arXiv 2109.079012021-09cs.CY

移动数据分析和应用：2021年年中调查

Mobility Data Analysis and Applications: A mid-year 2021 Survey

Abhishek Singh, Alok Mathur, Alka Asthana, Juliet Maina, Jade Nester, Sai Sri Sathya, Santanu Bhattacharya, Vidya Phalke

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

在这项工作中，我们回顾了最近的工作，分析流动性数据及其在理解COVID-19大流行等流行动态方面的应用。我们还讨论了隐私保护解决方案来分析移动数据，以扩大其对更广泛人群的影响。

英文摘要：

In this work we review recent works analyzing mobility data and its application in understanding the epidemic dynamics for the COVID-19 pandemic and more. We also discuss privacy-preserving solutions to analyze the mobility data in order to expand its reach towards a wider population.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

从灵巧卡数据看过境旅客出行行为的稳定性和流动性

Perspectives on stability and mobility of transit passenger's travel behaviour through smart card data

现有的研究已经广泛使用时空数据来发现各种类型的旅行者的流动模式。自动收费系统收集的灵巧卡资料，可反映公共交通乘客流动模式的整体情况。公交乘客的出行模式在时间和空间上都是动态的，因此很难衡量。然而，很少有现有的研究措施的流动性和稳定性的过境乘客的旅行模式在很长一段时间。为了分析公交乘客出行行为的长期变化，作者定义了一个度量SCD之间相似性的指标。提出了一种改进的基于密度的聚类算法--简化平滑排序点识别聚类结构（SS-OPTICS），用于公交乘客聚类的识别。与原有的OPTICS相比，SS-OPTICS需要的参数更少，泛化能力更强。此外，所产生的集群进行分类，根据其特点的规律性和离散性。基于生成的集群和类别，从2010年到2014年的四年中，公交乘客的细粒度和粗粒度的出行模式转变进行了测量。结合北京市2010年和2014年的社会经济数据，探讨了公交乘客出行行为的稳定性和流动性之间的相互依赖关系。

2019-11-07cs.CY

难民数据：土耳其境内叙利亚难民流动面临的D4R挑战

Data for Refugees: The D4R Challenge on Mobility of Syrian Refugees in Turkey

难民数据挑战（D4R）是一项非营利挑战，旨在改善土耳其境内叙利亚难民的状况，为科学界提供一个特殊的数据库，以便研究有关难民的紧迫问题，包括健康，教育，失业，安全和社会融合。收集的数据库基于来自100万土耳其电信客户的电话和短信的匿名移动呼叫详细记录（CDR）。它表明了一年来土耳其境内难民和公民的广泛活动和流动模式。数据汇集期为2017年1月1日至2017年12月31日。该项目由土耳其电信公司与土耳其学术和研究理事会和博加齐奇大学合作发起，并与包括难民署土耳其办事处、儿童基金会和国际移徙组织在内的若干学术和非政府组织合作。

2018-10-14cs.CY

Chatty手机：个人移动性和通信模式

Chatty Mobiles:Individual mobility and communication patterns

人口流动性分析是社会科学中的一个重要问题，而流动性数据是乌尔数据库研究、地理、交通和领土管理中最受欢迎的信息来源之一。在网络科学中，移动性研究在过去几年中变得流行，特别是使用移动电话位置数据。为了保护客户隐私，电信运营商提供的数据集是匿名的。与此同时，数据集的大规模往往使得计算所有观测到的轨迹的任务非常困难和耗时。一个解决方案可能是抽样用户。然而，没有关于移动用户的信息的事实使得采样变得微妙。一些研究人员从他们的数据集中随机选择用户样本。其他人试图优化这种方法，例如，只考虑具有一定数量或频率的位置记录的用户。乍一看，第二种选择似乎更有效：拥有更多的个体轨迹使分析更精确。然而，最常用的CDR数据（呼叫详细记录）仅在通信（呼叫、SMS、数据连接）时生成位置。由于这一事实，用户的移动模式不能精确地建立在他们的通信模式。因此，这些数据在空间和时间尺度上都具有明显的短期性。在本文中，我们提出了估计之间的相关性的用户通信和移动性，以便更好地评估基于频率的采样的偏差。使用技术GSM网络数据（包括通信，但也独立的移动记录），我们将分析通信和移动模式之间的关系。

2013-01-28cs.CY

生成式AI在K-12课堂中的应用：中期实施报告

Generative AI in K-12 Classrooms: A Midyear Implementation Report

University of Washington（华盛顿大学）

本报告分析了2025年9月至12月华盛顿州12个学区中教师使用Colleague AI的情况，探讨了AI在K-12教育中的初步应用效果及影响因素。

2026-04-08cs.AIcs.CY

可持续城市交通的说服性技术

Persuasive Technologies for Sustainable Urban Mobility

近年来，诱导可持续城市流动行为的说服性干预措施已成为一个非常活跃的研究领域。这份审查文件系统地分析了现有的办法和原型系统，并对用于改变运输领域行为的说服性战略进行了描述和分类。它还研究了从试点研究中得出的结果和建议，并作为分析的结果，强调了个性化和定制说服性技术以适应各种用户特征的必要性。我们还讨论了上下文感知的说服系统，以增加可持续的选择的数量可能发挥的作用。最后，对未来学术说服系统的研究提出了建议。

2016-04-20cs.CYcs.HC

理解人类流动的可预测性和探索

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。

2016-08-05cs.CYphysics.soc-ph

更多相关论文收起更多论文

引导式基于人设的AI调查：能否利用LLMs在大规模上复制个人移动偏好

Guided Persona-based AI Surveys: Can we replicate personal mobility preferences at scale using LLMs?

Chair of Transportation Systems Engineering, TUM School of Engineering and Design, TUM, Germany（交通系统工程教授、技术大学工程与设计学院、技术大学、德国）

本研究探讨LLMs生成人工调查的潜力，通过'人设'结合现实数据，有效捕捉德国个人移动偏好中的复杂依赖关系，为交通规划提供可扩展、低成本的数据生成方案。

2025-01-20cs.AIcs.CLcs.CY

通过利益相关者导向的AI设计与采用推进信用流动性

Advancing credit mobility through stakeholder-informed AI design and adoption

Berkeley School of Education, University of California, Berkeley, CA（伯克利教育学院，加州大学伯克利分校）

本研究通过与纽约州立大学系统合作，利用AI提出课程衔接建议，提升学生学分流动性，减少人工审查成本，提高衔接效率。

2026-01-09cs.AIcs.CYcs.HC

基于Twitter的人口流动时空特征研究--以芝加哥市为例

Explore Spatiotemporal and Demographic Characteristics of Human Mobility via Twitter: A Case Study of Chicago

描述人类流动模式对于理解人类行为以及与社会经济和自然环境的相互作用至关重要。随着位置和Web 2.0技术的不断发展，基于位置的社交媒体（LBSM）在过去几年中得到了广泛的普及。通过访问用户的位置，配置文件和社交媒体帖子的内容，LBSM数据为人类移动性研究提供了一种新的数据源模式。通过利用明确的位置足迹和挖掘隐含在LBSM数据中的潜在人口信息，本文的目的是研究人口流动的时空特征，特别关注人口的影响。我们首先收集地理标记的Twitter的饲料张贴在毗连的美国地区，并组织收集饲料使用的概念，对应于每个Twitter用户的时空轨迹。通常，针对每个用户轨迹导出人类移动性测量，包括检测到的家庭和活动中心。然后，我们选择了一个子集的Twitter用户检测到的家庭位置在芝加哥市作为案例研究，并应用名称分析用户简档中提供的名称，以了解Twitter用户的隐式人口统计信息，包括种族/民族，性别和年龄。最后，我们探讨了芝加哥Twitter用户的时空分布和流动性特征，并通过比较三个人口统计学维度（种族/民族，性别和年龄）的差异来研究人口统计学影响。我们发现，尽管不同人口群体的人口流动性指标通常遵循一般规律（例如，幂律分布），人口信息，特别是种族/族裔群体，对城市人口流动模式有重大影响。

2016-04-13cs.CYcs.SIphysics.soc-ph

从叙事到行动：一种用于人类移动生成的分层LLM-Agent框架

From Narrative to Action: A Hierarchical LLM-Agent Framework for Human Mobility Generation

Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））

本研究提出分层LLM-Agent框架Narrative-to-Action，整合多层认知过程，结合职业移动熵指标引导自适应调整，生成兼具真实性与可解释性的人类移动轨迹，推动合成移动生成向认知驱动模拟发展。

2025-10-28cs.AIcs.CYcs.MA

发展中国家 COVID-19 疫情期间流动行为的社会经济差异

Socioeconomic disparities in mobility behavior during the COVID-19 pandemic in developing countries

基于 6 个中等收入国家手机定位与人口普查数据，研究发现低财富社区居民在疫情期间更少采取自我隔离、迁往农村或停止通勤等防护行为，且通勤到高财富社区的低收入者面临更高经济压力，提出可用 GPS 分析辅助制定精准帮扶政策。

2024-10-01cs.CYecon.GNphysics.soc-ph