匿名移动数据中的涌现流动模式：新冠时期意大利的聚类
物理与社会
2023-06-09 v1 社会与信息网络
种群与进化
摘要
利用Facebook用户的匿名移动数据及公开可用的意大利人口信息，我们建模了SARS-CoV-2大流行(COVID-19)前及早期阶段意大利境内的人口流动。我们对每日跨省流量构成的移动网络进行空间与时间聚类。所得时间划分在无任何先验信息的情况下成功识别出前两次封锁。类似地，采用贪婪模块度社区聚类方法，空间聚类依时期（“标准”流动 vs. 封锁）返回11至23个簇；采用临界变量选择方法则返回16至30个簇。引人入胜的是，两种方法所得空间簇都强烈令人联想到老普林尼所述奥古斯都皇帝将意大利划分的11个区域。本工作引入并验证了一套数据分析流程，使我们能够：i) 评估从部分且潜在有偏的人口样本获得的数据在全国人口流动估计中的可靠性；ii) 识别具有明确流动模式的国家区域；iii) 区分彼此不同的模式，在时间上解析它们并找到其最优空间范围。所提方法具有通用性，可应用于其他国家、不同地理尺度以及类似网络（如生物网络）。因此，该结果可代表在开发遏制未来流行现象的方法与策略方面相关的一步进展。
引用
@article{arxiv.2306.05302,
title = {Emergent circulation patterns from anonymized mobility data: Clustering Italy in the time of Covid},
author = {Jules Morand and Shoichi Yip and Yannis Velegrakis and Gianluca Lattanzi and Raffaello Potestio and Luca Tubiana},
journal= {arXiv preprint arXiv:2306.05302},
year = {2023}
}
备注
24 pages, 16 figures