論文の概要: COVID-19 Mobility Data Collection of Seoul, South Korea

• arxiv url: http://arxiv.org/abs/2006.08365v2
• Date: Wed, 12 Aug 2020 09:33:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-16 00:22:01.538084
• Title: COVID-19 Mobility Data Collection of Seoul, South Korea
• Title（参考訳）: 韓国ソウルにおけるcovid-19モビリティデータ収集
• Authors: Jungwoo Cho, Soohwan Oh, Seyun Kim, Namwoo Kim, Yuyol Shin, Haechan Cho, Yoonjin Yoon
• Abstract要約: 本稿では,韓国の首都ソウルで発生した新型コロナウイルス(COVID-19)による人口1000万人近くの動きを懸念するモビリティデータセットの2つのカテゴリについて述べる。 我々は、地下鉄の乗客数、交通量、現在人口の時間毎のデータを、選択した関心点で算出する。
• 参考スコア（独自算出の注目度）: 0.46180371154032895
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The relationship between pandemic and human mobility has received considerable attention from scholars, as it can provide an indication of how mobility patterns change in response to a public health crisis or whether reduced mobility contributes to preventing the spread of an infectious disease. While several studies attempted to unveil such relationship, no studies have focused on changes in human mobility at a finer scale utilizing comprehensive, high-resolution data. To address the complex association between pandemic's spread and human mobility, this paper presents two categories of mobility datasets - trip mode and trip purpose - that concern nearly 10 million citizens' movements during COVID-19 in the capital city of South Korea, Seoul, where no lockdowns has been imposed. We curate hourly data of subway ridership, traffic volume and population present count at selected points of interests. The results to be derived from the presented datasets can be used as an important reference for public health decision making in the post COVID-19 era.
• Abstract（参考訳）: パンデミックと人の移動性の関係は、公衆衛生の危機に伴う移動パターンの変化や、移動性の低下が伝染病の感染予防に寄与しているかを示す指標として、研究者から注目されている。 このような関係を明らかにするためにいくつかの研究が試みられたが、包括的な高解像度データを利用したより詳細なスケールでの人間の移動性の変化に焦点を当てた研究は行われていない。 パンデミックの広がりと人体移動の複雑な関係に対処するため,韓国の首都ソウルで発生した新型コロナウイルス(COVID-19)による人口1000万人近くの動きに懸念を抱く2つのモビリティ・データセット(トリップ・モードとトリップ・目的)を提示する。 我々は、地下鉄の乗客数、交通量、現在人口の時間毎のデータを、選択した関心点で算出する。 提示されたデータセットから得られる結果は、COVID-19後の公衆衛生決定の重要な参考として利用することができる。

関連論文リスト

• Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
  2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。 パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。 研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
  論文  参考訳（メタデータ） (2023-03-23T17:19:26Z)
• "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
  我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。 我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
  論文  参考訳（メタデータ） (2022-06-12T19:41:01Z)
• Understanding the Impact of the COVID-19 Pandemic on Transportation-related Behaviors with Human Mobility Data [36.99572681309649]
  中国本土での新型コロナウイルスの感染拡大は、最近このウイルスとの戦いの成功例と見なされている。 私たちは、Baidu Mapsから集めた膨大な量の人的移動データを使って、パンデミックの最中の人々の詳細な反応を調べています。
  論文  参考訳（メタデータ） (2022-02-16T10:32:39Z)
• Exploring the spatiotemporal heterogeneity in the relationship between human mobility and COVID-19 prevalence using dynamic time warping [0.0]
  これまでの研究では、人間の移動性と新型コロナウイルスのケースの相関が明らかになった。 本研究は、米国郡における人体移動とCOVID-19感染者の関係における異質性を明らかにすることを目的としている。
  論文  参考訳（メタデータ） (2021-09-28T14:38:29Z)
• C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods Ahead of COVID-19 Outbreak [54.39837683016444]
  C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。 C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。 新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
  論文  参考訳（メタデータ） (2020-12-22T17:02:54Z)
• Country-wide mobility changes observed using mobile phone data during COVID-19 pandemic [5.402663611963239]
  2020年3月、オーストリア政府は新型コロナウイルスのパンデミックへの対応として広範なロックダウンを導入した。 ここでは,オーストリア全地域でのロックダウンの効果を,ほぼリアルタイムな匿名化携帯電話データを用いて定量的に評価する。
  論文  参考訳（メタデータ） (2020-08-23T16:00:57Z)
• Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
  重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。 私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。 調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
  論文  参考訳（メタデータ） (2020-07-22T18:02:39Z)
• Twitter, human mobility, and COVID-19 [11.143921916292726]
  われわれは世界中で5億7700万のツイートを分析し、人間の移動性を減らすためのグローバルな協力活動がどのように反映されているかを調べた。 特定の地理的領域における応答性を定量化するために,移動型応答指標(MRI)を提案する。 その結果、Twitterデータから得られたモビリティパターンは、モビリティのダイナミクスを定量的に反映するために修正可能であることが示唆された。
  論文  参考訳（メタデータ） (2020-06-24T23:21:03Z)
• Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
  われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。 一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
  論文  参考訳（メタデータ） (2020-06-23T03:36:19Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• Mobility Changes in Response to COVID-19 [0.0]
  移動度を測定するために、匿名化および/または未同定のモバイルデバイスロケーションを使用します。 その結果、米国と世界の両方で、モビリティーの大幅な削減が達成されたことが示唆された。
  論文  参考訳（メタデータ） (2020-03-31T14:03:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。