摘要

長期以來，人們普遍預(yù)期，大型、人口密集且國際化程度高的地區(qū)能夠促進(jìn)不同社會(huì)經(jīng)濟(jì)背景個(gè)體之間的混合與接觸。然而，由于以往衡量社會(huì)經(jīng)濟(jì)混合程度的方法依賴于靜態(tài)的住宅數(shù)據(jù)，而非人們在工作場所、休閑場所及居住社區(qū)中的真實(shí)接觸情況，這一假設(shè)難以得到驗(yàn)證。在本文中，我們開發(fā)了一種衡量接觸隔離的指標(biāo)，用以捕捉這些日常互動(dòng)中的社會(huì)經(jīng)濟(jì)多樣性。利用手機(jī)移動(dòng)數(shù)據(jù)，我們再現(xiàn)了美國 960 萬人在 16 億次真實(shí)接觸中的情景，并在 382 個(gè)大都市統(tǒng)計(jì)區(qū)（MSA）和 2829 個(gè)縣中測量了接觸隔離。我們發(fā)現(xiàn)，在十大 MSA 中，接觸隔離比人口少于 10 萬的小型 MSA 高出 67%。這意味著，與預(yù)期相反，大型國際化地區(qū)的居民接觸到的社會(huì)經(jīng)濟(jì)多樣性個(gè)體范圍更小。其次，我們發(fā)現(xiàn)，大城市中社會(huì)經(jīng)濟(jì)隔離的加劇源于其提供了更多針對特定社會(huì)經(jīng)濟(jì)群體的差異化空間選擇。第三，我們發(fā)現(xiàn)，當(dāng)城市的中心（如購物中心）被定位為連接不同社區(qū)的橋梁，從而吸引各種社會(huì)經(jīng)濟(jì)地位的人群時(shí)，這種隔離加劇的效應(yīng)會(huì)被抵消。我們的研究結(jié)果挑戰(zhàn)了人文地理學(xué)中一個(gè)長期存在的假設(shè)，并強(qiáng)調(diào)了城市設(shè)計(jì)如何既能阻礙又能促進(jìn)不同個(gè)體之間的接觸。

研究領(lǐng)域：城市科學(xué)，復(fù)雜網(wǎng)絡(luò)，人類移動(dòng)性

大數(shù)據(jù)透視地理| 來源

論文題目：Human mobility networks reveal increased segregation in large cities. 論文地址：https://doi.org/10.1038/s41586-023-06757-3

引言

研究背景：在美國，經(jīng)濟(jì)隔離程度非常高，收入影響著一個(gè)人的居住地、婚姻對象以及他們會(huì)遇到并結(jié)交的朋友。這種極端的隔離帶來了高昂的代價(jià)。它降低了經(jīng)濟(jì)流動(dòng)性，導(dǎo)致了廣泛的健康問題，并加劇了政治兩極分化。盡管有各種旨在減少經(jīng)濟(jì)隔離的改革措施（如補(bǔ)貼住房），但長期以來，人們認(rèn)為不斷推進(jìn)的城鎮(zhèn)化及其引發(fā)的偶然混合是減少隔離的最有力動(dòng)態(tài)之一。這種“國際化混合假設(shè)”預(yù)期，在大城市中，人口多樣性的增加、空間的限制以及便捷的公共交通將使不同背景的個(gè)體在物理空間上更加接近，從而減少日常社會(huì)經(jīng)濟(jì)隔離。例如，紐約市地鐵曾被譽(yù)為一個(gè)混合場所，每天都有多樣化的人群在此交匯。

研究空白：盡管國際化混合假設(shè)看似合理，但大城市也為自我隔離提供了新的機(jī)會(huì)，因?yàn)樗鼈兊囊?guī)模足夠大，使人們能夠?qū)ふ也⒄业脚c自己相似的人。關(guān)于城鎮(zhèn)化與社會(huì)經(jīng)濟(jì)混合之間關(guān)系的這些對立假設(shè)尚未得到驗(yàn)證，因?yàn)闇y量現(xiàn)實(shí)世界中個(gè)體之間的路徑交匯和接觸一直是個(gè)難題。只有通過分析手機(jī)地理定位數(shù)據(jù)到設(shè)備層面，這種接觸的測量才成為可能。盡管手機(jī)數(shù)據(jù)已被用于多種研究目的，但由于難以確定個(gè)體的社會(huì)經(jīng)濟(jì)地位（SES）、判斷雙人接觸發(fā)生的時(shí)機(jī)以及收集足夠的數(shù)據(jù)來比較不同城市或縣，全國范圍內(nèi)的社會(huì)經(jīng)濟(jì)混合與城鎮(zhèn)化研究尚未開展。

研究概述：在此，我們仔細(xì)檢驗(yàn)了國際化混合假設(shè)及其背后的動(dòng)態(tài)。為了評估這一假設(shè)并理解城鎮(zhèn)化與隔離之間的關(guān)系，我們使用了手機(jī)移動(dòng)數(shù)據(jù)，以去識別化的 GPS 定位信號形式呈現(xiàn)（見方法部分的“SafeGraph”章節(jié)）。通過這些數(shù)據(jù)，我們捕捉了個(gè)體之間基于地理位置的接觸，這些個(gè)體可能具有相似或不同的社會(huì)經(jīng)濟(jì)地位。這使我們能夠開發(fā)出城市和縣級的隔離指標(biāo)，反映人們?nèi)ネ翁帯⒑螘r(shí)前往以及途中與誰相遇。我們首先通過識別一個(gè)人的居住位置及其月租金價(jià)值來確定其社會(huì)經(jīng)濟(jì)地位。接著，我們構(gòu)建了一個(gè)動(dòng)態(tài)網(wǎng)絡(luò)，捕捉每個(gè)人在日常生活中與他人的接觸。我們的網(wǎng)絡(luò)包含了 15億條邊（代表物理空間中的接觸）和 956 萬個(gè)節(jié)點(diǎn)（代表個(gè)體，即手機(jī)），覆蓋美國 382 個(gè)大都市統(tǒng)計(jì)區(qū)（MSA）和 2829 個(gè)縣。每一條帶有時(shí)間戳的邊表示兩個(gè)個(gè)體在路徑上相遇并接觸（即他們在同一時(shí)間出現(xiàn)在同一地點(diǎn)）。我們分析了這些數(shù)據(jù)，以估計(jì)接觸隔離的程度，即在美國每個(gè)地理區(qū)域（MSA 和縣）內(nèi)，不同經(jīng)濟(jì)地位的個(gè)體相互接觸的程度。我們的接觸隔離指標(biāo)擴(kuò)展了傳統(tǒng)的靜態(tài)隔離測量方法，捕捉了人與人之間在空間和時(shí)間上局部化的接觸多樣性。

研究結(jié)果

更現(xiàn)實(shí)的隔離測量方法

為了估計(jì)每個(gè)人的SES，我們首先通過夜間手機(jī)定位信號推斷他們的家庭位置（圖 1a），然后獲取該位置的估計(jì)月租金價(jià)值（圖 1a）。這種方法在估計(jì)個(gè)體 SES 時(shí)比傳統(tǒng)的基于社區(qū)層面人口普查平均值的方法更為準(zhǔn)確。接下來，我們識別每對個(gè)體相遇并相互接觸的實(shí)例，定義為兩臺(tái)設(shè)備在 T 分鐘內(nèi)相距 D 米以內(nèi)。盡管我們的主要發(fā)現(xiàn)對 D 和 T 的具體選擇具有穩(wěn)健性（補(bǔ)充圖 5-8），但我們主要分析使用 D=50 米和 T=5 分鐘，因?yàn)閲H化混合假設(shè)關(guān)注的是視覺接觸。這種方法，據(jù)我們所知，提供了迄今為止分辨率最高的接觸測量，與之前的基于 GPS 的研究相比。

圖1: 接觸隔離揭示不同社會(huì)經(jīng)濟(jì)背景人群的接觸可能性及大都市區(qū)隔離加劇a, 對960萬個(gè)體（手機(jī)用戶），通過夜間位置推斷家庭地址及SES（租金或等值租金），并通過路徑交叉事件（同時(shí)同地）識別接觸對。b, 全國范圍的16億次接觸網(wǎng)絡(luò)覆蓋2829個(gè)縣和382個(gè)MSA，與傳統(tǒng)社區(qū)分類指數(shù)（假設(shè)僅接觸家庭普查區(qū)居民）形成對比，示例展示舊金山50人社區(qū)的跨區(qū)接觸。c, 接觸隔離定義為個(gè)體SES與其接觸者平均SES的相關(guān)性（0為無隔離，1為完全隔離），以舊金山和納帕為例，前者隔離度高2.2倍（P < 10??，95% CI = 1.6–2.8×）。d, 大型MSA隔離更高，人口與隔離呈正相關(guān)（Spearman相關(guān)系數(shù) = 0.62，P < 10??），十大MSA比人口少于10萬的小型MSA隔離高67%（P < 10??，95% CI = 49–87%）。e, 美國2829個(gè)縣的接觸隔離差異顯著，與人口規(guī)模和密度正相關(guān)。

每個(gè)地理區(qū)域的經(jīng)濟(jì)隔離通過一個(gè)人的 SES 與其通過路徑交叉接觸到的所有人的平均 SES 之間的相關(guān)性來衡量。這種相關(guān)性通過擬合線性混合效應(yīng)模型來估計(jì)，該模型消除了衰減偏差，即使觀察到的接觸數(shù)據(jù)稀疏，也能確保接觸隔離的無偏估計(jì)（擴(kuò)展數(shù)據(jù)圖 1）。由此產(chǎn)生的接觸隔離測量（圖 1b, c）范圍從 0（完全融合）到 1（完全隔離），是對廣泛使用的社會(huì)經(jīng)濟(jì)隔離測量——社區(qū)分類指數(shù)的推廣。社區(qū)分類指數(shù)相當(dāng)于一個(gè)人 SES 與其家庭普查區(qū)內(nèi)所有人平均 SES 的相關(guān)性，而我們的接觸隔離測量則相當(dāng)于一個(gè)人 SES 與其遇到的所有人（無論是在其家庭普查區(qū)內(nèi)還是外）的平均 SES 的相關(guān)性。因此，這兩個(gè)測量之間的關(guān)鍵區(qū)別在于，社區(qū)分類指數(shù)假設(shè)接觸均勻且僅發(fā)生在同一家庭普查區(qū)的共同居民之間，而接觸隔離則捕捉了人們在日常生活中導(dǎo)航時(shí)的真實(shí)接觸。

大城市的極端隔離

我們發(fā)現(xiàn)，與國際化混合假設(shè)相反，大型 MSA 的接觸隔離更高（圖 1d）。MSA 人口與 MSA 隔離之間的斯皮爾曼相關(guān)系數(shù)為 0.62（P < 10??），人口最多的十大 MSA 比人口少于 10 萬的小型 MSA 隔離程度高 67%（P < 10??，95%置信區(qū)間（CI）= 49-87%）。這一結(jié)果具有穩(wěn)健性。我們通過用密度而非人口規(guī)模重新計(jì)算相關(guān)性驗(yàn)證了這一點(diǎn)（斯皮爾曼相關(guān)系數(shù)=0.45，P < 10??；補(bǔ)充表 7），通過控制潛在混雜因素（擴(kuò)展數(shù)據(jù)表 1 和補(bǔ)充表 7），通過改變分析的粒度（圖 1e 和擴(kuò)展數(shù)據(jù)圖 4），以及通過測試接觸隔離的多種規(guī)格（補(bǔ)充表 6 和補(bǔ)充圖 2-10）進(jìn)行了驗(yàn)證。一致的結(jié)果表明，更大、更密集的城市隔離程度更高，這與假設(shè)這些城市通過吸引多樣化個(gè)體并以迫使他們相互接觸的方式限制空間來促進(jìn)社會(huì)經(jīng)濟(jì)混合的觀點(diǎn)相悖。我們的結(jié)果支持相反的假設(shè)：大城市允許居民尋找與自己更相似的人。促成這一發(fā)現(xiàn)的關(guān)鍵進(jìn)步是我們對時(shí)間和空間的細(xì)粒度接近測量（補(bǔ)充圖 66）。

探索接觸隔離

我們的方法還允許比較傳統(tǒng)的靜態(tài)隔離測量（社區(qū)分類指數(shù)）與我們的動(dòng)態(tài)測量。所有 MSA 的接觸隔離中位數(shù)比相應(yīng)的傳統(tǒng)靜態(tài)估計(jì)值低 38%（P < 10??，95% CI = 37-41%）（圖 2a（頂部））。我們通過將測量分解為涉及兩個(gè)、一個(gè)或兩個(gè)都不是在家庭普查區(qū)內(nèi)的接觸部分來解釋這一結(jié)果（圖 2a（底部））。接觸隔離較低是因?yàn)楫?dāng)人們冒險(xiǎn)走出家庭普查區(qū)時(shí)，他們會(huì)經(jīng)歷更多的多樣性。例如，當(dāng)兩個(gè)人都離開家庭普查區(qū)時(shí)，接觸隔離比兩個(gè)都在家庭普查區(qū)內(nèi)時(shí)低 50%（P < 10??，95% CI 48-53%）。在自己的社區(qū)內(nèi)，人們與社會(huì)經(jīng)濟(jì)最相似的鄰居相遇，但這對整體接觸隔離影響不大，因?yàn)橹挥?2.4%的接觸（95% CI = 2.4-2.4%）發(fā)生在兩個(gè)人都處于家庭普查區(qū)內(nèi)時(shí)。最后，我們觀察到，不僅總體接觸隔離在大城市中較高，而且其每個(gè)組成部分在大城市中也較高（補(bǔ)充圖 10）。

圖 2: 接觸隔離動(dòng)態(tài)揭示空間社會(huì)經(jīng)濟(jì)差異導(dǎo)致大城市隔離加劇 a, 接觸隔離比社區(qū)分類指數(shù)低 38%（P < 10??，95% CI = 37–41%），分解顯示區(qū)內(nèi)接觸（同質(zhì)效應(yīng)）隔離最高，區(qū)外接觸（訪客效應(yīng)）降低隔離，因區(qū)內(nèi)接觸僅占 2.4%。b, 隔離隨聯(lián)系強(qiáng)度增加，5 次以上接觸的隔離中值為 0.57。c, 隔離因地點(diǎn)類型而異，高爾夫球場隔離最高（中值 0.42），表演藝術(shù)中心和體育場最低（中值 0.16–0.17）。d, 大型 MSA 居民 10 公里內(nèi)餐廳數(shù)量更多，促進(jìn)自我隔離。e, 大型 MSA 餐廳訪客 SES 變異系數(shù)高 63%（P < 10??，95% CI = 37–100%），反映更大社會(huì)經(jīng)濟(jì)差異。f, 大型 MSA 餐廳內(nèi)接觸隔離更高，此關(guān)系在城市中心和社區(qū)尺度上同樣顯著。

我們通過聯(lián)系強(qiáng)度（圖 2b, c）和不同興趣點(diǎn)（POI）量化接觸隔離的變化。聯(lián)系越強(qiáng)的關(guān)系隔離程度越高（圖 2b）。我們還發(fā)現(xiàn) POI 級別的隔離變化很大（圖 2c；參見方法部分的“按活動(dòng)分解隔離”章節(jié)）。我們通過 POI 類別（例如餐廳）中包含的差異化 POI 服務(wù)于較小且社會(huì)經(jīng)濟(jì)上同質(zhì)的社區(qū)的程度來解釋 POI 級別隔離的變化（圖 2c）。我們使用到最近 POI 的平均旅行距離和 POI 總數(shù)來操作化 POI 類別的差異化程度（斯皮爾曼相關(guān)系數(shù) = -0.75，P < 0.001（旅行距離）；斯皮爾曼相關(guān)系數(shù) = 0.69，P < 0.01（POI 數(shù)量）；擴(kuò)展數(shù)據(jù)圖 3a, b）。例如，在中位數(shù) MSA 中，宗教組織所需的旅行距離比體育場少 92%（P < 10??，95% CI = 92-93%），數(shù)量是體育場的 16 倍（P < 10??，95% CI = 8-18 倍）。因此，宗教組織能夠針對更窄的社會(huì)經(jīng)濟(jì)社區(qū)，因此比體育場隔離程度高 75%（P < 10??，95% CI = 58-87%）。在少數(shù)情況下，一個(gè) POI 類別即使只有少量 POI，也可能表現(xiàn)出顯著的隔離（例如高爾夫球場），這是由于其他因素（如公共與私人區(qū)分）導(dǎo)致的經(jīng)濟(jì)差異（擴(kuò)展數(shù)據(jù)圖 3c）。下面，我們將展示空間的社會(huì)經(jīng)濟(jì)差異與隔離之間的聯(lián)系對于解釋大城市為何更隔離至關(guān)重要。

大城市中的空間差異化

為了理解為什么大都市區(qū)支持隔離，我們以休閑 POI 內(nèi)的隔離為例。全服務(wù)餐廳提供了一個(gè)說明性的例子（圖 2d-f），展示了在其他休閑場所（補(bǔ)充圖 22）和其他分析尺度中廣泛存在的隔離誘導(dǎo)動(dòng)態(tài)。我們發(fā)現(xiàn)，較大的 MSA 為其居民提供了更多的休閑選擇：十大 MSA 的平均居民在其家 10 公里范圍內(nèi)擁有的餐廳數(shù)量是小型 MSA（定義為人口少于 10 萬的 MSA）平均居民的 22 倍（P < 10??，95% CI = 11-39 倍；圖 2d）。這些選擇在社會(huì)經(jīng)濟(jì)上也更加差異化。當(dāng)餐廳的 SES 定義為訪問該餐廳并與他人相遇的所有人的中位 SES 時(shí)，十大 MSA 中“餐廳 SES”的變異系數(shù)比小型 MSA 高 63%（P < 10??，95% CI = 37-100%；圖 2e）。因此，大型 MSA 不僅為其居民提供了更多的餐廳選擇，這些餐廳在社會(huì)經(jīng)濟(jì)上也更加差異化。例如，在像紐約這樣的大城市，根據(jù)選擇的餐廳不同，一頓飯可能花費(fèi) 10 美元、100 美元或 1000 美元。這些過程意味著十大 MSA 中餐廳的接觸隔離比小型 MSA 高 29%（P < 10?3，95% CI 8-49%；圖 2f）。我們在許多 POI 類型和涉及城市中心（例如廣場、購物中心、木板路）以及社區(qū)的高級別尺度上發(fā)現(xiàn)了類似結(jié)果。

通過城市設(shè)計(jì)緩解隔離

我們的結(jié)果表明，當(dāng)經(jīng)常訪問的 POI （我們稱之為“中心”） 被定位在靠近不同社區(qū)的位置時(shí)，可以緩解隔離。這些中心將作為附近高 SES 和低 SES 社區(qū)居民之間的橋梁，使他們能夠輕松訪問這些中心并相互相遇 （圖 3c） 。我們開發(fā)了橋梁指數(shù)來衡量中心是否位于這種橋梁位置。我們的指數(shù)測量如果每個(gè)人只訪問離他們家最近的中心，各組人相互遇到的經(jīng)濟(jì)多樣性。它通過將個(gè)體按離他們家最近的中心聚類，然后測量這些集群內(nèi)的經(jīng)濟(jì)多樣性來計(jì)算 （擴(kuò)展數(shù)據(jù)圖 7） 。由此產(chǎn)生的指數(shù)范圍從 0 到 1，其中 0 表示每個(gè)中心附近的個(gè)體具有統(tǒng)一的 SES，1 表示每個(gè)中心附近的個(gè)體與整個(gè)區(qū)域的多樣性一樣。

我們?yōu)樯虡I(yè)中心（如廣場、購物中心、木板路）計(jì)算了橋梁指數(shù)，因?yàn)槲覀儼l(fā)現(xiàn)它們是常見的接觸中心：在所有 382 個(gè) MSA 中，大多數(shù)（56.9%，95% CI = 56.9-56.9%）接觸發(fā)生在靠近商業(yè)中心 1 公里范圍內(nèi)，盡管只有 2.5%的土地面積在商業(yè)中心 1 公里范圍內(nèi)（圖 3c）。結(jié)果顯示，我們的橋梁指數(shù)與接觸隔離密切相關(guān)（斯皮爾曼相關(guān)系數(shù) = -0.78，P < 10??；圖 3d）。橋梁指數(shù)最高的十大 MSA 比最低的十大 MSA 隔離程度低 53.1%（P < 10??，95% CI = 44-60%）。這一發(fā)現(xiàn)同樣具有穩(wěn)健性：即使在控制種族、人口規(guī)模、經(jīng)濟(jì)不平等和其他許多變量后，中心橋梁效應(yīng)仍然強(qiáng)烈且顯著（P < 10??）。因此，鼓勵(lì)開發(fā)商將中心（如購物中心）定位在不同住宅社區(qū)之間的分區(qū)法律和相關(guān)政策可能減少接觸隔離。我們已經(jīng)確定了幾個(gè)以這種方式增加融合的大城市，并展示了一個(gè)說明性例子（圖 3c, d），其中北卡羅來納州費(fèi)耶特維爾中位置良好的中心連接了不同個(gè)體。

隨著大城市的持續(xù)增長和擴(kuò)展，考察它們是否促進(jìn)社會(huì)經(jīng)濟(jì)混合顯得尤為重要。盡管人們常認(rèn)為大城市通過增加密度來推動(dòng)混合，但我們發(fā)現(xiàn)接觸多樣性與城市規(guī)模呈負(fù)相關(guān)。這一結(jié)果表明，規(guī)模至關(guān)重要。我們已證明，由于大城市能夠維持針對特定社會(huì)經(jīng)濟(jì)群體的場所，它們成為了同質(zhì)性生成的機(jī)器，其隔離程度遠(yuǎn)超小型城市。我們還發(fā)現(xiàn)，一些城市能夠緩解這種隔離效應(yīng)，因?yàn)樗鼈兊闹行奈挥谀軌蛭齺碜圆煌鐓^(qū)人群的橋梁地帶。我們之所以能夠檢測到這些同質(zhì)性區(qū)域（以及橋梁中心的抵消效應(yīng)），是因?yàn)槲覀冮_發(fā)了一種動(dòng)態(tài)的經(jīng)濟(jì)隔離測量方法，捕捉了家里、工作場所和休閑場所的日常社會(huì)經(jīng)濟(jì)混合。

這種測量接觸隔離的新方法雖然較靜態(tài)方法有所改進(jìn)，但仍存在局限性。例如，我們難以確定關(guān)系的強(qiáng)弱，因?yàn)槲覀儾坏貌灰晕锢斫咏茸鳛榻佑|的代理。在這方面，令人放心的是，我們的核心結(jié)果在更嚴(yán)格的時(shí)間、距離和關(guān)系強(qiáng)度閾值下依然成立，并且與關(guān)鍵的下游結(jié)果相關(guān)聯(lián)。同樣重要的是，尋找并分析補(bǔ)充數(shù)據(jù)集，以覆蓋我們數(shù)據(jù)集中未充分代表的子群體（例如無家可歸者群體）。現(xiàn)有證據(jù)表明，我們的樣本在許多關(guān)鍵的種族、經(jīng)濟(jì)和人口變量上分布均衡，但手機(jī)市場滲透率仍未完全覆蓋，GPS 定位數(shù)據(jù)的分布在時(shí)間上也不均勻。最后，我們的 SES 測量依賴于住房消費(fèi)，這一指標(biāo)并未完全涵蓋 SES 的概念。再次令人放心的是，我們的分析方法改進(jìn)了傳統(tǒng)的社區(qū)層面推算，在多種替代 SES 測量下依然穩(wěn)健。

這一切表明，動(dòng)態(tài)隔離數(shù)據(jù)足夠豐富，能夠克服許多看似局限的問題。我們在此采取的動(dòng)態(tài)方法可以進(jìn)一步擴(kuò)展，以研究不同人群中隔離來源的差異，并開發(fā)一套更完整的工具來減少隔離和改善城市設(shè)計(jì)。

方法

數(shù)據(jù)集與數(shù)據(jù)處理

數(shù)據(jù)來源與初步處理

我們的研究主要依賴 SafeGraph 提供的美國成年智能手機(jī)用戶去識別化 GPS 定位信號，涵蓋 2017 年 3 月、7 月和 11 月的 9175 萬用戶和 617 億次定位信號，每條信號包含緯度、經(jīng)度、時(shí)間戳和用戶 ID。盡管非隨機(jī)樣本，該數(shù)據(jù)在地理、種族、收入和教育分布上均衡，廣泛應(yīng)用于人類移動(dòng)研究，存儲(chǔ)于安全服務(wù)器，處理遵循 SafeGraph 政策和斯坦福大學(xué)倫理指南。為確保可靠性，我們剔除了少于 500 次定位的用戶、不準(zhǔn)確度超 100 米的信號及重復(fù)用戶，最終為 1218 萬用戶推斷家庭位置，其中 956 萬用戶關(guān)聯(lián)至租金估計(jì)值。

家庭位置與 SES 推斷

家庭位置通過夜間（18:00-09:00）靜止信號（移動(dòng)少于 50 米）推斷，利用線性插值平滑數(shù)據(jù)，取中位數(shù)緯度和經(jīng)度，70%用戶獲高信度位置。SES 推斷使用 CoreLogic 房地產(chǎn)數(shù)據(jù)庫（覆蓋 99%美國住宅）匹配最近住宅地址，再通過 Zillow 數(shù)據(jù)庫（含 1.19 億物業(yè)租金估計(jì)）查詢租金，79%用戶獲租金數(shù)據(jù)，質(zhì)量控制剔除異常后保留 956 萬用戶，其人口統(tǒng)計(jì)特征與美國總體一致。

接觸網(wǎng)絡(luò)構(gòu)建與標(biāo)注

接觸定義為兩用戶 5 分鐘內(nèi)相距 50 米的 GPS 信號交匯，采用 k-d 樹計(jì)算 15.7 億次接觸，時(shí)間取時(shí)間戳最小值，位置取經(jīng)緯度平均值。接觸地點(diǎn)通過 SafeGraph Places（550 萬 POI 的邊界和 NAICS 分類）標(biāo)注為家庭、休閑 POI 或中心，輔以 TIGER 數(shù)據(jù)庫的道路和鐵路信息，以及美國人口普查（2013-2017）的地理和人口特征支持。

分析

接觸隔離與估計(jì)

接觸隔離為某區(qū)域內(nèi)個(gè)體 SES 與其接觸者平均 SES 的皮爾遜相關(guān)系數(shù)，優(yōu)于傳統(tǒng)社區(qū)分類指數(shù)，動(dòng)態(tài)捕捉真實(shí)接觸。為避免數(shù)據(jù)稀疏偏差，采用線性混合效應(yīng)模型計(jì)算無偏估計(jì)，結(jié)果更可靠。

隔離分解

通過時(shí)間戳按小時(shí)分解隔離，揭示日間變化；按 POI 類別分解，分析休閑活動(dòng)隔離差異，聚焦餐廳、體育場等高頻場所。

橋梁指數(shù)

橋梁指數(shù)衡量中心（如商業(yè)中心）促進(jìn)經(jīng)濟(jì)多樣性接觸的能力，計(jì)算居民按最近中心聚類的經(jīng)濟(jì)多樣性（基尼指數(shù)）加權(quán)平均值，范圍 0（完全隔離）至 1（完全橋梁），反映中心對隔離的緩解作用，商業(yè)中心因高接觸密度被選為分析對象。

假設(shè)檢驗(yàn)

使用 10000 次自舉法計(jì)算假設(shè)檢驗(yàn)和置信區(qū)間，Steiger’s Z 檢驗(yàn)比較預(yù)測力，斯皮爾曼相關(guān)系數(shù)用雙側(cè) t 檢驗(yàn)，未調(diào)整多重比較 P 值。

城市科學(xué)讀書會(huì)

隨著工業(yè)化和現(xiàn)代化的發(fā)展，世界范圍內(nèi)的城市化率不斷提高，越來越多的人口聚集在城市，使得交通擁堵、環(huán)境污染、資源短缺等城市問題日益嚴(yán)峻。 我們迫切需要對城市的基本運(yùn)行規(guī)律有科學(xué)的認(rèn)知。 近十幾年來，智能手機(jī)、物聯(lián)網(wǎng)、衛(wèi)星遙感可以幫助獲取高精度的城市數(shù)據(jù)； 機(jī)器學(xué)習(xí)、人工智能的發(fā)展，為處理大規(guī)模多源異構(gòu)數(shù)據(jù)提供了技術(shù)手段。 此外，復(fù)雜科學(xué)從演生視角，在不同時(shí)空尺度上研究城市現(xiàn)象的基礎(chǔ)規(guī)律，豐富了城市科學(xué)的理論框架； 基于復(fù)雜系統(tǒng)的模擬方法也在實(shí)踐中有廣闊的應(yīng)用前景。

在這個(gè)大背景下，集智俱樂部由北京大學(xué)助理教授董磊聯(lián)合明尼蘇達(dá)大學(xué)助理教授朱遞、中南大學(xué)地球科學(xué)與信息物理學(xué)院教授李海峰、北京航空航天大學(xué)計(jì)算機(jī)學(xué)院博士寄家豪共同發(fā)起，分享、討論和梳理“城市作為復(fù)雜系統(tǒng)”的理論、研究方法及應(yīng)用，希望促進(jìn)相關(guān)領(lǐng)域?qū)W者的交流，推動(dòng)交叉學(xué)科間的合作，促進(jìn)城市科學(xué)的發(fā)展和研究。讀書會(huì)已完結(jié)，現(xiàn)在報(bào)名可加入社群并解鎖回放視頻權(quán)限。

詳情請見：

1.

2.

3.

4.

5.

6.