COVID-19 期间人类出行活动的变化：一项美国案例研究
机器学习
2022-01-19 v1
摘要
随着 COVID-19 的爆发以及由此产生的就地避难指南与远程办公实践，2020 年的人类出行活动受到显著影响。现有研究通常考察特定地区在特定时间点的出行量是增加还是减少，并将这些变化与某些疫情和政策事件相关联。在本文中，我们利用出行足迹数据通过五步流程研究美国的出行变化。（步骤 1）提出公共场合停留时间变化量（Delta-TSPP）作为度量，量化 2019–2020 年每个美国县每日的出行变化。（步骤 2）进行主成分分析（PCA），将每个县的 Delta-TSPP 时间序列降维为出行变化的低维潜在分量。（步骤 3）进行聚类分析以发现具有相似潜在分量的县。（步骤 4）考察各分量的局部与全局空间自相关。（步骤 5）进行相关性分析以探究各类人口特征与行为如何同出行模式相关。结果表明，通过将每个县描述为三个潜在分量的线性组合，我们可以解释全美所有县出行趋势 59% 的变异。具体而言，2020 年美国各县的出行变化可解释为三个潜在分量的组合：1）出行长期减少，2）出行无变化，3）出行短期减少。我们观察到出行变化的三个潜在分量与包括政治倾向、人口、COVID-19 确诊与死亡数以及失业率在内的各类人口特征之间存在显著相关性。我们发现，我们的分析为理解应对 COVID-19 大流行的出行变化提供了全面的视角。
引用
@article{arxiv.2109.09022,
title = {Change of human mobility during COVID-19: A United States case study},
author = {Justin Elarde and Joon-Seok Kim and Hamdi Kavak and Andreas Züfle and Taylor Anderson},
journal= {arXiv preprint arXiv:2109.09022},
year = {2022}
}
备注
Current under review at PLOS One