[论文解读] Human Mobility during COVID-19 in the Context of Mild Social Distancing: Implications for Technological Interventions

Myeong Lee, Seongkyu Lee+2 more|arXiv (Cornell University)|Jun 28, 2020

Human Mobility and Location-Based Analysis参考文献 35被引用 4

一句话总结

本研究利用超过100万名用户的匿名智能手机数据，分析了韩国一座主要城市在早期新冠疫情期间实施温和社交距离措施下的人员流动情况。研究基于行为模式识别出五种不同的流动类型，揭示了日常作息和社交互动的显著变化，并为未来大流行病中设计更具公平性的技术干预措施提供了启示。

ABSTRACT

The COVID-19 pandemic has brought both tangible and intangible damage to our society. Many researchers studied about its societal impacts in the countries that had implemented strong social distancing measures such as stay-at-home orders. Among them, human mobility has been studied extensively due to its importance in flattening the curve. However, mobility has not been actively studied in the context of mild social distancing. Insufficient understanding of human mobility in diverse contexts might provide limited implications for any technological interventions to alleviate the situation. To this end, we collected a dataset consisting of more than 1M daily smart device users in the third-largest city of South Korea, which has implemented mild social distancing policies. We analyze how COVID-19 shaped human mobility in the city from geographical, socio-economic, and socio-political perspectives. We also examine mobility changes for points of interest and special occasions such as transportation stations and the case of legislative elections. We identify a typology of populations through these analyses as a means to provide design implications for technological interventions. This paper contributes to social sciences through in-depth analyses of human mobility and to the CSCW community with new design challenges and potential implications.

研究动机与目标

• 理解在未实施严格封锁措施的温和社交距离城市中，早期新冠疫情期间人类流动性的变化情况。
• 考察疫情期间在不同地理、社会经济和社会政治背景下的流动模式差异。
• 基于行为模式识别出不同的流动类型，尤其关注必要活动与社交互动方面。
• 为支持公共卫生同时减少社会不平等的技术干预措施提供可操作的设计启示。
• 通过将技术设计建立在大流行期间真实流动动态的基础上，为危机信息学和人机交互（CSCW）领域做出贡献。

提出的方法

• 收集了2019年12月至2020年5月期间韩国第三大城市超过100万名智能手机用户的匿名流动数据。
• 使用Voronoi镶嵌对流动数据进行空间聚合，确保在低流量区域也能保持覆盖。
• 将兴趣点（POIs）分类为土地利用类别，采用每个位置最高排名的手动编码类型作为分类依据。
• 分析不同时间段（如一天中的不同时段）和不同星期几（包括节假日和特殊事件）的流动时间模式。
• 通过每日移动模式的聚类分析识别流动类型，重点关注工作、购物和社交行为。
• 使用住房交易数据作为社会经济地位的代理指标，同时承认其局限性及潜在偏差。

实验结果

研究问题

• RQ1 与大流行前水平相比，该城市在温和社交距离措施下，早期新冠疫情期间人员流动模式发生了怎样的变化？
• RQ2 在疫情期间，不同社会经济、地理和社情群体之间的流动行为有何差异？
• RQ3 疫情期间，交通枢纽和休闲场所等特定兴趣点的流动情况发生了怎样的变化？
• RQ4 不同流动群体的行为类型有何区别？这些类型揭示了人们应对疫情的哪些特征？
• RQ5 在支持公共卫生的同时解决社会公平问题方面，可以为技术干预措施得出哪些设计启示？

主要发现

• 疫情期间流动量显著下降，尤其在节假日的下午和晚上，表明社交活动和休闲活动急剧减少。
• 在PANIC期间，节假日期间公交站点早高峰和晚餐时间的流动高峰消失，表明国内出行和户外休闲活动减少。
• 识别出五类具有显著差异的流动群体，包括必要工作人员、避 crowd 的户外工作者，以及社交活动减少的个体。
• 人们的社交活动和家庭互动，尤其是在节假日晚餐时间，明显减少，表明日常作息发生改变，并可能带来心理健康影响。
• 研究发现，流动模式对社会经济和文化因素高度敏感，不同人口群体间存在行为差异。
• 尽管数据分辨率和代理指标存在局限，分析仍揭示了与公共卫生趋势和行为变化一致的稳定且有意义的流动变化。