[論文レビュー] Mapping county-level mobility pattern changes in the United States in response to COVID-19

Song Gao, Jinmeng Rao+3 more|arXiv (Cornell University)|Apr 9, 2020

COVID-19 epidemiological studies参考文献 18被引用数 39

ひとこと要約

この論文は、COVID-19 期間中の米国の郡レベルのモビリティ変化を追跡するインタラクティブなウェブポータルを提示します。集約されたスマートフォンデータを用いて中央値移動距離と在宅滞在時間を測定します。滞在在宅命令の前後のパターンを分析します。

ABSTRACT

To contain the Coronavirus disease (COVID-19) pandemic, one of the non-pharmacological epidemic control measures in response to the COVID-19 outbreak is reducing the transmission rate of SARS-COV-2 in the population through (physical) social distancing. An interactive web-based mapping platform that provides timely quantitative information on how people in different counties and states reacted to the social distancing guidelines was developed with the support of the National Science Foundation (NSF). It integrates geographic information systems (GIS) and daily updated human mobility statistical patterns derived from large-scale anonymized and aggregated smartphone location big data at the county-level in the United States, and aims to increase risk awareness of the public, support governmental decision-making, and help enhance community responses to the COVID-19 outbreak.

研究の動機と目的

• COVID-19 へのソーシャルディスタンス対応を反映する、郡レベルの定量的モビリティ指標をタイムリーに提供する。
• 日々更新されるモビリティデータと GIS を統合して公衆衛生の意思決定を支援する。
• 三つの時期（事前の要請前、在宅要請期間中、再開時）にわたるモビリティの変化を評価する。

提案手法

• Descartes Labs のモビリティデータを用いて郡ごとの日次最大距離モビリティを計算し、基準値を 2020/2/17 から 2020/3/7 までの平日から導出する。
• 地域内の全サンプルの日次最大距離の中央値を移動距離の中央値として算出する。
• 基準値に対するモビリティの変化率を算出する。
• SafeGraph の Social Distancing Metrics を用いて郡ごとの在宅滞在時間の中央値を導出する。
• デバイスレベルのデータをホームロケーションと Geohash-7 の粒度で郡レベルに集約し、ArcGIS Online でウェブ地図と時系列アイテムを作成する。
• Data/Feature、Methodology、Application の3層でダッシュボードを設計し、ArcGIS Dashboards と Experience Builder で展開する。

Figure 1: The web interface of the mapping platform.

実験結果

リサーチクエスチョン

• RQ1 州全体の Stay-at-home 要請に対して、郡レベルのモビリティパターンはどのように変化したか？
• RQ2 米国全体で、社会的距離の遵守にはどのような地理的異質性が存在するか？
• RQ3 部分的な再開期間中にモビリティはどのように回復し、これらの変化と相関する要因は何か？
• RQ4 在宅滞在時間と州間の地域的感染動態との関係は何か？

主な発見

• モビリティの変化は地理的に異質であり、在宅要請後には広範な低下（青色の郡）を示し、一部の郡では移動が増加（赤色の郡）した。
• 中央値移動距離は、在宅が強く遵守されたニューヨークのような場所で大幅に低下し（例：一部の郡で 0.1 km 近くまで低下）、郡ごとに差があった。
• 5月初旬の再開で再びモビリティが増え始め、移動距離の回復を反映した。
• 3日間移動平均は、最も感染している州が、最も感染していない州と比べて在宅滞在時間が長いことを示している。
• プラットフォームは、モビリティパターンの認識、監視、モデリング、公共の健康介入の意思決定支援を可能にする。
• 本研究は、低下したモビリティが CDC により定義される身体的距離の確保を保証するものではないことを指摘し、データの制約とプライバシー配慮を強調している。

Figure 2: The stay-at-home dwell time data provided by SafeGraph.