渗流模型介绍
[Jun 16] 重整化过程
renormalization of network with l = 3source：
城市计算
最核心的技术问题是如何定义节点之间距离。我们可以构造基站之间用户移动的数据，并且把用户在两个基站之间连续移动的平均花费真实时间作为距离，这种距离是一种social computing计算的结果，把用户作为sensor，这种距离包括了实际的交通状况和人流状况的信息（by 计算士）。
BJ移动数据
[Jun 19] MobilityAndSocialInfluence.py
数据是用户对于基站的访问，用户依次访问一系列基站（运动的agent），有的用户抓住一个基站不停访问（静止的agent）；对于运动的情况而言，我们可构建基站网络：点是基站，链接是用户流量。
复制基站活跃度地图 degree distribution degree-degree plot[Jun 21]
度度分布Pearson correlation = (0.25, 0.0)
盒子覆盖算法下子群规模的无标度特征
测试 CBB (compact box burning)算法：
- lb = 1, 13912个基站
- lb = 2, 8000+
- lb = 3, 5770
- lb = 5, 2524个子社区（速度很慢）
RankOrderPlot(100, 0.59, 2015)
CBB算法，lb = 5, 子群规模的无标度特征 CBB算法，lb = 5, 子群规模的无标度特征 DGBD拟合 规模分布location-based recommendation
尝试使用convexhull算法来画出轮廓，结果太大了。只要有outlier的点，这个结果就不会好。