Understanding diverse characteristics of human mobility provides profound knowledge of urban dynamics and complexity. Human movements are recorded in a variety of data sources and each describes unique mobility characteristics. Revealing similarity and difference in mobility data sources facilitates grasping comprehensive human mobility patterns. This study introduces a new method to measure similarities on two origin–destination (OD) matrices by spatially extending an image‐assessment tool, the structural similarity index (SSIM). The new measurement, spatially weighted SSIM (SpSSIM), utilizes weight matrices to overcome the SSIM sensitivity issue due to the ordering of OD pairs by explicitly defining spatial adjacency. To evaluate SpSSIM, we compared performances between SSIM and SpSSIM with resampling the orders of OD pairs and conducted bootstrapping to test the statistical significance of SpSSIM. As a case study, we compared OD matrices generated from three data sources in San Diego County, CA: U.S. Census‐based Longitudinal Employer–Household Dynamics Origin–Destination employment statistics, Twitter, and Instagram. The case study demonstrated that SpSSIM was able to capture similarities of mobility patterns between datasets that varied by distance. Some regions showed local dissimilarity while the global index indicated they were similar. The results enhance the understanding of complex mobility patterns from various datasets, including social media.

中文翻译：

---

具有空间加权结构相似性指数（SpSSIM）的人类移动性数据的相似性测量

了解人类流动性的各种特征可提供有关城市动态和复杂性的深刻知识。人体运动记录在各种数据源中，每个数据源都描述了独特的移动性特征。揭示流动性数据源的相似性和差异性有助于掌握全面的人类流动性模式。这项研究引入了一种通过在空间上扩展图像评估工具结构相似性指数（SSIM）来测量两个原点（OD）矩阵相似性的新方法。这种新的测量方法是空间加权SSIM（SpSSIM），它利用权重矩阵克服了OD对的顺序，通过明确定义空间邻接关系来克服SSIM灵敏度问题。要评估SpSSIM，我们将SSIM和SpSSIM之间的性能与重新采样OD对的顺序进行了比较，并进行了自举测试，以检验SpSSIM的统计意义。作为案例研究，我们比较了从加利福尼亚州圣地亚哥县的三个数据源生成的OD矩阵：基于美国人口普查的纵向雇主-家庭动态起源-目的地就业统计数据，Twitter和Instagram。案例研究表明，SpSSIM能够捕获随距离变化的数据集之间迁移模式的相似性。一些地区表现出局部差异，而全球指数表明它们相似。结果增强了对包括社交媒体在内的各种数据集对复杂出行方式的理解。我们比较了从加利福尼亚州圣地亚哥县的三个数据源生成的OD矩阵：基于美国人口普查的纵向雇主-家庭动态起源-目的地就业统计数据，Twitter和Instagram。案例研究表明，SpSSIM能够捕获随距离变化的数据集之间迁移模式的相似性。一些地区表现出局部差异，而全球指数表明它们相似。结果增强了对包括社交媒体在内的各种数据集对复杂出行方式的理解。我们比较了从加利福尼亚州圣地亚哥县的三个数据源生成的OD矩阵：基于美国人口普查的纵向雇主-家庭动态起源-目的地就业统计数据，Twitter和Instagram。案例研究表明，SpSSIM能够捕获随距离变化的数据集之间迁移模式的相似性。一些地区表现出局部差异，而全球指数表明它们相似。结果增强了对包括社交媒体在内的各种数据集对复杂出行方式的理解。一些地区表现出局部差异，而全球指数表明它们相似。结果增强了对包括社交媒体在内的各种数据集对复杂出行方式的理解。一些地区表现出局部差异，而全球指数表明它们相似。结果增强了对包括社交媒体在内的各种数据集对复杂出行方式的理解。