城市间流动的新法则 - 彭博社

Shutterstock当前城市间流动的主流模型，用于预测从通勤到传染病传播的移动模式，被称为“引力法则”。它是在1940年代早期开发的，由一位名叫乔治·齐夫的哈佛讲师提出，当然是基于牛顿的定律，该定律指出引力在两个物体的质量大且它们之间的距离最小时增加。

在同样的精神下，齐夫的“引力法则”假设，当两个城市的人口较大且它们之间的距离较小时，城市间的移动会最频繁。然而，实际上，“引力法则”并没有很好地估计它所意图预测的城市间移动。虽然齐夫的法则对人们频繁往返于遥远城市的概念持否定态度，但我们自己的理查德·弗罗里达所概述的关于所谓“超级通勤者”的最新研究显示，城市人口中有相当一部分实际上愿意通勤相当远。

彭博社城市实验室NJ Transit，阿美轨道列车在纽约市附近出轨后延误纽约市养老金投资于前审计长公司管理的基金芝加哥市长寻求批准15亿美元债务再融资纽约市教育局长班克斯因联邦调查将离职“引力法则”有几个其他限制，大多数对于即使是拥有复杂网络数学和物理学高级双学位的最愚笨个体来说也应该显而易见，可以说这些挫折激励了其他研究人员寻找更好的模型。在一篇于 《自然》期刊Nature 于二月底在线发表的论文中，来自 东北大学、麻省理工学院和意大利帕多瓦大学的国际研究小组概述了一种在面对面竞争中表现优于“引力法则”的流动性模型。

这种新想法被称为“辐射模型”，做出了几个引力模型没有的假设。首先，它淡化了两个城市之间的距离，不仅强调城市本身，还强调周围地区的密度。这使得模型能够更准确地估计一个地区的工作岗位数量。它还更多地考虑了实际的人类行为：虽然辐射模型假设人们根据接近性和利益的平衡选择工作，但它认识到如果他们所在地区的工作岗位很少满足他们的要求，他们愿意进行长时间的通勤。

因此，辐射模型在直接竞争中超越了“引力法则”。作为一个例子，研究人员观察了犹他州和阿拉巴马州两个县之间的流动性。两个起始县的人口相似，两个目的地县的人口也相似，并且这两个县之间的距离大致相等。实际的普查数据显示，犹他州有44人通勤，而阿拉巴马州有六人。

由于这两个县的大小和距离大致相同，“引力法则”将它们视为平等。果然，它预测每个地方只有一个通勤者会进行这段旅程。另一方面，“辐射模型”能够考虑到犹他州的人口密度与全国平均水平相比非常低，这意味着离家较近的工作机会可能更难获得。因此，它预测犹他州有66名通勤者，而阿拉巴马州有两名通勤者：

另一个例子集中在从纽约出发的旅行上。同样，“引力法则”（下方中间面板）高估了当地流动性，低估了长距离甚至中距离的流动性。“辐射模型”（下方面板）提供了对普查（上方）观察到的通勤模式的“更现实的近似”，研究人员展示了这一点：

研究人员认为，辐射模型的准确性提高将增强各种关于流动性的预测。他们总结道（为可读性而删除引用）：

总之，辐射模型的优越性能可以显著提高在所有受流动性和运输过程影响的领域中预测工具的准确性，从流行病学和传播过程到城市地理和经济资源流动。我们引入的无参数建模平台可以预测通勤和运输模式，即使在没有系统性收集此类数据的地区，因为它仅依赖于人口密度，而这一数据在全球范围内相对准确地估计。

顶部图片来源：Andrew F. Kazmierski/ Shutterstock.com