博文

个/群体移动模式预测统一模型精选

已有 17708 次阅读 2017-11-21 08:28 |系统分类:论文交流

人类移动行为复杂性研究是系统科学、统计物理等领域研究的一个重要主题，理解和预测人类移动模式对于研究受人类空间活动影响的各种复杂现象都具有重要意义。这方面的研究始于D. Brockmann 等学者2006 年发表在Nature上的开创性工作[1]。早期的研究以个体移动模式发掘和建模为主，从网站记录[1]、手机通讯[2]等数据中提取个体移动模式，建立连续时间随机游走模型[1]、探索-偏好返回模型[3]等来再现个体移动模式。近年来的一些研究则以群体移动模式建模为主，提出辐射模型[4]、人口权重机会模型[5]等新型的群体移动分布预测模型。尽管这些群体移动模型都是从个体选择目的地的决策行为出发提出相关假设，进而构造模型去预测群体移动的空间分布，但这些群体模型却无法再现个体移动模式，例如地点访问频率的异质性分布和访问地点的异速增长现象等；而另一方面，现有的个体移动模型只能解释和再现个体移动模式中的各种标度现象，却无法完整再现群体移动模式，当然也无法用于地点间移动量的预测。事实上，无论是个体移动模式还是群体移动模式，都是由个体相同的移动行为所产生的（见下图），它们本质上应该能用某种统一的过程来进行描述和预测。但遗憾的是，还没有哪一种模型能够同时再现个体和群体两个层面上的人类移动模式。

针对这一问题，我们在之前提出的群体移动模型——人口权重机会模型[5] 和个体移动模型——记忆性随机游走模型[6]这两个模型的基础上，设计了一种能够同时预测个体和群体移动模式的统一模型。我们假设每个地点对于个体来说有一个固有吸引力（与个体是否访问过该地点无关），这个固有吸引力可以使用简化人口权重机会模型计算：正比于目的地的人口数，反比于个体所在点与目的地之间的全部人口数；而地点的另一部分吸引力则是由个体的记忆性带来的，即个体访问过的地点相对于他没有访问过的地点会多出一部分附加吸引力。根据实际观察到的个体访问地点频率分布近似服从齐普夫律[2]，我们假设各地点的附加吸引力依齐普夫律递减，即被访问越多的地点其排序就越靠前，这与记忆性随机游走模型具有相似机制。将所有目的地点的这两部分吸引力相乘再归一化，就可以计算出个体在每步移动过程中选择各个地点的概率，进而推算出个体和群体层面的各种移动模式了。

我们分别用4个数据集（科特迪瓦全国的手机用户通讯记录、新浪微博上中国大陆用户的签到记录、Foursquare网站上美国大陆用户的签到记录和Gowalla网站上比利时用户的签到记录）验证了统一模型的预测效果。结果显示，无论是在个体的访问地点增长速度、返回时间间隔分布、地点访问频率这些个体移动模式上，还是在出行距离分布、地点间流量分布和地点间流量矩阵这些群体移动模式上，统一模型的预测结果都能与实际数据相当精确地符合。这些结果说明，统一模型能够同时对个体和群体的空间移动模式进行建模，在交通行为研究、疾病传播等需要精细刻画个体和群体移动模式的研究中具有重要价值。更为重要的是，统一模型在多种空间尺度下对群体移动模式都能够作出准确预测——从几百万平方公里的中国、美国，到几十万平方公里的科特迪瓦，再到几万平方公里的比利时，以及更小面积的城市内部（补充材料中给出了纽约城市的案例），这些结果进一步说明了我们提出的个/群体移动模式预测统一模型，是一个相当普适的模型！

这一工作近期发表在Nature Commnications上，论文信息为：
X.-Y. Yan, W.-X. Wang, Z.-Y. Gao, Y.-C. Lai. Universal model of individual and population mobility on diverse spatial scales. Nature Communications 8, 1639 (2017)
下载地址：https://www.nature.com/articles/s41467-017-01892-8。

另外，我最近针对人类移动行为建模还写了一个综述：
闫小勇. 空间交互网络研究进展. 科技导报, 2017, 35(14): 15-22.
该综述系统介绍了从最早的引力模型到最新的统一模型等一系列人类移动模式预测模型，感兴趣的朋友可以在此下载：http://www.kjdb.org/CN/Y2017/V35/I14/15

参考文献：
[1] D. Brockmann, L. Hufnagel, T. Geisel, The scaling laws of human travel. Nature 439, 462-465 (2006).
[2] M. C. González, C. A. Hidalgo, A. L. Barabási, Understanding individual human mobility patterns. Nature 453, 779-782 (2008).
[3] C. Song, T. Koren, P. Wang, A. L. Barabási, Modelling the scaling properties of human mobility. Nature Physics 6, 818-823 (2010).
[4] F. Simini, M. C. González, A. Maritan, A. L. Barabási, A universal model for mobility and migration patterns. Nature 484, 96-100 (2012).
[5] X.-Y. Yan, C. Zhao, Y. Fan, Z.-R. Di, W.-X. Wang, Universal predictability of mobility patterns in cities. Journal of the Royal Society Interface 11, 20140834 (2014).
[6] Y.-M. Zhao, A. Zeng, X.-Y. Yan, W.-X. Wang, Y.-C. Lai, Unified underpinning of human mobility in the real world and cyberspace. New Journal of Physics 18, 053025 (2016).