[논문 리뷰] Biases in human mobility data impact epidemic modeling

Frank Schlosser, Vedran Sekara외 2명|arXiv (Cornell University)|2021. 12. 23.

Human Mobility and Location-Based Analysis인용 수 11

한 줄 요약

이 논문은 인간 이동성 데이터의 두 가지 주요 편향—기술 접근성 편향과 이전에 간과되었던 데이터 생성 편향—을 특정하고 정량화한다. 고소득 개인이 이동성 데이터를 비례적으로 더 많이 생성함으로써 전염병 모델이 왜곡됨을 밝힌다. 데이터를 보정하는 프레임워크를 통해 소득 5분위별로 이동 경로를 재표본화하고 커버리지에 대한 보정을 실시한 결과, 편향된 데이터는 SIR 시뮬레이션에서 전염병의 확산 속도와 심각도를 과대평가함을 입증하며, 연구자들이 이동성 기반 모델링 시 데이터 공정성을 고려해야 한다고 당부한다.

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.

연구 동기 및 목표

• 대규모 인간 이동성 데이터의 편향—특히 모바일 폰 CDR에서 비롯된 것—이 전염병 모델링 결과에 어떤 영향을 미치는지 조사하기 위해.
• 고소득 개인이 더 자주 사용함으로써 발생하는 새로운 형태의 편향인 '데이터 생성 편향'을 특정하고 특성화하기 위해.
• 소득 계층 간 이동성 네트워크의 대표성을 복원하는 보정 프레임워크를 개발하고 검증하기 위해.
• 편향된 데이터와 보정된 데이터가 동적 전염병 시뮬레이션에 미치는 영향, 특히 전파 속도와 심각도 측면에서의 영향을 평가하기 위해.
• 특히 패닉 대응과 같은 정책적 응용 분야에서 이동성 데이터 사용 시 데이터 공정성의 중요성을 홍보하기 위해.

제안 방법

• 시에라리온, Democratic Republic of the Congo(DRC), 이라크의 콜 디테일 레코드(CDR) 데이터셋을 분석하여 소득 5분위별로 이동성 데이터의 격차를 탐지한다.
• 재표본화 기반의 보정 방법을 도입: 기존의 유량 행렬에서 다항분포 표본추출을 통해 소득 5분위별로 이동 경로를 균등하게 재분배함으로써 데이터 생성 편향을 보정한다.
• 관측된 빈도 비율에 비례하여 유량을 표본 추출함으로써 네트워크의 구조를 유지하고, 현실적인 공간 연결 패턴을 보장한다.
• 기술 접근성 편향에 대한 보정을 위해, 이동성 네트워크 커버리지가 부분적인 지역의 유량을 사용자 침투율에 따라 재조정한다.
• 데이터가 없는 지역의 경우, 가장 가난한 5분위의 이동 패턴에 기반한 중력 모델을 사용해 누락된 유량을 추정함으로써 네트워크의 밀도를 유지한다.
• 원래 네트워크와 보정된 네트워크 양쪽 모두에서 R₀ = 2.5 및 μ = 1/6일을 가진 SIR 메타인구 모델을 사용해 전염병 시뮬레이션을 실행하고 결과를 비교한다.

실험 결과

연구 질문

• RQ1 소득 집단 간 데이터 생산의 불균형으로 인한 데이터 생성 편향이 이동성 데이터셋의 대표성에 어느 정도 영향을 미치는가?
• RQ2 고소득자와 저소득자 그룹 간 이동성 네트워크의 구조적 특징(예: 연결성, 장거리 연결)은 어떻게 다를까?
• RQ3 편향된 이동성 데이터가 전염병 시뮬레이션에서 예측된 전파 속도와 심각도에 어떤 영향을 미치는가?
• RQ4 재표본화 기반의 보정 프레임워크가 공간 패턴을 왜곡시키지 않고도 이동성 네트워크의 대표성을 효과적으로 복원할 수 있는가?
• RQ5 기술 접근성 편향과 데이터 생성 편향에 대한 보정이 동시에 적용될 경우, 전염병 모델링의 정확도는 어느 정도 향상되는가?

주요 결과

• 모든 분석 대상 데이터셋에서 가장 부유한 20% 사용자가 전체 기록된 이동 경로의 50% 이상을 차지함을 확인하여 강력한 데이터 생성 편향이 있음을 입증한다.
• 고소득자 그룹의 이동성 네트워크는 저소득자 그룹에 비해 훨씬 더 높은 밀도를 보이며, 장거리 연결도 더 많다.
• 보정 후 시뮬레이션에서는 편향된 데이터를 사용한 경우에 비해 전염병의 확산 속도가 20~30% 감소함을 확인하였다.
• 보정된 데이터를 사용한 시뮬레이션에서는 전염 피크가 지연되고 전체 감염률도 낮아져, 편향된 데이터가 전파 가능성을 과대평가하고 있음을 시사한다.
• 저커버리지 지역의 누락된 유량을 중력 모델 기반으로 추정함으로써 네트워크의 완전성을 향상시키면서도 현실적인 공간 구조를 유지함을 확인하였다.
• 연구는 데이터 생성 편향을 보정하지 않을 경우, 특히 저소득 및 중간소득 국가에서 체계적으로 잘못된 전염병 예측이 발생할 수 있음을 입증한다.