English
导航菜单
依托上海交通大学AI for Science科学数据开源开放平台，电子信息与电气工程学院人工智能研究院杨小康教授、许岩岩副教授、与加州大学伯克利分校Marta Gonzalez教授合作开展AI+城市科学研究，并于近期取得重要进展。该工作针对普查数据无法及时跟踪城市结构变化的挑战，创新性地从人类行为视角，提出一项描述城市功能结构动态演变的新指标—移动向心性，同时将该指标应用于城市发生重大事件（如自然灾害、疫情等）时城市功能结构的演变，并通过机器学习模型验证了新指标对城市疫情走势预测的潜力，为城市科学决策提供一种新的支撑方法。相关成果以“Urban Dynamics Through the Lens of Human Mobility”为题发表在《Nature Computational Science》，并被遴选为封面论文。
随着信息通信与智能计算技术的发展，城市科学由少量调查数据驱动的宏观规律研究，转向大数据驱动的多尺度定量研究。越来越多的计算机科学家开始使用人工智能技术研究城市这一复杂系统，形成了新兴交叉研究领域——AI+城市科学。
人工智能研究院大数据智能团队专注于利用轨迹大数据与生成式人工智能技术对城市复杂系统进行建模与优化。本研究中重点回答了：当城市面临重大事件（如自然灾害、疫情等）影响时，如何对城市的功能结构演变进行实时跟踪，并支撑科学决策？针对这一重要问题，团队利用全球21个城市的移动轨迹数据，发现了人类移动行为与城市结构之间的内在关联，提出了利用移动行为刻画城市动态结构的普适性指标——移动向心性；以西班牙11个城市为例，实时跟踪疫情期间的城市功能结构变化，并利用机器学习模型证实了城市动态结构与移动行为对城市疫情走势预测的重要性。
移动轨迹大数据刻画城市空间隔离与疫情对人群出行的差异化影响
团队针对统计调查数据无法实时量化大规模城市功能结构的挑战，使用移动轨迹大数据对人类移动行为与城市空间结构间的相互影响进行探索。研究发现不同城市居民活动半径与其社会经济地位之间的关系存在多样性，如波士顿高收入人群居住在市郊、出行距离较长，然而波哥大高收入人群距离市中心较近，出行距离较短。此外，基于西班牙全国在2019年-2020年期间1700万人口的移动轨迹，揭示了COVID-19对不同收入人群的影响存在差异，低收入人群由于不具备居家隔离远程工作的机会，致使其在疫情高峰期仍需要更多的必要出行。
人类移动行为视角下的城市动态结构
与此同时，为了实现对不同城市结构的动态演变进行实时描述，论文分析了深圳、武汉等全球21个城市的个体移动数据，发现对于单中心城市（如武汉），居民居住地距离CBD的远近，对其活动半径（Rg）影响较大，而在多中心城市（如深圳），这种影响相对较小。基于此项观察，研究将城市以CBD为中心划分若干个圆环，计算每个环中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，提出了量化不同区域人群移动性差异的普适性指标——移动向心性，移动向心性较大，意味着人们的移动范围随居住地与CBD距离的增加而快速增大，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。
利用机器学习评价城市结构在疫情预测模型中的重要性
为跟踪城市在面临大型事件（如自然灾害、疫情等）时的功能结构动态变化，论文以西班牙11个城市为例，研究发现在COVID-19期间大部分城市结构出现了收缩现象，进一步证实了疫情对人类行为影响的不平等性，即疫情期间的活动禁令，对郊区居民影响更大。与市区居民相比，他们需要出行更长的距离来获取必要的资源。在此基础上，团队进一步对居家限令如何影响居民出行活动进行了实证研究，提出了基于居住地的移动范围指标KSHBT，并利用机器学习建模11个城市疫情走势，证实了论文提出的移动向心性指标与移动范围量化指标，能够有效提取城市动态演变特征，辅助疫情走势预测。
本研究针对复杂城市系统动态功能结构的量化表征问题，结合数据科学与统计物理方法，创新性地以人类移动行为为镜，近实时感知城市空间结构变化，可用于跟踪城市快速更新、以及重大事件期间的城市功能变化，为后续复杂城市系统的人工智能模拟提供了关键城市特征，支撑城市科学决策。
论文评价：
鉴于该成果的新颖性与重要性，《Nature Computational Science》杂志邀请了美国佛蒙特大学数学与统计系James Bagrow教授在同期期刊上对该论文进行了深入解读与评述，认为论文有效地将统计调查数据与移动行为数据相融合，成功应用于描述城市功能结构、以及大型事件（如疫情）对居民行为的影响。
期刊信息：
《Nature Computational Science》（自然-计算科学）是一本由国际著名科学期刊《Nature》出版的同行评议计算科学领域的顶级学术期刊，致力于发表基于计算技术的交叉学科成果，以新颖的方式使用计算科学来寻找新见解、解决具有挑战性的现实问题。涵盖计算方法、数据科学、人工智能、AI for Science等各个计算科学领域的高质量研究成果。
论文信息：
上海交通大学为论文第一完成单位，人工智能研究院许岩岩副教授为论文第一作者，杨小康教授为论文合作者，加州大学伯克利分校Marta Gonzalez教授为论文通讯作者。研究获得了上海市人工智能重大专项计划、上海交通大学AI for Science科学数据开源开放平台的支持。
论文链接：https://www.nature.com/articles/s43588-023-00484-5
地址：上海市东川路800号电子信息与电气工程学院
邮编：200240 邮箱：seiee@sjtu.edu.cn
Copyright © 2022上海交通大学电子信息与电气工程学院 版权所有
欢迎关注上海交大电院公众号