[论文解读] Information measures and cognitive limits in multilayer navigation

Riccardo Gallotti, Mason A. Porter+1 more|arXiv (Cornell University)|Jun 5, 2015

Spatial Cognition and Navigation参考文献 35被引用 4

一句话总结

本文提出了一种信息论框架，用于量化多层城市交通网络中的导航难度，利用对偶空间中的路径熵来衡量认知负荷。研究发现，人类导航存在约8比特的认知极限，这意味着地图中超过约250个连接点的系统将超出人类处理能力，尤其在纽约、巴黎和东京等多式联运系统中，超过80%的行程超过此阈值。

ABSTRACT

Cities and their transportation systems become increasingly complex and multimodal as they grow, and it is natural to wonder if it is possible to quantitatively characterize our difficulty to navigate in them and whether such navigation exceeds our cognitive limits. A transition between different searching strategies for navigating in metropolitan maps has been observed for large, complex metropolitan networks. This evidence suggests the existence of another limit associated to the cognitive overload and caused by large amounts of information to process. In this light, we analyzed the world's 15 largest metropolitan networks and estimated the information limit for determining a trip in a transportation system to be on the order of 8 bits. Similar to the "Dunbar number," which represents a limit to the size of an individual's friendship circle, our cognitive limit suggests that maps should not consist of more than about $250$ connections points to be easily readable. We also show that including connections with other transportation modes dramatically increases the information needed to navigate in multilayer transportation networks: in large cities such as New York, Paris, and Tokyo, more than $80\%$ of trips are above the 8-bit limit. Multimodal transportation systems in large cities have thus already exceeded human cognitive limits and consequently the traditional view of navigation in cities has to be revised substantially.

研究动机与目标

• 调查人类在复杂城市轨道交通网络中的导航能力是否受认知极限的制约。
• 开发一种用于多层交通网络导航难度的信息论度量方法。
• 确定是否存在类似于社交网络中邓巴数的人类导航认知极限。
• 评估多式联运整合（例如地铁、公交）对导航复杂性的影响。
• 评估现实世界的大都市交通网络是否超过人类进行路线规划的认知能力。

提出的方法

• 构建一个对偶空间网络，其中节点代表交通线路，边代表在共用站点处的线路间连接。
• 将“最简路径”定义为对偶空间中的最短路径，以最小化换乘次数。
• 使用公式 $ S(i,s;j,t) = \log_2(k_s) + \sum_{n \in \{p(s,t,i,j)\}} \log_2(k_n - 1) $ 计算路径信息熵，其中 $ k_n $ 表示线路 $ n $ 的连接数。
• 对所有起点-终点对的熵值取平均，计算 $ \bar{S}(s,t) $，表示平均导航信息成本。
• 使用真实数据（如MTA、SNCF、东京公交数据）估算行程时间，并对缺失的时间数据应用对数平均速度模型。
• 采用粗粒化处理方法，将步行距离在250米以内的站点合并为单个连接点。

实验结果

研究问题

• RQ1 在大型多式联运城市轨道交通网络中，人类导航能力是否存在可量化的认知极限？
• RQ2 多式联运连接在多大程度上增加了路线规划的信息负担？
• RQ3 路线路径的信息含量与人类视觉工作记忆极限之间有何关联？
• RQ4 社交网络中的“邓巴数”概念能否类比应用于城市导航？
• RQ5 导航复杂性的阈值是多少，超过该阈值后人类表现会下降，且与现实世界交通系统相比如何？

主要发现

• 人类在城市轨道交通网络中导航的认知极限估计为约8比特信息，类似于社交关系中的邓巴数。
• 地图中连接点超过约250个时，将超出人类认知能力，难以一目了然地解读。
• 在纽约、巴黎和东京等大城市中，超过80%的行程需要超过8比特的信息，表明已超出人类导航极限。
• 在复杂网络中，从定向搜索到随机搜索模式的转变与8比特阈值相关，表明存在认知瓶颈。
• 多式联运整合——尤其是地铁与公交网络的结合——显著增加了导航复杂性，通常使行程超出8比特的限制。
• 基于熵的度量 $ \bar{S}(s,t) $ 有效捕捉了路线规划的信息成本，并与观察到的人类导航行为高度相关。