🔬 physics

Scaling law of individual urban tour behavior

Deze studie vult een belangrijke lacune in de menselijke mobiliteitsmodellen aan door Foursquare-gegevens te analyseren, waaruit blijkt dat de lengte van stedelijke rondjes een afgeknot machtswet volgt, en introduceert een 'tour terminate-continue'-model dat deze verdeling evenals andere fundamentele schaalwetten zoals Heaps' en Zipf's wet succesvol reproduceert.

Oorspronkelijke auteurs: Xu-Jie Lin, Yitao Yang, Wei-Peng Nie, Xiao-Yong Yan

Gepubliceerd 2026-03-09

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Xu-Jie Lin, Yitao Yang, Wei-Peng Nie, Xiao-Yong Yan

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Reis van de Mens: Waarom We Soms Even Stoppen en Soms Lang Doorgaan

Stel je voor dat je leven een enorme, chaotische wandeling is door een stad. Je loopt naar het werk, stopt even bij de bakker, gaat naar de supermarkt en komt dan weer thuis. In de wetenschap noemen ze dit een "tour" (een rondje).

Deze studie van Lin en zijn collega's kijkt naar een vraag die tot nu toe bijna niemand had gesteld: Hoe lang zijn die rondjes eigenlijk?

Hier is de uitleg in simpele taal, met een paar creatieve vergelijkingen.

1. Het Grote Geheim: De "Stop-Of-Doorgaan" Knop

Vroeger dachten wetenschappers dat mensen zich als willekeurige wandelaars gedroegen. Maar deze onderzoekers keken naar de data van Foursquare (een app waar mensen aangeven waar ze zijn) in New York en Los Angeles.

Ze ontdekten iets verrassends:

De meeste mensen maken korte rondjes: thuis → werk → thuis.
Sommige mensen maken lange rondjes: thuis → werk → lunch → sport → winkel → thuis.
Maar heel weinig mensen maken extreem lange rondjes met tientallen stops.

De verdeling van deze rondjes volgt een heel specifiek patroon (een "afgeknotte machtsverdeling"). In het Nederlands: De kans dat je stopt en teruggaat naar huis, wordt kleiner naarmate je al langer op pad bent.

De Analogie:
Stel je voor dat je een batterij hebt die je energie voorstelt.

Als je net thuis bent, heb je veel energie. Je zou kunnen zeggen: "Ik ga nu even snel naar de bakker en dan weer terug." (Korte tour).
Maar als je al 5 uur op pad bent en al 4 stops hebt gemaakt, begint je batterij te piepen. Je denkt: "Oké, ik ga nu echt naar huis."
De onderzoekers ontdekten dat mensen een onzichtbare knop hebben: "Stop" of "Ga door". Hoe langer je al op pad bent, hoe kleiner de kans wordt dat je kiest voor "Stop". Je blijft dus vaak langer doorgaan dan je zou denken, totdat je uiteindelijk toch terugkeert.

2. De Nieuwe Simulatie: Het TTC-Model

De oude modellen (zoals het EPR-model) waren als een robot die alleen keek naar: "Heb ik hier al eens geweest? Ja? Dan ga ik daarheen. Nee? Dan ga ik naar een nieuwe plek."

Het probleem? Die robots wisten niet waarom iemand terugkeerde naar huis. Ze konden het patroon van de rondjes niet nabootsen.

De onderzoekers bedachten een nieuw model: TTC (Tour Terminate-Continue).
Dit is als een slimme navigatie die twee vragen stelt bij elke stap:

"Ben ik moe genoeg om naar huis te gaan?" (De kans hangt af van hoe lang je al op pad bent).
"Ga ik naar een nieuwe plek of een bekende?" (Mensen houden ervan om terug te keren naar plekken die ze kennen, maar ontdekken ook graag nieuwe dingen).

De Vergelijking:
Stel je voor dat je een hond bent die een bal gooit.

De oude modellen dachten dat de hond gewoon willekeurig rondliep.
Het nieuwe TTC-model zegt: "De hond loopt een stukje. Hoe langer hij weg is van de baas, hoe groter de kans dat hij terugrent. Maar als hij onderweg iets interessants ziet (een nieuwe plek), kan hij nog even doorgaan voordat hij echt terugrent."

3. Wat Levert Dit Op?

Met dit nieuwe model kunnen ze niet alleen de lengte van de rondjes voorspellen, maar ook andere bekende wetten van de stad:

Zipf's Wet: Een paar plekken (zoals het centrum of je werk) worden heel vaak bezocht, terwijl de rest maar zelden wordt bezocht.
Heaps' Wet: Hoe meer je de stad verkent, hoe meer nieuwe plekken je ontdekt, maar die groei vertraagt na verloop van tijd.
De Straal van de Rondjes: Hoe ver je gemiddeld van huis komt.

Het mooie is: dit ene model (TTC) kan alles tegelijk verklaren. Het is alsof ze eindelijk de formule hebben gevonden die zowel de lengte van je wandeling, de plekken die je bezoekt, en de afstand tot huis in één keer uitlegt.

4. Waarom Is Dit Belangrijk?

Dit klinkt misschien als droge wiskunde, maar het heeft echte gevolgen:

Stadsplanning: Als we weten dat mensen na een bepaalde tijd "moe" worden van een rondje, kunnen we winkels en scholen dichter bij elkaar bouwen. Dan hoeven mensen minder ver te reizen voor hun dagelijkse boodschappen.
Leverdiensten: Denk aan een bezorger die 10 pakketjes moet bezorgen. Als we weten hoe die "stop-continue" knop werkt, kunnen we routes plannen zodat de vrachtwagen minder vaak naar het depot hoeft terug te keren, maar wel efficiënt blijft. Dat scheelt brandstof en CO2.
Dieren: Zelfs dieren (zoals vogels die foerageren) gedragen zich zo! Ze zoeken voedsel, maar keren regelmatig terug naar hun nest. Dit model werkt ook daarvoor.

Samenvatting

Deze paper zegt eigenlijk: "Mensen zijn geen willekeurige wandelaars. We hebben een ingebouwd ritme."

We beginnen een rondje, we blijven doorgaan zolang het leuk of nodig is, maar naarmate de rondje langer duurt, wordt de drang om terug naar huis te keren steeds sterker. De onderzoekers hebben de wiskundige formule gevonden die dit gedrag beschrijft, en dat helpt ons om steden en transport systemen slimmer te maken.

Het is alsof ze eindelijk de geheime code hebben gekraakt van waarom we doen wat we doen als we de deur uitgaan.

Titel: Schaalwetten van individueel stedelijk tourgedrag

Auteurs: Xu-Jie Lin, Yitao Yang, Wei-Peng Nie, en Xiao-Yong Yan.

1. Probleemstelling

Het modelleren van mobiliteit met "tour"-gedrag (een reeks verplaatsingen die start en eindigt op een vaste basislocatie, zoals thuis) is fundamenteel voor het begrijpen van complexe systemen, variërend van dierenjacht tot menselijke mobiliteit en goederenvervoer. Hoewel er veel onderzoek is gedaan naar statistische wetten in menselijke mobiliteit (zoals Zipf's wet, Heaps' wet en de verdeling van reisafstanden), wordt de verdeling van de tourlengte (het aantal tussenstops in één tour) vaak genegeerd in bestaande modellen.

Bestaande modellen, zoals het Exploration and Preferential Return (EPR) model en het Simplified Human Mobility Universal (SHMU) model, reproduceren wel de algemene mobiliteitsstatistieken, maar falen in het nabootsen van de specifieke verdeling van tourlengtes. Ze negeren het mechanisme waarmee individuen beslissen om een tour te beëindigen en terug te keren naar de basislocatie. Er is een gebrek aan inzicht in waarom tourlengtes een specifieke statistische verdeling volgen en welke onderliggende mechanismen dit sturen.

2. Methodologie

Data-analyse

De auteurs gebruikten check-in-data van Foursquare uit New York en Los Angeles (ongeveer 255.000 reizen van 15.499 gebruikers).

Definitie: Een "tour" werd gedefinieerd als een keten van reizen die start en eindigt bij de meest frequent bezochte locatie (de basislocatie) van een individu.
Empirische bevinding: De verdeling van de tourlengte ( $l$ ) bleek te volgen een afgeknotte machtsverdeling (truncated power-law):
$P(l) \sim l^{-\alpha} e^{-l/\beta}$
Dit betekent dat de meeste tours kort zijn (1-2 stops), maar er een lange staart is van langere tours, die exponentieel afneemt door stadsomvang of dagelijkse beperkingen.

Het TTC-model (Tour Terminate-Continue)

Om deze verdeling te reproduceren, ontwikkelden de auteurs een nieuw model dat twee kernbeslissingen integreert:

Tour Beëindigen vs. Doorgaan: Op elke stap moet een individu beslissen of de tour wordt beëindigd (terug naar basis) of doorgaat. De kans op beëindiging ( $P_{term}$ ) hangt af van de huidige tourlengte $l$ :
$P_{term} = \rho l^{-\gamma}$
Hierbij is $\rho$ de initiële beëindigingskans en $\gamma$ de schaalparameter die bepaalt hoe sterk de kans afneemt naarmate de tour langer wordt.
Nieuwe vs. Bestaande Locaties: Als de tour doorgaat, wordt er gekozen tussen een nieuwe locatie of een eerder bezochte locatie. Dit wordt geregeld door een competitieparameter $\theta$ en de bezoekfrequentie van locaties.

Ruimtelijke Uitbreiding (d-TTC)

Het basis-TTC-model miste een ruimtelijke dimensie (afstand). Om dit op te lossen en de verdeling van de straal van gyratie ( $r_g$ ) te reproduceren, werd een zwaartekrachtmechanisme toegevoegd. De kans om een nieuwe locatie $j$ te kiezen, wordt beïnvloed door de bevolkingsgrootte van de locaties en de afstand $d_{ij}$ :
$P^{(j)}_{new} \sim \frac{O_i O_j}{d_{ij}^\sigma}$
Dit resulteerde in het d-TTC-model.

3. Belangrijkste Bijdragen

Ontdekking van een universele schaalwet: De auteurs hebben voor het eerst aangetoond dat de verdeling van tourlengtes in stedelijke omgevingen een afgeknotte machtsverdeling volgt, een patroon dat eerder over het hoofd werd gezien.
Het TTC-model: Een nieuw, parsimonisch model dat specifiek het mechanisme van tourbeëindiging en -verlenging modelleert. Dit model is in staat om de empirische tourlengteverdeling nauwkeurig te reproduceren, in tegenstelling tot EPR en SHMU.
Unificatie van wetten: Het model reproduceert niet alleen de tourlengteverdeling, maar ook andere fundamentele wetten van menselijke mobiliteit:
- Heaps' wet: Het aantal unieke bezochte locaties ( $S$ ) als functie van het aantal reizen ( $n$ ).
- Zipf's wet: De verdeling van bezoekfrequentie aan locaties.
- Straal van gyratie: De ruimtelijke spreiding van de trajecten (via het d-TTC-model).
Analytische afleiding: De auteurs hebben analytische vergelijkingen afgeleid die de relatie tussen de modelparameters ( $\rho, \gamma, \theta$ ) en de outputstatistieken beschrijven, wat inzicht geeft in de onderliggende mechanismen.

4. Resultaten

Fit met Empirische Data: Het TTC-model toont een uitstekende overeenkomst met de Foursquare-data (lage Kolmogorov-Smirnov afstand), terwijl EPR en SHMU de verdeling van korte tours onderschatten en lange tours overschatten.
Parameterinvloed:
- $\rho$ (Initiële beëindigingskans): Een hogere $\rho$ leidt tot kortere tours, een snellere terugkeer naar de basis, en een kleinere straal van gyratie.
- $\gamma$ (Schaal van beëindiging): Een hogere $\gamma$ betekent dat de kans op beëindiging sneller daalt naarmate de tour langer wordt, wat leidt tot langere tours en meer exploratie.
- $\theta$ (Exploratieparameter): Beïnvloedt de diversiteit van bezochte locaties maar heeft weinig invloed op de tourlengteverdeling zelf.
- $\sigma$ (Afstandssensitiviteit): Beïnvloedt de ruimtelijke spreiding ( $r_g$ ); een hogere $\sigma$ (sterkere voorkeur voor korte afstanden) verkleint de straal van gyratie.
Validatie op Vrachtwagens: Het model werd ook getoetst op GPS-data van zware vrachtwagens in Peking en Shanghai. Ook hier bleek de tourlengteverdeling een afgeknotte machtsverdeling te volgen, en het TTC-model paste beter dan de benchmarks.

5. Betekenis en Toepassingen

Theoretisch: Het onderzoek biedt een unificerend raamwerk voor individuele menselijke mobiliteit door het concept van "tours" expliciet te integreren in probabilistische wandelmodellen. Het verduidelijkt dat het mechanisme van stopbeslissingen cruciaal is voor het begrijpen van mobiliteitspatronen.
Praktisch:
- Stadsplanning: Door te begrijpen wat de tourlengte beïnvloedt, kunnen beleidsmakers de toegankelijkheid van diensten (scholen, winkels) verbeteren om burgers aan te moedigen langere tours te maken, wat de algehele mobiliteitsefficiëntie verhoogt.
- Logistiek: Het model kan worden gebruikt om vrachtwagenroutes te optimaliseren. Door de neiging van chauffeurs om tours te verlengen of te beëindigen te modelleren, kunnen logistieke bedrijven efficiëntere toewijzingen maken, wat leidt tot minder trucks en lagere CO2-uitstoot.
- Diergedrag: Het raamwerk is ook toepasbaar op de jachtgedrag van dieren die regelmatig terugkeren naar een nest, wat nieuwe inzichten biedt in ecologische modellen.

Concluderend vult dit onderzoek een belangrijke lacune in de mobiliteitswetenschap op door de statistische wetten van tourlengtes te kwantificeren en een mechanistisch model te bieden dat zowel de ruimtelijke als de temporele complexiteit van individuele verplaatsingen accurate beschrijft.