[논문 리뷰] Data-Driven Modeling Reveals the Impact of Stay-at-Home Orders on Human Mobility during the COVID-19 Pandemic in the U.S

Chenfeng Xiong, Songhua Hu외 5명|arXiv (Cornell University)|2020. 05. 02.

Human Mobility and Location-Based Analysis참고 문헌 10인용 수 12

한 줄 요약

이 연구는 미국 코로나19 팬데믹 기간 동안 인간 이동 패턴의 변화를 모델링하기 위해 익명화된 모바일 기기 위치 데이터를 사용한다. 주로 자가격리 명령의 영향을 중심으로 분석하며, 이러한 정책이 관찰된 일일 이동 횟수 및 인-마일 이동량 감소의 5퍼센트 미만을 차지함을 발견했다. 또한 전염병 예측 및 정책 평가를 위한 매우 정확한 예측 모델을 개발하였다.

ABSTRACT

One approach to delay the spread of the novel coronavirus (COVID-19) is to reduce human travel by imposing travel restriction policies. It is yet unclear how effective those policies are on suppressing the mobility trend due to the lack of ground truth and large-scale dataset describing human mobility during the pandemic. This study uses real-world location-based service data collected from anonymized mobile devices to uncover mobility changes during COVID-19 and under the 'Stay-at-home' state orders in the U.S. The study measures human mobility with two important metrics: daily average number of trips per person and daily average person-miles traveled. The data-driven analysis and modeling attribute less than 5% of the reduction in the number of trips and person-miles traveled to the effect of the policy. The models developed in the study exhibit high prediction accuracy and can be applied to inform epidemics modeling with empirically verified mobility trends and to support time-sensitive decision-making processes.

연구 동기 및 목표

• 미국 코로나19 팬데믹 기간 동안 자가격리 명령이 인간 이동에 미친 실제 영향을 정량화하기 위해.
• 팬데믹 기간 동안 이동 패턴에 대한 기초 데이터와 대규모 데이터의 부족을 해결하기 위해.
• 실제 세계의 위치 기반 서비스 데이터를 활용해 인간 이동 변화를 정확하게 예측할 수 있는 데이터 기반 모델을 개발하기 위해.
• 실증적으로 검증된 이동 패턴을 바탕으로 실시간 공중보건 의사결정 지원을 가능하게 하기 위해.

제안 방법

• 미국 전역의 인간 이동을 추적하기 위해 대규모 실세계 데이터셋에서 제공된 익명화된 모바일 기기 위치 데이터를 활용하였다.
• 이동의 두 가지 핵심 지표를 정의하였다: 인당 일일 평균 이동 횟수 및 일일 평균 인-마일 이동 거리.
• 계절적 추세 및 대중 인식과 같은 다른 혼란 요인들로부터 자가격리 명령의 영향을 분리하기 위해 통계 모델링을 적용하였다.
• 시간적 시리즈 분석 및 회귀 모델링을 통해 높은 예측 정확도로 정책 영향을 추정하였다.
• 모델 성능을 검증하기 위해 샘플 외 예측 및 교차 검증 기법을 사용하였다.
• 결과를 향후 전염병 모델링 및 정책 평가에 활용할 수 있는 프레임워크로 통합하였다.

실험 결과

연구 질문

• RQ1 미국 코로나19 팬데믹 초기 단계에서 자가격리 명령은 인간 이동을 어느 정도 감소시켰는가?
• RQ2 관찰된 이동 감소 중 정책 개입으로 인한 요인은 얼마나 차지하는가?
• RQ3 실제 세계의 위치 데이터를 활용해 데이터 기반 모델이 팬데믹 기간 동안 이동 패턴을 정확하게 예측할 수 있는가?
• RQ4 정책에 의한 행동 변화가 전체 이동 감소에 비해 상대적으로 얼마나 기여하는가?
• RQ5 실증적으로 검증된 이동 모델은 실시간 공중보건 의사결정 지원에 어떻게 기여할 수 있는가?

주요 결과

• 자가격리 명령은 팬데믹 기간 동안 인당 일일 평균 이동 횟수 감소의 총 감소량의 5퍼센트 미만을 차지하였다.
• 전국적으로 일일 평균 인-마일 이동 거리 감소의 5퍼센트 미만이 정책에 기인하였다.
• 개발된 데이터 기반 모델은 높은 예측 정확도를 보이며 이동 패턴의 신뢰할 수 있는 예측을 가능하게 하였다.
• 이동 감소의 주요 원인은 정책 외 요인, 즉 대중 인식, 감염에 대한 두려움, 자발적 사회적 거리두기였다.
• 이 모델들은 전염병 모델링에 활용되고 실시간 공중보건 개입을 지원하는 데 사용될 수 있다.
• 본 연구는 향후 공중보건 위기 발생 시 이동 변화 평가를 위한 검증된 데이터 기반 프레임워크를 제공한다.