矢量导航：移动大数据揭示人脑导航偏好

导语

两点之间直线最短，每个人都知道这一简单的数学定理。然而，当你在城市的街道上朝目的地走去时，一条直线走到底几乎是不可能的。在这样的情况下，如何决定走哪条路？直觉告诉我们应该选那条距离最短的路。然而近日，香港大学城市数据科学助理教授周钰伦等人在 Nature Computational Science 杂志发表论文，利用手机收集的大规模数据集分析了大约15000个行人轨迹后发现，我们的大脑实际上并没有通过优化计算选择最短路径，而是选择了朝向与目标最一致的路径。这一发现对许多真实世界的应用，比如准确预测交通和规划交通，以及设计导航和路径推荐系统都具有重要意义，也开创性地揭示了城市移动大数据对神经认知科学和类脑计算等科学领域的实证意义。以下是 NatureComputational Science介绍这项工作的评论文章。

研究领域：城市导航，大脑决策，空间表征，移动大数据

Laura Alessandretti| 作者

张澳| 译者

邓一雪| 编辑

论文题目： Vector-based pedestrian navigation in cities 论文链接： https://www.nature.com/articles/s43588-021-00130-y

1. 移动大数据揭示大脑导航机制

从在外国城市找到回酒店的路，到在高峰时间避免交通拥堵，导航是日常生活中的一项常见任务。然而，它实际上是一个复杂的认知活动。对于一个城市中的大多数起止点而言，都有好几条可选择的路径，这些路径由不同路段的序列组成。那么当人们前往一个既定目的地时，如何在众多的路径中进行选择呢？通过对波士顿和旧金山的大约15000个行人轨迹进行分析，论文作者在 Nature Computational Science上阐明了大脑在复杂城市环境下选择路径的基本机制。

尽管理解人类在城市中的导航方式非常重要，但对此的研究却很有限。到目前为止，出行研究主要依赖于对志愿参与者的控制实验收集到的数据。过高的数据收集成本不允许研究人员关注大规模人群，源于控制条件下的实验数据也不能得出真实世界的结论。

近年来，从移动设备收集的大规模数据集为研究真实环境中的移动性开辟了新的可能性，从而催生出对人类出行机制的发现。然而，在这个迅速发展的领域，大多数研究都集中在诸如人们什么时候旅行，以及人们最常去哪里之类的问题上，却很大程度上忽视了人们如何到达他们的目的地的问题。当然，这也是高分辨率数据的稀缺性导致的。因此，许多用于交通建模的路径选择模型都是基于一个简单的假设，即人们在选择路径时更偏好最短路径。那么事实果真如此吗？

2. 目标导向，而非距离导向

Christian Bongiorno 等人利用移动跟踪程序收集的数据，解决了人类出行领域关于路径选择机制的研究空白。他们得出了几个有趣的发现。

首先，人类在选择路径时天生效率低下。作者指出，行人基本上偏离了最短的路径（见图1），也偏离了谷歌地图提供的路径。具体而言，当行程的起点和目的地相距约1公里时，行人所选择的路径通常比最短路径长8% 。

图1.人类路径与最短路径的区别。 （a）在波士顿（上图）和旧金山（下图），人类路径（红色）和最短路径（蓝色）的长度（纵轴）与起止点间欧式距离（横轴）的关系。 （b）人类路径和最短路径长度间的相对差异（纵轴）与起止点欧式距离（横轴）的关系。 （c）人类路径（红色）和对应的最短路径（蓝色）的两个示例。

第二个关键发现是，行人所选路径通常是不对称的（见图2）。换句话说，给定任何一对地点 A 和 B，人们选择从 A 到 B 的路径往往不同于他们选择从 B 到 A 的路径。

图2.不对称的人类路径。 （A）城市街道网络中人类路径不对称的例子。 其中红色路径起始于红色标记，蓝色路径起始于蓝色标记。 （B）通过单尾p值得累计分布函数（Cumulative Distribution Function，CDF）在波士顿（上图）和旧金山（下图）进行的不对称测试。 其中 p 值始终高于对角虚线表示统计上与对称路径的明显偏离。

3. 偷懒的大脑：

在心智成本与体力成本间权衡

但是为什么我们偏离了最短的路径呢？为什么我们选择的路径是不对称的？基于空间认知的文献，作者认为这些经验性的观察结果可能是由矢量导航策略（vector-based navigation strategy）所导致的。这一导航策略在动物间广泛存在，该策略倾向于选择一条尽可能直接指向最终目的地的路径。

根据神经科学最新的证据，矢量导航策略产生于空间的大脑表征，这一表征使得个体能够推断其自身位置与目的地间的距离和角度。这种策略对于在新环境中旅行和寻找新的捷径至关重要，因为它不依赖于熟悉的视觉输入（如地标），也不依赖于以前旅行的记忆。

研究者建构了两个模型并对其进行比较，通过这两个模型，大脑可以在规划路径时评估各路径的优劣。第一个模型基于距离最小化，优先选择由较短路段组成的路径。第二个模型考虑了矢量导航策略，一条路径的优劣由其路段的长度和方向同时决定，其中以小角度偏离最终目的地的路段是首选（见图3）。

研究表明，对于小于1公里的路段，第二个模型的结果与真实路径轨迹更相符，说明矢量导航策略是路径规划的关键机制。有趣的是，随着行程长度的增加，个体往往会从矢量导航策略（花费于路径规划的心智成本较低）过渡至距离最小化策略（时间及体力成本较低）。

图3. 矢量导航模型和距离最小化导航模型。（a）从 A 地到 B 地有两条路线，即路线1（dotted line）和路线2（dashed line）。（b）对于起点为 A，目的地为 B 的行程，距离最小化导航模型倾向于路线1（路段总距离 I = 3.9）而非路线2（路段总距离 l = 4.0）。矢量导航模型偏好路径2（路段总角度 θ = 90.0）而非路径1（路段总角度 θ = 92.7）。（c）对于起点为 B，目的地为 A 的行程，两种模型都倾向于选择路线1（路段总距离与总角度乘积 = 78.8），而非路线2（路段总距离与总角度乘积 = 118.0）。对于每一路段，其中距离 l 单位任意，角度 θ 为路段切线与目的地间的夹角，单位为度。

4. 大脑导航研究的未来

理解人类的路径选择对于许多真实世界的应用至关重要，从准确预测交通和规划交通，到设计以人为中心的导航和路径推荐系统。这项最新工作证明了从移动设备中收集的观测数据的潜在价值，尤其是将其用于研究空间认知对导航行为影响的价值。需要注意的是，这些数据由私人公司收集和预处理，故数据的部分性质并不清楚。例如，关于人口统计的信息是未知的。为了应对这些局限性，未来的研究可以针对性收集移动设备的数据，来补充私人公司的数据集。尽管如此，该项工作仍为理解人类导航行为做出了重大贡献。

对于人类导航机制的研究仍待进一步探索，许多有趣的问题仍待解答。自然环境和建筑环境的特征（如地标）如何促进导航？什么因素可以解释个体之间导航的区别？我们是否根据不同的旅行目的采用不同的导航策略？随着我们越来越依赖智能导航和定位技术，人类的导航能力将如何变化？而解决这些问题的关键就是对移动设备数据的自动收集及分析。

原文链接：

https://www.nature.com/articles/s43588-021-00118-8

【关于作者】

周钰伦，香港大学建筑学院城市数据科学助理教授（Assistant Professor in Urban Data Science, Faculty of Architecture, The University of Hong Kong）。复旦大学现代物理研究所学士，香港中文大学博士，哈佛与麻省理工大学访问研究员。主要从事城市大数据挖掘，城市系统复杂性和干预方法，和空间人群行为决策与认知方面的研究，主要技术路线包括时空统计与数据挖掘，空间信息论，多目标遗传算法等。

目前，周老师正在招收城市复杂系统和数据挖掘相关方向 PhD，详情请参看：。

复杂科学最新论文

集智斑图顶刊论文速递栏目上线以来，持续收录来自Nature、Science等顶刊的最新论文，追踪复杂系统、网络科学、计算社会科学等领域的前沿进展。现在正式推出订阅功能，每周通过微信服务号「集智斑图」推送论文信息。扫描下方二维码即可一键订阅：