城市移动的本土化

识别城市移动模式对于预测和控制空间事件至关重要。在本研究中，我们分析了从一个领先的中国基于位置的社交网络服务（街旁网）爬取的数百万条地理签到数据，其中包含的人口统计信息有助于进行特定群体的研究。我们确定了在所考虑的五个大城市中本地人和非本地人的不同移动模式。我们采用混合方法为本地人和非本地人分配不同的算法，与基础算法相比，这大大提高了位置预测的准确性。我们还提出了所谓的本土化系数，以量化个体行为像本地人的程度，该系数仅取决于其签到行为，而不需要人口统计信息。令人惊讶的是，使用本土化系数加权的混合算法优于使用额外人口统计信息的混合算法，这表明与人口统计信息相比，行为数据在刻画个体移动性方面具有优势。本文提出的位置预测算法可应用于城市规划、交通预测、移动推荐等领域。