基于neuroGravity的可迁移人类 Mobility 网络重建
人工智能
2026-04-28 v1
摘要
精准建模人类 mobility 对解决城市规划和公共卫生挑战至关重要。在发展不完全地区，由于缺乏全面的旅行调查， necessitates 从公开可用数据重建 mobility 网络。本文开发了 neuroGravity，一个受物理学启发的深度学习模型，可从有限观察数据可靠地重建 mobility 流动，并可迁移到未观察到的城市。仅使用城市设施和人口分布，我们发现 neuroGravity 的区域表示与社会经济状况和生活便利度密切相关，为大规模替代昂贵调查提供了可扩展的代理。进一步地，我们发现空间收入隔离在模型迁移性中发挥关键作用：当目标城市与源城市的隔离水平相似时，mobility 网络最可靠地被重建。我们设计了一个量化这种隔离的指数，并准确预测迁移性。最后，我们为全球超过1200个城市生成了 mobility 流动代理，凸显了 neuroGravity 在资源受限、发展不完全地区缓解关键数据不足的潜力。
引用
@article{arxiv.2604.23678,
title = {Transferable Human Mobility Network Reconstruction with neuroGravity},
author = {Jinming Yang and Shaoyu Huang and Zongyuan Huang and Yaohui Jin and Xiaokang Yang and Marta C. Gonzalez and Yanyan Xu},
journal= {arXiv preprint arXiv:2604.23678},
year = {2026}
}