[論文レビュー] Time Series Analysis and Correlation of Subway Turnstile Usage and COVID-19 Prevalence in New York City

Sina Fathi-Kazerooni, Roberto Rojas‐Cessa+2 more|arXiv (Cornell University)|Aug 1, 2020

COVID-19 epidemiological studies参考文献 27被引用数 7

ひとこと要約

本研究では、LSTMおよびARIMAモデルを用いて、ニューヨーク市地下鉄のトランジットカード利用状況とCOVID-19の死亡者数・感染者数の間に強い相関関係が存在することを示した。乗降者数は、潜伏期間および症状出現までの遅れを補正した上で、公表された死亡者数を予測可能であり、ニューヨーク市の最初の感染者および死亡者が公式に報告された日付よりも以前に発生したと推定された。具体的には、2020年1月28日から2月24日、および3月7日から3月21日にかけてそれぞれ発生したとされた。

ABSTRACT

In this paper, we show a strong correlation between turnstile usage data of the New York City subway provided by the Metropolitan Transport Authority of New York City and COVID-19 deaths and cases reported by the New York City Department of Health. The turnstile usage data not only indicate the usage of the city's subway but also people's activity that promoted the large prevalence of COVID-19 city dwellers experienced from March to May of 2020. While this correlation is apparent, no proof has been provided before. Here we demonstrate this correlation through the application of a long short-term memory neural network. We show that the correlation of COVID-19 prevalence and deaths considers the incubation and symptomatic phases on reported deaths. Having established this correlation, we estimate the dates when the number of COVID-19 deaths and cases would approach zero after the reported number of deaths were decreasing by using the Auto-Regressive Integrated Moving Average model. We also estimate the dates when the first cases and deaths occurred by back-tracing the data sets and compare them to the reported dates.

研究の動機と目的

• 初期パンデミック期におけるニューヨーク市地下鉄のトランジットカード利用状況とCOVID-19感染者数・死亡者数の発生率との相関関係を調査すること。
• 検査体制の不足による公表データの限界を補うために、死亡者数を分析のより信頼性の高い指標として用いること。
• ARIMAモデルを用いてデータを逆方向に遡ることで、ニューヨーク市におけるパンデミックの真の発生時期を推定すること。
• 公表された傾向に基づいて、COVID-19の死亡者数および感染者数がゼロに達する日付を予測すること。
• モデルの予測結果を公式報告日付と照合し、データの制限および報告遅延による乖離を評価すること。

提案手法

• 地下鉄のトランジットカード利用状況と公表済みのCOVID-19死亡者数・感染者数との時間的関係をモデル化するため、長短期記憶（LSTM）ニューラルネットワークを適用した。
• 潜伏期間および症状出現までの遅れを考慮するため、1〜25日前の日付の乗降者数データ（シフト済み）を特徴量として使用した。
• 死亡者数および感染者数の将来の傾向を予測するため、自己回帰統合移動平均（ARIMA）モデルを用い、ゼロクロス日付の予測も行った。
• 最初に公表された感染者および死亡者数から逆方向に予測する逆時系列ARIMA予測を実施し、パンデミックの発生源を特定した。
• ニューヨーク市保健局（NYC DOH）データセットの20％をテストセットとして使用し、モデルの性能と信頼性を評価した。
• モデルが推定した最初の感染者および死亡者数の日付を公式報告日付と比較し、正確性およびデータ制限の影響を評価した。

実験結果

リサーチクエスチョン

• RQ1 ニューヨーク市地下鉄のトランジットカード利用状況と公表済みのCOVID-19死亡者数・感染者数との間に、統計的に有意な相関関係が存在するか？
• RQ2 潜伏期間および症状出現までの遅れが、パンデミック進行の追跡に向けた地下鉄利用状況データの予測力にどのように影響するか？
• RQ3 公表済みデータのARIMAモデルを逆方向に遡ることで、SARS-CoV-2の最初の感染者および死亡者がニューヨーク市で発生した可能性がある時期はいつか？
• RQ4 ARIMA予測によれば、COVID-19の1日あたりの死亡者数および感染者数がゼロに達するのはどの日付までか？
• RQ5 モデルが推定した最初の感染者および死亡者数の日付と公式報告日付との違いは何か？その乖離の理由は何か？

主な発見

• LSTMモデルを用いて、ニューヨーク市地下鉄のトランジットカード利用状況と公表済みのCOVID-19死亡者数・感染者数との間に強い相関関係が確立された。特に、1〜25日前の利用状況データが主要な予測要因となった。
• ARIMAモデルの予測によれば、1日あたりの死亡者数は2020年5月16日から7月28日までの間、ゼロに達すると予測された。信頼区間の下限では、5月16日がゼロ死亡日とされた。
• モデル推定では、ニューヨーク市における最初のCOVID-19感染者が2020年1月28日から2月24日までの間に発生したとされたが、公式報告日（2020年2月29日）より前であった。
• 最初の死亡者は2020年3月7日から3月21日までの間に発生したと推定されたが、公式報告日（2020年3月11日）より前であった。
• ARIMAによる感染者数の予測では、上位信頼区間を基準にすると、2020年6月26日までに感染者数のトレンドがゼロに達すると予測された。ただし、上位帯がゼロを下回らなかったため、再発の可能性が示唆された。
• 推定日付と報告日付の乖離は、初期パンデミック期におけるデータ制限（検査体制の不足、報告遅延など）に起因するとされた。