[论文解读] Mobility Changes in Response to COVID-19

Michael S. Warren, Samuel W. Skillman|arXiv (Cornell University)|Mar 31, 2020

Human Mobility and Location-Based Analysis参考文献 11被引用 132

一句话总结

本文利用匿名化的移动设备位置信息数据来量化 COVID-19 大流行及相关政策对全球和美国移动性造成的降低，并在 CC BY 4.0 下发布 admin1/admin2 移动性数据。

ABSTRACT

In response to the COVID-19 pandemic, both voluntary changes in behavior and administrative restrictions on human interactions have occurred. These actions are intended to reduce the transmission rate of the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). We use anonymized and/or de-identified mobile device locations to measure mobility, a statistic representing the distance a typical member of a given population moves in a day. Results indicate that a large reduction in mobility has taken place, both in the US and globally. In the United States, large mobility reductions have been detected associated with the onset of the COVID-19 threat and specific government directives. Mobility data at the US admin1 (state) and admin2 (county) level have been made freely available under a Creative Commons Attribution (CC BY 4.0) license via the GitHub repository https://github.com/descarteslabs/DL-COVID-19/

研究动机与目标

• 评估自愿行为变化和政府限制措施在 COVID-19 期间对日常人类移动性的影响。
• 开发用于从移动位置数据量化移动性的度量指标。
• 将移动性统计数据公开，以供政策分析和流行病学建模使用。

提出的方法

• 使用云计算和 festivus 文件系统处理大规模移动设备位置信息数据以计算移动性统计。
• 按位置精度筛选报告并汇总每个节点的日报。
• 计算三个移动性指标：M_max、M_bb、M_ch，并聚焦于中位数 M_max (m50)。
• 使用基于 COVID 前基线时期的区域正常值 m50 定义归一化移动性指数 m50_index。
• 将规范位置反向地理编码为国家和行政区（Admin1、Admin2）以进行聚合。
• 输出结果为 NDJSON 和 CSV 格式，便于流式分析。

实验结果

研究问题

• RQ1 全球及美国分地区层面在 COVID-19 明显起始及随后的政策措施对移动性有何影响？
• RQ2 移动性指标（M_max、M_bb、M_ch）如何反映大流行期间日常移动模式的变化？
• RQ3 居家令等政策在区域层面的移动性上产生了何种影响（以 m50_index 量化）？
• RQ4 使用匿名化移动位置数据来估计人口移动性的局限性和潜在偏差有哪些？

主要发现

• 在 COVID-19 威胁和政府指令之后，全球和美国的移动性均出现下降。
• 在美国，移动性显著下降，纽约从 5.2 km 降至 31 meters，表明大多数人停留在初始位置附近。
• 归一化移动性指数显示佛罗里达州和得克萨斯州降至正常水平的约 30%，而加利福尼亚州、伊利诺伊州、纽约州和华盛顿州在 2020 年 3 月初降至正常水平的 <20%。
• 重大县级移动性变化与本地事件相关，如湾区居家令和大学校园关闭。
• 与重大政策行动和假期同步的移动性变化显著；趋势因农村/城市差异及当地情况而异。