Dynamic predictability and spatio-temporal contexts in human mobility
本研究探究人类个体移动中的时空可预测性状态，发现其包含上下文与活动特征，为开发更精准的数据驱动短期高阶移动预测方法提供了新思路。
2023-10-06 cs.CY cs.IT math.IT
On the Inability of Markov Models to Capture Criticality in Human Mobility
我们研究非马尔可夫性质的人类流动性暴露马尔可夫模型无法捕捉人类流动性的关键。特别是，假设马尔可夫性质的流动性被用来建立一个理论上限的预测人类流动性（表示为最小错误概率限制），时间相关熵的基础上。自成立以来，这个界限已被广泛使用，并使用马尔可夫链进行了经验验证。我们表明，递归神经架构可以实现更高的可预测性，超过了这个广泛使用的上限。为了解释这种异常现象，我们揭示了在以前的研究工作，导致这种偏见的几个基本假设。通过评估真实世界数据集上的移动可预测性，我们表明，人类的移动性具有尺度不变的长程相关性，与幂律衰减相似。这与最初的假设相反，即人类流动性遵循指数衰减。在计算Fano不等式时，这种指数衰减的假设加上Lempel-Ziv压缩导致了对可预测性上界的不准确估计。我们表明，这种方法膨胀的熵，从而降低了人类流动的可预测性的上限。最后，我们强调，这种方法往往忽视了人类流动性的长期相关性。这就解释了为什么设计用于处理长程结构相关性的递归神经架构超过了先前计算的移动性可预测性的上限。
2018-07-27 cs.IT math.IT physics.soc-ph
An alternative approach to the limits of predictability in human mobility
预测算法是非常宝贵的工具，能够提高各种任务的效率，从减少疾病传播到城市规划等领域的更好资源管理。在这项工作中，我们估计上限和下限的可预测性人类流动，以帮助评估竞争算法的性能。我们使用来自604个参与多年实验的人的GPS跟踪来做到这一点，哥本哈根网络研究。早期的作品，专注于预测参与者在下一个时间仓中的下落，已经发现了非常高的上限（>90%）。我们发现，这些上限是高度依赖于时空尺度的选择，主要反映平稳性，即事实上，人们往往不会在时间上的小变化。这使得我们提出了一种替代方法，其目的是预测下一个位置，而不是下一个bin中的位置。我们的方法是独立的时间尺度，并引入了一个自然的长度尺度。通过消除平稳性的影响，我们表明，下一个位置的可预测性显着低于（~71%）在下一个bin中的位置的可预测性。
2017-07-04 physics.soc-ph
Predictability of Irregular Human Mobility
了解人类流动对于从城市规划到传染病控制等领域的决策支持至关重要。先前的工作集中于跟踪户外移动的日常日志，而不考虑相关的上下文，其包含用于一系列目的的规则和不规则的人类运动的混合物，因此对动态的不同影响被忽略。本研究的目的是关注不同的集合人群的不规则的人类运动的各种目的。我们提出的方法来估计在不同的情况下流动性的可预测性。根据我们对澳大利亚的国际和国内游客的调查数据，我们发现，欧洲游客的旅行模式比教育游客的旅行模式更难预测，而东亚游客则表现出相反的模式，即假期比教育更可预测。来自澳大利亚人口最多的州的国内居民表现出最不可预测的模式，而来自人口较少的州的游客表现出最高的可预测运动。
2017-09-20 cs.IT math.IT physics.soc-ph
Understanding Predictability and Exploration in Human Mobility
人类移动性预测模型在交通控制、普适计算和上下文广告等领域有着重要的应用。文献中模型的预测性能差异很大，从高达93%到低至40%以下。在这项工作中，我们调查哪些因素影响下一个地方预测的准确性，使用超过400个用户的高精度位置数据集，为期3个月至一年。我们表明，它是更容易实现高精度时，预测的时间仓位置比预测下一个地方。此外，我们展示了如何的时间和空间分辨率的数据可以有很大的影响预测的准确性。最后，我们发现，探索新的地点是人类流动的一个重要因素，我们测量到，平均20-25%的过渡是到新的地方，大约20%的过渡是到新的地方。70%的地点只访问一次。我们讨论这些机制是如何限制我们预测人类流动性的能力的重要因素。
2016-08-05 cs.CY physics.soc-ph
Non-Markovian Character in Human Mobility: Online and Offline
人类流动动力学表征了人类在日常活动中所遵循的轨迹，是从传染病传播到交通预测和信息推荐等过程的基础。在本文中，我们调查了大量的人类活动的数据集，包括在线浏览网站的行为和离线的访问塔基于移动终端。从在线和离线的情况下观察到的非马尔可夫字符建议在个人和集体水平的停留时间分布的标度律，分别。此外，我们认为，较低的熵和较高的可预测性人类流动的在线和离线的情况下，可能起源于这种非马尔可夫性质。然而，个体熵和可预测性的分布显示出不同程度的非马尔可夫特征，从在线到离线的情况。为了解释人类流动的非马尔可夫特征，我们引入了一个原型模型\emph{preferential return, inertial effect, and exploration}，它包含三个基本成分，再现了在线和离线人类流动的动态过程。与标准的和有偏的马尔可夫过程假设的随机游走模型相比，所提出的模型能够获得更接近这些经验观察的特征。
2014-06-11 cs.SI physics.soc-ph
Contrasting and comparing the efficacy of non-pharmaceutical interventions on air-borne and vector-borne diseases
本文提出融合流动数据与脆弱性矩阵的框架，以哥伦比亚卡利市为例揭示基于流动性的非药物干预在控制空气传播疾病时可能加剧媒介传播疾病风险，并通过合成模型设计重塑流动网络的新干预措施以实现两类疾病的协同控制。
2024-11-25 physics.soc-ph q-bio.PE
Local Predictability and Collective Fidelity in LLM-Agent Societies
本研究通过比较个体与集体预测，验证了紧凑替代模型在LLM智能体社会中的有效性，发现邻居信息提升预测性能，并强调直接集体验证的必要性。
2026-09-30 cs.AI cs.CL cs.MA
Coupling Human Mobility and Social Ties
使用从通信技术中被动收集的大量数据的研究揭示了社交网络的许多普遍存在的方面，帮助我们理解和建模社交媒体，信息传播和组织动态。最近，这些数据被贴上了地理信息的标签，使人们能够研究人类流动模式和城市科学。我们结合这两种追求，并发现社会联系中可重复的流动模式。首先，我们介绍了移动性的相似性和可预测性的措施，并在三个大的城市地区的用户群体来衡量它们。我们发现，个体的拜访模式与社会联系比陌生人更相似，更可预测，这些措施与关系强度呈正相关。移动相似性的小时变化的无监督聚类确定了三类社会关系，并表明地理位置是将社会关系置于背景中的重要特征。我们发现，一个用户的自我网络的组成，他们保持的接触类型与移动行为相关。最后，我们扩展了一个流行的流动性模型，包括基于社会联系的运动选择，并比较它的能力，再现经验测量与两个额外的模型的流动性。
2015-02-03 cs.SI physics.soc-ph
Multilayer networks characterize human-mobility patterns by industry sector for the 2021 Texas winter storm
University of Wyoming（怀俄明大学）；University at Buffalo（布法罗纽约州立大学）
本文通过多层网络分析2021年得克萨斯冬季风暴中不同行业部门的人类移动模式，揭示了移动行为的变化及预测性，为未来极端天气事件的决策提供支持。
2026-01-09 physics.soc-ph stat.AP
Predictability of conversation partners
传感技术的最新发展使我们能够更详细地研究人类社会行为的本质。通过将信息论方法应用于手机位置的时空数据，[C。Song等人，Science 327，1018（2010）]发现人类流动模式是显著可预测的。受他们工作的启发，我们在另一种人类社会活动中解决了类似的可预测性问题：对话事件。一个人的会话伙伴的序列中的可预测性被定义为在给定当前伙伴的情况下，一个人的下一个会话伙伴可以被预测的程度。我们通过使用互信息来量化这种可预测性。我们使用从日本两家公司办公室收集的面对面互动的纵向数据，研究每个人的会话事件的可预测性。每个主体佩戴配备有红外传感器节点的姓名标签，并且当在紧密接近的传感器节点之间交换信号时，会话事件被标记。我们发现，对话事件在一定程度上是可预测的;知道当前的合作伙伴减少了对下一个合作伙伴的不确定性平均28.4%。大部分的可预测性解释的长尾分布的间隔时间。然而，除了其长尾性质的贡献外，数据中也存在可预测性。此外，个人的可预测性与从数据导出的静态社交网络中的位置相关。被限制在一个社区中的个体--从周围有大量三角形的意义上说--往往具有较低的可预测性，而那些连接不同社区的个体往往具有较高的可预测性。
2011-10-03 cond-mat.stat-mech cs.SI physics.soc-ph
Web Routineness and Limits of Predictability: Investigating Demographic and Behavioral Differences Using Web Tracking Data
了解人类在网络上的活动和运动不仅对计算社会科学家很重要，而且还可以为推荐，缓存，广告和个性化的在线系统的设计提供有价值的指导。在这项工作中，我们证明了人们倾向于遵循网络上的常规，这些重复的网络访问模式增加了他们的浏览行为的可预测性。我们提出了一个信息理论的框架来衡量的不确定性和理论上的限制，在Web上的人类流动性的可预测性。我们系统地评估不同的设计决策对测量的影响。我们将该框架应用于德国互联网用户的网络跟踪数据集。我们的实证研究结果强调，个人在网络上的例程，使他们的浏览行为的可预测性平均为85%，虽然值因人而异。我们观察到，用户的可预测性的这些差异可以在一定程度上解释他们的人口统计和行为属性。
2020-12-30 cs.CY cs.IT math.IT
Predictability of Human Movements across Industry Sectors using Multilayer Networks
University of Wyoming（怀俄明大学）；State University of New York at Buffalo（纽约州立大学布法罗分校）
本研究基于多层网络，用10种模型探究跨行业人类运动可预测性，明确关键特征，发现非线性模型表现最优、周度运动更易预测，为人类运动建模提供实用进展。
2026-10-19 physics.soc-ph
Recurrent host mobility in spatial epidemics: beyond reaction-diffusion
人类流动是空间疾病动力学和相关现象的关键因素。在计算模型中，主机移动性通常通过空间扩散或元扩散网络来建模。或者，一个有效的力量，跨越距离的感染已被引入到捕捉空间扩散隐式。这两种方法都没有考虑到自然人类流动的重要方面，扩散并没有捕捉到自然人类流动模式的高度可预测性，例如，返回个人基地位置的高百分比，有效感染力方法假设传播立即平衡。这些条件在自然场景中通常不满足。我们研究了一个流行病学模型，明确捕捉自然的个人流动模式。我们系统地研究了一般的动力学特征的模型，定期晶格以及集合种群网络，并表明，一般的模型表现出显着的动力学差异相比，普通的扩散和有效力的感染模型。例如，自然人类流动模型表现出波前速度的饱和和一种新型的入侵阈值，该阈值是流动模式中返回率的函数。鉴于这些新的发现，并与精确和普及的数据人类流动的可用性，我们的方法提供了一个更复杂的空间疾病动力学建模的框架。
2011-06-17 cond-mat.stat-mech physics.soc-ph q-bio.PE
Entropic measures of individual mobility patterns
从微观的角度理解人类流动可能是认知系统统计物理学发展的一个根本性突破，它可以揭示宏观统计规律对社会系统的适用性。即使个体行为的复杂性阻止了真正的微观方法，介观模型的引入允许研究所考虑的系统的非稳态的动力学性质。我们建议计算各种熵的措施，从GPS数据，记录私人车辆在佛罗伦萨区的运动，以指出新的功能，人类流动有关的时间和空间的使用，并定义一个随机模型，可以产生类似的模式的动态特性的个人流动模式。此外，我们可以将人类流动的可预测性与两次连续旅行之间的时间分布联系起来。我们的分析表明，存在一个层次结构的移动模式，分为三个不同的类别，根据时间成本，不同的信息内容的执行活动。我们表明，马尔可夫过程定义的个人移动网络是不能够重现这种层次结构，这似乎是不同的策略在活动选择的后果。我们的研究结果可以为现代城市可持续流动性的治理政策的发展做出贡献。
2013-08-27 physics.data-an physics.soc-ph q-bio.PE
BuSCOPE : Fusing Individual & Aggregated Mobility Behavior for "Live" Smart City Services
虽然对城市通勤数据的分析在提供对人类流动行为的有用见解方面具有长期且经证实的历史，但这种分析主要以离线方式进行，并有助于中长期城市规划。在这项工作中，我们展示了将预测分析应用于实时移动数据的能力，特别是新加坡数百万公共巴士通勤者的智能卡生成的行程数据，以创建两个新颖的“实时”智能城市服务。我们工作中的关键分析新颖性在于将城市流动性的两个方面结合起来：（a）一致性：反映了公交线路上通勤者总流量的可预测性，以及（b）规律性：捕捉每个通勤者的重复出行模式。我们证明，这两种行为指标的融合可以使用我们的BuScope平台在城市规模上进行，并可用于创建两个创新的智慧城市应用程序。最后一英里需求生成器提供了O（分钟）的前瞻到附近公交车站的下车乘客的数量;它实现了超过85%的准确性预测这样的下车通过一个巧妙的组合，个人水平的规律性与聚合水平的一致性。通过主动移动无人驾驶车辆来满足这一预测需求，我们可以将乘客下车的等待时间减少75%以上。独立地，邻里事件检测器使用当前运营的公共汽车的离群值测量来检测和时空定位动态城市事件，提前1.5小时，定位误差为450米。
2019-06-16 physics.soc-ph
Supersampling and network reconstruction of urban mobility
了解人类流动对于城市规划、流行病学和许多其他旨在从人类空间活动中制定政策的领域至关重要。尽管最近可获得与人类流动相关的大规模数据集，例如GPS轨迹、移动电话数据等，这类数据集仍然是有关人口的一个子样本，因此可能无法全面反映有关人口的情况。尽管这种固有的有限的数据集的大量使用，抽样偏差对流动模式的影响是不清楚的-我们没有方法可以可靠地推断流动性信息从有限的数据集。在这里，我们调查抽样的影响，使用的数据集在纽约市的数百万辆出租车的运动。一方面，我们表明，流动性模式是高度稳定的，一旦一个适当的简单的重新缩放应用于数据，这意味着可以忽略不计的信息损失，由于在长时间尺度上的二次采样。另一方面，对比一个适当的零模型的加权网络的车辆流揭示了独特的功能，需要考虑。因此，我们制定了一个“超级”的方法，使我们能够可靠地推断流动性数据从减少样本，并提出了一些基于网络的指标，以可靠地评估其质量（和其他人类流动模型）。我们的方法提供了一个有充分依据的方式来利用时间模式，以节省在记录流动性数据的努力，并打开了可能性，从有限的记录时，整个系统的信息是必要的，以扩大数据。
2015-07-20 physics.data-an physics.soc-ph
Spatial social networks identified from urban group travel
个体出行隐含着个体移动决策的痕迹，而群体出行则意味着这些痕迹背后可能存在的社会关系。与在线社会网络不同，个体之间的空间互动是理解城市集体行为的一个重要而未知的维度。本文基于北京地铁网络中超过1.27亿人次的出行数据，提出了一种区分朋友群体出行和熟悉陌生人偶遇出行的方法。我们发现朋友的旅行是最可预测的群体之一。这些已识别的友谊相互交织，形成了一个友谊网络，其结构特征不同于相遇网络。在这个网络中的个人的拓扑作用被发现与她的旅行可预测性强相关。在重新分配具有灵活旅行目的的低效率团体旅行者后，总体节省了约34190分钟的时间，显示了为团体旅行设计特定交通票价的潜力。我们对团队出行的识别和理解，可能有助于未来智慧交通中新交通模式的开发和组织。
2018-06-11 cs.SI physics.soc-ph
