性分布在几个物理距离的数量级上，这使得通常很难内生地找到或定义典型和有意义的尺度。有关的分析，从流动到地理分区，似乎是相对于一些临时的规模，或根本没有规模。基于从照片共享社交媒体中收集的地理标记数据，我们将社区发现应用于受距离分布的增加的限制的运动网络。使用一个简单的无参数的不连续性检测算法，我们发现明确的社区分区空间中的相变。这些阶段的检测构成了表征人类运动的内源性、自然尺度的第一个客观方法。我们的研究涵盖了九个地区，从城市到不同规模的国家和跨国地区。就所有区域而言，自然尺度的数量非常少（2或3）。此外，我们的研究结果暗示了与规模相关的行为，而不是与规模相关的用户。自然尺度的分区使我们能够绘制离散的多尺度地理边界，可能能够在引入空间边界至关重要的流行病学或文化传染等领域提供关键见解。
2017-04-04 cs.SI physics.soc-ph
Geometry and Geography of Complex Networks
本研究提出自适应切割方法改进社区检测，并结合网络几何与地理学分析，揭示人类移动的地理约束与社会动态。
2025-12-12 physics.soc-ph
Online detection of temporal communities in evolving networks by estrangement confinement
时间社区是在一个不断发展的复杂网络的多个快照中对节点进行一致划分的结果，它可以帮助揭示网络中密集的集群如何随着时间的推移而出现、组合、分裂和衰退。目前的方法，在一个单一的快照中找到社区是不直截了当地推广到寻找时间社区，因为用于寻找静态社区的质量函数具有高度退化的景观，并最终分区中选择的许多分区的类似质量是高度敏感的网络中的小变化。为了可靠地检测时间社区，我们不仅需要在给定的快照中找到一个好的社区分区，而且还需要确保它与之前的快照中找到的分区具有一些相似性。我们提出了一种新的措施，分区距离称为“疏远”的动机节点间的关系，当纳入到分区质量的测量，有利于检测有意义的时间社区的惯性。具体来说，我们提出了疏远限制方法，它假设社区中的相邻节点更愿意继续分享社区的联系，随着网络的发展。约束疏远使我们能够找到有意义的时间社区在不同程度的时间平滑在不同的现实世界的数据集。具体来说，我们研究了美国国会参议员投票行为的演变，人类移动数据集中邻近度的演变，以及合成网络中难以找到的进化社区的检测。因此，疏远限制提供了一个原则性的方法来发现不断发展的网络中的时间社区。
2012-03-22 cond-mat.stat-mech cs.SI physics.soc-ph
Urban Boundary Delineation from Commuting Data with Bayesian Stochastic Blockmodeling: Scale, Contiguity, and Hierarchy
本文系统评估各类SBM基于通勤网络划定城市边界的效果，揭示其空间不连续问题，并提出可保证邻接性、压缩性能接近无约束SBM的快速非参数区域化算法。
2024-05-08 cs.SI physics.soc-ph
