[論文レビュー] Analysis of Spatial-temporal Behavior Pattern of the Share Bike Usage during COVID-19 Pandemic in Beijing

Xiangping Chai, Guo X+2 more|arXiv (Cornell University)|Apr 26, 2020

Urban Transport and Accessibility参考文献 31被引用数 9

ひとこと要約

本研究では、北京におけるCOVID-19パンデミックの影響を分析するため、自転車共有システム（BSS）データを用いた時空間的ヒューマンモビリティ分析フレームワークを提案する。パンデミックの3つの段階を特定し、差の差（DID）モデルを用いてパンデミックの純効果を隔離する。ピーク制限期には自転車利用が64.8%減少し、緩和後には平均15.9%回復した。特にハイテクおよびオフィス地区では回復率が高かった。

ABSTRACT

During the epidemics of COVID-19, the whole world is experiencing a serious crisis on public health and economy. Understanding human mobility during the pandemic helps one to design intervention strategies and resilience measures. The widely used Bike Sharing System (BSS) can characterize the activities of urban dwellers over time & space in big cities but is rarely reported in epidemiological research. In this paper, we present a human mobility analyzing framework} based on BSS data, which examines the spatiotemporal characteristics of share bike users, detects the key time nodes of different pandemic stages, and demonstrats the evolution of human mobility due to the onset of the COVID-19 threat and administrative restrictions. We assessed the net impact of the pandemic by using the result of co-location analysis between share bike usage and POIs (Point Of Interest). Our results show the pandemic reduced the overall bike usage by 64.8%, then an average increase (15.9%) in share bike usage appeared afterwards, suggesting that productive and residential activities have partially recovered but far from the ordinary days. These findings could be a reference for epidemiological researches and inform policymaking in the context of the current COVID-19 outbreak and other epidemic events at city-scale.

研究の動機と目的

• 実世界のBSSデータを用いて、COVID-19パンデミック期におけるヒューマンモビリティの時空間的ダイナミクスを理解すること。
• 北京におけるパンデミックの発症および緩和の主要な時間的ノードを特定すること。
• 祝日や天候などの混同要因を除いて、パンデミックが都市モビリティに与える純効果を定量化すること。
• ポイント・オブ・インタレスト（POI）との共配置分析を用いて、異なる都市機能地域におけるモビリティ回復の軌跡を評価すること。

提案手法

• ヒューマンモビリティトレンドを基に特定された主要な時間的ノードに基づき、パンデミック期間を3段階（パンデミック前、パンデミック中、緩和後）に分割する。
• 祝日や天候を制御した差の差（DID）モデルを適用し、自転車利用に及ぼすパンデミックの純効果を推定する。
• 自転車利用とPOI（例：住宅地、地下鉄駅、ショッピングモール）との共配置分析を用いて、機能地域ごとのモビリティ変化を評価する。
• 空間的および時間的パターンを捉えるために、匿名化された出発地・目的地（OD）およびタイムスタンプ情報を含むBSSデータを活用する。
• POIを7つのカテゴリ（例：RA、HC、SS、SP、SM、TH、IRA）に分類し、都市機能ゾーンごとのモビリティ変化を比較する。
• 各段階およびPOIカテゴリにおける自転車利用トレンドを、平均±2σの統計的指標を用いて提示することで、回復レベルの定量的比較を可能にする。

実験結果

リサーチクエスチョン

• RQ1 ヒューマンモビリティパターンに基づいて、北京におけるCOVID-19パンデミックの発症および緩和の主要な時間的マイルストーンは何か？
• RQ2 パンデミックは北京の自転車共有利用にどの程度影響を与え、祝日や天候を制御した上で、パンデミック前の水準と比較してどうなったか？
• RQ3 パンデミックの緩和段階が開始されて以降、異なるタイプの都市機能地域（例：住宅地、商業地、工業地）におけるヒューマンモビリティの回復はどのように変化したか？
• RQ4 どのPOIカテゴリで自転車利用の低下と回復が最も顕著に見られ、その違いの背後にはどのような要因があると考えられるか？
• RQ5 BSSデータは、大規模な公衆衛生緊急事態時における都市モビリティダイナミクスの信頼できる代理指標としてどの程度有効であるか？

主な発見

• パンデミックにより、北京における全体の自転車共有利用は64.8%減少した。特に深刻な低下が観察されたのは地下鉄駅（77.91%）、ハイテク企業（74.21%）、ショッピングモール（73.58%）であった。
• 住宅地、スーパーマーケット、三次医療機関は影響が比較的小さく、回復率は約39.0%にとどまり、必要最小限の移動が維持されたことが示された。
• 2月24日以降、7つのPOIカテゴリで平均15.9%の自転車利用増加が観察され、非必須移動の部分的回復を示した。
• ハイテク企業（18.2%増加）および一般企業（17.6%増加）が最も高い回復率を示し、職務関連移動の回復が見られた。
• 感染住宅地域（IRA）および周辺住宅地域（SRA）は、パンデミック前の水準の約39.0%まで回復し、商業や交通関連のモビリティに比べて住宅地のモビリティはより少ない影響を受けていたことが示された。
• DIDモデルは、パンデミックがモビリティに顕著な純効果を及ぼしており、祝日や天候の影響を上回る、統計的に信頼性のある都市活動パターンへの影響を確認した。