【论文解读】这篇顶会paper,讲述了疫情期间憋疯的你和我
編 | 小軼
2020年凈忙著見證歷史了。年初疫情爆發后,大家的生活模式也因為疫情發生了巨變。經歷了史上最長假期,躺尸太久,到后來滿腦子只想開學/復工。
今年KDD會議上有一篇很有意思的工作,分析了新冠疫情對中國人民出行模式的影響?;诎俣鹊貓D的海量出行數據,從以下五個角度,比較了2018、2019、2020年公眾出行模式變化:
出行方式
出行距離
訪達時間
出行目的地類型
“出發地-出行方式-目的地”
接下來就讓我們依次看看吧~
原文鏈接:
https://dl.acm.org/doi/pdf/10.1145/3394486.3412856
出行方式的變化
對4種主要出行方式(公共交通、步行、駕車、自行車)的數據進行統計分析,如下圖所示。
公共交通的占比顯著下降 2018與2019年的前4個月,公共交通的占比為54%左右。而2020年的前4個月,公共交通的占比卻降至45%,在疫情較為嚴重的2月份,這一占比劇烈下降到40%。
自行車和駕車出行占比相對上漲 與2018和2019年同期的均值相比,2020年的前4個月,采用自行車出行的占比上升了5.25%,駕車出行的占比上升了3.38%。
當時大家大多隔離在家,出門也因為害怕交叉感染,盡量避免公共交通。疫情后,再次體驗高峰期擠地鐵的趕腳時,還有一點點懷念呢hhhh
出行距離的變化
該工作還對公眾出行距離數據進行了統計,可以發現:與往年同期相比,疫情爆發初期(2020年2月),遠距離的出行占比上升明顯。進一步分析發現,主要是該月份距離>30km的出行占比增加所致。
▲公眾出行距離偏好占比▲公眾出行(>30km)距離偏好占比疫情期間,在小編全家人快要憋瘋之際,曾一起駕車出去,漫無目的到處兜風,全程不敢下車,但還是很興奮的那種。想來是對上圖中“距離>30km的出行”盡了綿薄之力。
訪達時間的變化
對出行時間數據的統計與分析(如圖5所示),發現:
2018和2019年的前4個月,公眾的出行時間分布非常一致,都集中在周五與周六
2020年的前4個月,公眾則偏好周三或者周四進行出行
emmmm為啥大家疫情期間喜歡周三周四出門???
出行目的地類型的變化
下圖為,2018~2020年不同時期出行目的地類型占比的數據統計表??梢钥吹?#xff1a;
居住區訪達占比顯著上升,由前兩年的平均22.75%上升至31.25%
交通設施訪達占比下降,由前兩年的平均23.50%下降至19%
醫院和藥店的訪達占比出現了一定幅度的提升
餐飲店、教育機構等存在人員聚集屬性的地點訪達占比出現了明顯萎縮
OTD模式的變化
下圖分析了新冠疫情對“出發地-出行方式-目的地”(OTD)模式的影響。
最顯著的變化在于最高頻(Top-1)的OTD模式的出發地或者目的地都由交通設施變成了居住區
在Top-5的OTD模式中,2018和2019年,公眾借助不同的交通工具,更多的是前往教育機構、酒店等地。但2020年疫情爆發后,這些行為就從Top-5的OTD模式中消失了。取而代之的則是商超、市場和工作地
疫情期間大家除了超市、公司這些不得不去的地方以外,都規規矩矩隔離在家。出門買菜,可以名正言順地出去遛一圈,都變成極具誘惑的事情了。
小結
這篇工作借助百度地圖的海量時空大數據,揭示了新冠疫情對國人出行模式的影響。除了上述數據解讀之外,作者還基于統計結果給出了相應的防疫建議,比如:
疫情期間可以鼓勵公眾采用自行車進行出行,并可臨時規劃一些自行車車道
根據疫情期間出行高峰的變化,可為疫情防控措施的制定提供參考
考慮到居住區、商超、市場、醫院、藥店等區域在疫情期間的訪達占比有所提升,因此在制定防疫措施時可以重點關注這些地點。
......
鑒于疫情仍在200多個海外國家與地區蔓延并導致全球數千萬人受到感染,論文提供的數據解讀和防疫建議可能為抗擊新冠疫情提供點滴之力。
今年的KDD會議上有一個專門以“AI for COVID-19”設置的panel session。今天介紹的這個工作也于本周二在該session上剛剛進行了paper presentation。對AI for COVID-19最新進展感興趣、或者想要做相關研究的小伙伴,可以關注一下:
https://www.kdd.org/kdd2020/health-day/
希望其他國家也能夠借鑒我們的抗疫經驗,采用科學的防控方式,早早挺過疫情的沖擊呀!
往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯獲取一折本站知識星球優惠券,復制鏈接直接打開:https://t.zsxq.com/662nyZF本站qq群1003271085。加入微信群請掃碼進群(如果是博士或者準備讀博士請說明):
總結
以上是生活随笔為你收集整理的【论文解读】这篇顶会paper,讲述了疫情期间憋疯的你和我的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 【NLP】jieba分词-Python中
- 下一篇: 【深度学习】ResNet——CNN经典网