6. 检验和证实理论：城市中的社会连通性
卡洛·拉蒂（Carlo Ratti）是麻省理工学院建筑系的一名意大利建筑师、设计师，他在麻省理工学院运营一家名为“感知城市实验室”的机构。我第一次见到卡洛是在一年一度的慕尼黑“国际数字生活设计大会”（DLD Conference）上。这个大会很像是TED（技术、娱乐和设计）会议，但其覆盖范围更加狭隘，重点更偏向艺术和设计。与TED和达沃斯世界经济论坛一样，它基本上是持续几天的社交会议，并搭配着密集的演讲活动，带有一种“一切就是这里”的氛围，努力展现出一种未来主义文化、高科技商业和创新理念。许多有趣的甚至是有影响力的人物都会出席，演讲中偶尔会闪现出一些绝妙的洞见，尽管它们经常充斥着大量用精美的幻灯片演示文稿包装的古怪的、肤浅的废话。这就是世界运行的方式，现如今有不少知名度极高的类似活动。尽管存在这样或那样的缺点，但此类活动的确达到了一个重要的目的，创造出了不同的观点，在极端压缩的空间和时间内，让企业家、技术专家、艺术家、作家、媒体人、政治家、科学家接触到了新的、具有创造性的观点——尽管这些观点偶尔无比疯狂并带有煽动性，这就像是一座城市所能提供的一样。顺便说一句，如同TED一样，你很难找到一个人记得“DLD”代表什么。我依稀记得，TED和DLD中的D代表的是“设计”。首字母缩写同样是这个世界运转的方式，是生活节奏加速的另一个微妙的体现。
尽管卡洛不是科学家，但他十分热衷通过科学视角来理解城市，并试图让我相信，手机数据是测试理论、研究城市动力学的绝佳途径。我对此表示怀疑，主要是因为我并不认为手机的应用足够广泛、多样化和有代表性，并有理由成为测量社会互动和移动性的可靠替代物。然而，卡洛并不是一个容易退却的人。我开始慢慢地关注手机应用快速增长的数据，尤其是在发展中国家，90%的人口都在使用手机。我也开始慢慢地意识到，卡洛和其他持相同观点的人是正确的。许多研究人员开始利用这一新的数据资源，主要用于研究网络结构和动力学，并了解疾病和观念扩散的过程。
受到我们有关比例变化研究的启发，卡洛雇用了几位聪明的年轻物理学家和工程师来追踪人们的手机数据。我与卡洛、圣塔菲研究所的路易斯·贝当古一起合作，对该理论的一个基本预测进行检验。城市规模变化最吸引人的一点是其普遍性。正如我们所见，看上去相互没有关联的社会经济活动数量都会随着城市规模的变化而按超线性比例变化，如专利数量、犯罪率和患病率等，而变化指数都是相似的1.15。在前面的章节中，我曾谈到过，不同城市、城市系统以及有关人们之间互动程度的指数都令人惊讶地反映出了共性，这源自社会网络的普遍性结构。无论其历史、文化和地理背景有何差异，全球各地的人们行为相同。因此，这一观点预测认为，无须求助任何精妙的数学理论，城市中人与人之间的互动次数应该随着城市规模的变化而按比例变化，就如同所有不同的社会经济活动数量随城市规模的变化而按比例变化一样，即遵从超线性幂律，指数约为1.15，无论其城市系统有何不同。换句话说，城市规模每增长一倍，工资、专利数量、犯罪率和患病率等社会经济活动指标就会呈现15%的系统性增长，人与人之间的互动次数也应该呈现15%的增长。
那么，如何计算人与人之间互动的次数？传统方式依赖于书面调查，这既耗费时间和人力，又要受到采样偏见的影响，因为所调查的范围肯定是有限的。即使其中一些挑战能够被克服，在包含有数百个城市的整个城市系统中实施此类调查是非常艰巨的，可能根本不现实。然而，从覆盖全球大比例人口的手机网络中自动搜集的大范围数据为我们系统性研究所有城市的社会动力学和组织提供了前所未有的可能性。幸运的是，与我共同进行这项研究的麻省理工学院的专家获得了这一大数据，其中包括了数十亿个匿名的电话记录（这意味着我们并不知道打电话的人的姓名和其电话号码）。很明显，其中一些只是一次性的单向通话，只有在特定时间段内通话双方相互拨打电话才会被计算在内。通过这种方式，我们便获取了每座城市内通话双方之间的互动总次数、拨打电话的总次数、通话的总时长［5］ 。
我们的分析基于两个相互独立的数据集：葡萄牙的手机数据和英国的固定电话数据。其结果展现在图8–3~图8–5中，一座城市中的人们在特定时间段内电话联系的总次数与该座城市的人口规模用对数标绘。正如你所看到的那样，两组数据都呈现出一条经典的直线，这意味着二者都遵守指数同样接近于1.15的幂律比例变化，这与我们的假设高度一致。为了更加形象地说明这一点，我将这些图与另外一个由第7章图7–2~图7–6中的数据综合绘制的图进行对照，以表明社会经济活动按城市规模呈比例变化的普遍性。我们将一组不同的指标——GDP、收入、专利数量和犯罪率——绘制在同一个图中，以显示它们如何共同按比例变化。
其结果证明了以下这一假设，即社会互动的确潜藏于城市特有的普遍性比例变化之下。
进一步的观察将给出进一步的确认，人们花在电话通话上的总时长和他们之间的电话通信总次数会随着城市规模的扩大而系统性增加。这些结果同时也证明，生活节奏的加速源自城市规模增长所带来的社会网络连通性和正反馈的增长。例如，在搜集葡萄牙的手机数据所用的15个月的时间段内，拥有56万人口的葡萄牙里斯本平均每位居民与其他人相互拨打电话的数量是另外一个不足5 000人口的小城利沙居民的两倍，前者的通话总时长也是后者的两倍。
此外，如果将一次性的单向通话也包括在内的话，比例变化的指数就将会系统性增长。这表明，如商业广告和政治游说等单向通话在大城市中的比例更高。无论从哪个方面来说，大城市的生活节奏都更快，与小城镇相比，要受到更多愚蠢废话的轰炸。
事实上，并非在所有方面均是如此。当我们调查某一普通个体的联系人有多少是其朋友时，结果出人意料。大体来说，一个普通个体的社会网络覆盖了高度多样化的人群，包括亲密的家人、朋友和同事，相对关系较远的普通联系人，如曾维修过其汽车的维修工等。他们中的许多人彼此认识并互动，但大多数人并无互动。例如，你的母亲根本不会或很难认识你工作中的亲密同事，尽管你同他们二人的关系都很亲密。那么，你的整个社会网络，即你所有的联系人总数中有多少人会彼此通话呢？这定义了你的“大家庭”和你的社会模块（socialmodular）的规模。因为在大城市中见到更多人的可能性更大，你或许会认为，你的“大家庭”的规模或许会随之增大，如同其他社会经济活动数量一样按超线性比例变化。我肯定会这么认为。但令我吃惊的是，数据显示的结果完全相反，它根本不会按比例变化。一个普通个体的熟人模块集聚系数近似恒定量，不会随着城市规模的变化而改变。例如，一个居住在拥有56万人口的里斯本的普通个体的“大家庭”规模，不比一个居住在只有不到5 000人口的利沙的普通个体大。因此，即便我们生活在大城市群体中，这些群体之间的紧密程度也和小城镇、小村庄一样，有点像我在第7章中提到的邓巴数字的恒定性。这或许也反映出我们的神经结构是如何不断进化，以应对处理大型群体的社会信息需求的根本因素。
图8–3
图8–4
图8–5
图8–3是4个完全不同的城市指标随人口数的比例变化——收入、犯罪、专利数量和GDP，该图是在图7–2~图7–6的基础上重新调整而来的，以表明它们都按1.15的指数比例变化。图8–4是人与人之间连通性指数随人口数的比例变化，即葡萄牙和英国城市中个体之间相互拨打电话的次数随人口数的比例变化显示出了相似的指数，这证明了该理论的预测。图8–5表明无论城市人口规模如何，普通个体的平均模块化程度近似相同。
然而，乡村与大城市的模块群体中有一个重要的性质差异。在真正的乡村，我们被限制在一个社群内，由于规模很小，它本身就存在亲近感。而在城市中，我们可以自由选择自己的社群，利用更加庞大的人口规模所提供的更多机会和多样性，寻找与我们有着相同兴趣、专业、种族、性取向等的人群。这一由生活中许多方面的更大多样性所带来的自由感觉是城市生活的主要吸引力之一，同时也是全球城市化加速的重要因素之一。
