[論文レビュー] Biases in human mobility data impact epidemic modeling

Frank Schlosser, Vedran Sekara+2 more|arXiv (Cornell University)|Dec 23, 2021

Human Mobility and Location-Based Analysis被引用数 11

ひとこと要約

本稿は、人間の移動行動データに存在する二つの主要なバイアス——技術アクセスバイアスと、以前に無視されてきたデータ生成バイアス——を特定し、定量的に評価している。高所得者層の移動データ生成頻度が高く、その結果、疫病モデルに歪みが生じる。著者らは、所得準拠で旅行を再サンプリングし、カバレッジ補正を行うデバイアスフレームワークを提案。その結果、バイアスのあるデータはSIRシミュレーションにおいて、感染拡大の速度と深刻度を過大評価することが判明。移動行動に基づくモデル構築において、データの公平性を配慮すべきであると提言している。

ABSTRACT

Large-scale human mobility data is a key resource in data-driven policy making and across many scientific fields. Most recently, mobility data was extensively used during the COVID-19 pandemic to study the effects of governmental policies and to inform epidemic models. Large-scale mobility is often measured using digital tools such as mobile phones. However, it remains an open question how truthfully these digital proxies represent the actual travel behavior of the general population. Here, we examine mobility datasets from multiple countries and identify two fundamentally different types of bias caused by unequal access to, and unequal usage of mobile phones. We introduce the concept of data generation bias, a previously overlooked type of bias, which is present when the amount of data that an individual produces influences their representation in the dataset. We find evidence for data generation bias in all examined datasets in that high-wealth individuals are overrepresented, with the richest 20% contributing over 50% of all recorded trips, substantially skewing the datasets. This inequality is consequential, as we find mobility patterns of different wealth groups to be structurally different, where the mobility networks of high-wealth users are denser and contain more long-range connections. To mitigate the skew, we present a framework to debias data and show how simple techniques can be used to increase representativeness. Using our approach we show how biases can severely impact outcomes of dynamic processes such as epidemic simulations, where biased data incorrectly estimates the severity and speed of disease transmission. Overall, we show that a failure to account for biases can have detrimental effects on the results of studies and urge researchers and practitioners to account for data-fairness in all future studies of human mobility.

研究の動機と目的

• 大規模な人間の移動行動データ（特に携帯電話CDRから得られるもの）に見られるバイアスが、疫病モデルの結果にどのように影響するかを調査すること。
• 所得準拠で移動データを生成する頻度の差に起因する、新たなバイアス形態「データ生成バイアス」を特定・特徴づけること。
• 所得グループごとの移動ネットワークの代表性を回復するためのデバイアスフレームワークを開発・検証すること。
• バイアスのあるデータとデバイアス除去済みデータを用いた動的疫病シミュレーションの比較を通じて、感染拡大の速度と深刻度に及ぼす影響を評価すること。
• パンデミック対応などの政策的応用に際して、移動データ利用におけるデータ公平性の重要性を提唱すること。

提案手法

• シエラレオネ、コンゴ民主共和国、イラクのCDRデータセットを分析し、所得準拠で移動データの格差を検出する。
• 再サンプリングに基づくデバイアス手法を導入：元のフロー行列から多項分布サンプリングを用いて、旅行を所得準拠で均等に再配分することで、データ生成バイアスを是正する。
• 観測頻度に比例してフローをサンプリングすることで、ネットワーク構造を保持し、現実的な空間的接続パターンを維持する。
• 技術アクセスバイアスの是正には、ユーザー浸透率を用いて、部分的な移動ネットワークカバレッジがある地域のフローをスケーリングし直す。
• データが全くない地域については、最も貧困層の移動パターンに適合した重力モデルを用いて欠損フローを推定し、ネットワーク密度を維持する。
• SIRメタポピュレーションモデル（R₀ = 2.5、μ = 1/6日）を用いて、元のネットワークとデバイアス除去済みネットワークの両方で疫病シミュレーションを実行し、結果を比較する。

実験結果

リサーチクエスチョン

• RQ1 所得グループ間での不均等なデータ生成が、移動データセットの代表性にどの程度影響を及ぼすか？
• RQ2 高所得者と低所得者グループの移動ネットワークにおける構造的差異（例えば、接続性、長距離リンク）はどのように異なるか？
• RQ3 バイアスのある移動データは、疫病シミュレーションにおける感染拡大の速度と深刻度にどのような影響を及ぼすか？
• RQ4 再サンプリングに基づくデバイアスフレームワークは、空間的パターンを歪めることなく、移動ネットワークの代表性を効果的に回復できるか？
• RQ5 技術アクセスバイアスとデータ生成バイアスの是正を併用することで、疫病モデルの正確性はどの程度向上するか？

主な発見

• 調査対象のすべてのデータセットにおいて、最も裕福な20%のユーザーが全記録旅行の50%以上を占めており、強いデータ生成バイアスが確認された。
• 高所得者層の移動ネットワークは、低所得者層と比較して顕著に密度が高く、長距離リンクを多く含んでいた。
• デバイアス除去後、疫病シミュレーションでは、バイアスのあるデータを用いた場合に比べて感染拡大速度が20–30%低下した。
• デバイアス除去済みデータを用いたシミュレーションでは、感染ピークが遅れ、全体の感染率も低くなった。これは、バイアスのあるデータが感染の潜在的拡大能力を過大評価していることを示している。
• 重力モデルを用いた欠損フローの補完により、低カバレッジ地域のネットワーク完成度が向上し、現実的な空間的構造が維持された。
• 本研究は、データ生成バイアスの是正を怠ると、特に低・中所得国において、系統的に誤った疫病予測が生じることを示した。