基于手机大数据的中国人口迁徙模式及疫情影响研究

新型冠状病毒感染的肺炎(COVID-19)可通过人员接触与流动迅速传播,因此研究人类迁徙和出行模式的变化对疫情防控至关重要.本文基于手机运营商2020年春运及疫情暴发前后连续两个月的全国地级市之间的人口流动数据,运用时序网络分析方法构建人口流动网络拓扑结构指标,并通过引入地理衰减因子提出Spatial-Louvain社团检测算法,研究平时、春运、疫情防控隔离和生产复工四阶段的人口迁徙模式的时空演化规律.研究发现:受各地疫情防控措施影响,武汉封城后全国城市间人口流量急剧下降,并持续至2月中旬.疫情期间人口流动网络结构呈现四阶段的时空演化模式;本文提出的空间网络社团检测算法比传统Louvain算法平均模块度值提高了14%;中国城市分布以经济交互和地理位置为基础,形成了以核心城市为中心,向周边辐射的城市群格局;疫情因素仅能在短暂时间内改变部分城市的城市群归属,当该因素消失或减弱后,城市群能迅速恢复原有格局.     

复杂网络链路可预测性:基于特征谱视角

近年来链路预测的理论和实证研究发展迅速,大部分工作关注于提出更精确的预测算法.事实上,链路预测的前提是网络的结构本身能够被预测,这种"可被预测的程度"可以看作是网络自身的基本属性.本文拟从特征谱的视角去解释网络的链路可预测性,并刻画网络的拓扑结构信息,通过对网络特征谱进行分析,构造了复杂网络链路可预测性评价指标.通过该指标计算和分析不同网络的链路可预测性,能够在选择算法前获取目标网络能够被预测的难易程度,解决到底是网络本身难以预测还是预测算法不合适的问题,为复杂网络与链路预测算法的选择和匹配问题提供帮助.