本研究提出MobiCLR模型，通过对比学习提升城市区域的辨别能力，充分利用人类移动模式的时间动态和语义。实验结果表明，该模型在收入、教育水平和社会脆弱性预测方面优于现有最佳模型。

本文使用近似位置数据集构建了代表城市内移动模式的网络，采用模块化优化算法和聚类技术来识别社区，结果表明将社区检测算法与分离工具相结合，提供了对工作时间内复杂分离地理的新认识。