OptimalStop：面向人类移动数据停留检测的可预测性—复杂性权衡优化框架

《Computers, Environment and Urban Systems》：OptimalStop: Predictability–complexity trade-off for optimising stop detection in human mobility data

　　

人类移动性分析日益依赖大规模轨迹数据，但结果仍对预处理选择高度敏感，而这些选择很少以一致或记录充分的方式实施。停留检测（stop detection）将原始位置轨迹转化为访问地点序列，是尤其关键且易产生偏差的步骤，其参数选择常由数据集特定惯例驱动。缺乏系统且透明的参数选择实践，可能引入方法学偏差，并限制移动性研究的可比性与可复现性。在此，研究人员提出OptimalStop，一种模型无关（model-agnostic）的停留检测优化框架，利用人类移动轨迹中的可预测性—复杂性权衡（predictability–complexity trade-off）指导预处理。OptimalStop作为更高层调参层（higher-level tuning layer）运行，适用于任何产生符号化移动序列（symbolic mobility sequences）的方法。通过将停留检测构建为多目标优化（multi-objective optimisation）问题，该框架识别出兼顾可预测性与结构复杂性的紧凑帕累托最优（Pareto-optimal）参数配置集合，避免过度碎片化或过度聚合的表征。研究人员在真实世界与合成移动数据集上使用多种停留检测算法评估OptimalStop，并通过受控合成实验确认，该可预测性—复杂性权衡在结构上根植于重复返回地点行为（recurrent return-to-place behaviour），而非离散化（discretisation）的数学伪影。结果表明，OptimalStop在合理计算时间内持续保留近优解（near-optimal solutions），同时显著缩减有效参数搜索空间（effective parameter search space）。可选的自动选择策略（automatic selection strategy）进一步表明，无需真实标签（ground truth）亦可获得高质量停留检测，其表现优于或匹配常用的基于敏感性的调参方法（sensitivity-based tuning approaches）。研究人员以开放许可（open licence）发布OptimalStop，提供透明且可复现的参数选择框架，支持更有结构的移动数据预处理。尽管此处以停留检测进行演示，其底层的可预测性—复杂性平衡为缓解移动性分析中的方法学偏差提供了更一般的视角。

研究背景与问题：人类移动性分析依赖大规模被动采集轨迹数据，已应用于公共卫生、城市规划、交通与基础设施管理等；但轨迹数据来源、采样频率与分析目标高度异质，噪声过滤、停留点检测、分割、地图匹配与压缩等预处理缺乏一致实践。停留检测是个体轨迹预处理中首要且关键的一步，目标是将带时间戳的位置点转化为访问地点序列，识别个体在有限空间区域内停留的静止时段，以区分出行段与驻留活动；其结果支撑活动推断、出行提取、移动建模、下一位置预测、隔离分析与可达性研究。现有方法包括阈值法、网格法、聚类法与模型/机器学习法，均依赖距离阈值、停留时间、密度准则或聚类超参数，参数选择常为经验默认、启发式规则或有限敏感性分析，缺乏系统识别最优配置的通用框架。参数差异会造成过度分割（over-segmentation）、分割不足（under-segmentation）、漏检或过检，改变轨迹复杂度、可预测性与下游模型表现，并限制跨研究可比性与可复现性。为此，研究人员从信息论视角将停留检测后的轨迹表示为离散地点符号序列，利用熵基指标量化移动结构，揭示可预测性—复杂性权衡，并提出模型无关的OptimalStop框架，以多目标优化识别紧凑帕累托前沿（Pareto front，非支配参数配置集合），并可自动选取单一平衡配置。研究意义在于为停留检测提供客观、透明、可复现的参数选择层，减少方法学偏差，并支持面向不同分析目标的表征选择。

关键技术方法（不超过250字）：研究人员将OptimalStop设计为适用于任意输出停留标签序列算法的调参层。以实际熵（entropy，序列结构复杂性度量）的Lempel–Ziv估计器（有限序列熵估计方法）作为复杂性S_i，以Fano不等式（给出可预测性上界）得到的最大可预测性Π_i为另一目标，采用Optuna中的多目标树结构Parzen估计器（MOTPE）贝叶斯优化，每轨迹100次试验（20次启动），可选时间重采样。评估Project Lachesis、Infostop与ST-DBSCAN。真实数据来自Azira（原Near与Ubermedia）新西兰30天智能手机轨迹，保留缺失率q<0.25且不少于30天轨迹，人工标注540人日、1249个停留地点；合成数据采用NOMAD的Garden City环境，64×64网格、714栋建筑、250个代理、30天、7500人日；另用四类Lévy walk（莱维游走，重尾步长随机游走模型）变体检验机制。

研究结果：
4.1 Sensitivity of Pareto front quality to mobility model structure（帕累托前沿质量对移动模型结构的敏感性）：通过四类Lévy walk变体并应用OptimalStop与Project Lachesis比较返回机制影响。标准Lévy无返回机制时前1最优配置保留率P_TOP1=0.00±0.00、前10最优配置保留率P_TOP10=0.04±0.19、Pareto覆盖度C_Pareto=0.06；引入返回机制后P_TOP1升至0.19–0.27、P_TOP10升至0.42–0.50、C_Pareto为0.16–0.20；前10配置平均F1式交并比IoU_F为0.55–0.62，高于标准Lévy的0.47。结论是返回地点行为增强权衡信号与分割质量，但P_TOP10仍为中等，不能仅凭该权衡保证恢复近优配置。

4.2 Predictability–complexity trade-off and pareto front quality（可预测性—复杂性权衡与帕累托前沿质量）：在真实与合成数据上使用三种算法。真实数据中Project Lachesis分割质量最高（IoU_F≈0.91），Infostop次之，ST-DBSCAN绝对精度较低；合成数据中Infostop最佳，Project Lachesis接近；ST-DBSCAN绝对精度较低但P_TOP10接近1.00。跨算法与数据集C_Pareto≈0.14，表明候选参数约缩减七倍且保留高性能配置；P_TOP10在真实数据为56%–100%、合成数据为89%–100%。时间重采样间隔Δt∈{5,10,15,30,60} min无显著差异，报告Δt=30 min为稳定参考，IoU_F偏差至多0.01，P_TOP1与P_TOP10相对平均偏差至多8%。

4.3 Structural differentiation across Pareto regions（帕累托区域间的结构分化）：通过按归一化目标空间中到Pareto前沿的欧氏距离分组，比较检测停留数、唯一访问地点数与分配至停留的轨迹记录数。多数算法—数据集组合中，Pareto最优解保留更多轨迹记录，通常产生更多检测停留与唯一地点；但更大数值不表示质量更优，仅表明Pareto邻近性与分割粒度系统相关。真实数据ST-DBSCAN的Pareto最优配置产生极多唯一地点，与其过分割表现一致。结论是Pareto准则能区分不同类型的分割解。

4.4 Evaluation of the OptimalStop-selected solution（OptimalStop所选解的评估）：通过将自动选择配置与基于敏感性的调参及随机参数基线比较。多数设置中OptimalStop优于敏感性调参；Project Lachesis在真实数据提高IoU_F并减少过分割与过合并，漏检约增加4%；ST-DBSCAN在真实数据显著提高IoU_F，主要因漏检与过检减少；合成数据中重采样配置匹配敏感性基线，非重采样较差；Infostop与敏感性基线相当。重采样效果因数据与算法而异：合成数据提升三算法，真实数据对Project Lachesis略升、对Infostop与ST-DBSCAN下降。
Per-user optimisation（逐用户优化）：与单一全局校准配置比较，逐用户优化持续提高分割质量。Project Lachesis在真实数据IoU_F=0.92对0.86，合成数据0.71对0.55；ST-DBSCAN相应为0.82对0.72与0.63对0.42，支持个体轨迹特定参数优化。
Computational cost and optimisation stability（计算成本与优化稳定性）：逐个体多目标优化平均约1 min/轨迹，多数45–65 s（100次试验），少数约100 s；减少试验数可显著降低时间，50次试验足以获得稳定解，约10–25 s/轨迹；参数评估相互独立，可并行扩展。

讨论与结论：Lévy实验表明OptimalStop利用的权衡与重复返回地点行为强相关，而非仅由序列离散化产生；该框架将权衡转化为实用调参层，系统探索给定方法参数空间，以可预测性与熵评估符号轨迹，保留紧凑非支配解，并可输出单一平衡配置。优化目标对应尽可能提取行为信息而不引入扭曲轨迹结构的伪影；平衡表征保留规律移动模式并保留变异性。含返回动态的模型较无回归的标准Lévy游走显示Pareto最优参数化与真实分割更强一致，说明OptimalStop有效性依赖回归驱动结构；纯空间聚类目标与结构感知符号表征存在区别。关键假设是存在重复空间结构；对短或稀疏采样轨迹、探索性强且返回少的行为、或受测量噪声影响的数据，该平衡可能信息较少。OptimalStop不强制单一“正确”分割：下一位置预测或起讫点建模可能偏好更可预测、更聚合表征；活动多样性、可达性或社会暴露分析可能偏好更丰富细节。真实与合成结果表明框架产生紧凑Pareto前沿并普遍保留近优解，P_TOP10持续较高，同时大幅缩减搜索空间；稳定方法如Infostop优化空间较小，敏感方法如ST-DBSCAN收益最大；自动选择策略在无真实标签时可识别高质量分割，平均IoU_F比可得最优解低0.04，但持续优于或匹配敏感性调参，尤其对参数敏感算法；逐用户优化优于全局配置；过宽参数范围会降低质量，需定义物理合理搜索空间。扩展包括跨多种停留检测算法为同一人选择最适算法、将可预测性—复杂性目标用于新方法比较、以及推广至噪声过滤、轨迹压缩与空间剖分等预处理。局限包括S_i与Π_i估计对轨迹长度、采样不规则与时间聚合敏感；公式未纳入语义或上下文信息，无上下文可预测性度量可能不精确或不完整；自动选择为启发式，不保证最优；逐用户优化增加计算成本，复杂度约O(P·C(L_i))，其中C(L_i)为停留检测算法复杂度、P为测试参数配置数、L_i为轨迹长度，但评估独立可并行；评估仅覆盖有限地理背景的两数据集，需更多异质城市形态与极端稀疏条件验证。作者Kamil Smolak与Katarzyna Sila-Nowicka以开源工具发布OptimalStop，支持可复现与透明预处理，并提供代码使用与约束参数搜索空间的实践指南。结论翻译：人类移动科学日益依赖大规模轨迹数据，但结果仍对预处理选择高度敏感，且这些选择很少以一致或透明方式实施；停留检测是人类移动预处理中最具后果却又处理不一致的步骤之一，其参数选择会传播至整个分析流程。本工作中，研究人员提出OptimalStop，一种模型无关优化框架，利用符号移动表征中的可预测性—复杂性权衡，以原则化且可复现的方式指导参数选择。受控实验确认该权衡在结构上根植于人类移动的重复返回特性，而非离散化伪影。真实与合成数据实证评估表明，该框架可靠保留近优配置并大幅缩减参数搜索空间，可选自动选择策略匹配或优于常用敏感性调参。超越停留检测，本工作指向更透明、可复现且理论根基更牢的移动性研究预处理；尽管此处以停留检测演示，底层可预测性—复杂性平衡可扩展至其他预处理任务，为移动性分析中的系统参数选择与偏差缓解提供更广视角。