[논문 리뷰] Foursquare to The Rescue: Predicting Ambulance Calls Across Geographies

Anastasios Noulas, Colin Moffatt외 2명|arXiv (Cornell University)|2018. 01. 29.

Data-Driven Disease Surveillance참고 문헌 24인용 수 3

한 줄 요약

이 연구는 영국 노스웨스트 지역의 하위초등출구영역(LSOA)에서 구급차 호출량을 다중 자료원 예측 모델로 제안하며, Foursquare 체크인, 주간 인구 추정치, 빈곤 지수를 통합한다. 연구 결과 Foursquare 체크인이 특히 수면 중 발생하는 사고(의식상실/실신, 과다복용/중독 등) 예측에 뚜렷한 향상을 이끌어내며, 기존의 주거 인구 자료보다 우수한 성능을 보임을 입증한다.

ABSTRACT

Understanding how ambulance incidents are spatially distributed can shed light to the epidemiological dynamics of geographic areas and inform healthcare policy design. Here we analyze a longitudinal dataset of more than four million ambulance calls across a region of twelve million residents in the North West of England. With the aim to explain geographic variations in ambulance call frequencies, we employ a wide range of data layers including open government datasets describing population demographics and socio-economic characteristics, as well as geographic activity in online services such as Foursquare. Working at a fine level of spatial granularity we demonstrate that daytime population levels and the deprivation status of an area are the most important variables when it comes to predicting the volume of ambulance calls at an area. Foursquare check-ins on the other hand complement these government sourced indicators, offering a novel view to population nightlife and commercial activity locally. We demonstrate how check-in activity can provide an edge when predicting certain types of emergency incidents in a multi-variate regression model.

연구 동기 및 목표

• 영국 노스웨스트 지역의 하위초등출구영역(LSOA)에서 세밀한 지리적 분석 수준에서 구급차 호출량의 공간 예측을 향상시키는 것.
• 비전통적 자료원—특히 Foursquare 체크인—이 응급의료 수요의 지리적 변동성을 설명하는 데 기여하는 방식을 조사하는 것.
• 다양한 유형의 구급차 사고를 예측할 때 인구통계학적, 사회경제적, 실시간 이동성 지표의 상대적 중요도를 평가하는 것.
• 정적 주거 인구보다 동적 인구 활동(주간 인구)이 응급 서비스 수요 예측에서 더 뛰어난 성능을 보이는지 평가하는 것.
• 공중보건 정책 및 응급 서비스 계획 수립을 위한 데이터 기반 통찰을 제공하여 의료 수요의 공간적 불균형을 이해하는 것.

제안 방법

• 다변량 선형회귀 모델을 구축: $ y_i = \textbf{x}_i^T \boldsymbol{\beta} + \boldsymbol{\nu}_i $, 여기서 $ y_i $ 는 영역 $ i $ 에서의 구급차 호출 수이며, $ \textbf{x}_i $ 는 주간 인구, 빈곤 지수, Foursquare 체크인 등의 예측 변수를 포함함.
• 다중공선성 감소를 위해 모든 예측 변수를 평균을 빼고 표준편차로 나누어 표준화함.
• 모델 성능 평가의 주요 지표로 조정된 결정계수 $ R^2 $ 를 사용하여 10개의 예측 과제(전체 호출에 대한 1개와 특정 사고 유형에 대한 9개)에서 평가함.
• 변수 중요도 분석을 위해 각 예측 변수를 순차적으로 제거하고 $ R^2 $ 의 감소량을 측정하며, 최대 감소량으로 정규화하여 상대적 중요도를 계산함.
• 개방 정부 데이터셋(예: 빈곤 지수, 인구 통계학적 자료)과 Foursquare의 위치 기반 체크인 데이터를 통합하여 실시간 도시 활동 패턴을 포착함.
• 주간 인구를 각 LSOA 내 16세 미만, 근로자, 65세 이상 거주자의 합으로 정의하여 비거주 활동의 대체 지표로 사용함.

실험 결과

연구 질문

• RQ1 LSOA 전역에서 주간 인구 수준이 주거 인구 수준보다 구급차 호출량 예측에 더 우수한가?
• RQ2 Foursquare 체크인 패턴이 야간 활동이나 상업 활동과 연관된 특정 구급차 사고 유형의 예측에 얼마나 기여하는가?
• RQ3 특히 다중 빈곤 지수를 포함한 사회경제적 및 인구통계학적 요인이 높은 구급차 호출량과 가장 강하게 상관되는가?
• RQ4 다양한 유형의 응급사고(예: 넘어짐, 의식상실/실신, 과다복용)는 공간적으로 어떻게 공존하는가? 그리고 그들의 지리적 분포를 가장 잘 설명하는 예측 변수는 무엇인가?
• RQ5 Foursquare와 같은 위치 기반 서비스에서 제공하는 실시간 디지털 이동성 데이터가 응급수요 모델링에서 동적 인구 활동의 신뢰할 수 있는 대체 지표가 될 수 있는가?

주요 결과

• 전체 구급차 호출량을 예측할 때 모델은 조정된 $ R^2 $ 가 0.702를 기록하여 모든 입력 변수가 강력한 설명력을 가짐을 나타냄.
• 주간 인구 수준은 구급차 호출량과 피어슨 상관계수 $ r = 0.68 $ 를 보이며, 주거 인구 수준($ r = 0.18 $)보다 유의미하게 뛰어난 성능을 보임.
• Foursquare 체크인은 9개 사고 유형 중 8개에 대해 통계적으로 유의미한 예측 변수였으며, 양의 계수로 체크인 빈도가 높을수록 호출량이 증가함을 나타냄.
• 의식상실/실신 사고의 경우 Foursquare 체크인이 주간 인구 및 빈곤 지수를 모두 능가하는 가장 중요한 예측 변수였음.
• 다중 빈곤 지수는 대부분의 사고 유형에서 가장 중요한 변수였으며, 특히 호흡 곤란, 흉통, 정신건강/자살 관련 호출에서 두드러짐.
• 과다복용/중독 사고의 예측 정확도에서 Foursquare 체크인이 주간 인구보다 더 높은 기여를 하여 야간 및 상업 활동 패턴을 포착하는 데의 가치를 입증함.