论文解读-Activity Sequence Generation Using Universal Mobility Patterns

这是2021年发表在SAGE上的一篇文章。先前的研究发现不同区域的活动序列呈现出Zip’s分布，这篇论文旨在发现其背后的机制。该模型包含很少的可调参数，且没有输入参数。序列的生成基于两个顺序抽样：1）活动数量2）活动类型。

导言

现有的交通模型复杂且对数据的要求高。这个模型提出了一种观点，减少对数据和应用的依赖。基于两类采样，作者提出了一种活动序列生成机制，该模型不需要输入数据，并且只有很少的参数。

在此论文中，作者提出两个分布的序列采样可以生成序列分布，其等级位置和原分部很相似，最重要的是，它只需要知道很少的关于两个分布的信息。

相关工作

之前有研究发现，两个指数分布的交互可以生成活动序列的幂律分布。该文章发现两个准指数分布确实可以生成活动序列的普遍分布。
手机位置数据显示人类的移动遵循普遍的旅行模式，到达某一个地点的人数遵循Zip’s分布， 即到达一个等级为L位置的概率为：
$$p(L)=\frac{1}{L}$$
位移的分布规律遵循：
P(Δr)=(Δr+Δr0)βe−Δr/k P(\Delta r)=(\Delta r +\Delta r_0)^{\beta}e^{-\Delta r/k}