基于地理标记推文的多尺度人口与流动性估算

近期埃博拉和登革热病毒的暴发再次凸显了在紧急情况下快速预测疾病传播能力的重要性。然而，现有方法通常严重依赖耗时的普查流程或涉及隐私的通话记录，导致其在面对疫情暴发时突变的动态时反应迟缓。本文研究使用大规模 Twitter 数据作为人类流动性代理指标来建模和预测疾病传播的可行性。我们报告称，在澳大利亚，Twitter 用户的分布与基于普查的人口分布具有良好的相关性，并且 Twitter 用户的出行模式在多个地理距离尺度（即国家层面、州层面和大都市层面）上大致遵循引力定律。本文还在该数据集上评估了辐射模型，但由于澳大利亚人口稀疏且陆地面积广阔，该模型显示出较差的拟合度。本研究的成果为未来基于 Twitter 数据开发基于模型的、响应迅速的疾病传播预测方法奠定了基石。