全球旅行和接触限制能减缓新冠疫情大流行吗？丨Engineering(3)

二、
方法
（一）基于手机数据的人员旅行和接触限制措施的量化指标
本研究从谷歌和百度分别获取了汇总后的匿名人口流动数据集，用于近似测量在COVID-19疫情大流行早期，不同地区和时间的人员旅行和接触干预措施强度。
1. 谷歌数据
谷歌COVID-19人员流动研究数据集，包含匿名的人员出行数据。该数据来自已经打开手机定位功能的用户，默认情况下该设置处于关闭状态。这些数据类似于Google地图中用于展示某些地点繁忙程度的数据——有助于确定某一地区何时人员最多、最拥挤。该数据集包含了2020年1月5日至5月30日期间S2地理单元格之间的汇总的人员流量。每个S2单元格代表地球表面的一个四边形，并方便对地理数据进行有效索引。该数据集由英国南安普敦大学的研究人员根据数据共享协议的条款进行分析。先前的研究已详细介绍了如何生成这个匿名的数据集。
本研究共有134个中国大陆以外的国家或地区的国内人口流动数据，并且其中104个国家的人口流动数据包括了国际人口流动数据。由于谷歌在生成这个数据集时，采取了保护用户隐私的算法，因此在疫情期间的旅行限制下，在人口流动越少的地区，会有越多的S2单元格数据不被纳入。为了避免可能引入的偏移，本研究将每个国家每周累计的人员流出量除以2020年1月5日至 5月30日期间具有人员流出数据的S2单元格的数量（每个单元格仅计算一次）。
为了使数据在不同国家和不同暴发阶段具有可比性，本研究使用COVID-19疫情暴发之前的“正常”人口流动数据，进一步标准化了采取旅行限制和保持社交距离干预期间的人口流动数据。由于疫情早期与中国大陆毗邻的亚洲其他国家/地区较早发现COVID-19疫情输入病例，故这些国家比其他国家更早地实施了旅行和人员接触干预措施。因此，本研究将亚洲7个国家/地区（中国香港特别行政区、印度、日本、韩国、新加坡、泰国和越南）在2020年1月26日至5月30日期间的境内外人员每周流出量，除以2020年1月5日至25日三周内的平均人员流量，进行标准化。对其余127个国家/地区自2020年 2月16日以来的人员流出量，以2020年1月5日至2月15 日期间的人员平均流动水平作为基准，进行标准化。
2. 百度数据
为了量化COVID-19疫情大流行期间中国大陆地区不断变化的人口流动模式，本研究采用来自百度基于位置服务的2020年中国大陆地市级（342个城市）的每日人口流动数据。百度提供了手机用户使用相关应用程序时每日超过70亿次的定位请求，并在网上公开共享了每个地市级之间汇总后的和去隐私化的每日出入流量（出行指数）。在先前的研究中，这些数据已被用于了解COVID-19疫情大流行之前和期间的人口流动模式。为了获取全国的人口流动水平，我们计算了2020 年1月5日至5月2日全国各地市的平均每日人员流出量。由于武汉市的“封城”和旅行限制措施于2020年1月23 日实施，因此本研究采用2020年1月5日至22日期间的平均人员流出量，对1月23日以来的每日人员流量进行标准化，从而分析人员出行减少随时间变化的情况。