Mechanism underlying the scaling law of home-return probability in human mobility

技术摘要：人类移动性中归家概率标度律的内在机制

问题陈述
理解个体日常移动性的统计规律是城市科学和复杂系统领域的一个核心挑战。一个关键现象是“巡回”（tour），其定义为从固定的家作为起点并最终返回家的行程序列。经验数据揭示了一个显著的标度律：个体在访问 $l$ 个地点后返回家的概率遵循幂律衰减，即 $P_{ret}(l) \sim l^{-\gamma}$，其中 $\gamma \in (0, 1)$。

以往的模型尝试（如 Lin 等人提出的巡回终止-继续模型，TTC 模型）通过将归家概率 $P_{ret}(l)$ 的幂律衰减作为经验输入，成功地重现了巡回长度的分布。然而，这种方法未能解决指数 $\gamma$ 的微观起源问题。本研究旨在解决的核心问题是，为为什么归家概率遵循幂律提供一种机理性的解释，并确定是什么决定了特定的标度指数 $\gamma$，从而实现从现象描述向理论推导的跨越。

研究方法
作者提出了一个基于最小努力原则（principle of least effort）和认知约束的框架，从第一性原理出发推导该标度律。研究方法通过以下逻辑步骤展开：

1. 效用权衡模型： 终止巡回（返回家）或继续巡回的决策被建模为一个受两种效用驱动的二元选择：

   • $U_H$：返回家的恒定效用（代表休息与安全）。
   • $U_L(l)$：截至第 $l$ 步时，外部巡回所产生的累积边际效用。
     利用卢斯选择规则（Luce's choice rule），归家概率表示为 $P_{ret}(l) = U_H / (U_H + U_L(l))$。

2. 认知编码与齐夫定律（Zipf's Law）： 为了确定 $U_L(l)$ 的增长模式，作者将个体对活动目的的检索建模为一个最优编码过程。通过应用曼德尔布罗特（Mandelbrot）的信息论框架以及在最小化平均认知努力（最小努力原则）约束下的香农源编码定理，作者推导出活动的优先级遵循齐夫分布：$p(r) \sim r^{-\nu}$，其中 $r$ 是优先级排名，$\nu$ 是认知异质性指数。

3. 空间可达性的整合： 作者认为，空间可达性并非外部约束，而是被整合进了认知编码过程中。较近的目的地需要更少的认知努力，从而有效地提升了其优先级排名。因此，巡回步骤序列 $l$ 与整合后的优先级排名 $r$ 相一致（即 $l=r$）。

4. 数学推导： 通过计算前 $l$ 个排名的边际效用之和来计算累积效用 $U_L(l)$。通过分析和式 $\sum_{r=1}^{l} r^{-\nu}$ 的渐近行为，作者发现当 $0 < \nu < 1$ 时，累积效用呈次线性增长，即 $U_L(l) \sim l^{1-\nu}$。

5. 验证： 通过涉及 $10^8$ 个智能体的基于智能体的模拟（agent-based simulations）对分析结果进行验证，并将模拟的 $P_{ret}(l)$ 及拟合指数与理论预测进行对比。

主要结果
分析得出了认知异质性指数 $\nu$ 与移动性标度指数 $\gamma$ 之间的直接解析关系：
$$\gamma = 1 - \nu$$
这一推导表明：

• 归家概率的幂律衰减自然地产生于巡回效用的次线性累积。
• 这种次线性增长是由于个体内部存在齐夫分布的活动优先级，而这种分布本身是基于最小努力原则下实现认知编码的最优解。
• 为了实现效用次线性增长所需的条件 $\nu \in (0, 1)$，自然地确保了所得的标度指数 $\gamma$ 落在经验观察到的 $(0, 1)$ 范围内。

基于智能体的模拟证实了该理论标度关系成立，且尽管在极长巡回长度下存在统计噪声，但拟合指数 $\gamma$ 会随着最大巡回长度的增加而收敛于 $1-\nu$。

意义与主张
本文声称提供了人类移动性经验性 TTC 模型首个微观理论基础。通过在个体认知约束（特别是最小努力原则和最优编码）与宏观移动模式之间架起桥梁，作者解决了 TTC 模型的“黑箱”问题。

这项工作的意义在于：

• 机理性解释： 它将对巡回行为的理解从现象拟合转向了由认知效用权衡驱动的机制。
• 统一性： 它将观察到的幂律移动性标度与认知科学中成熟的齐夫定律统一起来，表明观察到的移动模式是人类大脑优化活动目的检索过程的直接体现。
• 理论基础： 它基于认知参数 $\nu$ 对标度指数 $\gamma$ 进行了严谨的推导，为未来连接认知科学、复杂系统和城市规划的研究提供了基础。

作者承认了局限性，指出目前的模型通过“整合优先级”而非将空间距离作为显式的外部约束来隐式地将空间摩擦内化，并且该模型侧重于个体决策，未纳入社会交互或集体移动模式。