公海赌船网址咱获取了都十万用户之三十上外的倒与上网记录数据。让咱们考虑一个L

“从物理学角度看,生命这种物质运动形式,与外的质运动相比并从未再强之义,从生受到你找不至新的物理原理,所以于自家之角度看,一个人的要命与同等块冰之融化并没精神的别。”


刘慈欣《地球往事》

渗流模型介绍

[Jun 15]
阅读渗流模型介绍。

被咱考虑一个L*L个格子组成的方格世界,让我们为概率p将这些格子染成黑色。接下来,我们来针对这些黑色的格子再拓展染色,
也就是说我们见面把同老大片相通之黑色格点染成同一种颜色(只考虑上、下、左、右四个街坊),而个别片彼此不相通的格点就用不同之水彩来染。我们将附近的同种颜色的格点叫做一个团簇(cluster)。概率p是一个重中之重之参数,因为不同的p就会带动不同之始发黑色方格的密度,而明确要黑色方格密度越来越怪,那么这些格子之间便再度产生或相互连接形成比较充分的团簇,而一旦密度进一步聊,它们彼此之间就好为难形成团簇。渗流现象表示形成全局性的团簇,也就表示系统来了相变。测试python代码,结果表现这里。

[Jun 16] 重整化过程

公海赌船网址 1

renormalization of WWW network with l = 3

source:
http://slideplayer.com/slide/1662945/

目录

  1. 前言
  2. 局域移动
  3. 聚倾向
  4. 通效率
  5. 跨区流动
  6. 相互影响

市计算

极致基本之技巧问题是怎样定义节点内相距。我们可组织基站之间用户移动的数目,并且把用户在点滴个基站之间总是运动的平分花费实在时间作为距离,这种去是一律栽social
computing计算的结果,把用户作为sensor,这种去包括了事实上的交通状况和堕胎状况的消息(by
计算士)。

Python
renomalization

Tutorials:DMRG

1. 前言

由此跟某运营商合作,我们获取了首都十万用户之三十龙外之走与上网记录数据。下文对同样上外之数据做多简便分析。可以开的业务发广大,有待更多口在研究集体,一起把这个线前行变成遥远研究之来头。

BJ移动多少

[Jun 19] MobilityAndSocialInfluence.py

数量是用户对基站的顾,用户依次走访同名目繁多基站(运动的agent),有的用户抓住一个基站不歇访问(静止的agent);对于移动的场面而言,我们只是构建基站网络:点是基站,链接是用户流量。

公海赌船网址 2

复制基站活跃度地图

[Jun 20] 阅读Christen, Kim (2006). 複雜性和臨界狀態. 復旦大學出版社.
ISBN
9787309052022.

公海赌船网址 3

degree distribution

公海赌船网址 4

degree-degree plot

[Jun 21]

公海赌船网址 5

度度分布

Pearson correlation = (0.25, 0.0)

2. 局域移动

公海赌船网址 6

每个点是一个基站,信息流量更充分的基站颜色越红

数据被总计发生一万大多基站。显然,基站更多地会见给置于在人口密度较充分之所在。因此于基站的布为能够收看北京丁底会师情况。

公海赌船网址 7

根据用户移动对基站进行聚类

人底聚集不仅仅是宅基地之集结。大多数的家常移动轨迹都当一个微范围外[1]。以基站呢节点,以用户流动为链边构建网络,对是网络的极充分联通集团进行k
clique
communities聚类[2]可以博两百几近只小之社区,其中最深的10独社区如图所示。聚集得的社区反映了京居民便移动的局域性。

盒子覆盖算法下子群规模的无标度特征

测试 CBB (compact box burning)算法:

  • lb = 1, 13912个基站
  • lb = 2, 8000+
  • lb = 3, 5770
  • lb = 5, 2524个支行社区(速度挺缓慢)

公海赌船网址 8

渗流模型网格模拟中的子群规模之无标度特征

RankOrderPlot(100, 0.59, 2015)

公海赌船网址 9

CBB算法,lb = 5, 子群规模之无标度特征

公海赌船网址 10

CBB算法,lb = 5, 子群规模的无标度特征 DGBD拟合

公海赌船网址 11

规模分布

3. 集倾向

公海赌船网址 12

基站流距离的分布及其与流量之关联

咱以由“源”到基站的平均加权步长称为“流长度”,使用这指标来形容移动网。我们发现除此之外同良批判流长度为1的基站外,流去基本上呈正态分布。同时基站的流距离与流量正相关(Pearson
r = 0.23, p-value <
0.01),说明人群以联谊而无是耗散。从“源”到“汇”的“流长度”是5.7,意味着平均来说一样上之内用户一旦通过六独基站。

公海赌船网址 13

基站流距离

打达图被吗能够观看用户从各地聚集到市中心。

location-based recommendation

品尝采取convexhull算法来作画生大概,结果绝非常了。只要有outlier的接触,这个结果虽无见面哼。

公海赌船网址 14

4. 畅通效率

公海赌船网址 15

京顶充分的季单通行障碍区:军博,奥体中心,亦庄,北理工

而外流长度外,我们啊可以倒网络直达测算任意一针对节点内的流距离。而继我们对于每一个节点i,只保留outbound流距离太可怜之节点j,这样我们便构建了一个最深生成树。这个培训被入度比较高的点即是当地交通最为有待改善的接触:大量用户从不同的地方到此地,但也还要待经三番五次换乘。类似的章程还只是用于分析交通最为有效率的地带。

公海赌船网址 16

基站流距离与实际地理距离的涉

俺们发现,基站之间流距离与地理距离正相关(Pearson r = 0.02, p-value <
0.01)。如果交通网络是一个球面上全匀分布的亚维网格,那么流距离与地理距离内应是系数为1的线性关系。因此实际交通系统是一个比较均匀分布之交通系统更敏捷的体系。然而就是对这样一个很快系统,如上文分析,仍然发生成百上千改进的退路。

参考

[1]
http://www.jianshu.com/p/43500639c45b

[2]
http://computational-thinking.farbox.com/2014-11-02-bjmobile

Universal flux-fluctuation law in small
systems

Universal flux-fluctuation law in small systems
2

DataV
http://datavlab.org/demopage/

Novelty and collective
attention

5. 跨区流动

公海赌船网址 17

挪动速度

公海赌船网址 18

挪速度和于信息传送着之职位

俺们发现,用户的位移速度是对数正态分布。大多数人数活动于慢,少数人数活动于快。人与人之间的倒速度差别是几乎哪里级的。从地图及足见到,区域次的移动于快,区域外之运动于慢。

6. 相互影响

公海赌船网址 19

倒速度跟于信息传送着的岗位

经过用户的上网行为,我们得构建用户网络。如果用户i和用户j先后上了与一个网站,我们计算i上传的信息流量和j下载的信息流量,将双边加总作为链边权重,视为用户之间的彼此强度。在斯网络及,对用户计算流长度,可以见见用户以信息交流着是知难而进或者半死不活的,是熏陶他人或者被别人影响。

咱俩发现,用户的动速度和于信息传递链中之职位负连带(Pearson r = -0.01,
p-value =
0.02)。这恐怕是由于移动速度比快的用户社会经济地位比高,在社会交往中呢更积极。

相关文章