清华新闻网2月21日电 近日，清华大学电子系城市科学与计算研究中心与麻省理工学院、加州大学伯克利分校、芝加哥大学、耶鲁大学等国际知名高校开展跨学科合作，首次提出了基于网络科学的城市不平等性测量分析框架，用动态复杂网络建模城市空间中的人类移动行为数据，为城市规划与居民生活体验的不平等性分析提供了全新思路。该成果展示了数据驱动方法在解决城市复杂系统问题中的重要潜力，所建模型能够进一步释放城市数据潜能，助力数据驱动的城市可持续发展。

城市规划与生活体验的平等性是一个长期存在的核心议题，城市在为大量居民提供便利的生活服务和社会协作基础的同时，也催生了贫民窟、族群隔离等尖锐的社会公平问题，这些挑战严重制约着高质量、可持续的城市化进程。自上世纪中叶以来，城市科学领域的学者一直致力于建立城市系统的计算模型，用计算推演城市不平等的根源机制。诺贝尔奖得主托马斯·谢林（Thomas Schelling）在1971年提出了著名的谢林模型（Schelling's Model），用多智能体模型阐明了城市族群区隔问题从个体移动行为中的涌现机制。随着大数据分析技术在近年来的突破性发展，数据驱动的城市不平等性研究获得了新的发展动力。例如，斯坦福大学团队2023年在《自然》杂志发表论文，提出基于真实移动数据的族群隔离测量方法。尽管近年来的数据驱动研究在解决具体问题方面取得了进展，但这些研究往往分散于不同的视角，缺乏系统化的研究框架，难以形成对城市不平等问题的整体性认知。

图1.该论文提出的城市移动行为数据动态网络分析框架（a），从网络科学视角对社会交互（b）、场所访问（c）、动态响应（d）三个重要维度构建城市不平等性测量体系

图2.实验表明移动行为数据包含揭示细粒度城市不平等现象的重要信息

城市科学与计算研究中心从网络科学视角提出了一个数据驱动的通用分析框架，将城市移动行为数据建模为一个动态复杂网络（图1），其中网络节点分别代表人和地点，动态连接的边表示人类移动行为的时空分布情况。该网络模型可以用一阶邻居、二阶邻居和动态变化分别刻画：场所访问（获取城市场所、设施提供的各种便利服务）、社会交互（与不同城市人群实现高效社会协作）、动态响应（适应外部冲击事件的动态调整能力，如极端天气事件和公共卫生危机），从而将城市不平等性分析的三个重要概念维度抽象整合到统一的网络分析框架中。

实证分析表明，动态的人类行为建模相较静态的城市规划分析更能解释诸多城市不平等现象（图2）。该论文提出的网络科学分析框架可以系统地测量真实移动行为所反应的城市机会分布情况，这些大规模测量结果对于在疫情防控、气候适应和可持续生活方式推广等场景中实现公平政策制定具有深远的意义（图3），这些应用案例突出了移动行为数据在缓解城市空间不平等方面的潜力（图4）。

图3.所提分析框架可为疫情方框政策（a）、适应极端天气（b）、推动“15分钟城市”生活方式（c）等重要应用提供洞见

图4.所提分析框架将释放移动行为数据潜能，促进城市可持续发展目标实现

相关研究成果以“移动行为数据驱动的城市不平等性研究方法”（Using human mobility data to quantify experienced urban inequalities）为题，于2月17日发表于《自然·人类行为》（Nature Human Behaviour）。

清华大学电子系助理教授徐丰力为论文第一作者，电子系教授李勇为论文通讯作者。其他共同作者包括麻省理工大学教授卡洛·拉蒂（Carlo Ratti），芝加哥大学教授路易斯·贝当考特（Luis Bettencourt），东北大学教授埃斯特万·莫罗（Esteban Moro）、副教授王瑞恩（Ryan Wang），迈阿密大学副教授宋朝明（Chaoming Song），加州大学伯克利分校副教授玛尔塔·冈萨雷斯（Marta C. González）等。

研究得到国家重点研发计划、国家自然科学基金等项目的支持。

论文链接：

https://www.nature.com/articles/s41562-024-02079-0