[论文解读] Exploring Human Mobility Patterns Based on Location Information of US Flights

Bin Jiang, Tao Jia|arXiv (Cornell University)|Apr 23, 2011

Human Mobility and Location-Based Analysis参考文献 16被引用 20

一句话总结

本研究利用美国航班数据研究人类移动性，发现拓扑特性（如交通流量和机场连通性）服从幂律分布，而行程长度则服从指数分布。作者证明，移动模式主要由底层机场网络拓扑决定，而非移动行为或几何距离，并提出一种名为‘头部/尾部划分规则’的新方法，用于识别重尾分布中的关键机场。

ABSTRACT

A range of early studies have been conducted to illustrate human mobility patterns using different tracking data, such as dollar notes, cell phones and taxicabs. Here, we explore human mobility patterns based on massive tracking data of US flights. Both topological and geometric properties are examined in detail. We found that topological properties, such as traffic volume (between airports) and degree of connectivity (of individual airports), including both in- and outdegrees, follow a power law distribution but not a geometric property like travel lengths. The travel lengths exhibit an exponential distribution rather than a power law with an exponential cutoff as previous studies illustrated. We further simulated human mobility on the established topologies of airports with various moving behaviors and found that the mobility patterns are mainly attributed to the underlying binary topology of airports and have little to do with other factors, such as moving behaviors and geometric distances. Apart from the above findings, this study adopts the head/tail division rule, which is regularity behind any heavy-tailed distribution for extracting individual airports. The adoption of this rule for data processing constitutes another major contribution of this paper. Keywords: scaling of geographic space, head/tail division rule, power law, geographic information, agent-based simulations

研究动机与目标

• 利用大规模美国航班追踪数据研究人类移动性模式。
• 确定航班网络的拓扑属性或几何属性是否服从幂律或指数分布。
• 评估网络拓扑相对于移动行为和距离对人类移动性模式的影响。
• 开发并应用头部/尾部划分规则，以识别重尾分布中的重要机场。
• 在机场拓扑结构上进行基于代理的移动性模拟，以隔离结构网络特征的影响。

提出的方法

• 本研究使用美国交通统计局的航班数据，基于航班连接构建机场的二元网络。
• 通过统计拟合分析拓扑属性（如入度、出度和交通流量）是否服从幂律分布。
• 对几何属性（包括飞行距离）进行检验，测试其是否服从带指数截断的幂律分布或指数分布。
• 应用头部/尾部划分规则，从交通流量的重尾分布中提取个别机场，以识别枢纽机场。
• 在机场网络上进行基于代理的模拟，保持网络拓扑不变，比较不同移动规则下的移动模式。
• 通过Kolmogorov-Smirnov检验和幂律拟合进行统计验证，以确认分布类型。

实验结果

研究问题

• RQ1 美国航班网络的拓扑属性（如交通流量和连通性）是否服从幂律分布？
• RQ2 几何属性（如飞行距离）是否如先前研究报道的那样服从带指数截断的幂律分布？
• RQ3 人类移动性在多大程度上由底层网络拓扑决定，而非移动行为或距离？
• RQ4 如何有效应用头部/尾部划分规则，从重尾移动性数据中提取有意义的枢纽机场？
• RQ5 当仅保留网络拓扑结构时，基于代理的模拟能否再现观测到的移动模式？

主要发现

• 交通流量和机场连通性（入度和出度）服从幂律分布，表明美国航班系统具有无标度网络特征。
• 飞行距离呈现指数分布，而非带指数截断的幂律分布，与先前类似研究的发现相矛盾。
• 移动模式主要由机场网络的二元拓扑决定，移动行为或几何距离的影响微乎其微。
• 头部/尾部划分规则成功识别出少数高流量机场，这些机场主导了网络，为重尾系统中的数据分割提供了稳健方法。
• 基于代理的模拟证实，当仅保留网络结构时，相同的移动模式会重现，凸显了拓扑在塑造人类移动中的主导作用。