Statistical Machine Learning Meets High-Dimensional Spatiotemporal Challenges -- A Case Study of COVID-19 Modeling
本研究利用地理空间大数据和统计机器学习模型MBSTS-TL，分析2020年美国COVID-19数据，揭示非药物干预措施的时空异质性影响，发现决定因素从流动性演变为流动性、居家令与公众认知的复合。
2023-11-29 physics.data-an physics.soc-ph stat.AP
Causal Analysis and Prediction of Human Mobility in the U.S. during the COVID-19 Pandemic
Pacific Northwest National Laboratory（太平洋西北国家实验室）；Michigan State University（密歇根州立大学）
由于COVID-19在美国日益蔓延，截至2020年9月，该国确诊病例和死亡人数居世界首位，该国大部分州都实施了旅行限制，导致流动性急剧下降。然而，这场危机对旅行和流动性的总体影响和长期影响仍然不确定。为此，本研究开发了一个分析框架，确定并分析了在这场大流行期间影响美国人口流动和旅行的最主要因素。特别是，该研究使用格兰杰因果关系来确定影响每日车辆行驶里程的重要预测因素，并利用线性正则化算法（包括Ridge和LASSO技术）来建模和预测移动性。从2020年3月1日至2020年6月13日期间，从各种开放获取的来源获得了州一级的时间序列数据，整个数据集被分为两部分用于培训和测试目的。利用Granger因果关系选取变量，分别采用普通最小二乘回归、岭回归和LASSO回归算法对3种不同的降阶模型进行训练。最后，在试验数据上检验了所建模型的预测精度。结果表明，新冠病例数、社交距离指数、待在家里的人口、出县旅行的百分比、前往不同目的地的旅行、社会经济地位、在家工作的人的百分比和全州关闭等因素是影响每日VMT的最重要因素。此外，在所有的建模技术，岭回归提供了最优越的性能与最小的误差，而LASSO回归也表现得比普通的最小二乘模型。
2021-11-24 cs.LG stat.AP
Towards Accurate Spatiotemporal COVID-19 Risk Scores using High Resolution Real-World Mobility Data
University of Southern California（南加州大学）
在COVID-19疫情持续期间，各国期望重新开放经济活动，确保公众健康一直具有挑战性。虽然接触者追踪的目的只是追踪受感染用户过去的活动，但安全重新开放的一条途径是制定可靠的时空风险评分，以表明疾病的倾向。现有的工作，其目的是开发风险分数要么依赖于房室模型为基础的繁殖数量（假设均匀的人口混合）或开发粗粒度的空间分数的基础上繁殖数量（R 0）和宏观层面的密度为基础的流动性统计。相反，在本文中，我们开发了一种基于霍克斯过程的技术，通过利用基于手机发起的位置信号的高分辨率移动数据来分配相对细粒度的空间和时间风险分数。虽然COVID-19风险评分也取决于个人特有的许多因素，包括人口统计和现有的医疗条件，但疾病传播的主要模式是通过身体接近和接触。因此，我们专注于根据位置密度和移动行为制定风险评分。我们通过基于真实世界流动性数据的模拟来证明所开发的风险评分的有效性。我们的研究结果表明，基于高分辨率移动数据的细粒度时空风险评分可以提供有用的见解，并促进安全重新开放。
2020-12-14 cs.LG stat.ML
Combining Graph Neural Networks and Spatio-temporal Disease Models to Predict COVID-19 Cases in Germany
Ludwig Maximilian Universität（路德维希-马克西米利安大学）；Helmholtz Zentrum München – German Research Center for Environmental Health（亥姆霍兹慕尼黑中心——德国环境健康研究中心）
2020年，来自不同研究领域的许多学者对COVID-19的感染率进行了调查。在这种情况下，可靠和可解释的疾病事件预测是决策者管理医疗资源的重要工具。几位专家呼吁有必要考虑到人类流动性，以解释COVID-19的传播。现有的方法通常应用各自研究领域的标准模型。然而，这种习惯往往伴随着某些限制。例如，大多数统计或流行病学模型不能直接纳入非结构化数据源，包括可能编码人类流动性的关系数据。相比之下，机器学习方法可以通过利用这些数据结构来产生更好的预测，但缺乏直观的可解释性，因为它们通常被归类为黑盒模型。我们提出了两个研究方向之间的权衡，并提出了一种多模态学习方法，该方法结合了统计回归和机器学习模型的优势，用于预测德国当地的COVID-19病例。这种新颖的方法可以使用更丰富的数据类型集合，包括移动流和托管概率，并在我们的基准研究中在整个观察期间产生最低的MSE分数。结果证实了包括流动性数据的必要性，并展示了我们的方法的灵活性和可解释性。
2021-01-03 cs.LG stat.AP
On the Interplay of Regional Mobility, Social Connectedness, and the Spread of COVID-19 in Germany
由于呼吸道病毒传播的主要模式是人与人之间的相互作用，我们需要重新考虑身体相互作用模式，以减少感染COVID-19的人数。虽然研究表明，非药物干预（NPI）对国家流动模式有明显影响，但我们调查了相对的区域流动行为，以评估人员流动对COVID-19传播的影响。特别是，我们探讨了从Facebook活动中产生的人员流动性和社交联系对2020年3月3日至6月22日期间德国每周新感染率的影响。我们的研究结果证实，减少社会活动降低感染率，占区域和时间模式。社会距离的程度，以留在联邦行政区内的人的百分比来量化，对感染的发生率有总体的负面影响。此外，我们的研究结果显示了基于地理和社会距离的空间感染模式。
2021-07-02 physics.soc-ph stat.AP
The impact of COVID-19 on relative changes in aggregated mobility using mobile-phone data
评估相对变化会导致额外的见解，这些见解在仅评估绝对变化时仍然隐藏。我们分析了一个数据集，描述了奥地利在COVID-19封锁措施期间直到最近的移动电话流动性。通过应用成分数据分析，我们表明，以前隐藏的信息变得可用：我们看到，老年人口群体增加相对流动性，年轻群体，特别是在周末也没有减少他们的流动性，因为其他人。
2020-09-08 physics.soc-ph stat.AP stat.CO
How do mobility restrictions and social distancing during COVID-19 affect the crude oil price?
我们开发了一个空气流动性指数，并使用新开发的苹果驾驶趋势指数来评估COVID-19对原油价格的影响。我们使用分位数回归和平稳和非平稳极值模型来研究影响。我们发现，\textit{air mobility index}和\textit{driving trend index}显着影响下，上分位数以及WTI原油价格的中位数。极值模型表明，像COVID-19这样的事件可能会将油价再次推至负值区域，因为在此类流行病期间空气流动性急剧下降。
2021-01-02 stat.AP
Using mobility data in the design of optimal lockdown strategies for the COVID-19 pandemic
提出了一个新冠肺炎疫情传播的数学模型，该模型将年龄结构的易感-暴露-死亡动态与考虑人口流动性的真实手机数据相结合。通过近似贝叶斯计算进行动态模型调整。基于非线性模型预测控制确定最佳封锁和退出策略，并限制公共卫生和社会经济因素。通过广泛的计算验证的方法，它表明，它是可以计算出强大的退出战略与现实的减少流动性值，以告知公共政策的制定，我们使用来自英国和法国的数据集验证的方法的适用性。实现所描述的实验的代码可在https://github.com/OptimalLockdown获得。
2020-10-18 physics.soc-ph q-bio.PE stat.AP
Probabilistic and mean-field model of COVID-19 epidemics with user mobility and contact tracing
我们提出了一个详细的COVID-19流行病的离散时间模型，分为两种类型，平均场和概率。其主要贡献在于对基本模型的若干扩展，这些扩展体现了㈠用户的流动性-将路线（即居住地变更）与通勤（即日常流动性）区分开来-以及㈡接触者追踪程序。我们面对这个模型的公共数据的日常住院治疗，并讨论其应用以及基本的估计程序。
2020-09-11 stat.AP stat.ME
Spatial scales of COVID-19 transmission in Mexico
在新出现的传染病爆发期间，国际连通的城市往往会经历大规模和早期的爆发，而农村地区则会在一段时间后出现。这种疾病传播的层次结构主要受到人类流动的多尺度结构的影响。然而，在COVID-19疫情期间，公共卫生应对措施在设计非药物干预措施（NPI）时通常没有考虑到人类流动的明确空间结构。国家绩效指标主要在国家或区域范围内实施。在这里，我们使用每周匿名和汇总的人类流动数据以及墨西哥市级COVID-19病例、死亡和住院的空间高分辨率数据，调查应对大流行的行为变化如何改变了第一波（2020年3月至6月）传播和干预的空间尺度。我们发现，墨西哥的疫情动态最初是由来自墨西哥州和墨西哥城的SARS-CoV-2出口驱动的，那里发生了早期疫情。2020年3月下旬实施干预措施后，流动网络发生了变化，流动网络社区变得更加脱节，而这些社区的疫情变得越来越同步。我们的研究结果为如何使用网络科学和流行病学建模提供了可操作的动态见解，以告知干预措施在减缓COVID-19和一般传染病传播方面最具影响力的空间尺度。
2023-01-30 physics.soc-ph stat.AP
Data-Driven Modeling Reveals the Impact of Stay-at-Home Orders on Human Mobility during the COVID-19 Pandemic in the U.S
延缓新型冠状病毒（COVID-19）传播的一种方法是通过实施旅行限制政策来减少人类旅行。目前尚不清楚这些政策在抑制流动趋势方面的有效性，因为缺乏描述大流行期间人员流动的基本事实和大规模数据集。这项研究使用从匿名移动设备收集的真实世界基于位置的服务数据，以揭示COVID-19期间和美国“呆在家里”状态下的移动性变化。数据驱动的分析和建模将不到5%的出行次数和人英里数的减少归因于政策的影响。该研究中开发的模型具有很高的预测准确性，可用于通过经验验证的流动性趋势为流行病建模提供信息，并支持对时间敏感的决策过程。
2020-05-05 stat.AP
Recreational Mobility Prior and During the COVID-19 Pandemic
本文利用华盛顿州公园聚合出行数据，研究 COVID-19 前后公园访问趋势，发现引力模型稳健，且高收入居民扩大休闲选择而低收入居民减少休闲选择。
2024-02-21 nlin.AO physics.soc-ph stat.AP
The relationship between human mobility and viral transmissibility during the COVID-19 epidemics in Italy
2020年，受COVID-19疫情影响的国家实施了各种非药物干预措施，以对比病毒的传播及其对医疗系统和经济的影响。我们使用意大利不同地理尺度的数据，调查了人口流动性（包括人口对不断变化的情况的反应的许多方面）与COVID-19传播之间的关系。利用2020年2月至9月的移动电话数据，我们发现移动流量的减少与净再生产数量之间存在显着的关系。我们发现，关闭流动性，使净繁殖数低于临界阈值1所需的时间约为一周。此外，我们观察到在封锁引起的流动性下降之前超过这一阈值的天数与每10万居民的感染总数之间存在很强的关系。随着时间的推移，估计流动性流量对净再生产数量的统计影响，我们记录了一个2周的滞后正相关，在3月和4月较强，6月较弱，但仍然显着。我们的研究证明了大规模流动数据在监测疫情和在疫情发展过程中为控制干预提供信息方面的价值。
2021-04-01 cs.SI physics.soc-ph stat.AP
Human mobility and COVID-19 initial dynamics
欧盟范围内的流动数据有助于了解大流行的动态，并可能限制未来浪潮的影响。尽管如此，由于缺乏一种可靠和一致的方法来衡量国际一级的传染演变，因此从未对人员流动和病毒传播之间的关系进行过系统的分析。一个明显的例外是法国和意大利，这两个国家的超额死亡数据是一个间接指标，一般认为受国家和区域假设的影响较小，分别在省和市一级提供。使用这些信息以及匿名和汇总的移动数据，这项研究表明，仅移动性就可以解释这两个欧盟国家高达92%的初始传播，而在封锁措施后，它具有缓慢的衰减效应，这意味着移动限制似乎有效地有助于拯救生命。此外，内部流动性比跨省流动性更重要，人口流动性减少对减少超额死亡的典型滞后积极影响约为14-20天。与西班牙相关的类似分析证实了这一发现，西班牙使用了省一级的IgG SARS-Cov-2抗体筛查研究，而不是过量死亡统计数据。这项研究所采用的同样方法可以很容易地推广到其他欧洲国家，只要能够获得关于病毒传播的适当粒度水平的可靠数据。从过去的数据来看，相对于欧盟成员国疫情爆发的初始阶段，这项研究表明病毒的传播和人员流动在多大程度上存在联系。
2020-09-03 physics.soc-ph stat.AP
A Compartment Model of Human Mobility and Early Covid-19 Dynamics in NYC
在本文中，我们建立了一个机制系统，以了解纽约市内人员流动性减少与COVID-19传播动态之间的关系。为此，我们提出了一个多元隔室模型，该模型对疫情前90天内的智能手机移动数据和病例计数进行联合建模。参数校准是通过制定一个一般的贝叶斯分层模型，以提供不确定性量化的结果估计。开源概率编程语言Stan用于必要的计算。通过敏感性分析和样本外预测，我们发现我们的简单和可解释的模型提供的证据表明，减少人员流动改变了案件动态。
2021-06-22 stat.AP stat.ME
The Impacts of Mobility on Covid-19 Dynamics: Using Soft and Hard Data
本文旨在评估2020-2021年间流动性的变化如何影响新冠肺炎的感染传播。然而，由于大量的不可观察（行为）效应，确定一个“干净”的因果关系并不是一件容易的事情。我们建议使用谷歌趋势和基于新闻的指数作为这些行为影响的控制，我们发现，（即整体流动性减少）对减少新冠肺炎病例和（在一个月的时间范围内至少为3.02%）和死亡（在两周的时间范围内至少为2.43%）。我们还评估了流动性对没有疫苗的有限样本（仅2020年）的Covid-19传播的影响。在有限样本中，流动性相对于病例和死亡减少的结果仍然可以观察到（在居住流动性方面具有类似的幅度），并且累积更高，因为限制工作场所流动性的影响也变得很大：工作场所流动性减少1%，病例减少约1%，死亡减少约2%。
2021-10-01 econ.GN q-fin.EC stat.AP
Use of alternative data: High frequency readout of the situation -- COVID policies, mobility, and R-Number
替代数据发挥着重要作用，尤其是在危机期间。几个月的僵局使我们认识到它们对政策反应的重要性。在尼泊尔，政府采取了原地不动措施，实物数据收集活动暂停。COVID-19的确诊病例一直在稳步增加，该国处于高度戒备状态。在这种僵局中，在疫情爆发过程中可能产生的继发病例数量--繁殖数量对监测COVID-19的传播性是有用的。由于R值正在迅速变化，它可能受到一系列因素的影响，不仅包括疾病的传染性，还包括政府如何应对以及人口的行为。世界卫生组织（世卫组织）已向尼泊尔政府提出若干建议，以遏制COVID-19的进一步传播。为了了解尼泊尔如何应对冠状病毒大流行，我们查看了替代数据集，以更好地了解COVID期间的流行政策、流动性和R值。
2021-08-31 stat.AP
Use of mobile phone sensing data to estimate residence and mobility times in urban patches during the COVID-19 epidemic: The case of the 2020 outbreak in Hermosillo, Mexico
本研究利用手机GPS数据和Brownian bridge模型推断城市人口流动与停留时间，并将估计的居住-流动矩阵纳入多斑块SEIR模型，以评估政府干预对流动变化的影响。
2024-03-23 cs.SI physics.soc-ph stat.AP
Reduced mobility? Urban exodus? Medium-term impacts of the COVID-19 pandemic on internal population movements in Latin American countries
本研究利用Meta-Facebook匿名手机位置数据，考察阿根廷、智利和墨西哥在26个月内国内人口流动的中期变化，发现流动性总体下降后反弹但未完全恢复，并为城市外流和郊区化提供部分证据。
2023-10-18 physics.soc-ph stat.AP
Anomaly Detection of Mobility Data with Applications to COVID-19 Situational Awareness
本文介绍了一个实时异常检测系统，用于在区域尺度上收集的高频和高维数据，如移动定位数据的源-目的地矩阵。考虑到来自不同来源的数据在时间和空间上的不同粒度，该系统被设计成简单的，但对数据多样性具有鲁棒性，目的是检测朝向特定区域的移动性的突然增加以及移动的突然下降。该方法旨在帮助政策制定者或从业人员，并使其能够可视化异常情况，并估计COVID-19相关遏制或解除措施对人员流动的影响，以及发现与大型集会相关的潜在新疫情。
2020-11-25 physics.data-an stat.AP
The role of mobility and sanitary measures on Covid-19 in Costa Rica, March through July 2020
本文的目的是推断在哥斯达黎加SARS-CoV-2爆发的前四个月，在该国建立社区传播之前，人类流动性的变化对传播动力学的影响。通过使用参数和非参数检测变点技术，我们能够确定两个不同的时期，其中至少每日新病例的趋势和变异性发生了显着变化。为了将这些信息与人口流动相结合，我们使用了来自Google Mobility Trends的数据，这些数据使我们能够估计每日新病例率与Google建立的每个类别之间的滞后。然后利用这些信息建立研究期间人口流动变化与卫生措施之间的联系。
2021-03-15 stat.AP
Twitter, human mobility, and COVID-19
COVID-19的爆发凸显出需要一种更协调、更少涉及隐私、更容易获得的方法来监测已被证明与病毒传播相关的人员流动。在这项研究中，我们分析了全球5.87亿条推文，以了解如何从全球、国家和美国各州的用户生成信息中反映出减少人类流动性的全球合作努力。考虑到移动性的多面性，我们提出了两种类型的距离：单日距离和跨日距离。为了量化某些地理区域的响应性，我们进一步提出了一个基于移动性的响应指数（MRI），它可以在一个时间窗口内捕获移动性变化的总体程度。结果表明，从Twitter数据获得的流动模式是可量化的，以反映流动的动态。在全球范围内，2020年3月11日世卫组织宣布COVID-19为大流行之后，拟议的两个距离大大偏离了其基线。宣布后的时间间隔大大减少，表明保护措施显然影响了人们的旅行习惯。国家规模的比较揭示了反应能力的差异，不同流行阶段的流动模式对比就证明了这一点。我们发现，流动性变化的触发因素与国家宣布的缓解措施相吻合。在美国，COVID-19疫情对流动性的影响是明显的。然而，各州之间的影响差异很大。“黑人的命也是命”（Black Lives Matter）抗议活动进一步推动了流动性的强劲复苏势头，这可能会助长美国的第二波感染。
2020-06-24 cs.CY cs.SI stat.AP
Inferring Mobility Reductions from COVID-19 Disease Spread along the Urban-Rural Gradient
本研究提出贝叶斯分层模型，基于德国手机数据分析城乡梯度下COVID-19传播对出行减少的异质性影响，明确了多因素作用差异，指出出行行为可作为人群响应的代理指标。
2025-10-29 physics.data-an stat.AP
Evaluating shifts in mobility and COVID-19 case rates in U.S. counties: A demonstration of modified treatment policies for causal inference with continuous exposures
此前的研究显示，关于流动性数据与COVID-19病例率之间的关联，证据不一，但由于各地在影响行为和健康结果的因素上存在差异，因此对这一问题的分析变得复杂。我们旨在评估2020年6月1日至11月14日期间转移流动性分布对COVID-19病例率增长的县级影响。我们使用了修改的治疗政策（MTP）方法，该方法考虑了暴露量偏离其观察值的影响。MTP方法有助于研究连续暴露的影响，同时最大限度地减少参数建模假设。我们选择了十个流动性指数，以捕捉预期会影响COVID-19病例率和受其影响的行为的几个方面。结果被定义为每100，000名居民在每个流动性措施前两周的新病例数。主要分析使用了基于目标最小损失的估计（TMLE）和机器学习算法的超级学习者集成，考虑了20多个潜在的混杂因素，这些混杂因素捕获了各县最近的病例率以及社会、经济、健康和人口统计学变量。为了比较，我们还进行了未经调整的分析。对于大多数考虑的周数，未经调整的分析表明，流动性指数和随后的病例率增长之间有很强的关联。然而，在混杂因素调整后，没有一个指标显示出一致的协会后，假设的转变，以减少流动性。虽然可识别性问题限制了我们在本分析中提出因果关系主张的能力，但MTP是研究连续暴露影响的强大工具，但未得到充分利用。
2022-03-16 stat.AP stat.ML
The COVID-19 Pandemic, Community Mobility and the Effectiveness of Non-pharmaceutical Interventions: The United States of America, February to May 2020
背景资料：个别非药物干预措施（NPI），如全州范围内的居家令、学校关闭和集会规模限制，对COVID-19疫情的影响尚不清楚。了解上述NPI对疾病传播的影响对政策制定者至关重要，特别是在某些地区病例数再次增加的情况下。研究方法：使用贝叶斯框架，我们重建了发病率和随时间变化的生殖数（Rt）曲线，以研究Rt，Google社区移动报告测量的个人移动性和NPI之间的关系。结果如下：我们发现生殖数量和流动性之间存在很强的关系，与基线相比，流动性每下降10%，预计Rt会降低10.2%。随着时间的推移，限制聚会规模、学校和企业关闭以及呆在家里的订单的影响主要受趋势的影响，这与生育数量减少48%有关，对NPI进行了调整。结论：我们发现，与时间相关的流动性下降可能是由于个人改变他们的行为，以应对感知的风险或外部因素。
2020-07-09 q-bio.PE stat.AP
Country-wide mobility changes observed using mobile phone data during COVID-19 pandemic
于二零二零年三月，奥地利政府为应对COVID-19疫情而实施广泛封锁。根据主观印象和轶事证据，奥地利的公共和私人生活突然停止。在这里，我们评估了奥地利所有地区的锁定效果，并使用近实时匿名手机数据分析了奥地利各地人员流动的日常变化。我们描述了一个有效的数据聚合管道，并通过量化特定兴趣点（POI）的移动电话流量，分析个人轨迹和调查的起源-目的地图的集群结构来分析移动性。我们发现，维也纳地铁站的通勤者减少了80%以上，回转半径小于500米的设备数量几乎翻了一番。研究人群运动行为的结果突出了移动网络结构的巨大变化，这一变化体现在更高的模块化程度和从12个增加到20个检测到的社区。我们通过显示伊施格尔镇（早期COVID-19热点）的流出量与报告的COVID-19病例之间存在8天的时间滞后，证明了流动性数据与流行病学研究的相关性。这项研究表明，移动电话使用数据允许移动行为的每时每刻的量化为整个国家。我们强调，有必要改善匿名形式的此类数据的可用性，以增强快速应对COVID-19和未来大流行病的能力。
2020-08-23 cs.CY cs.SI stat.AP
Exploring the roles of local mobility patterns, socioeconomic conditions, and lockdown policies in shaping the patterns of COVID-19 spread
Facultad de Ingeniería, Universidad del Desarrollo（发展大学工程学院）
该研究将COVID-19传播相关背景视为复杂适应系统，融合多类数据构建模型，探究流动、社会经济因素及封锁政策对传播异质性的影响，开发可通用的抗疫公共政策效果评估优化方法。
2021-03-05 cs.SI physics.soc-ph stat.AP
The shapes of an epidemic: using Functional Data Analysis to characterize COVID-19 in Italy
我们调查了20个意大利地区的COVID-19死亡率模式及其与流动性，积极性以及社会人口，基础设施和环境协变量的关系。尽管从公共来源获得的数据在准确性和分辨率方面存在局限性，但我们利用函数数据分析技术在曲线和形状中利用信息来确定重要趋势。这些描述了两种截然不同的流行病;在伦巴第和北部受灾最严重的地区呈现出“指数”趋势，而在该国其他地区（包括威尼托，那里的病例与伦巴第同时出现，但早期实施了积极的检测）则较为温和，“平坦（缓和）”。我们发现，在控制相关协变量时，流动性和阳性可以预测COVID-19死亡率。在后者中，初级保健似乎可以降低死亡率，而医院、学校和工作场所的接触则会加剧死亡率。如果将我们所描述的技术应用于更丰富的数据，它可以捕获更多的、可能更清晰的信号。
2020-08-11 physics.soc-ph stat.AP
Leveraging Administrative Data for Bias Audits: Assessing Disparate Coverage with Mobility Data for COVID-19 Policy
基于智能手机的移动数据已被广泛用于设计和评估COVID-19应对策略，例如针对公共卫生资源。然而，很少有人注意到测量的有效性和人口统计学偏见，部分原因是缺乏关于哪些用户被代表的文件，以及获得独特访问和人口统计学的地面真实数据的挑战。我们说明了如何连接大规模的行政数据可以使审计的流动性数据的偏见，在没有人口统计信息和地面真相标签。更准确地说，我们表明，链接选民名册数据-包含个人层面的投票率为特定的投票地点以及种族和年龄-可以促进严格的偏见和可靠性测试的建设。这些测试揭示了一种抽样偏差，在大流行的背景下尤其值得注意：老年人和非白人选民不太可能被流动性数据所捕获。我们表明，根据这些流动性数据分配公共卫生资源可能会对高风险老年人和少数群体造成不成比例的伤害。
2021-04-16 cs.CY stat.AP
Meteorological and human mobility data on predicting COVID-19 cases by a novel hybrid decomposition method with anomaly detection analysis: a case study in the capitals of Brazil
Universidade Federal de São Paulo (UNIFESP)（圣保罗联邦大学）
2020年，巴西是拉丁美洲COVID-19病例最多的国家，首都城市受疫情影响最严重。巴西的气候因国家的领土延伸、地形、地理和其他因素而异。由于最常见的COVID-19症状与呼吸系统有关，许多研究人员研究了COVID-19病例数量与温度，湿度，降雨量等气象变量之间的相关性。此外，由于其高传播率，一些研究人员分析了人类流动性对COVID-19传播动态的影响。在预测COVID-19病例的传播时，缺乏考虑这两个变量的文献。本文分析了COVID-19病例数量与人口流动性之间的相关性，以及巴西首都的气象数据。我们发现，这些变量之间的相关性取决于城市所在的地区。我们使用与COVID-19病例显著相关的变量来预测巴西所有首都的COVID-19感染人数，并提出了一种结合Ensemble Empirical Mode Decomposition（EEMD）方法和自回归积分移动平均外源输入（ARIMAX）方法的预测方法，我们称之为EEMD-ARIMAX。在分析结果后，使用基于信号处理的异常检测方法进一步研究了不良预测。计算测试表明，EEMD-ARIMAX实现了预测比ARIMAX高26.73%。此外，平均均方根误差（RMSE）的30.69%的改善时，注意到应用EEMD-ARIMAX方法的异常检测后归一化的数据。
2021-05-10 cs.LG stat.AP
Human mobility patterns in Mexico City and their links with socioeconomic variables during the COVID-19 pandemic
手机地理定位数据的可用性为研究人类移动模式以及这些模式如何受到最近流行病的影响提供了一个绝佳的机会。两个简单的中心性指标使我们能够测量使用此类数据构建的起点-目的地网络中的两个不同方面的移动性：连接到某个节点的各种地方（度）和往返于给定节点的人数（强度）。在这篇文章中，我们分析了2020年大墨西哥城每日始发地-目的地网络的节点度和强度。与在许多复杂网络中观察到的不同，这些源-目的地网络不是无标度的。相反，有一个由分布峰值定义的特征尺度;中心性分布呈现出倾斜的双尾分布，在峰值的每一侧都有幂律衰减。我们发现，高流动性地区往往更靠近市中心，人口更多，社会经济条件更好。行为异常的地区几乎总是在城市的外围，在那里我们也可以观察到东西部之间流动模式的质的差异。最后，我们研究了COVID-19大流行病爆发导致的流动限制对这些流动模式的影响。
2022-08-12 cs.SI stat.AP
Mobility Functional Areas and COVID-19 Spread
European Commission Joint Research Centre（欧盟委员会联合研究中心）
这项工作引入了一个新的概念的功能区称为移动功能区（MFA），即，根据移动定位数据的分析，地理区域高度互连。多边贸易协定不一定与行政边界重合，因为它们是根据自然的人类流动性建立的，因此，它们可以用来以自下而上的方式为地方交通、空间规划、卫生和经济政策提供信息。在介绍了MFAs背后的方法之后，本研究重点关注COVID-19大流行与奥地利MFAs之间的联系。结果显示，在统计数据上，外交部登记的平均感染人数高于该国其他地区，这表明外交部在针对这一健康危机采取有针对性的再升级政策应对措施方面是有用的。MFA数据集公开提供给其他学者进行进一步分析。
2021-09-05 cs.LG econ.EM stat.AP
Efficient Social Distancing for COVID-19: An Integration of Economic Health and Public Health
在药物治疗可用之前，保持社会距离是遏制传染病传播的唯一有效方法。以经济代价降低该病的感染率。然而，COVID-19等疫情危机令政策制定者陷入两难境地，因为长期限制性社交距离甚至封锁将使经济成本持续上升。本文研究了一种有效的社交距离政策，以管理COVID-19的经济健康和公共卫生问题的综合风险，使用具有流动性控制的随机流行病模型。社交距离是为了限制社区的流动性，这是最近通过大数据分析获得的。本文利用社区流动性数据对COVID-19过程进行建模，并从主要市场指数价格推断COVID-19驱动的经济价值，这使我们能够将有效社交距离政策的搜索制定为随机控制问题。我们建议用深度学习的方法来解决这个问题。通过将我们的框架应用于美国的数据，我们实证研究了美国社交距离政策的效率，并提供了从算法中产生的建议。
2020-12-04 stat.AP
Compliance with restrictive measures during the COVID-19 pandemic in Europe: Does political partisanship influence behavioural responses?
旨在遏制COVID-19大流行的公共卫生政策的成功依赖于公众的大规模和长期遵守。最近的一系列研究认为，以前的投票模式是这种遵守的重要预测因素。我们的研究通过跟踪六个欧洲国家在一段较长的时间内政党的投票份额和流动性之间的关系，进一步调查了这种联系。我们观察到，虽然投票份额偶尔与每个国家内部流动性的变化有关，但在所有六个选定的国家中，流动性的减少或增加并没有系统的模式，这取决于政党家族或政府成员。随着时间的推移，流动性和投票份额之间的关系在一些国家而不是所有国家往往会变得更强，这再次表明，几个政党家庭的投票份额与遵守社交距离措施之间没有明确的联系。
2022-03-10 cs.CY stat.AP
Causal Inference in the Time of Covid-19
在本文中，我们开发了流行病的因果推断的统计方法。我们的重点是估计社会流动性对新型冠状病毒肺炎（COVID-19，即2019冠状病毒病）疫情中死亡人数的影响。我们提出了一个边际结构模型的基本流行病模型的修改版本的动机。我们估计在流动性干预下死亡的反事实时间序列。我们进行几种类型的敏感性分析。我们发现数据支持流动性减少导致死亡减少的观点，但结论是有警告的。有证据表明对模型误设和未测量混杂的敏感性，这意味着需要谨慎解释因果效应的大小。虽然毫无疑问，这种影响是真实的，但我们的工作突出了从大流行数据中得出因果推断的挑战。
2021-08-24 stat.AP stat.ME
Tracking the Transmission Dynamics of COVID-19 with a Time-Varying Coefficient State-Space Model
COVID-19的传播受到各县、州和国家不同的监管政策和行为模式的极大影响。COVID-19的群体水平动态通常可以使用一组常微分方程来描述，但这些确定性方程不足以对观察到的病例率进行建模，由于当地的检测和病例报告政策以及个体之间的非同质行为，这些病例率可能会有所不同。为了评估人口流动对COVID-19传播的影响，我们开发了一种新的传染病传播的贝叶斯时变系数状态空间模型。该模型的基础是一个时变系数房室模型，以概括易感、暴露、未检测到的传染性、检测到的传染性、未检测到的移除、检测到的非传染性、检测到的恢复和检测到的死亡个体之间的动态。传染性和检测参数被建模为随时间变化，模型中的传染性部分包含了人口流动的多个来源的信息。随着这个房室模型，乘法过程模型的引入，允许偏离确定性动力学。我们将该模型应用于美国几个州和科罗拉多州县观察到的COVID-19病例和死亡。我们发现，人口流动性措施与传播率高度相关，可以解释这些地区传染性的复杂时间变化。此外，推断出的流动性和流行病学参数之间的联系（因地点而异）揭示了不同政策对COVID-19动态的异质影响。
2021-07-21 q-bio.PE stat.AP
A Spatial Stochastic SIR Model for Transmission Networks with Application to COVID-19 Epidemic in China
世界各国政府已实施预防措施，以防止冠状病毒病（COVID-19）的传播。在这项研究中，我们考虑了一个多变量离散时间马尔可夫模型来分析COVID-19在中国33个省级地区的传播。这种方法使我们能够评估流动限制政策对疾病传播的影响。我们使用跨区域的日常人类流动数据，并应用贝叶斯框架来估计所提出的模型。结果显示，疫情在中国的传播主要由区域内的社区传播驱动，而地方政府推出的封锁政策遏制了疫情的蔓延。此外，我们的文件表明，湖北只是早期流行阶段的震中。北京和广东等二级震中已于二零二零年一月底确立，疫情蔓延至相关地区。在各区域实行人员流动限制后，来自这些震中的传播大幅下降。
2020-08-17 econ.GN physics.soc-ph q-bio.PE
Characterizing collective physical distancing in the U.S. during the first nine months of the COVID-19 pandemic
2019冠状病毒病大流行提供了一个前所未有的自然实验，为外源性（政府强制）和内源性（对感染风险的自发反应）起源的集体行为变化的出现提供了见解。在这里，我们通过分析一组超过550万个匿名、选择加入的美国设备的去识别、隐私保护位置数据，来描述集体物理距离--减少流动性、最小化接触、缩短接触时间--以应对疫苗前时代的COVID-19大流行。我们定义了五个用户移动性和邻近性指标，以研究新冠肺炎疫情前九个月内，新出现的集体行为如何偏离疫情前的典型模式。我们分析了由于政府强制执行的缓解政策而产生的巨大变化，以及社会在2020年秋季更自发地适应新的（物理距离）常态。这里定义的指标可以量化城乡之间的行为变化，并强调流动性和邻近性指标与表征大流行病社会和公共卫生影响（如失业和死亡）的指标之间的统计关联。这项研究提供了一个研究大规模社交距离现象的框架，可能用于分析和监测国家和国际层面大流行缓解计划的影响。
2022-12-17 physics.data-an physics.soc-ph stat.AP
Modeling Virus Transmission Risks in Commuting with Emerging Mobility Services: A Case Study of COVID-19
通勤是日常生活的重要组成部分。随着COVID-19疫情逐渐复苏，越来越多的人从办公室返回工作岗位，COVID-19在通勤期间的传播成为一个问题。最近新兴的移动服务（如乘车和自行车共享）进一步加剧了旅行期间共享车辆或空间的感染风险。因此，量化通勤中的感染风险非常重要。本文提出了一个概率框架，以估计在个人的通勤考虑不同的出行方式，包括公共交通，乘车共享，自行车和步行的感染风险。目的是评估感染概率以及估计误差（即，不确定性量化）给定起点-目的地（OD）、出发时间和行进模式。我们首先定义了一个通用的行程规划函数，根据OD，出发时间和出行方式生成行程轨迹和选择不同路径的概率。然后，我们考虑两种感染途径：1）通过密切接触感染，2）通过接触表面感染。感染风险是按行程段计算的。不同的数据来源（如智能卡数据、旅行调查和人口数据）用于估计个人和传染性环境之间的潜在相互作用。该模型是在麻省理工学院社区实施的案例研究。我们评估员工和学生的通勤感染风险。结果表明，大多数个体的感染概率接近于零。最大感染概率在0.8%左右，意味着在通勤过程中被感染的概率很低。旅行距离较大、在途中旅行、在高峰时段旅行的个人更容易感染。
2023-01-06 stat.AP
Territorial differences in the spread of COVID-19 in European regions and US counties
本文探讨了欧洲NUTS 3地区和美国各县在COVID-19发病和传播方面的地区差异以及与大流行相关的超额死亡率。在欧洲和美国，大流行来得更早，城市地区的Rt值高于中间地区和农村地区。在超额死亡率的数据中也发现了类似的差距。在大流行第一阶段的几周内，欧盟国家城市地区的死亡率比农村地区高出68个百分点。我们发现，在大流行的最初几天，城市化程度不同的地区Rt差异在很大程度上可以用内部、入境和出境流动的水平来解释。在第二波疫情中，城乡之间COVID-19传播的差异以及流动性的作用不那么明显。这可能与以下事实有关：感染在全国各地广泛传播，夏季期间流动模式发生变化，以及采取了不同的遏制措施，这些措施扭转了流动性与RT之间的因果关系。
2021-03-15 econ.GN physics.data-an q-fin.EC
Microtransit adoption in the wake of the COVID-19 pandemic: evidence from a choice experiment with transit and car commuters
按需移动平台在城市移动系统中发挥着越来越重要的作用。影响仍在争论中，因为这些平台提供个性化和优化的服务，同时也有助于解决现有的可持续性挑战。最近，出现了微型交通服务，有望将按需乘车的优势与更可持续的固定路线公共交通服务结合起来。了解出行者行为成为分析采用可能性和不同微交通属性的感知的主要焦点。2019冠状病毒病大流行的背景为分析移动创新的接受度增加了额外的复杂性。这项研究调查了在大流行的背景下对微型交通选择的潜在需求。我们使用一个规定的选择实验，以研究以色列公共交通和汽车通勤者的决策时，提供使用新的微交通选项（轿车与客车）。我们研究了与传统票价和旅行时间属性相关的权衡，以及微交通功能;即步行时间到皮卡位置，车辆共享，等待时间，最小提前预订时间，以及在指定登机位置的庇护所。此外，我们分析了两个潜在的结构：对分享的态度，以及与COVID-19大流行相关的经验和风险认知。我们开发了综合选择和潜变量模型，比较两个通勤群体的可能性切换到微交通，属性权衡，共享偏好和流行病的影响。结果显示，与公交通勤者对COVID收缩风险的相对不敏感性相比，汽车通勤者对几个时间和COVID影响的弹性较高。此外，对于汽车通勤者来说，那些具有强烈共享身份的人更有可能在COVID风险情况下感到舒适，并接受微型交通。
2022-04-05 cs.SI econ.EM physics.soc-ph
Mobile phone data analytics against the COVID-19 epidemics in Italy: flow diversity and local job markets during the national lockdown
了解集体流动模式对于计划重新启动生产和经济活动至关重要，目前这些活动处于待命状态，以防止流行病的扩散。在这份报告中，我们使用手机数据来推断意大利各省和直辖市之间的人员流动，并分析了全国封锁之前和期间（2020年3月9日）以及关闭非必要的生产和经济活动之后（2020年3月23日）的流入，流出和内部流动流量。跨省市的人口流动使得能够针对每个市或省的流动性建立风险指数模型。这一指数将是一个有用的指标，可用来推动采取应对措施，以应对流行病突然死灰复燃的情况。移动电话数据，即使是为了保护个人隐私而汇总起来，也是一个有用的数据来源，可用于跟踪人员流动的时间演变，从而可监测物理距离等控制措施的有效性。我们解决以下分析问题：如何流动性结构的领土变化？在封锁期间，流入和流出的流量是否变得更可预测，工作日和周末之间有什么区别？我们能否根据人员流动情况发现适当的当地就业市场，从而最终确定当地疫情爆发的边界？
2020-04-23 cs.SI stat.AP
