人类移动行为的统计特征分析与预测方法研究

Research on the complexity of human mobility behaviors is an important issue in complexity sciences. Understanding and predicting human mobility patterns are of importance for understanding some complex systems affected by human activities and have many practical applications in epidemiology of infectious disease, transportation planning, location-based service and so on. In this project, we will explore the spatio-temporal statistical properties of human mobility behaviors and develop practical models for predicting individual mobility trajectories and crowd mobility patterns based on the big data of real-life human mobility records. The research content of the project mainly includes: (i) empirically analysing the periodicity and regularity of individual human mobility trajectories and the relationships between the crowd mobility patterns and their influential factors such as urban population distribution and transportation networks structure; (ii) developing high accurate and low data requirement methods to predict the individual mobility trajectories by using the spatio-temporal structural information embedded in human daily travel activity sequences; (iii) developing a parameter-free and high accurate model to predict crowd mobility patterns in cities based on heat conduction theory. The results of the project could improve our understanding of human moblity patterns and promote the theoretical study of the complexity of human mobility behaviors.

人类移动行为复杂性研究是当前复杂系统研究领域的一个重要主题。理解和预测人的移动行为对于研究受人类活动影响的各种复杂现象具有重要理论意义，在疾病传播防控、交通规划、商业服务等领域也具有广泛应用价值。本项目在收集大规模人类移动行为数据的基础上，深入挖掘人类移动行为的时空统计特征，分别建立面向个体移动轨迹预测和群体移动模式预测的模型。在统计特征分析方面，主要研究个体移动轨迹的周期性、规则性等特征以及群体移动模式与城市人口分布、交通网络结构等因素之间的相互关系；在个体移动轨迹预测方法研究方面，充分利用移动轨迹中蕴含的时空结构信息，建立低数据需求和高精度的轨迹预测模型；在群体移动模式预测方法研究方面，基于热传导理论建立能够准确预测城市人群移动量的无参数模型。本项目研究结果可深化人类对自身移动行为规律的理解，丰富和发展人类移动行为复杂性研究的理论与方法。

理解和预测人的移动行为对于研究受人类活动影响的各种复杂现象具有重要理论意义，在疾病传播防控、交通规划、商业服务等领域也具有广泛应用价值。本项目在对大规模人类移动行为数据进行实证分析的基础上，系统地探索了人类个体和群体移动模式预测问题，提出了若干预测个体和群体移动模式的模型。项目组首先从个体和群体两个层面上对人类移动行为的一些主要统计特征进行了实证分析，发现了个体移动网络的点权分布服从Zipf律，网络规模呈现出异速增长的规律，而网络游走的时间间隔则近似服从幂律分布。移动步长分布是刻画人类移动模式的一个关键统计特征，我们将随机分组模型这种更一般化的熵模型应用于人类群体移动步长分布问题的研究。针对在城市尺度下缺乏低数据需求、高精度的人群移动量预测方法这一问题，我们在本项目中提出一种名为人口权重机会模型的人群移动模式预测模型。我们用多个城市的实证数据对人口权重机会模型的预测效果进行了验证，结果表明该模型比辐射模型能够更准确地预测城市中的群体出行模式，且在不需要任何可调参数的情况下模型预测精度仍然达到或超过了一些有参数的经典模型的预测精度。最后，我们还详细研究了个体移动模式的预测问题。我们在随机游走模型的基础上加入了记忆效应来描述个体的移动行为，提出了预测个体移动模式的记忆性随机游走模型。我们用多个不同空间尺度下的人类移动实际数据对模型的预测效果进行了验证，结果显示这一模型能够再现个体空间移动轨迹的各种关键统计模式。该项目总体研究工作进展顺利，已经完成项目计划书在研究内容、论文发表、交流合作以及人才培养等各方面的预期成果。