論文の概要: Understanding the Impact of the COVID-19 Pandemic on
Transportation-related Behaviors with Human Mobility Data
- arxiv url: http://arxiv.org/abs/2202.12264v1
- Date: Wed, 16 Feb 2022 10:32:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 15:12:42.322771
- Title: Understanding the Impact of the COVID-19 Pandemic on
Transportation-related Behaviors with Human Mobility Data
- Title（参考訳）: COVID-19パンデミックの人体移動データによる交通行動への影響の理解
- Authors: Jizhou Huang, Haifeng Wang, Miao Fan, An Zhuo, Yibo Sun, Ying Li
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 36.99572681309649
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The constrained outbreak of COVID-19 in Mainland China has recently been
regarded as a successful example of fighting this highly contagious virus. Both
the short period (in about three months) of transmission and the
sub-exponential increase of confirmed cases in Mainland China have proved that
the Chinese authorities took effective epidemic prevention measures, such as
case isolation, travel restrictions, closing recreational venues, and banning
public gatherings. These measures can, of course, effectively control the
spread of the COVID-19 pandemic. Meanwhile, they may dramatically change the
human mobility patterns, such as the daily transportation-related behaviors of
the public. To better understand the impact of COVID-19 on
transportation-related behaviors and to provide more targeted anti-epidemic
measures, we use the huge amount of human mobility data collected from Baidu
Maps, a widely-used Web mapping service in China, to look into the detail
reaction of the people there during the pandemic. To be specific, we conduct
data-driven analysis on transportation-related behaviors during the pandemic
from the perspectives of 1) means of transportation, 2) type of visited venues,
3) check-in time of venues, 4) preference on "origin-destination" distance, and
5) "origin-transportation-destination" patterns. For each topic, we also give
our specific insights and policy-making suggestions. Given that the COVID-19
pandemic is still spreading in more than 200 countries and territories
worldwide, infecting millions of people, the insights and suggestions provided
here may help fight COVID-19.
- Abstract（参考訳）: 中国本土で新型コロナウイルス(COVID-19)の感染が拡大し、感染が激化している。
感染期間の短さ(約3ヶ月)と、中国本土で確認された症例の過激な増加は、中国当局がケース隔離、旅行制限、レクリエーション施設の閉鎖、集会の禁止などの効果的な予防措置を講じたことを証明している。
これらの措置は、もちろん、新型コロナウイルスのパンデミックの拡散を効果的に制御することができる。
一方、公共交通機関の日々の行動など、人間の移動パターンは劇的に変化する可能性がある。
新型コロナウイルス(covid-19)の交通関連行動への影響をより深く理解し、より標的となる対策を提供するため、中国で広く利用されているウェブマッピングサービスbaidu mapsから収集された膨大な人力データを用いて、パンデミック時の人々の詳細な反応を調べます。
具体的には、パンデミックにおける交通関連行動に関するデータ駆動分析を行う。
1)輸送手段
2)来場場所の種類
3)会場のチェックイン時間
4)「オリジン目的地」距離の選好、及び
5)"origin-transportation-destination"パターン。
トピックごとに、具体的洞察とポリシー作成の提案も提供します。
新型コロナウイルス(COVID-19)のパンデミックが世界中で200カ国以上で広がり、何百万人もの人々に感染していることから、ここで提供される洞察や提案は新型コロナウイルスとの戦いに役立つ可能性がある。
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) - Changes in mobility choices during the first wave of the COVID-19
pandemic: a comparison between Italy and Sweden [0.0]
新型コロナウイルスの感染拡大は世界中の人々の生活、特に旅行行動や日々の行動に影響を及ぼした。
2020年春、新型コロナウイルスの感染拡大を抑えるため、各国は異なる戦略を採った。
本研究の目的は,イタリアとスウェーデンの2国で発生したパンデミックによる移動行動の変化を分析することである。
論文 参考訳（メタデータ） (2023-03-14T11:19:26Z) - "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) - Machine Learning on the COVID-19 Pandemic, Human Mobility and Air
Quality: A Review [0.0]
本研究は、新型コロナウイルスのパンデミック、ロックダウン対策、人体移動性、空気質の相互作用を理解するために、過去の研究の結果を分析することを目的としている。
MLは、世界的なパンデミックのような複雑で邪悪な問題を扱うための、強力で効果的で堅牢な分析パラダイムである。
論文 参考訳（メタデータ） (2021-03-13T10:08:24Z) - Surveillance of COVID-19 Pandemic using Hidden Markov Model [0.0]
隠れマルコフモデルを用いて、拡散の程度をよりよく評価することを検討する。
私たちが分析したデータは、インドのシナリオに関するものです。
論文 参考訳（メタデータ） (2020-08-14T05:45:34Z) - 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) - COVID-19 Mobility Data Collection of Seoul, South Korea [0.46180371154032895]
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。
論文 参考訳（メタデータ） (2020-06-11T07:04:31Z) - 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) - The Role of the Hercules Autonomous Vehicle During the COVID-19
Pandemic: An Autonomous Logistic Vehicle for Contactless Goods Transportation [44.54786757158331]
新型コロナウイルス感染症(COVID-19)は世界中で急速に拡大している。
日常の生活の中で商品を輸送するといった日常活動には、必然的に対人接触が伴う。
新型コロナウイルス(COVID-19)パンデミックの間、接触のない商品輸送のための自動運転車、Herculesを開発した。
論文 参考訳（メタデータ） (2020-04-16T06:37:06Z)
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。