[论文解读] Multi-scale Population and Mobility Estimation with Geo-tagged Tweets

Jiajun Liu, Kun Zhao+3 more|arXiv (Cornell University)|Dec 1, 2014

Human Mobility and Location-Based Analysis参考文献 9被引用 6

一句话总结

本研究提出使用带有地理标签的推文数据作为澳大利亚人口分布与移动性的实时代理指标，证明推文用户密度与基于人口普查的人口数据具有高度相关性。在国家、州和大都市尺度上，引力模型在估计移动流量方面优于辐射模型，尤其由于澳大利亚人口分布稀疏且不均一。

ABSTRACT

Recent outbreaks of Ebola and Dengue viruses have again elevated the significance of the capability to quickly predict disease spread in an emergent situation. However, existing approaches usually rely heavily on the time-consuming census processes, or the privacy-sensitive call logs, leading to their unresponsive nature when facing the abruptly changing dynamics in the event of an outbreak. In this paper we study the feasibility of using large-scale Twitter data as a proxy of human mobility to model and predict disease spread. We report that for Australia, Twitter users' distribution correlates well the census-based population distribution, and that the Twitter users' travel patterns appear to loosely follow the gravity law at multiple scales of geographic distances, i.e. national level, state level and metropolitan level. The radiation model is also evaluated on this dataset though it has shown inferior fitness as a result of Australia's sparse population and large landmass. The outcomes of the study form the cornerstones for future work towards a model-based, responsive prediction method from Twitter data for disease spread.

研究动机与目标

• 评估使用带有地理标签的推文数据作为人类人口分布与移动性代理指标的可行性。
• 评估引力模型与辐射模型在多个地理尺度上估计人类移动流量的性能。
• 调查Twitter数据是否能为疾病传播建模提供及时、高分辨率的移动模式。
• 确定在人口稀疏且分布不均的地区（如澳大利亚）中，不同移动模型的适用性。

提出的方法

• 从2013年9月至2014年4月期间，收集了来自澳大利亚473,956名独立用户的630万条带有地理标签的推文。
• 采用空间分箱和对数分箱方法聚合推文数量，以在国家、州和大都市尺度上估算人口密度。
• 应用引力模型（2参数和4参数变体）与辐射模型，以估计地理区域之间的移动流量。
• 使用基于观察到的推文移动流量作为真实值对模型进行校准，通过调整参数以最小化误差。
• 使用皮尔逊相关系数和HitRate@50%（估计值在50%相对误差范围内的比例）评估模型性能。
• 在不同地理尺度和人口密度条件下比较模型的鲁棒性与准确性。

实验结果

研究问题

• RQ1 带有地理标签的推文分布与澳大利亚官方人口普查的人口分布之间相关性如何？
• RQ2 在多个地理尺度上，引力模型与辐射模型对基于Twitter数据推导出的移动模式拟合程度如何？
• RQ3 辐射模型是否在估计人类移动方面始终优于引力模型，特别是在人口稀疏且地理分布分散的地区？
• RQ4 当应用于国家、州和大都市等不同地理聚合尺度时，模型在准确性和鲁棒性方面表现如何？
• RQ5 在缺乏及时的人口普查或移动通话数据的情况下，Twitter数据是否可作为疾病传播建模中人类移动性的可行、实时代理？

主要发现

• 澳大利亚带有地理标签的推文分布与基于人口普查的人口分布具有强相关性，尤其是在人口密集的沿海地区。
• 引力模型（尤其是2参数变体）在国家尺度上达到皮尔逊相关系数0.912，优于辐射模型的0.840，并在各尺度上表现出更强的鲁棒性。
• 在大都市尺度上，引力模型的HitRate@50%达到0.600，显著高于辐射模型的0.397，表明其在估计移动流量方面具有更高的准确性。
• 辐射模型表现出强烈的低估移动流量的倾向，某些情况下误差甚至达到二十年之久，尤其在流量规模较大时更为明显。
• 引力模型的优越表现可归因于澳大利亚人口稀疏且分布不均的特征，这违反了辐射模型关于城市中心人口密度平滑衰减的假设。
• 本研究证实，Twitter数据可作为人类移动性的可行、高分辨率代理指标，支持在突发疫情情景下对疾病传播动态进行实时建模。