订报
event
 

手机数据重现人口流动 助实时预测病毒传播

信息科学加利用手机数据绘制人类移动图象,有助预测病毒传播途径。法新社

了解人们的长短途旅行模式可为经济发展以及天灾人祸,甚至是为疫情对策提供信息。波士顿儿童医院(BCH)和牛津大学(University of Oxford)研究开发新的全球制图方法,以更高的分辨率估算人类的全球活动。

据eHealthNews.eu报导,BCH和牛津大学博士Mhilitz Kraemer及计算流行病学实验室(Computational Epidemiology Lab)负责人John Brownstein博士领导资料科学家,汇集Google位置数据中人类每周移动数据。

数据来自几乎涵盖所有国家,共3亿名手机用户。团队估计,捕捉到的数据量涵括65%地面居住地,共约29亿人口,较以往人口流动研究更多。

Brownstein表示,取自Google的数据集有助了解到人口流动有了惊人的飞跃。正如应对疫情所显示,量化人口活动量可以强化追踪疫情、预测高危险群,以及评估人为介入是否有效等能力。

结合统计学、机器学习技术,再根据各国地理、基础设施、都市化程度和收入等因素,提升数据结果的粒度,便能够清晰比较各国的人口移动模式。如此一来,可望改善人们对社会经济变迁的应对能力。

数据还显示出许多模式,例如假期、智能型手机使用频率、气候、战乱等,都与人类迁移模式息息相关。在低收入环境中,活动范围倾向于集中在个人住所外围,且与高收入族群相比,长途活动频率低了许多。

Kraemer表示,希望团队研究发现能帮助理解为什么某些地区的疾病传播速度可能比其它地区更快,并最终成为预测疾病传播的基准。

此外,团队也承认研究上的局限。例如,团队只能取用2016年以来的数据,虽然手机无所不在,但手机服务订阅却因收入和地理位置而异。团队正在扩大采样范围,以利绘制疫情期间人口流动的实时变化地图。


  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: COVID-19