[论文解读] Mobile phone data analytics against the COVID-19 epidemics in Italy: flow diversity and local job markets during the national lockdown

Pietro Bonato, Paolo Cintia+13 more|arXiv (Cornell University)|Apr 23, 2020

Human Mobility and Location-Based Analysis参考文献 10被引用 15

一句话总结

本研究利用匿名移动电话数据，分析了2020年3月全国封锁期间意大利各省份和市镇在封锁前、封锁中及封锁后的人员流动变化。研究提出了一种基于流动性的风险指数，并通过流动模式识别了地方就业市场，结果表明封锁降低了流动多样性并提高了可预测性，尤其在周末更为显著，同时实现了与人员流动模式相关的局部经济区域的界定。

ABSTRACT

Understanding collective mobility patterns is crucial to plan the restart of production and economic activities, which are currently put in stand-by to fight the diffusion of the epidemics. In this report, we use mobile phone data to infer the movements of people between Italian provinces and municipalities, and we analyze the incoming, outcoming and internal mobility flows before and during the national lockdown (March 9th, 2020) and after the closure of non-necessary productive and economic activities (March 23th, 2020). The population flow across provinces and municipalities enable for the modelling of a risk index tailored for the mobility of each municipality or province. Such an index would be a useful indicator to drive counter-measures in reaction to a sudden reactivation of the epidemics. Mobile phone data, even when aggregated to preserve the privacy of individuals, are a useful data source to track the evolution in time of human mobility, hence allowing for monitoring the effectiveness of control measures such as physical distancing. We address the following analytical questions: How does the mobility structure of a territory change? Do incoming and outcoming flows become more predictable during the lockdown, and what are the differences between weekdays and weekends? Can we detect proper local job markets based on human mobility flows, to eventually shape the borders of a local outbreak?

研究动机与目标

• 了解意大利全国封锁期间集体流动模式的变化情况。
• 评估封锁期间进出流动是否变得更加可预测，区分工作日与周末的差异。
• 基于人员流动模式识别地方就业市场，以支持局部疫情控制策略。
• 为每个市镇或省份制定基于流动性的风险指数，以指导公共卫生干预措施。
• 通过实时追踪人员流动，评估物理距离措施的有效性。

提出的方法

• 使用聚合的移动电话数据推断意大利各省份和市镇之间的人口流动。
• 对2020年3月23日全国封锁前、封锁中及封锁后的流动数据进行时间序列分析。
• 基于流入、流出及内部流动模式，为每个地区建模风险指数。
• 使用基于熵的度量方法量化流动多样性，以评估流动网络的可预测性与结构特征。
• 通过聚类具有相似流动模式的市镇，识别地方就业市场，揭示经济相互依赖关系。
• 对比工作日与周末的流动趋势，检测封锁期间行为模式的变化。

实验结果

研究问题

• RQ1 意大利各省份和市镇的流动结构在国家封锁期间发生了怎样的变化？
• RQ2 封锁期间，流入和流出的流动是否变得更加可预测？这种可预测性在工作日与周末之间有何差异？
• RQ3 能否可靠地利用手机人员流动数据识别地方就业市场？
• RQ4 如何利用基于流动性的风险指数来监测物理距离措施的有效性？
• RQ5 封锁期间的流动模式在多大程度上反映了经济与社会行为的变化？

主要发现

• 封锁期间流动多样性显著下降，表明人员流动更加可预测且活动范围受限。
• 封锁期间周末的流动比工作日更具可预测性，表明自主出行减少。
• 在流动结构方面，工作日与周末之间出现明显差异，周末表现出更高的可预测性。
• 通过基于流动模式聚类市镇，可有效识别地方就业市场，揭示经济集群。
• 基于流动的流动风险指数与区域疫情趋势高度相关，支持其在公共卫生规划中的应用。
• 本研究证明，移动电话数据可作为实时监测封锁措施对人员流动影响的代理指标。