人类移动的性质及其应用：以可持续交通为例 | 周六直播·计算社会科学读书会

导语

【计算社会科学读书会第二季】由清华大学罗家德教授领衔，卡内基梅隆大学、密歇根大学、清华大学、匹兹堡大学的多位博士生联合发起，自2022年6月18日开始，持续10-12周。本季读书将聚焦讨论Graph、Embedding、NLP、Modeling、Data collection等方法及其与社会科学问题的结合，并针对性讨论预测性与解释性、新冠疫情研究等课题。读书会详情及参与方式见文末，欢迎从事相关研究或对计算社会科学感兴趣的朋友报名参加！

本期分享

与计算社会科学读书会之间的关系

近一个世纪以来，人类移动领域的研究快速发展，为传统的旅行行为领域带来了许多新的结果与研究方式。经典旅行行为的研究大多采用社会科学的研究模式，结论受限于问卷调查的设计与规模。信息化时代的到来使得研究人员可以收集含有位置信息的电子数据，为大规模计算人类移动提供了可能。

本次分享介绍人类移动的最新进展，一方面体现之前计算社会科学中所使用方法的应用，另一方面衔接下一期COVID模拟的分享。

本期分享与复杂系统之间的关系

人类移动本质上是多个系统之间交互产生的结果。个体和人群的流动不仅取决于个人的移动意愿（活动与旅行的时间分配），还与多个环境因素息息相关，如交通模式偏好、城市交通网络、城市功能区分布等。与此同时，人类的移动会对环境（污染排放）和其他个体（如交通拥堵）产生影响。各系统之间的耦合使得人类移动具有复杂网络的特性，也促使该领域采用了许多复杂网络领域相关的研究方法。

主要涉及到的知识概念

• 旅行行为（travel behaviour）

• 人类移动模型（human mobility models）

• 人类移动计算方法（computational methods for human mobility）

• 可持续交通（sustainable transport）

• 新移动理念（new mobility concepts）

分享简介

人类移动是我们社会的基本组成部分，其影响了我们日常生活的多个方面。一方面，对于人类移动的研究能够帮助我们了解目前的城市化进程及其产生的影响，如城市宜居性、居民收入隔离和空气污染的空间分布；另一方面，近一个世纪以来的快速城市化进程导致了个人移动的迅速增加，对于城市的可持续发展带来了很大的挑战。人类移动已经成为温室气体的主要来源。

本次分享主要围绕可持续交通这一概念，展现研究者在计算方法与情景模拟的最新进展。我们首先关注可持续交通的两个领域：旅行行为与人类移动，以及它们各自采用的数据以及特性。通过回顾经典人类移动的论文，介绍人类移动的基本性质与模型。最后从两个方面探讨以可持续交通为目标的人类移动研究：（1）支撑可持续交通的计算方法（2）一个真实出行及服务实验的设计与结果。

希望本次分享能够帮助大家快速了解人类移动的研究与基本结论、近期研究热点，同时更好的衔接下一期读书会中关于COVID模拟的分享。

分享大纲

1. 引入：可持续交通的意义

2. 领域：旅行行为与人类移动

3. 数据：来源与特性

4. 结果：人类移动的性质与模型

5. 案例：以可持续交通为目标的人类移动研究

1. 支撑可持续交通的计算方法

2. 真实世界大规模出行及服务（Mobility-as-a-service (MaaS)）试验

6. 结论与挑战

主讲人简介

洪晔，苏黎世联邦理工学院地理信息科学博士在读。研究方向为地理信息科学，空间分析和人类移动。致力于开发支撑可持续交通的计算方法，探究人类移动与环境之间的关系，以及预测和模拟人类移动。

参考文献

本次主要介绍的文章

• Chen, C., Ma, J., Susilo, Y., Liu, Y., & Wang, M. (2016). The promises of big data and small data for travel behavior (aka human mobility) analysis. Transportation research part C: emerging technologies, 68, 285-299.

• Gonzalez, M. C., Hidalgo, C. A., & Barabasi, A. L. (2008). Understanding individual human mobility patterns. Nature, 453(7196), 779-782.
• Alessandretti, L., Aslak, U., & Lehmann, S. (2020). The scales of human mobility. Nature, 587(7834), 402-407.
• Reck, D. J., Martin, H., & Axhausen, K. W. (2022). Mode choice, substitution patterns and environmental impacts of shared and personal micro-mobility. Transportation Research Part D: Transport and Environment, 102, 103134.

参考文章

• Brockmann, D., Hufnagel, L., & Geisel, T. (2006). The scaling laws of human travel. Nature, 439(7075), 462-465.
• Song, C., Qu, Z., Blumm, N., & Barabási, A. L. (2010). Limits of predictability in human mobility. Science, 327(5968), 1018-1021.
• Alessandretti, L., Sapiezynski, P., Sekara, V., Lehmann, S., & Baronchelli, A. (2018). Evidence for a conserved quantity in human mobility. Nature human behaviour, 2(7), 485-491.
• Song, C., Koren, T., Wang, P., & Barabási, A. L. (2010). Modelling the scaling properties of human mobility. Nature physics, 6(10), 818-823.
• Xu, F., Li, Y., Jin, D., Lu, J., & Song, C. (2021). Emergence of urban growth patterns from human mobility behavior. Nature Computational Science, 1(12), 791-800.
• Böhm, M., Nanni, M., & Pappalardo, L. (2022). Gross polluters and vehicle emissions reduction. Nature Sustainability, 1-9.

直播信息

直播时间：

2022年8月27日（周六）晚上20:00 - 22:00

参与方式：

• 集智俱乐部 B 站账号免费直播，扫码可预约：

扫码预约本次直播

• 若需要观看视频回放，文末扫码付费参加计算社会科学读书会第二季可加入腾讯会议，可提问交流、加入群聊、获取视频回放及更多学习资料，成为计算社会科学社区种子用户，与450余名计算社会科学的一线科研工作者沟通交流，共同推动计算社会科学社区的发展。

计算社会科学读书会第二季招募中

计算社会科学读书会第二季由清华大学罗家德教授领衔，卡内基梅隆大学、密歇根大学、清华大学、匹兹堡大学的多位博士生联合发起，自2022年6月18日开始，持续10-12周。本季读书将聚焦讨论Graph、Embedding、NLP、Modeling、Data collection等方法及其与社会科学问题的结合，并针对性讨论预测性与解释性、新冠疫情研究等课题。读书会详情及参与方式见文末，欢迎从事相关研究或对计算社会科学感兴趣的朋友参与。

推荐阅读

点击“阅读原文”，报名直播