[论文解读] Urban Dreams of Migrants: A Case Study of Migrant Integration in Shanghai

Yang Yang, Chenhao Tan+3 more|arXiv (Cornell University)|Jun 2, 2017

Human Mobility and Location-Based Analysis参考文献 28被引用 5

一句话总结

本研究利用上海大规模的单月通信元数据数据集（5400万名用户，6.98亿条通话记录）通过移动模式和社会网络分析移民融合情况。研究发现，定居移民的联系人多样性更高、活动半径更大，相较于本地居民；分类器在区分定居移民与本地居民时F1得分为0.82，但识别新移民仍具挑战性，原因在于类别不平衡以及新移民与本地居民行为迅速趋同。

ABSTRACT

Unprecedented human mobility has driven the rapid urbanization around the world. In China, the fraction of population dwelling in cities increased from 17.9% to 52.6% between 1978 and 2012. Such large-scale migration poses challenges for policymakers and important questions for researchers. To investigate the process of migrant integration, we employ a one-month complete dataset of telecommunication metadata in Shanghai with 54 million users and 698 million call logs. We find systematic differences between locals and migrants in their mobile communication networks and geographical locations. For instance, migrants have more diverse contacts and move around the city with a larger radius than locals after they settle down. By distinguishing new migrants (who recently moved to Shanghai) from settled migrants (who have been in Shanghai for a while), we demonstrate the integration process of new migrants in their first three weeks. Moreover, we formulate classification problems to predict whether a person is a migrant. Our classifier is able to achieve an F1-score of 0.82 when distinguishing settled migrants from locals, but it remains challenging to identify new migrants because of class imbalance. This classification setup holds promise for identifying new migrants who will successfully integrate into locals (new migrants that misclassified as locals).

研究动机与目标

• 通过分析其移动和通信模式，理解移民如何融入城市环境。
• 研究本地居民、定居移民与新移民在地理位置和社会网络方面的差异。
• 基于行为特征，开发一种可区分移民与本地居民的预测模型。
• 利用每周数据快照评估移民融合的随时间演变过程。
• 评估分类模型在识别新移民与定居移民方面的性能，特别关注误分类趋势。

提出的方法

• 本研究使用中国电信提供的完整单月通信元数据数据集，涵盖上海5400万名用户及6.98亿条通话记录。
• 用户被划分为三类：本地居民（上海出生）、定居移民（长期居民）和新移民（近期抵达）。
• 通过用户活跃区域的重心来建模地理活动，并利用与全市平均水平的对数似然比进行可视化。
• 社会网络特征包括联系人多样性、同省籍联系人比例以及朋友间的人口统计学相似性。
• 训练一个二分类器，基于三类特征（地理、人口统计学和自我网络特征）来区分定居移民与本地居民。
• 使用F1得分评估模型性能，并通过消融实验分析特征重要性与时间鲁棒性。

实验结果

研究问题

• RQ1 上海本地居民、定居移民与新移民的地理移动模式有何差异？
• RQ2 同省籍联系人（同省人员）在新移民初期社会网络构建中起到何种作用？
• RQ3 新移民的通信与移动模式在多大程度上随时间向本地居民趋同？
• RQ4 基于通信特征，机器学习分类器在区分定居移民与本地居民方面的有效性如何？
• RQ5 为何使用相同分类器难以识别新移民？误分类趋势如何随时间演变？

主要发现

• 与本地居民相比，定居移民的地理活动半径更大，且更集中于市中心，而本地居民则更多活跃于城市外围。
• 新移民对同省籍联系人（同省人员）有强烈依赖，但随着融合进程，这种依赖随时间减弱。
• 分类器在区分定居移民与本地居民时F1得分为0.82，其中地理特征影响最大。
• 新移民被误分类为本地居民的比例从第2周的13.6%上升至第3周的14.4%，表明其行为正向本地居民趋同。
• 识别新移民的性能持续较差（F1得分为0.1），且呈下降趋势，表明其行为与本地居民迅速趋同。
• 研究观察到定居移民可能形成孤立社区的趋势，因为其被误分类为本地居民的比例随时间略有下降。