超越距离：移动性神经嵌入揭示城市空间中的可见与不可见障碍

人类在城市中的移动方式不仅受到公路、河流和公园等可见结构的影响，也受到源于社会经济隔离、资源不均等不可见障碍的影响。然而，在规模化和相对重要性方面识别并量化这些障碍，仍是一个重大挑战。神经嵌入模型最初为语言开发，提供了一种强大的捕捉大规模数据中人类移动复杂度的方法。本文将其应用于 11 个主要美国城市的 2540 万条观察到的轨迹中，学习移动嵌入以揭示人们如何在城市空间中移动。这些移动嵌入定义了空间之间的功能距离，这种距离反映的是行为而非物理的接近性，并允许我们检测居住在相邻但行为上被隔离的社区之间的障碍。我们发现，最强的预测这些障碍的特征是对便利设施的差异、行政边界以及收入和种族的住宅隔离。这些不可见的边界集中在城市核心地区，并且在城市、空间尺度和时间段之间持续存在。物理基础设施，如高速公路和公园，在短距离上发挥次要但仍然重要的作用。我们还发现，跨越障碍者往往在传统通勤时间之外行动，且更可能生活在种族多样性更大、公共交通使用更高或收入更高的地区。综合这些发现表明，空间、社会和行为力量如何构成城市可达性，并为检测和监控城市中的障碍提供了可扩展框架，适用于规划、政策评估和平等分析。