今年KDD会议上有一篇很有意思的工作，分析了新冠疫情对中国人民出行模式的影响。基于百度地图的海量出行数据，从以下五个角度，比较了2018、2019、2020年公众出行模式变化：

• 出行方式
• 出行距离
• 访达时间
• 出行目的地类型
• “出发地-出行方式-目的地”

接下来就让我们依次看看吧~

原文链接：
https://dl.acm.org/doi/pdf/10.1145/3394486.3412856

出行方式的变化

对4种主要出行方式（公共交通、步行、驾车、自行车）的数据进行统计分析，如下图所示。

• 公共交通的占比显著下降 2018与2019年的前4个月，公共交通的占比为54%左右。而2020年的前4个月，公共交通的占比却降至45%，在疫情较为严重的2月份，这一占比剧烈下降到40%。
• 自行车和驾车出行占比相对上涨 与2018和2019年同期的均值相比，2020年的前4个月，采用自行车出行的占比上升了5.25%，驾车出行的占比上升了3.38%。

出行距离的变化

该工作还对公众出行距离数据进行了统计，可以发现：与往年同期相比，疫情爆发初期（2020年2月），远距离的出行占比上升明显。进一步分析发现，主要是该月份距离>30km的出行占比增加所致。

访达时间的变化

对出行时间数据的统计与分析（如图5所示），发现：

• 2018和2019年的前4个月，公众的出行时间分布非常一致，都集中在周五与周六
• 2020年的前4个月，公众则偏好周三或者周四进行出行

出行目的地类型的变化

下图为，2018~2020年不同时期出行目的地类型占比的数据统计表。可以看到：

• 居住区访达占比显著上升，由前两年的平均22.75%上升至31.25%
• 交通设施访达占比下降，由前两年的平均23.50%下降至19%
• 医院和药店的访达占比出现了一定幅度的提升
• 餐饮店、教育机构等存在人员聚集属性的地点访达占比出现了明显萎缩

OTD模式的变化

下图分析了新冠疫情对“出发地-出行方式-目的地”（OTD）模式的影响。

• 最显著的变化在于最高频（Top-1）的OTD模式的出发地或者目的地都由交通设施变成了居住区

• 在Top-5的OTD模式中，2018和2019年，公众借助不同的交通工具，更多的是前往教育机构、酒店等地。但2020年疫情爆发后，这些行为就从Top-5的OTD模式中消失了。取而代之的则是商超、市场和工作地

小结

这篇工作借助百度地图的海量时空大数据，揭示了新冠疫情对国人出行模式的影响。除了上述数据解读之外，作者还基于统计结果给出了相应的防疫建议，比如：

• 疫情期间可以鼓励公众采用自行车进行出行，并可临时规划一些自行车车道
• 根据疫情期间出行高峰的变化，可为疫情防控措施的制定提供参考
• 考虑到居住区、商超、市场、医院、药店等区域在疫情期间的访达占比有所提升，因此在制定防疫措施时可以重点关注这些地点。
  ......

鉴于疫情仍在200多个海外国家与地区蔓延并导致全球数千万人受到感染，论文提供的数据解读和防疫建议可能为抗击新冠疫情提供点滴之力。

今年的KDD会议上有一个专门以“AI for COVID-19”设置的panel session。今天介绍的这个工作也于本周二在该session上刚刚进行了paper presentation。对AI for COVID-19最新进展感兴趣、或者想要做相关研究的小伙伴，可以关注一下：

https://www.kdd.org/kdd2020/health-day/

希望其他国家也能够借鉴我们的抗疫经验，采用科学的防控方式，早早挺过疫情的冲击呀！

往期精彩回顾




适合初学者入门人工智能的路线及资料下载
机器学习及深度学习笔记等资料打印
机器学习在线手册
深度学习笔记专辑
《统计学习方法》的代码复现专辑
AI基础下载
机器学习的数学基础专辑
获取一折本站知识星球优惠券，复制链接直接打开：
https://t.zsxq.com/662nyZF
本站qq群1003271085。
加入微信群请扫码进群（如果是博士或者准备读博士请说明）：