基于细粒度人口流动数据的社区级 COVID-19 预测模型
机器学习
2022-07-18 v3
摘要
在抗疫过程中预测感染人数对政府制定抗疫策略极为有益，尤其是在细粒度地理单元中。以往工作聚焦于低空间分辨率预测（如县级），并将数据预处理至同一地理层级，这丢失了一些有用信息。本文提出一种基于细粒度人口流动数据的模型（FGC-COVID），利用两个地理层级的数据进行社区级 COVID-19 预测。我们使用普查区块组（Census Block Groups, CBGs）之间的人口流动数据（该层级比社区更细粒度）来构建图，并使用图神经网络（GNNs）捕捉 CBGs 之间的依赖关系。为挖掘尽可能细粒度的模式用于预测，引入空间加权聚合模块，根据 CBGs 的地理归属与空间自相关性将其嵌入聚合至社区级。在 300 天洛杉矶市 COVID-19 数据上的大量实验表明，我们的模型在社区级 COVID-19 预测上优于现有预测模型。
引用
@article{arxiv.2202.06257,
title = {Fine-Grained Population Mobility Data-Based Community-Level COVID-19 Prediction Model},
author = {Pengyue Jia and Ling Chen and Dandan Lyu},
journal= {arXiv preprint arXiv:2202.06257},
year = {2022}
}
备注
Accepted by Cybernetics and Systems