Robustness analysis in an inter-cities mobility network: modeling municipal, state and federal initiatives as failures and attacks
受COVID-19疫情相关挑战和寻求最佳遏制策略的启发，我们提出了一个城市间移动复杂网络的鲁棒性分析。我们将市政举措抽象为节点故障，将联邦行动抽象为有针对性的攻击。geo（graphs）的方法被应用到可视化的地理图形，并产生地图的拓扑指数，如度和脆弱性。巴西2016年的数据被认为是一个案例研究，有5000多个城市和27个州。基于网络的鲁棒性指数，我们表明，最有效的攻击策略转移从拓扑度为基础的，所有城市的网络，以拓扑可扩展性为基础的，考虑巴西国家作为节点的网络。此外，我们的研究结果表明，个别市政府的行动并没有造成很大的影响，流动性限制，因为他们往往是准时和断开的国家现场作为一个整体。相反，特定城市的协调隔离是分离整个网络区域的关键，从而防止蔓延过程盛行。
2020-04-08 cs.SI physics.soc-ph
Adapting Node-Place Model to Predict and Monitor COVID-19 Footprints and Transmission Risks
University of Hong Kong（香港大学）
本文通过适应节点-地点模型，研究节点、地点和移动性对新冠足迹及传播风险的预测作用，为疫情防控提供决策支持。
2022-12-31 cs.LG cs.SI physics.soc-ph
Occupational mobility network of the Romanian higher education graduates
虽然有大量关于职业流动率的文献，但在理解职业间流动模式方面存在重大差距。我们采用基于网络的方法来探讨罗马尼亚大学毕业生在毕业后的第一年（2003 - 2008年）的职业流动性。我们使用调查数据，他们的职业流动，建立一个经验的职业流动网络（OMN），涵盖了所有的工作变动在考虑期间。我们将网络构造为有向和加权的。节点由职业（根据ISCO-88以3位数编码）表示，链接由从一种职业转换到另一种职业的人数加权。这种数据的表示允许我们使用在加权有向网络框架中开发的新统计技术，以提取一组突出职业流动模式的程式化事实：中心性，网络图案。
2012-02-02 cs.SI physics.soc-ph
Human mobility patterns in Mexico City and their links with socioeconomic variables during the COVID-19 pandemic
手机地理定位数据的可用性为研究人类移动模式以及这些模式如何受到最近流行病的影响提供了一个绝佳的机会。两个简单的中心性指标使我们能够测量使用此类数据构建的起点-目的地网络中的两个不同方面的移动性：连接到某个节点的各种地方（度）和往返于给定节点的人数（强度）。在这篇文章中，我们分析了2020年大墨西哥城每日始发地-目的地网络的节点度和强度。与在许多复杂网络中观察到的不同，这些源-目的地网络不是无标度的。相反，有一个由分布峰值定义的特征尺度;中心性分布呈现出倾斜的双尾分布，在峰值的每一侧都有幂律衰减。我们发现，高流动性地区往往更靠近市中心，人口更多，社会经济条件更好。行为异常的地区几乎总是在城市的外围，在那里我们也可以观察到东西部之间流动模式的质的差异。最后，我们研究了COVID-19大流行病爆发导致的流动限制对这些流动模式的影响。
2022-08-12 cs.SI stat.AP
Patterns in the occupational mobility network of the higher education graduates. Comparative study in 12 EU countries
本文研究了欧盟12个国家的职业流动网络（OMN）的性质。使用REFLEX数据库，我们为每个国家构建了一个经验OMN，反映了大学毕业生的工作变动，在毕业后的第一个五年（1999 - 2005年）。节点由职业编码表示，根据ISCO-88以3位数编码，链接以从一种职业切换到另一种职业的毕业生人数加权。我们构造的网络加权和定向。这项比较研究使我们能够看到在不同的欧盟劳动力市场的OMN的共同模式。
2013-06-23 cs.SI physics.soc-ph
Exploring Human Mobility Patterns Based on Location Information of US Flights
人们已经进行了一系列早期研究，使用不同的跟踪数据（如美元纸币、手机和出租车）来说明人类流动模式。在这里，我们探索人类流动模式的基础上，美国航班的大量跟踪数据。拓扑和几何性质进行了详细研究。我们发现，拓扑属性，如交通量（机场之间）和连接度（个别机场），包括在和outdegrees，遵循幂律分布，但不是一个几何属性，如旅行长度。行程长度呈现指数分布，而不是以前的研究所示的指数截止的幂律。在此基础上，进一步模拟了具有不同运动行为的机场拓扑结构上的人类流动，发现人员流动模式主要由机场的二元拓扑结构决定，与运动行为、几何距离等因素关系不大。除了上述发现，本研究采用头/尾划分规则，这是任何重尾分布背后的规律性提取个别机场。采用这一规则进行数据处理是本文的另一个主要贡献。关键词：地理空间缩放，首尾划分规则，幂律，地理信息，基于智能体的模拟
2011-08-05 cs.SI physics.data-an physics.soc-ph
Age of Gossip With Cellular Drone Mobility
University of Maryland, College Park（马里兰大学帕克分校）
研究基于蜂窝无人机移动的gossip机制，分析无人机移动与传播速度对信息新鲜度的影响，揭示双重瓶颈并提出版本信息年龄的缩放规律。
2026-01-09 cs.IT cs.NI cs.SI
A Metapopulation Model for Chikungunya Including Populations Mobility on a Large-Scale Network
在这项工作中，我们研究的影响，人口流动的媒介传播疾病的传播。我们专注于2005-2006年发生在留尼汪岛，印度洋，法国的基孔肯雅流行病事件，并验证我们的模型与真实的流行病数据的事件。我们提出了一个集合种群模型来代表一个高分辨率的补丁模型的岛屿与现实的人口密度和流动性模型的人类（基于实时运动数据）和蚊子。在这个集合种群网络中，耦合了两个模型：一个用于蚊子种群的动态，另一个用于疾病的传播。一个高分辨率的数值模型是从真实的地理，人口和流动数据创建的。岛是一个18000节点的集合种群网络建模。数值结果显示了地理环境和人口流动对疾病传播的影响。该模型最终验证了真实的流行病数据从留尼汪岛事件。
2012-11-22 cs.SI math.DS physics.soc-ph
Drilling into Erasmus learning mobility flows between countries 2014-2024
本文通过分析Erasmus+学习流动网络展示了加权网络分析方法，提出骨架简化和矩阵可视化等探索视图，揭示了西班牙等国的主导地位及发达与欠发达国家的聚类结构。
2025-05-01 cs.SI stat.AP
Time Accuracy Analysis of Post-Mediation Packet-Switched Charging Data Records for Urban Mobility Applications
电信数据越来越多地用于世界各地的城市移动应用。尽管它的普遍性和实用性，技术困难出现时，使用分组交换计费数据记录（CDR），因为它的主要目的是不打算为这种应用程序。由于其特殊性质，在使用这些数据时，必须在可访问性和时间准确性之间进行权衡。一方面，为了获得高度精确的时间戳，必须提取和存储大量的网络级CDR。这个任务是非常困难和昂贵的，因为高度关键的网络节点应用程序可以在数据提取和存储中受到损害。另一方面，可以很容易地访问后中介CDR，因为在其分析中不涉及网络节点应用程序。回报是在记录的较低准确度的时间戳中，因为在计费管道的先前步骤中执行了若干聚合和过滤。在这项工作中，使用后调解CDR的时间戳错误问题的详细描述，连同一种方法来分析在每个网络单元中收集的错误时间序列。
2017-05-12 cs.SI
Intertemporal Community Detection in Human Mobility Networks
我们介绍了一个社区检测方法，发现集群在网络时间序列中引入一个算法，发现显着的互联节点在整个时间。这些连接随着时间的推移而增加，减少或恒定。在每个时间点使用加权配置模型判断集合内节点连通性的显著性，然后使用一种新的显著性检验方案来评估所有时间点的连通性及其时间趋势的方向。我们将这种方法应用于纽约市和芝加哥的自行车共享网络以及纽约的出租车接送，以发现和说明城市地区人类流动的模式。结果显示，集群中的地理模式明显，随着时间的推移，相对使用率不断上升和下降，并可能阐明潜在的经济或人口趋势。
2020-04-03 cs.SI physics.soc-ph stat.AP
JiuTian Chuanliu: A Large Spatiotemporal Model for General-purpose Dynamic Urban Sensing
CCSE, Beihang University（北京航空航天大学计算机学院）；China Mobile Group IT Center（中国移动集团信息技术中心）
针对现有人类移动建模方法通用性不足的问题，提出基于自监督学习的GDHME框架，通过动态图统一建模人-区域-时间交互，支撑多类城市感知任务，已落地为九天川流大模型系统。
2025-10-26 cs.IT cs.LG cs.SI
Effective Resistance for Pandemics: Mobility Network Sparsification for High-Fidelity Epidemic Simulation
网络科学已日益成为流行病学领域和我们应对传染病威胁能力的核心。然而，许多从现代数据集衍生的网络不仅很大，而且很密集，边与节点的比率很高。这包括人类移动网络，其中大多数位置与许多其他位置有大量链接。模拟大规模流行病需要大量的计算资源，在许多情况下实际上是不可行的。减少在这些网络上模拟流行病的计算成本的一种方法是稀疏化，其中基于其重要性的某种度量来选择具有代表性的边缘子集。我们测试了几种稀疏化策略，从天真的阈值到随机采样的边缘，从美国的移动数据在计算机科学最近的工作，我们发现，最准确的方法使用的有效电阻的边缘，优先边缘，这是唯一有效的方式，他们的端点之间旅行。由此产生的稀疏网络保留了SIR模型行为的许多方面，包括全局量（如流行病规模）和随机事件的局部细节，包括每个节点被感染的概率及其到达时间的分布。即使稀疏网络保留的原始网络边缘少于$10\%$，这也成立。除了它的实际效用，这种方法有助于阐明加权，无向网络的哪些环节是最重要的疾病传播。
2022-07-26 cs.SI physics.soc-ph q-bio.PE
Mobility-based Traffic Forecasting in a Multimodal Transport System
African Institute for Mathematical Sciences (AIMS)（非洲数学科学研究所）；Cheikh Anta Diop University（谢赫·安塔·迪奥普大学）
本文研究多模式交通系统中的交通预测问题，利用人口移动数据探索机器学习方法，基于人员移动对交通网络影响的历史观察来预测网络拥堵。
2024-11-05 cs.LG cs.SI physics.soc-ph
k-connectivity of Random Graphs and Random Geometric Graphs in Node Fault Model
随机图的k-连通性是表征多跳无线传感器网络可靠性的一个基本性质。无线传感器网络由能量资源有限的传感器节点组成，节点不可靠的随机图模型，这被称为节点故障模型。在本文中，我们研究了节点故障模型中随机图的k-连通性，通过评估网络的故障概率，即，随机节点移除后随机图的不连通概率。利用强典型集的概念，我们得到了网络崩溃概率的普遍渐近上界和下界。该界既适用于随机图，也适用于随机几何图。然后，我们考虑三个有代表性的随机图集成：最简单的情况下，随机交叉图的无线传感器网络与随机密钥预分配方案，和随机几何图作为随机传感器节点部署所产生的无线传感器网络的模型的Erdos-Renyi随机图。该界揭示了这些集成的网络故障概率的相变的存在。
2018-01-09 cs.IT cs.SI math.IT
Examining COVID-19 Forecasting using Spatio-Temporal Graph Neural Networks
Google Research（谷歌研究院）
在这项工作中，我们研究了一种使用图神经网络和移动数据进行COVID-19病例预测的新预测方法。与现有的时间序列预测模型相比，所提出的方法从单个大规模时空图中学习，其中节点表示区域级别的人类移动性，空间边缘表示基于人类移动性的区域间连通性，时间边缘表示节点随时间的特征。我们在美国县级COVID-19数据集上评估了这种方法，并证明了图神经网络利用的丰富空间和时间信息使模型能够学习复杂的动态。与表现最好的基线模型相比，我们显示RMSLE降低了6%，绝对Pearson相关性从0.9978提高到0.998。这种新的信息来源与基于图形的深度学习方法相结合，可以成为了解COVID-19传播和演变的强大工具。我们鼓励其他人进一步开发一种基于GNN和高分辨率移动数据的传染病建模范例。
2020-07-06 cs.LG cs.SI
Characterizing Regional Importance in Cities with Human Mobility Motifs in Metro Networks
本文以个体移动模体为基本单元，提出两种地铁网络构建框架刻画城市区域重要性，并利用多城市大规模地铁数据验证其优于经典移动网络。
2024-05-07 cs.SI cs.SY eess.SY
