摘要
：长期以来，人们普遍预期，大型、人口密集且国际化程度高的地区能够促进不同社会经济背景个体之间的混合与接触。然而，由于以往衡量社会经济混合程度的方法依赖于静态的住宅数据，而非人们在工作场所、休闲场所及居住社区中的真实接触情况，这一假设难以得到验证。在本文中，我们开发了一种衡量接触隔离的指标，用以捕捉这些日常互动中的社会经济多样性。利用手机移动数据，我们再现了美国 960 万人在 16 亿次真实接触中的情景，并在 382 个大都市统计区（MSA）和 2829 个县中测量了接触隔离。我们发现，在十大 MSA 中，接触隔离比人口少于 10 万的小型 MSA 高出 67%。这意味着，与预期相反，大型国际化地区的居民接触到的社会经济多样性个体范围更小。其次，我们发现，大城市中社会经济隔离的加剧源于其提供了更多针对特定社会经济群体的差异化空间选择。第三，我们发现，当城市的中心（如购物中心）被定位为连接不同社区的桥梁，从而吸引各种社会经济地位的人群时，这种隔离加剧的效应会被抵消。我们的研究结果挑战了人文地理学中一个长期存在的假设，并强调了城市设计如何既能阻碍又能促进不同个体之间的接触。
Nilforoshan, H., Looi, W., Pierson, E.
et al.
Human mobility networks reveal increased segregation in large cities.
Nature
624
, 586–592 (2023). https://doi.org/10.1038/s41586-023-06757-3
引言
研究背景
：在美国，经济隔离程度非常高，收入影响着一个人的居住地、婚姻对象以及他们会遇到并结交的朋友。这种极端的隔离带来了高昂的代价。它降低了经济流动性，导致了广泛的健康问题，并加剧了政治两极分化。尽管有各种旨在减少经济隔离的改革措施（如补贴住房），但长期以来，人们认为不断推进的城镇化及其引发的偶然混合是减少隔离的最有力动态之一。这种“国际化混合假设”预期，在大城市中，人口多样性的增加、空间的限制以及便捷的公共交通将使不同背景的个体在物理空间上更加接近，从而减少日常社会经济隔离。例如，纽约市地铁曾被誉为一个混合场所，每天都有多样化的人群在此交汇。
研究空白
:尽管国际化混合假设看似合理，但大城市也为自我隔离提供了新的机会，因为它们的规模足够大，使人们能够寻找并找到与自己相似的人。关于城镇化与社会经济混合之间关系的这些对立假设尚未得到验证，因为测量现实世界中个体之间的路径交汇和接触一直是个难题。只有通过分析手机地理定位数据到设备层面，这种接触的测量才成为可能。尽管手机数据已被用于多种研究目的，但由于难以确定个体的社会经济地位（SES）、判断双人接触发生的时机以及收集足够的数据来比较不同城市或县，全国范围内的社会经济混合与城镇化研究尚未开展。
研究概述
：在此，我们仔细检验了国际化混合假设及其背后的动态。为了评估这一假设并理解城镇化与隔离之间的关系，我们使用了手机移动数据，以去识别化的 GPS 定位信号形式呈现（见方法部分的“SafeGraph”章节）。通过这些数据，我们捕捉了个体之间基于地理位置的接触，这些个体可能具有相似或不同的社会经济地位。这使我们能够开发出城市和县级的隔离指标，反映人们去往何处、何时前往以及途中与谁相遇。我们首先通过识别一个人的居住位置及其月租金价值来确定其社会经济地位。接着，我们构建了一个动态网络，捕捉每个人在日常生活中与他人的接触。我们的网络包含了 15亿条边（代表物理空间中的接触）和 956 万个节点（代表个体，即手机），覆盖美国 382 个大都市统计区（MSA）和 2829 个县。每一条带有时间戳的边表示两个个体在路径上相遇并接触（即他们在同一时间出现在同一地点）。我们分析了这些数据，以估计接触隔离的程度，即在美国每个地理区域（MSA 和县）内，不同经济地位的个体相互接触的程度。我们的接触隔离指标扩展了传统的静态隔离测量方法，捕捉了人与人之间在空间和时间上局部化的接触多样性。
研究结果
更现实的隔离测量方法
为了估计每个人的SES，我们首先通过夜间手机定位信号推断他们的家庭位置（图 1a），然后获取该位置的估计月租金价值（图 1a）。这种方法在估计个体 SES 时比传统的基于社区层面人口普查平均值的方法更为准确。接下来，我们识别每对个体相遇并相互接触的实例，定义为两台设备在 T 分钟内相距 D 米以内。尽管我们的主要发现对 D 和 T 的具体选择具有稳健性（补充图 5-8），但我们主要分析使用 D=50 米和 T=5 分钟，因为国际化混合假设关注的是视觉接触。这种方法，据我们所知，提供了迄今为止分辨率最高的接触测量，与之前的基于 GPS 的研究相比。
图1: 接触隔离揭示不同社会经济背景人群的接触可能性及大都市区隔离加剧a, 对960万个体（手机用户），通过夜间位置推断家庭地址及SES（租金或等值租金），并通过路径交叉事件（同时同地）识别接触对。b, 全国范围的16亿次接触网络覆盖2829个县和382个MSA，与传统社区分类指数（假设仅接触家庭普查区居民）形成对比，示例展示旧金山50人社区的跨区接触。c, 接触隔离定义为个体SES与其接触者平均SES的相关性（0为无隔离，1为完全隔离），以旧金山和纳帕为例，前者隔离度高2.2倍（P < 10⁻⁴，95% CI = 1.6–2.8×）。d, 大型MSA隔离更高，人口与隔离呈正相关（Spearman相关系数 = 0.62，P < 10⁻⁴），十大MSA比人口少于10万的小型MSA隔离高67%（P < 10⁻⁴，95% CI = 49–87%）。e, 美国2829个县的接触隔离差异显著，与人口规模和密度正相关。
每个地理区域的经济隔离通过一个人的 SES 与其通过路径交叉接触到的所有人的平均 SES 之间的相关性来衡量。这种相关性通过拟合线性混合效应模型来估计，该模型消除了衰减偏差，即使观察到的接触数据稀疏，也能确保接触隔离的无偏估计（扩展数据图 1）。由此产生的接触隔离测量（图 1b, c）范围从 0（完全融合）到 1（完全隔离），是对广泛使用的社会经济隔离测量——社区分类指数的推广。社区分类指数相当于一个人 SES 与其家庭普查区内所有人平均 SES 的相关性，而我们的接触隔离测量则相当于一个人 SES 与其遇到的所有人（无论是在其家庭普查区内还是外）的平均 SES 的相关性。因此，这两个测量之间的关键区别在于，社区分类指数假设接触均匀且仅发生在同一家庭普查区的共同居民之间，而接触隔离则捕捉了人们在日常生活中导航时的真实接触。
大城市的极端隔离
我们发现，与国际化混合假设相反，大型 MSA 的接触隔离更高（图 1d）。MSA 人口与 MSA 隔离之间的斯皮尔曼相关系数为 0.62（P < 10⁻⁴），人口最多的十大 MSA 比人口少于 10 万的小型 MSA 隔离程度高 67%（P < 10⁻⁴，95%置信区间（CI）= 49-87%）。这一结果具有稳健性。我们通过用密度而非人口规模重新计算相关性验证了这一点（斯皮尔曼相关系数=0.45，P < 10⁻⁴；补充表 7），通过控制潜在混杂因素（扩展数据表 1 和补充表 7），通过改变分析的粒度（图 1e 和扩展数据图 4），以及通过测试接触隔离的多种规格（补充表 6 和补充图 2-10）进行了验证。一致的结果表明，更大、更密集的城市隔离程度更高，这与假设这些城市通过吸引多样化个体并以迫使他们相互接触的方式限制空间来促进社会经济混合的观点相悖。我们的结果支持相反的假设：大城市允许居民寻找与自己更相似的人。促成这一发现的关键进步是我们对时间和空间的细粒度接近测量（补充图 66）。
探索接触隔离
我们的方法还允许比较传统的静态隔离测量（社区分类指数）与我们的动态测量。所有 MSA 的接触隔离中位数比相应的传统静态估计值低 38%（P < 10⁻⁴，95% CI = 37-41%）（图 2a（顶部））。我们通过将测量分解为涉及两个、一个或两个都不是在家庭普查区内的接触部分来解释这一结果（图 2a（底部））。接触隔离较低是因为当人们冒险走出家庭普查区时，他们会经历更多的多样性。例如，当两个人都离开家庭普查区时，接触隔离比两个都在家庭普查区内时低 50%（P < 10⁻⁴，95% CI 48-53%）。在自己的社区内，人们与社会经济最相似的邻居相遇，但这对整体接触隔离影响不大，因为只有 2.4%的接触（95% CI = 2.4-2.4%）发生在两个人都处于家庭普查区内时。最后，我们观察到，不仅总体接触隔离在大城市中较高，而且其每个组成部分在大城市中也较高（补充图 10）。
图 2: 接触隔离动态揭示空间社会经济差异导致大城市隔离加剧 a, 接触隔离比社区分类指数低 38%（P < 10⁻⁴，95% CI = 37–41%），分解显示区内接触（同质效应）隔离最高，区外接触（访客效应）降低隔离，因区内接触仅占 2.4%。b, 隔离随联系强度增加，5 次以上接触的隔离中值为 0.57。c, 隔离因地点类型而异，高尔夫球场隔离最高（中值 0.42），表演艺术中心和体育场最低（中值 0.16–0.17）。d, 大型 MSA 居民 10 公里内餐厅数量更多，促进自我隔离。e, 大型 MSA 餐厅访客 SES 变异系数高 63%（P < 10⁻⁴，95% CI = 37–100%），反映更大社会经济差异。f, 大型 MSA 餐厅内接触隔离更高，此关系在城市中心和社区尺度上同样显著。
