[论文解读] Time Series Analysis and Correlation of Subway Turnstile Usage and COVID-19 Prevalence in New York City

Sina Fathi-Kazerooni, Roberto Rojas‐Cessa+2 more|arXiv (Cornell University)|Aug 1, 2020

COVID-19 epidemiological studies参考文献 27被引用 7

一句话总结

本研究利用LSTM和ARIMA模型，建立了纽约市地铁闸机使用量与新冠肺炎死亡/确诊病例之间的强相关性。研究显示，经潜伏期和症状延迟调整后的地铁客流量可预测报告的死亡人数，并估算出纽约市首例感染和死亡病例发生时间早于官方报告——分别为2020年1月28日至2月24日和3月7日至3月21日。

ABSTRACT

In this paper, we show a strong correlation between turnstile usage data of the New York City subway provided by the Metropolitan Transport Authority of New York City and COVID-19 deaths and cases reported by the New York City Department of Health. The turnstile usage data not only indicate the usage of the city's subway but also people's activity that promoted the large prevalence of COVID-19 city dwellers experienced from March to May of 2020. While this correlation is apparent, no proof has been provided before. Here we demonstrate this correlation through the application of a long short-term memory neural network. We show that the correlation of COVID-19 prevalence and deaths considers the incubation and symptomatic phases on reported deaths. Having established this correlation, we estimate the dates when the number of COVID-19 deaths and cases would approach zero after the reported number of deaths were decreasing by using the Auto-Regressive Integrated Moving Average model. We also estimate the dates when the first cases and deaths occurred by back-tracing the data sets and compare them to the reported dates.

研究动机与目标

• 调查早期大流行期间纽约市地铁闸机使用量与新冠肺炎病例和死亡人数之间的相关性。
• 通过使用死亡人数作为更可靠的分析指标，弥补因检测资源不足导致的报告病例数据的局限性。
• 通过反向追踪ARIMA模型数据，估算大流行在纽约市的真实起始时间，以确定最早可能的病例和死亡发生时间。
• 基于报告趋势，预测新冠肺炎死亡和确诊病例数降至零的日期。
• 将模型预测结果与官方报告日期进行对比，评估因数据局限性和报告延迟导致的差异。

提出的方法

• 应用长短期记忆（LSTM）神经网络，建立地铁闸机进站数据与报告的新冠肺炎死亡和病例数之间的时序关系模型。
• 将前1至25天的地铁进站数据（按天滞后）作为特征，以考虑从感染到死亡或报告病例之间的潜伏期和症状期。
• 采用自回归积分滑动平均（ARIMA）模型，预测死亡和病例数的未来趋势，包括零交叉日期。
• 开展反向时间ARIMA预测，通过从首例报告病例和死亡病例反向投影，估算大流行的起源时间。
• 使用纽约市卫生局（NYC DOH）数据集的20%作为测试集，以评估模型性能和可靠性。
• 将模型估算的首例病例和死亡日期与官方报告日期进行对比，以评估准确性及数据局限性的影响。

实验结果

研究问题

• RQ1 纽约市地铁闸机使用量与报告的新冠肺炎死亡和病例数之间是否存在统计学上显著的相关性？
• RQ2 潜伏期和症状延迟如何影响地铁客流量数据对疫情进展的预测能力？
• RQ3 基于报告数据的ARIMA模型反向追踪，纽约市首例SARS-CoV-2感染和死亡病例可能发生在何时？
• RQ4 根据ARIMA预测，新冠肺炎每日死亡和病例数预计在何时降至零？
• RQ5 模型估算的首例病例和死亡日期与官方报告日期相比如何？造成差异的原因是什么？

主要发现

• 通过LSTM模型，建立了纽约市地铁闸机使用量与报告的新冠肺炎死亡和病例数之间的强相关性，其中滞后1至25天的进站数据作为关键预测因子。
• ARIMA模型预测，每日死亡人数将在2020年5月16日至7月28日期间降至零，置信区间下限表明5月16日为死亡归零的日期。
• 模型估算纽约市首例新冠肺炎病例可能发生在2020年1月28日至2月24日期间，早于官方报告的2月29日。
• 首例死亡被估算发生在2020年3月7日至3月21日期间，早于官方报告的3月11日。
• 病例数的ARIMA预测显示，根据置信区间上限，病例趋势预计在2020年6月26日达到零，但置信区间上限未跨越零，提示可能存在疫情反弹。
• 估算日期与报告日期之间的差异归因于早期大流行期间的数据局限性，包括检测资源不足和报告延迟。