近日，浙江大學陳積明課題組的論文"Policy and Newly Confirmed Cases Universally Shape the Human Mobility during COVID-19"（疫情期間城市人口流動分析：從防控政策與確診人數(shù)的視角）發(fā)表于《國家科學進展》（National Science Open）創(chuàng)刊號。數(shù)據(jù)智能上市企業(yè)每日互動（股票代碼：300766）創(chuàng)始人、CEO方毅及每日互動團隊在陳積明教授指導下深度參與本次課題研究。

　　文章針對COVID-19爆發(fā)期間城市受疫情影響，難以進行精準的人口流動預測與政策效果評估的問題，提出一種通用的條件生成對抗網(wǎng)絡框架用于估計城市人口流動水平。基于不同城市多波疫情期間的人口流動數(shù)據(jù)，分析了人群流動性、政策和疫情相關統(tǒng)計三元素之間的緊密耦合關系及其演化規(guī)律，準確建模了COVID-19期間疫情統(tǒng)計數(shù)據(jù)和相關政策對城市人口流動的影響，為防疫政策的制定提供了有力的決策基礎。

　　2022年9月，每日互動創(chuàng)始人、CEO方毅重返浙江大學攻讀電子信息專業(yè)工程博士學位。該課題為方毅讀博期間深度參與的首個課題研究�！秶�家科學進展》由中國科學院主管、科學出版社主辦，致力于全面、快速地報道自然科學和工程學領域的重要研究進展，傳播對推進人類知識產(chǎn)生深遠影響的研究，推動學術創(chuàng)新，特別是交叉領域的學科發(fā)展。

　　疫情期間人口流動變化實例

　　總體來看，城市內更靠近市中心和商圈的區(qū)域人群移動水平更高（如圖1）。考慮到具體抗疫策略，每一波疫情期間人群的流動性可能存在著相似的模式。圖1數(shù)據(jù)反映了每一波疫情期間人群的流動性都經(jīng)歷了從衰退到復蘇的過程，因此可以利用統(tǒng)一模型去刻畫不同城市、不同波次的疫情期間人群流動性規(guī)律。該文首次整合了疫情期間國內多個城市較長時間尺度下的細粒度人群移動數(shù)據(jù)，對于理解相關政策如何影響人群移動、控制疫情的傳播非常有價值。

圖1 問題概述-封城前中后期北京市人口移動熱力圖的變化

　　疫情期間驅動人口流動變化的機理分析

　　圖2中的結構描述了驅動人群流動性變化的基本邏輯，其中人群流動性、政策和疫情相關的統(tǒng)計數(shù)據(jù)這三個元素之間存在緊密的耦合關系。圖3給出了人群流動性以及三種主要統(tǒng)計數(shù)據(jù)（新增確診、治愈和死亡人數(shù)）的變化趨勢。注意到，在新冠疫情期間，人群的流動性與新增確診病例的數(shù)量以及出行政策高度相關，而死亡和治愈患者的曲線對人群流動性的影響較小。確診病例的激增通常預示著相關部門將會制定嚴格的出行政策，從而導致人群流動水平迅速下降。此外，如果一個區(qū)域連續(xù)數(shù)周沒有新增確診病例，則地區(qū)風險等級會降低，人們的出行意愿增強，人群的流動性將逐漸恢復。

圖2 疫情期間政策、每日新增人數(shù)以及人群出行規(guī)律之間的關系

北京

大連

石家莊圖3  不同城市確診人數(shù)和人群移動水平之間的關系

　　深度生成網(wǎng)絡刻畫真實世界不確定性

　　生成式模型能夠學習數(shù)據(jù)的分布并模擬不同政策下的多種潛在的人群流動規(guī)律。因此，可以基于疫情期間的人群移動模擬結果，制定分階段的重新開放計劃。該文提出了一個條件生成對抗網(wǎng)絡Policy-Human Mobility Interplay Network（PHMIN），用于新增確診病例、政策和人群流動之間的復雜動態(tài)建模。不同于傳統(tǒng)模型對長期的時序依賴關系進行建模，該模型側重于建模疫情相關統(tǒng)計數(shù)據(jù)、政策對人群流動性最新動態(tài)的影響，進而預測相鄰時間段之間的人群流動性變化程度，并準確擴展到跨城市的多波疫情預測，其預測結果如圖4所示。

圖4 不同城市人口移動水平單步與多步預測結果

　　結論

　　人口時空流動模式已成為控制疫情的關鍵因素。該文提出的模型在預測疫情期間同城市和跨城市場景下的人口流動模式都表現(xiàn)出了出色的泛化能力。此外，所提模型還可以迭代生成人口流動的多步估計，協(xié)助相關部門在疫情期間制定和優(yōu)化人口流動政策。

　　論文完整標題如下▼

　　Policy and newly confirmed cases universally shape the human mobility during COVID-19 Kehan Li 1,2,#, Chao Li 1,#, Yinfeng Xiang 1, Fengxiang He 2, Shibo He 1, Jiming Chen 1,*, Yi Fang 3, Dacheng Tao 2, Youxian Sun 1

　　本文部分轉自公眾號：中國科學雜志社

   【免責聲明】本文僅代表第三方觀點，不代表和訊網(wǎng)立場。投資者據(jù)此操作，風險請自擔。