导语
不同结构的城市人们的移动性有何差异？新冠疫情如何影响不同收入水平群体的移动行为？最近发表于 Nature Computational Science 的最新研究分析了全球21个城市的个体移动数据，定义了量化不同区域人群移动性差异的指标，揭示出人类移动性和城市空间结构的关系。
集智俱乐部的「城市科学」读书会由北京大学助理教授董磊联合明尼苏达大学助理教授朱递、中南大学地球科学与信息物理学院教授李海峰、北京航空航天大学计算机学院博士寄家豪共同发起，旨在分享、讨论和梳理“城市作为复杂系统”的理论、研究方法及应用，促进相关领域学者交流。读书会从2023年7月1日开始，每周六晚 20:00-22:00 线上直播，持续时间预计10周。7月22日（本周六）的读书会将由李海峰老师介绍“城市科学中的因果性”，欢迎感兴趣的朋友参与！
研究领域：城市科学，城市动力学，城市空间结构，人类移动性刘培源 | 作者论文题目：Urban dynamics through the lens of human mobility论文地址：https://pattern.swarma.org/paper/195784ac-1f77-11ee-9e45-0242ac17000d
城市空间结构代表了城市中公共和私人空间的分布以及人们如何在其中移动。虽然空间结构通常缓慢演变，但在大规模紧急事件期间，以及由于快速发展国家的城市更新，它也有可能快速改变。这种变化意味着城市动力学的更新，捕捉其短期更新目前较为困难。最近发表于 Nature Computational Science 的研究，提出了通过移动中心性指数（mobility centrality index）ΔKS 来刻画几乎实时变化的城市动力学。作者针对全球范围内在不同规模和不同形态上有代表性的21个城市展开了分析。个体访问的每个位置与其家庭位置之间的地理坐标的平均距离，即为生活半径 Rg。住所距离城市中心越远，生活半径一般也会越大。例如住在CBD 5公里外的人可能每天会在10公里范围内活动，而住在CBD 10公里外的人可能活动范围会接近20公里。并且这种趋势在离城市中心更远的地方更为明显。所以生活半径不足以反映城市空间结构。因此，该研究提出了移动中心性指标 ΔKS，用于量化不同区域人群移动量的差异。移动量即个体在一定时间内的活动范围大小，在该研究中移动量的大小用生活半径来度量。论文以CBD为城市中心，设置半径为1公里的网格统计人口分布，并设置了一组间隔为3公里的同心圆环，以距离城市中心的远近区分不同区域。作者将每个环中 Rg 的概率分布与最内环（CBD环）Rg 的概率分布之间的 Kolmogorov-Smirnov (KS) 统计量，即为ΔKS。如果ΔKS较大，意味着人们的移动量随居住地与CBD距离的增加而加速增大，表明城市形态更倾向于单中心化。反之则倾向于多中心结构。图1 波士顿、洛杉矶和波哥大（哥伦比亚首都）居民社会经济地位的空间区隔状况。A为网格统计人口分布，白星表示中央商务区CBD的位置。在波士顿和洛杉矶，高收入居民通常在郊区（浅色），低收入群体集中在市中心（深色）；波哥大模式则相反。B-D展示了不同人群的生活半径（Rg）分布。E展示了西班牙2019年和2020年全年收入与人口平均生活半径Rg之间的关系。高收入居民在旅游季节，例如2019年的4月和夏季，以及2020年夏季，会进行更多的长途移动。相反，低收入居民在疫情高峰期，例如2020年的春季和秋季，移动距离更长。
该论文还使用了来自西班牙的近1700万个匿名用户的移动电话数据，将生活半径随时间的变化，与其年收入相结合，揭示了COVID-19大流行对不同收入群体的不平等影响。研究结果显示，这些城市在2020年4月第一波高峰期间都变得更加单中心化，即目的地在CBD之外的移动行为明显减少，非必要不出门。之后的6月，大多数城市的结构恢复到了正常状态，并在第二波期间保持稳定。为了研究居家限令对于日常出行活动的影响，作者提出了基于家庭的移动范围指标KSHBT。较低的KSHBT意味着更多的人留在家中或者在家附近。作者观察到，低收入群体在2020年的第一波和第二波疫情期间进行了更远距离的移动。相比之下，在2019年的4月和8月的假期季节，高收入群体的移动行为更远。可能反映出低收入群体无法负担长期居家的费用。作者还使用人口移动性等多个指标，来勾勒城市的普遍结构。在研究的21个城市中，武汉的基尼指数最高（最紧凑），其ΔKS也是第二大的仅次于圣克鲁斯。相比武汉，像波尔图、阿利坎特、里斯本和萨拉戈萨这样的城市，虽然ΔKS相似，但人口分布更为分散，这表明它们可能正在经历城市扩张的过程。与武汉相比，深圳作为人口密集城市（基尼指数高），1072万人口居住在1956平方公里的区域内，其就业机会和资源的均匀分布使其形成了多中心形态，人口分布也有多个中心。旧金山湾区和洛杉矶明显是分散且多中心的。图2 通过人群的移动性指标定义城市结构。A为城市空间结构的两个维度，中心性反映了人口中心的个数是单个还是多个，集中度表示CBD之外人口分布的异质性或分散程度。B为深圳、武汉、洛杉矶和波士顿7层同心圆环的Rg值分布。C为外环移动性分布变化与其相对于CBD半径之间的关系。D为用ΔKS和人口的基尼系数将这些城市映射到二维空间中。
进一步的研究发现，移动中心性ΔKS与人口基尼指数（Gini Index）成正相关关系，即更紧凑的城市往往更倾向于单中心结构。基尼指数可以于衡量城市不同街区人口分布的均匀性。这是区分城市和农村的常见阈值。基尼指数越大，代表城市人口分布越紧凑聚集，指数越小则人口分布更为分散。总之，这项研究提出了移动中心性指标，提供了关于人类移动性和城市空间结构之间关系的见解，强调在城市规划和政策制定中考虑移动模式及其变化的重要性。同时，作者还指出需要进一步研究低收入个体在COVID-19疫情初期爆发期间的出行目的，并在紧急事件中关注社会经济公平之下，更具体地研究关键岗位工作者的行为。此外，论文建议未来的研究可以通过研究长期移动动性轨迹，从而更好地规划大规模紧急事件的重启或重建。进一步了解人类移动性，可以参考董磊老师在“城市科学”读书会的分享，扫描二维码观看回放视频：
https://pattern.swarma.org/study_group_issue/489https://pattern.swarma.org/study_group_issue/492
随着工业化和现代化的发展，世界范围内的城市化率不断提高，越来越多的人口聚集在城市，使得交通拥堵、环境污染、资源短缺等城市问题日益严峻。我们迫切需要对城市的基本运行规律有科学的认知。近十几年来，智能手机、物联网、卫星遥感可以帮助获取高精度的城市数据；机器学习、人工智能的发展，为处理大规模多源异构数据提供了技术手段。此外，复杂科学从演生视角，在不同时空尺度上研究城市现象的基础规律，丰富了城市科学的理论框架；基于复杂系统的模拟方法也在实践中有广阔的应用前景。在这个大背景下，集智俱乐部“城市科学”读书会由北京大学助理教授董磊联合明尼苏达大学助理教授朱递、中南大学地球科学与信息物理学院教授李海峰、北京航空航天大学计算机学院博士寄家豪共同发起，分享、讨论和梳理“城市作为复杂系统”的理论、研究方法及应用，希望促进相关领域学者的交流，推动交叉学科间的合作，促进城市科学的发展和研究。读书会从2023年7月1日开始，每周六晚 20:00-22:00，持续时间预计10周。欢迎感兴趣的朋友报名参与！推荐阅读