Visualizing complex mobility patterns using backbone networks

Jinpeng Wang

doi:10.1007/s11116-025-10694-7

2025-11-03

PRE

Jinpeng Wang

Yujie Hu *

DOI：10.1007/s11116-025-10694-7

原文链接

原文求助

摘要

En 中文

可视化移动模式对于理解空间交互模式至关重要，但由于大量移动数据的可用性，这已成为日益严峻的挑战。仅显示高于设定阈值值的传统阈值化方法可能会忽略小但关键的流动，导致对移动模式的偏颇表征。本研究应用网络骨架方法提取移动网络的基本结构，以提供简化但有意义的表现。具体而言，它采用差异滤波方法可视化佛罗里达州普查小区之间的通勤流动。通过比较地理和统计分布，对获得的骨架通勤网络与原始网络及通过阈值化方法获得的过滤网络进行评估。结果表明，差异滤波方法在创建用于可视化复杂移动模式的骨架网络方面非常有效，优于传统阈值化方法。此外，生成的移动骨架网络能够识别最关键和交通量最大的道路，为城市规划者和政策制定者提供有价值的见解，以就交通基础设施做出明智决策。

Keyword:

Mobility networks

Backbone networks

Spatial networks

Flow maps

Commuting flows

Spatial interactions