COVID-19疫情期间美国多尺度动态人类移动流数据集
社会与信息网络
2020-11-03 v2 物理与社会
摘要
理解不同地理尺度下动态人类移动变化与空间交互模式，对于评估COVID-19大流行期间非药物干预（如居家令）的影响至关重要。在本数据描述中，我们介绍了一个定期更新的美国跨尺度动态人类移动流数据集，数据始于2020年3月1日。通过分析SafeGraph提供的数百万匿名手机用户对各类地点的访问，我们计算、聚合并推断了三个地理尺度上的每日与每周动态起点到终点（O-D）人口流动：人口普查区、县和州。我们的移动流数据集与公开可用数据源高度相关，显示了所生成数据的可靠性。这种随时间变化的、不同地理尺度上的高时空分辨率人类移动流数据集，可帮助监测疫情传播动态、为公共卫生政策提供信息，并深化我们对前所未有的公共卫生危机下人类行为变化的理解。这一最新的O-D流开放数据可支持许多其他社会感知与交通应用。
引用
@article{arxiv.2008.12238,
title = {Multiscale Dynamic Human Mobility Flow Dataset in the U.S. during the COVID-19 Epidemic},
author = {Yuhao Kang and Song Gao and Yunlei Liang and Mingxiao Li and Jinmeng Rao and Jake Kruse},
journal= {arXiv preprint arXiv:2008.12238},
year = {2020}
}
备注
6 figures