从移动通信中的高阶记忆评估可靠的人类移动模式

理解人们如何在地理区域内（例如城市、国家或全世界）移动，在从预测传染病的时空演化到推断迁移模式等多种应用中都是基础性的。手机记录提供了人类移动性的极好代理，显示移动表现出高水平的记忆性。然而，在广泛采用的移动性代理（如手机记录）中，记忆的确切作用尚不清楚。在此，我们使用来自塞内加尔的 5.6 亿条通话详细记录表明，标准马尔可夫方法（包括高阶方法）未能捕捉真实的移动模式，并引入了现实中从未观测到的虚假移动。我们引入了一种自适应记忆驱动方法来克服此类问题。与马尔可夫模型不同，它能够真实地建模条件等待时间，即根据个体历史移动停留在特定区域的概率。我们的结果表明，在标准移动模型中，个体倾向于比现实观测到的情况扩散得更快，而自适应记忆方法的预测与观测显著一致。我们显示，因此，当使用标准方法时，疾病的发病率和地理传播可能被不充分估计，这对传染病爆发期间的资源部署和决策制定具有关键影响。