آموزش کاربرد نقشه های اتوکد AutoCAD در ArcGIS

 استفاده از داده های تلفن و GIS همراه برای ردیابی کرونا (کووید 19)

چکیده

بحران بیماری کروناویروس 2019 (COVID-19) به دلیل محدودیت‌های اعمال‌شده منجر به تغییرات بی‌سابقه‌ای در تحرک فضایی افراد در سراسر جوامع شد. این همچنین منجر به تحرک غیرمنتظره و پویایی جمعیت شد که چالشی را برای آمادگی در برابر بحران، از جمله جابجایی از شهرها در طول بحران به دلیل پدیده اساسی زندگی چند محلی ایجاد کرد. افرادی که محل سکونت خود را تغییر می دهند می توانند ویروس را بین مناطق پخش کنند و شرایطی را ایجاد کنند که در آن خدمات بهداشتی و اورژانسی برای افزایش جمعیت آماده نباشند. در اینجا، تمرکز ما بر تحرک شهری- روستایی و تأثیر زندگی چند محلی بر پویایی جمعیت در فنلاند در طول بحران COVID-19 در سال 2020 است. نتایج، بر اساس سه مجموعه داده تلفن همراه، کاهش قابل توجهی در تحرک بین شهری و تغییر در حضور مردم نشان داد – کاهش جمعیت در مراکز شهری و افزایش در مناطق روستایی، که به شدت با مسکن ثانویه مرتبط است. این مطالعه نیاز به بهبود آمادگی در برابر بحران را از طریق: (1) اذعان به اهمیت روزافزون زندگی چند محلی و (2) بهبود استفاده از منابع داده جدید برای نظارت بر پویایی و تحرک جمعیت نشان می‌دهد. محصولات داده تلفن همراه پتانسیل بسیار زیادی دارند، اما باید به روش‌های مختلف و تأثیر احتمالی آنها بر تجزیه و تحلیل توجه شود. (1) اذعان به اهمیت روزافزون زندگی چند محلی، و (2) بهبود استفاده از منابع داده جدید برای نظارت بر پویایی و تحرک جمعیت. محصولات داده تلفن همراه پتانسیل بسیار زیادی دارند، اما باید به روش‌های مختلف و تأثیر احتمالی آنها بر تجزیه و تحلیل توجه شود. (1) اذعان به اهمیت روزافزون زندگی چند محلی، و (2) بهبود استفاده از منابع داده جدید برای نظارت بر پویایی و تحرک جمعیت. محصولات داده تلفن همراه پتانسیل بسیار زیادی دارند، اما باید به روش‌های مختلف و تأثیر احتمالی آنها بر تجزیه و تحلیل توجه شود.
کلمات کلیدی: COVID-19 ; داده های تلفن همراه ؛ تحرک انسان ؛ زندگی چند محلی ؛ جمعیت پویا

1. مقدمه

تحرک انسان نقش مهمی در شیوع جهانی بیماری کروناویروس 2019 (COVID-19) دارد. اولاً، تحرک افراد یک پیش نیاز برای تعاملات اجتماعی چهره به چهره بین افراد است و بنابراین، واسطه انتقال ویروس، هم در سطح جهانی و هم در سطح محلی است [ 1 ، 2 ].]. دوم، متداول ترین اقدامات مهار و کاهش COVID-19 توسط مقامات برای محافظت از جامعه بر محدود کردن تحرک و رفتار فضایی افراد متمرکز است. در بسیاری از کشورها، اقدامات اعمال شده شامل محدودیت‌های رفت و آمد در داخل و بین کشورها، بسته شدن تأسیسات عمومی مانند مدارس و کتابخانه‌ها و تعطیلی موقت محل‌های کار و خرده‌فروشی و تأسیسات سرگرمی بود. مردم به شدت تشویق شدند که در خانه های خود بمانند، اما قرنطینه منطقه ای و منع آمد و شد نیز اعمال شد. مطالعات اولیه حاکی از اثربخشی اقدامات فضایی فوق در مهار بیماری همه گیر است، به ویژه لغو رویدادهای عمومی، محدود کردن تجمعات خصوصی، تعطیلی مدارس و خود انزوا در خانه [ 3 ، 4 ].].
محدودیت‌های تحرک، جابجایی افراد را در همه سطوح از سفر جهانی گرفته تا فعالیت‌های محلی مانند رفت‌وآمد روزانه بین خانه و محل کار کاهش داد [ 5 ، 6 ، 7 ]. به عبارت دیگر، این نه تنها تحرک کلی افراد را در کل کاهش داد [ 8 ]، بلکه ساختارهای موجود جریان تحرک در جوامع را نیز تغییر داد [ 9 ]. شدیدترین کاهش در جریان‌های تحرک و حضور مردم در مراکز شهری معمولاً شلوغ مانند ایستگاه‌های مترو [ 10 ] و مراکز شهری متراکم [ 11 ، 12 ] رخ داد.]. با اجبار مردم به ماندن در خانه و کار از راه دور به معنای کاهش تحرک صبحگاهی از مناطق روستایی و حومه شهر به سمت مراکز شهر است و عصر برعکس جریان دارد. در عوض، جنبش‌ها بیشتر به جامعه محلی فرد وابسته بودند [ 10 ]. علاوه بر این، اقدامات مهار ممکن است جریان های تحرک غیرمنتظره جدیدی را از مناطق شهری متراکم به سمت مناطق روستایی ایجاد کند [ 13 ].
در واقع، توجه زیادی به جابجایی مردم از شهر به مناطق روستایی در شرایط بحران کووید-19 و همچنین به پدیده اساسی زندگی چند محلی – زندگی در بیش از یک مکان و داشتن خانه‌های متعدد توجه نشده است. به عنوان “نقاط لنگر” در زندگی آنها [ 14 ]. زندگی چند محلی یک پدیده در حال رشد جهانی است که به دلایل مختلفی رخ می دهد – از شیوه های اوقات فراغت، نیازهای مربوط به کار و تحصیل تا مسائل خانوادگی (به عنوان مثال، خانواده های بزرگ، کودکان جدا شده از والدین) [ 14 ]. به عنوان مثال، به طور متوسط، حدود 15% از خانوارها در اروپا دارای یک ملک ثانویه هستند [ 15 ]. در حالی که در ایالات متحده 13٪ است [ 16و در چین بیش از 20 درصد از خانوارهای شهری (16 درصد خانوارهای روستایی) دارای خانه های متعدد هستند [ 17 ]. در حالی که زندگی چند محلی یک پدیده متنوع و ناهمگون است [ 14 ، 18 ، 19 ]، بسیار پیچیده تر از اقامت فصلی [ 20 ] و گردشگری خانه دوم مربوط به تعطیلات در کشور است [ 21 ].
افرادی که چند خانه دارند سبک زندگی انعطاف‌پذیرتری دارند، اما این شیوه‌ها نیز پیچیده‌تر هستند، زیرا این گزینه (گاهی اوقات نیز لازم است) برای اقامت در خانه‌های مختلف در زمان‌های مختلف را دارند. اقامتگاه های فصلی و آخر هفته مشهودترین نمونه های جریان تحرک شهری- روستایی هستند [ 20 ، 21 ، 22 ]]. با این حال، این الگوهای تحرک جدید و نوسانات پویای ساکنان منجر به چالش هایی برای حکمرانی، سیاست گذاری و برنامه ریزی می شود. دولت‌های محلی و ملی و ارگان‌های اداری برای ارائه خدمات عمومی کافی باید دیدی کلی از ساکنان واقعی داشته باشند، با این حال آنها بر اساس این فرض که مردم فقط یک خانه دارند، بر اطلاعات جمعیتی «ایستا» تکیه می‌کنند. علاوه بر این، در بحبوحه اختلالات اجتماعی، مانند درخواست‌های سراسری برای دورکاری و ترس فزاینده از عفونت در مراکز شهری شلوغ در طول بحران COVID-19، می‌تواند به طور بالقوه باعث جریان‌های غیرمنتظره تحرک شود زیرا افراد دارای خانه‌های متعدد می‌توانند انتخاب کنند در کدام خانه اقامت کنند. ندانستن این جریان های تحرک و مکان واقعی افراد باعث ایجاد چالش برای مدیریت و برنامه ریزی اضطراری می شود. در مورد COVID-19،
در این زمینه، اولین هدف ما توضیح این است که چگونه موج اول شیوع COVID-19 و اقدامات دولت برای کنترل نرخ عفونت در فنلاند بر تحرک بین مناطق شهری و روستایی و به‌ویژه انتخاب‌های مسکونی موقت مردم تأثیر گذاشت. فنلاند دارای شبکه گسترده ای از خانه های ثانویه است، و اکثر آنها از پوشش شبکه تلفن همراه خوبی برخوردارند، که امکان کار از راه دور را که توسط دولت توصیه شده است، فراهم می کند. از این رو، فرضیه ما این است که فنلاندی ها علیرغم دستورات دولت مبنی بر عدم نقل مکان از خانه های خود، از شهرهای بزرگتر به خانه های دوم خود نقل مکان کردند. برای آن، ما از رویکرد داده‌های بزرگ برای بررسی تغییرات در جریان‌های تحرک و توزیع واقعی جمعیت در فنلاند با استفاده از محصولات داده مبتنی بر تلفن همراه در سراسر کشور استفاده می‌کنیم.
در مرحله بعد، ما مطالعه موردی خود را با توصیف زندگی چندمحلی و COVID-19 در فنلاند ( بخش 2.1 )، نحوه استفاده از داده های تلفن همراه برای تحقیقات COVID-19 ( بخش 2.2 ) و نوع محصولات مختلف داده تلفن همراه مورد استفاده قرار می دهیم. موجود ( بخش 2.3 ).

2. پس زمینه

2.1. مورد فنلاند – زندگی چند محلی و بحران کووید-19

زندگی چند محلی یک پدیده گسترده در فنلاند مانند همه کشورهای شمال اروپا است، جایی که تقریباً نیمی از خانوارهای شمال اروپا به خانه دوم دسترسی دارند [ 23 ]. در فنلاند (جمعیت 5.5 میلیون نفر)، حدود 24 درصد از خانوارها صاحب خانه های ثانویه هستند [ 15 ]، در حالی که زندگی چند محلی به شدت به اقامتگاه های فصلی مرتبط است – نیم میلیون کلبه تابستانی در کشور وجود دارد [ 24 ]. در بسیاری از شهرداری‌های روستایی، سکونت فصلی تعداد جمعیت موقت را در طول تابستان چند برابر می‌کند و برآوردهای تقریبی نشان می‌دهد که تقریباً 1.5 میلیون نفر دیگر در مناطق روستایی در تابستان در مقایسه با زمستان زندگی می‌کنند [ 20 ]]. به طور کلی، یک مطالعه اخیر نشان می دهد که میلیون ها فنلاندی به دلایل مختلف زندگی چند محلی را تمرین می کنند [ 25 ].
فنلاند در مارس 2020 (همانند سایر کشورهای اروپایی) تحت تأثیر ظهور COVID-19 قرار گرفت. پس از اینکه سازمان بهداشت جهانی (WHO) شیوع بیماری را به عنوان یک بیماری همه گیر در 11 مارس 2020 اعلام کرد [ 26 ]]، دولت‌های ملی مجموعه‌ای از دستورالعمل‌ها را ارائه کردند که شامل اجتناب از سفرهای بین‌المللی، تشویق کار از راه دور، و اجتناب از هرگونه تحرک داخلی مرتبط با اوقات فراغت بود. با توجه به تعداد قابل توجهی از افراد با خانه های متعدد و بخش فناوری اطلاعات بسیار توسعه یافته کشور که فرصت های کاری ایده آل از راه دور را ارائه می دهد، این تنظیمات فرصتی سودمند برای فرار از شهرها فراهم می کند. بلافاصله پس از آن، رسانه ها شروع به گزارش در مورد نقل مکان مردم به خانه های دوم خود علیرغم توصیه های دولت برای جلوگیری از بار اضافی خدمات بهداشتی در شهرداری های روستایی کردند، که بحث عمومی گسترده ای را در مورد این موضوع ایجاد کرد [ 13 ].]. به عنوان یک اقدام افراطی، دولت فنلاند تصمیم گرفت تمام سفرهای غیرضروری به و از پرجمعیت‌ترین منطقه Uusimaa، از جمله پایتخت هلسینکی، که به کانون ملی شیوع ویروس تبدیل شده بود، محدود کند [ 27 ]. قرنطینه به مدت دو هفته و نیم (28 مارس تا 15 آوریل 2020) ادامه یافت. پس از قرنطینه، دولت فنلاند همچنان به مردم توصیه می کرد که از نقل مکان به خانه های فرعی خود و سایر سفرهای مربوط به اوقات فراغت خودداری کنند. مطالعه اخیر تخمین می زند که بیش از یک میلیون کارمند در فنلاند در طول موج اول کووید-19 از راه دور کار می کردند و تقریباً نیمی از همه کارمندان به طور کلی کار از راه دور را ترجیح می دهند [ 28 ]]. این انعطاف پذیری را برای خانوارها فراهم می کند تا در طول دوره همه گیر و پس از همه گیری بیشتر در خانه های فرعی زندگی کنند.

2.2. تحرک انسان، داده های تلفن همراه و COVID-19

بررسی شیوه‌های زندگی انعطاف‌پذیر و تحرک مردم که پویایی توزیع فضایی جمعیت را شکل می‌دهد، برای درک پدیده‌های اجتماعی پویا، مانند زندگی چند محلی، چالش برانگیز است. در دو دهه گذشته، داده‌های تلفن همراه این امکان را به وجود آورده است که تحرک‌های انسانی و ساختارهای جریان‌های تحرک پویا در مقیاس‌های فضایی با جزئیات بی‌سابقه آشکار شود [ 29 ، 30 ]. مقالات منتشر شده در ادبیات معتبر، الگوهای تحرک را از داده های تلفن همراه برای درک طیف گسترده ای از فرآیندها و پدیده های اجتماعی شناسایی کرده اند. این شامل درک ساختارهای پویا تحرک شهری و توزیع جمعیت [ 31 ، دسترسی به خدمات [ 32 ]، مناطق عملکردی و پیوندهای شهری و روستایی [ 33 ]، نابرابری های اجتماعی- فضایی [ 34 ]، گسترش بیماری های عفونی [ 35 ]، ارزیابی قرار گرفتن در معرض خطر [ 36 ]، و در مدیریت بحران و برنامه ریزی [ 37 ]. علاوه بر این، تحقیقات در مورد الگوهای تحرک در رابطه با زندگی چندمحلی توسط جمع‌آوری داده‌های سنتی محدود شده است، اما داده‌های تلفن همراه می‌توانند هر دو تغییرات زمانی فضاهای فعالیت فردی را ثبت کنند [ 38 ، 39 ]]، تحرک اقامت فصلی [ 22 ]، و زندگی چند محلی در کشورهای مختلف [ 40 ].
بحران COVID-19 به وضوح اهمیت داده های تلفن همراه را برای اهداف مدیریت بحران و واکنش نشان داده است. داده‌های تلفن همراه تقریباً در زمان واقعی تولید می‌شوند و به معیارهایی برای حمایت از تصمیم‌گیری در سطوح مختلف، برای درک پویایی فضایی همه‌گیری‌ها و جلوگیری از گسترش ویروس اجازه می‌دهند [ 41 ، 42 ]. چندین مطالعه قبلاً داده‌های تلفن همراه را برای مطالعه بحران COVID-19 از منظر تأثیرات اقدامات حبس و محدودیت‌های تحرک اعمال کرده‌اند [ 6 ، 8 ، 43 ، 44 .]، نقش نشانگرهای اجتماعی-اقتصادی در توضیح تنوع ناحیه در عفونت ها [ 45 ]، تغییرات در مسافت ها و زمان های سفر [ 9 ، 40 ، 46 ]، و تغییرات در توزیع جمعیت [ 7 ]، یا تحرک ملی [ 47 ].
با وجود این موارد استفاده، استفاده از داده های تلفن همراه برای حمایت از پاسخ به بیماری همه گیر همچنان با چالش های متعددی همراه است. اینها شامل تفکیک‌پذیری‌های مکانی و زمانی متفاوت هر منبع داده [ 48 ] و مشکلات ادغام آنها برای آشکار کردن پویایی تحرک در مقیاس‌های مربوطه است [ 35 ]. علاوه بر این، دسترسی به داده‌ها، ظرفیت پردازش داده‌های پیچیده و ایجاد تیم‌ها و همکاری‌های بین‌رشته‌ای لازم، فقدان اراده سیاسی و نگرانی‌ها در مورد حفظ حریم خصوصی و حفاظت از داده‌ها همچنان چالش‌هایی هستند و مانع استفاده گسترده از داده‌های تلفن همراه در تصمیم‌گیری عملیاتی شده‌اند. 42 ، 49 ].

2.3. تعریف حضور، فعالیت و حرکت در داده های تلفن همراه

اخیرا اپراتورهای شبکه تلفن همراه شروع به ارائه محصولات داده انبوه خود کرده اند که به ما امکان می دهد بر برخی از چالش های ذکر شده در بالا غلبه کنیم. با این حال، محصولات داده با روش‌شناسی نامعلوم چالش‌های جدیدی را ایجاد می‌کنند، مانند اینکه داده‌ها دقیقاً چه چیزی را نشان می‌دهند و همچنین سازگاری اصطلاحات. داده‌های تلفن همراه از شبکه، صرف‌نظر از ویژگی‌های آن‌ها، بر اساس نحوه نمایش داده‌ها از افراد، به طور کلی به دو نوع تقسیم می‌شوند: حضور و تحرک. با این حال، نحوه تعریف و اندازه‌گیری این موارد در محصولات داده و ارائه‌دهندگان داده متفاوت است. ما از مفهوم جغرافیایی سنتی مسیر فضا-زمان [ 50 ] برای نشان دادن تفاوت‌ها استفاده می‌کنیم.
تعریف حضور تلاش می کند تا محل نگهداری افراد را به دست آورد. داده‌های تلفن همراه عموماً از مسیرهای فضا-زمان در سطح فردی پردازش می‌شوند و آنها را به عنوان مجموعه‌ای از عکس‌های فوری مکان در نظر می‌گیرند ( شکل 1)آ). در داده‌های تلفن همراه در سطح فردی خام، هر عکس لحظه‌ای از مکان زمانی ثبت می‌شود که تلفن همراه به طور مداوم به ایستگاه پایه متصل می‌شود. بنابراین، یک عکس فوری از یک مسیر فضا-زمان در یک مکان معین و یک لحظه در زمان به عنوان معیاری برای حضور (فیزیکی) در نظر گرفته می شود. عکس های فوری لزوماً به معنای ثابت بودن در یک مکان نیستند، بلکه صرفاً به معنای یک مکان لحظه ای هستند. در داده های انباشته شده تلفن همراه، معیار حضور (که به آن فعالیت نیز گفته می شود) با جمع شدن در یک آستانه زمانی معین در یک واحد فضایی تشکیل می شود. آستانه زمانی، که معیاری از حضور در مجموعه داده‌های انبوه را تشکیل می‌دهد، نقش مهمی در شکل‌دهی به داده‌ها دارد زیرا بر روی اینکه کدام عکس‌های فوری جمع‌آوری شده به عنوان مکان‌های حضور معتبر شناسایی می‌شوند، تأثیر می‌گذارد. آستانه ها بین اپراتورها و مطالعات متفاوت است [ 42 نمونه‌ها 20 دقیقه در مجموعه داده‌های ما، یک ساعت در [ 47 ] و دو ساعت در [ 7 ] هستند.
همچنین شیوه‌های متفاوتی در رابطه با نحوه تعریف تحرک در مجموعه داده‌های تلفن همراه وجود دارد که به اهداف مختلف ارائه سفرهای فردی (که به عنوان حرکات نیز گفته می‌شود) یا تحرک عمومی‌تر مربوط می‌شود ( شکل 1 B). هنگامی که مجموعه داده جمع‌آوری شده تلاش می‌کند تا سفرها را ثبت کند، اندازه‌گیری سفر را می‌توان به سادگی به عنوان دنباله پیوسته مکان‌های حضور معتبر در یک مسیر فضا-زمان تعریف کرد. بنابراین، هدف این مجموعه داده‌ها این است که تمام سفرهای فردی را به تصویر بکشد و «منشأ» با توجه به مکان‌های حضور تغییر کند. با این حال، اگر هدف گرفتن تحرک عمومی تر باشد، “منشاء” معمولاً در عرض 24 ساعت ثابت است، مانند مکان شب (به عنوان مثال، [ 46 ]]) یا محل صبح زود (به عنوان مثال [ 44 ]). در این مورد، “منشاء” بازنمایی واقعی تری از محل زندگی افراد است که امکان تجزیه و تحلیل گسترده تری از مناطق مبدا در یک کشور را فراهم می کند. با این حال، در این مجموعه داده ها، همه سفرها ثبت نمی شوند. هنگامی که یک نفر روزانه به شهر دیگری رفت و آمد می کند، سفرهای برگشت به دلیل “منشاء” ثابت ثبت نمی شود.
صرف‌نظر از تعریف تحرک، آستانه زمانی برای تعیین مکان‌های حضور معتبر افراد نقش مهمی دارد زیرا مستقیماً بر نحوه ظاهر شدن «مقصد» در مجموعه داده‌های تحرک تأثیر می‌گذارد. زمانی که آستانه زمانی انتخاب شده کوتاه باشد، سفرهای بیشتری به چندین رکورد تقسیم می‌شوند که شناسایی زنجیره‌های سفر واقعی را پیچیده می‌کند. این بدان معناست که «مقصدها» نشان می‌دهند که شخص به‌طور لحظه‌ای در یک مکان معین بوده است، اما نه اینکه آن مکان پایان یا محل گذر سفر بوده یا مدت زمانی که شخص در آنجا مانده است. این تغییرات در تعاریف و شیوه های تجمیع چالش هایی را برای ارزیابی اعتبار داده ها و مقایسه بین مجموعه داده های متعدد ارائه شده توسط اپراتورهای مختلف شبکه تلفن همراه ایجاد می کند.

3. مواد و روشها

3.1. داده ها

ما از سه محصول داده ناشناس و انباشته شده از داده های شبکه تلفن همراه تولید شده توسط دو اپراتور شبکه تلفن همراه استفاده کردیم. Telia فنلاند از طریق Telia Crowd Insights و Elisa دو شرکت بزرگ مخابراتی فنلاند هستند که هر کدام تقریباً یک سوم از سهم بازار را دارند [ 51]. مجموعه داده ها به طور آشکار در دسترس نبودند، اما هر دو اپراتور مجموعه داده های انبوه خود را برای تحقیقات COVID-19 ارائه کردند. دو مجموعه داده از Telia شامل: (1) داده های مکان فعالیت و (2) داده های تحرک مبدا-مقصد (OD) برای دوره 1 فوریه تا 30 مارس 2020، شامل سه روز گمشده (12 فوریه، 13 فوریه، و 25 فوریه) ) در مجموعه داده. هر دو مجموعه داده کل فنلاند را پوشش می دهند و تعداد افراد برای نشان دادن کل جمعیت بر اساس سهم بازار اپراتور در محل زندگی فرد (شهرداری) وزن شده است.
ابتدا، داده‌های مکان فعالیت، حضور روزانه افراد در سطح شهرداری را نشان می‌دهد – زمانی که فردی حداقل 20 دقیقه را در یک روز معین در یک ایستگاه پایه شبکه تلفن همراه سپری کند، سپس یکی از مکان‌های فعالیت او و بنابراین حضور او در یک روز مشخص می‌شود. در شهرداری که ایستگاه پایه داده شده در آن قرار دارد محاسبه می شود. حضور یک فرد فقط در یک شهرداری در صورتی محاسبه می شود که در طول روز از آن شهرداری فراتر نرود، در حالی که اگر بیش از 20 دقیقه در هر یک از چندین شهرداری باشد، حضور آنها در چندین شهرداری به حساب می آید. مجموعه داده محل سکونت این افراد را نشان نمی دهد، و اگرچه حرکت واقعی بین شهرداری ها را نشان نمی دهد، اما منعکس کننده تحرک کلی مردم است.
دوم، داده‌های تحرک مبدا-مقصد سفرهای فرد را نشان می‌دهد که در جریان‌های تحرک روزانه بین شهرداری‌ها جمع‌آوری می‌شود. هر سفر به عنوان حرکت یک فرد بین دو شهرداری متوالی که به عنوان مکان فعالیت فرد در نظر گرفته می شود (زمان صرف شده بیش از 20 دقیقه) برای هر روز تعریف می شود. در اینجا، اگر سفر معین شامل وقفه‌های طولانی‌تر (بیش از 20 دقیقه) در طول سفر باشد، می‌توان یک نمونه سفر طولانی‌مدت را به‌طور بالقوه به عنوان چندین سفر کوتاه‌تر در نظر گرفت. بنابراین، سفرهای مسافت طولانی ممکن است در مجموعه داده کمتر ارائه شود و باید در حین توضیح یافته‌ها تصدیق شود. مجموعه داده محل سکونت این افراد را نشان نمی دهد.
مجموعه داده سوم توسط Elisa یکی دیگر از مجموعه داده های مکان فعالیت در سطح منطقه کد پستی از ناحیه بیمارستان هلسینکی و Uusimaa (HUS) است که از نظر جغرافیایی دقیق تر از سطح شهرداری است. داده ها شامل 369 منطقه کد پستی از 24 شهرداری است. مجموعه داده مربوط به دوره 1 ژانویه تا 31 مه 2020 (22 هفته)، شامل برخی از روزهای گمشده (19 ژانویه تا 10 فوریه، 5 مارس و 7 آوریل) است. تعداد افراد برای نشان دادن کل جمعیت بر اساس سهم بازار اپراتور در محل زندگی یک فرد در منطقه کد پستی وزن شد. مشابه داده های Telia، مکان فعالیت یک فرد در یک منطقه کد پستی زمانی در نظر گرفته می شود که حداقل 20 دقیقه در آنجا سپری کند. برخلاف اولین مجموعه داده توسط Telia، این مجموعه داده همچنین دارای اطلاعاتی در مورد توزیع افراد حاضر در یک منطقه کد پستی بر اساس محل سکونت آنها در منطقه کد پستی است. محل سکونت برای هر روز یافت می شود و به عنوان منطقه کد پستی با بیشترین زمان صرف شده در ساعات شب در آن روز تعریف می شود.

3.2. روش شناسی

ما از داده‌های مکان فعالیت Telia برای درک تغییرات حضور مردم در سطح شهرداری استفاده کردیم. برای آن، مقدار پایه برای هر شهرداری را به‌عنوان میانگین حضور مردم در هفت روز اول فوریه محاسبه کردیم و آن را با تغییرات روزانه حضور مردم در طول اولین شیوع COVID-19 در فنلاند در مارس 2020 مقایسه کردیم. حضور مردم با روزهای مهم مارس که دولت فنلاند دستورالعمل ها و اقدامات الزام آور را برای محدود کردن تحرک برای کنترل شیوع ویروس اعلام کرد، در تضاد بود.
برای مطالعه پیوند شهری و روستایی و تأثیر زندگی چند محلی در زمینه موج اول COVID-19 در مارس 2020، ما چهار تحلیل انجام دادیم. اول، ما تفاوت‌ها را از خط مبنا بین جمعیت روز کاری و جمعیت آخر هفته در هفته آخر مارس در مورد 30 شهر بزرگ فنلاند مرتبط کردیم. دوم، ما تفاوت جمعیت روز کاری را با تعداد کلبه‌های تابستانی توسط شهرداری به ازای هر 1000 نفر به عنوان نشانه‌ای برای زندگی چند محلی مرتبط می‌کنیم. سوم، برای بررسی تحرک افراد به خانه‌های روستایی ثانویه‌شان، جریان‌های تحرک از داده‌های مبدا-مقصد (OD) توسط Telia را در مورد شهرداری‌های تحت سلطه سکونت فصلی، Lohja و Sysmä بررسی کردیم. لوحجا، شهرداری با 46000 سکنه، 24 ]. Sysmä، شهرداری با 3650 نفر، در مرکز فنلاند قرار دارد و از نظر نسبت نسبی کلبه‌های تابستانی (n = 3900) در مقایسه با ساختمان‌های مسکونی، دومین شهرداری بزرگ است.
در نهایت، برای درک پیوند شهری و روستایی و تأثیر زندگی چند محلی در حضور جمعیت در طول قرنطینه Uusimaa و آرامش تدریجی محدودیت‌ها، مجموعه داده سوم به‌دست‌آمده از Elisa را تحلیل کردیم. با توجه به دوره طولانی‌تر قبل از COVID و این واقعیت که هفته اول داده‌های Telia در داده‌های Elisa وجود نداشت، مقدار پایه را برای هر منطقه کد پستی به‌عنوان میانگین حضور افراد در دوره 6 ژانویه تا 14 مارس 2020 محاسبه کردیم. (یعنی 10 هفته). از آنجایی که هر دو دوره مرجع فقط شامل هفته‌های «عادی» قبل از همه‌گیری بودند، تفاوت در دوره‌های مرجع نباید نتایج ما را مغرضانه کند. ما همچنین مقایسه ای بین مجموعه داده ها انجام ندادیم. اولین، ما میانگین هفتگی حضور جمعیت را برای هر منطقه کد پستی برای هر یک از 22 هفته مورد مطالعه محاسبه کردیم و تفاوت را از مقدار پایه محاسبه کردیم. در مرحله بعد، ما تفاوت‌های هفتگی در حضور جمعیت در طول 22 هفته، در هر منطقه کد پستی را به پنج خوشه، با استفاده از خوشه‌بندی K-means با 1000 تکرار و 300 دانه مرکزی مختلف، خوشه‌بندی کردیم. ما تعداد زیادی خوشه را آزمایش کردیم، اما پنج خوشه را به عنوان سطح بهینه برای تقسیم واحدهای مطالعه به خوشه‌های معنادار با توجه به گرایش‌های مختلف تحرک انتخاب کردیم. اعداد خوشه‌های پایین‌تر تفاوت‌های معنی‌دار در روندها را حذف کردند، در حالی که اعداد خوشه‌های بالاتر هیچ خوشه جدیدی با روند متمایز را نشان ندادند. به پنج خوشه، با استفاده از خوشه بندی K-means با 1000 تکرار و 300 دانه مرکزی مختلف. ما تعداد زیادی خوشه را آزمایش کردیم، اما پنج خوشه را به عنوان سطح بهینه برای تقسیم واحدهای مطالعه به خوشه‌های معنادار با توجه به گرایش‌های مختلف تحرک انتخاب کردیم. اعداد خوشه‌های پایین‌تر تفاوت‌های معنی‌دار در روندها را حذف کردند، در حالی که اعداد خوشه‌های بالاتر هیچ خوشه جدیدی با روند متمایز را نشان ندادند. به پنج خوشه، با استفاده از خوشه بندی K-means با 1000 تکرار و 300 دانه مرکزی مختلف. ما تعداد زیادی خوشه را آزمایش کردیم، اما پنج خوشه را به عنوان سطح بهینه برای تقسیم واحدهای مطالعه به خوشه‌های معنادار با توجه به گرایش‌های مختلف تحرک انتخاب کردیم. اعداد خوشه‌های پایین‌تر تفاوت‌های معنی‌دار در روندها را حذف کردند، در حالی که اعداد خوشه‌های بالاتر هیچ خوشه جدیدی با روند متمایز را نشان ندادند.

4. نتایج

4.1. کاهش تحرک کلی در فنلاند

داده های مکان فعالیت کاهش تحرک کلی بین شهرداری ها در فنلاند را از هفته دوم مارس نشان می دهد ( شکل 2)). سریع ترین کاهش در تحرک در 12 مارس پس از توصیه دولت برای اجتناب از سفر و ترویج کار از راه دور رخ داد. این توصیه یک نقطه عطف واضح بود و توصیه های بعدی و محدودیت های الزام آور تأثیر کمتری بر تحرک داشت. تحرک کلی بین شهری در کشور 10 درصد (میانگین هفته 13) نسبت به خط پایه در پایان ماه مارس کاهش یافت و برای منطقه Uusimaa این کاهش 18 درصد بود. این کاهش برای هلسینکی و منطقه شهری آن (HMA) شدیدتر بود: به ترتیب 27٪ و 25٪. جالب اینجاست که تحرک در منطقه Uusimaa پیش از اعمال تصمیم مبنی بر بستن این منطقه از همه سفرهای ورودی و خروجی غیر ضروری در 28 مارس کاهش یافته بود.
حضور مردم در اولین روز وضعیت اضطراری فنلاند در تاریخ 18.3 دو پدیده را آشکار می کند ( شکل 3 ). اول، مردم هنوز در شمال فنلاند (لاپلند) با توجه به فصل بالا برای تعطیلات زمستانی بودند. دوم، کاهش جمعیت در جنوب فنلاند و در مناطق شهری بزرگتر وجود داشت. ده روز بعد، زمانی که قرنطینه Uusimaa به اجرا درآمد، مردم شمال فنلاند را ترک کردند و حضور مردم در مناطق شهری همچنان کاهش یافت.

4.2. فرار از شهرها به کشور

تعداد افراد در 30 شهرداری بزرگ فنلاند (یعنی شهرها) در هفته آخر ماه مارس در مقایسه با سطح پایه کاهش یافته است، هم در روزهای کاری و هم در تعطیلات آخر هفته. کاهش حضور مردم یک همبستگی قوی و منفی (71/0-=R) با جریان رفت و آمد روزانه ورودی توسط شهرداری دارد ( شکل 4).). یعنی هر چه شهر بزرگتر می شد، حضور مردم کمتر می شد. به عنوان مثال، هلسینکی، بزرگترین شهر از نظر ساکنان و مسافران ورودی، 27 درصد از جمعیت معمول خود را که روزانه بازدید می کنند، از دست داده است. پنج شهر بزرگ دیگر، وانتا، اسپو و تامپره نیز جمعیت روزانه خود را به دلیل رفت و آمدهای روزانه کمتر، به ترتیب -27، -22، و -20 درصد از دست داده‌اند. اولو، پنجمین شهر بزرگ یک استثنا است (-8%) زیرا شهرداری منطقه جغرافیایی وسیعی از جمله سکونتگاه‌های مسافران را در بر می‌گیرد و بنابراین، مسافران نسبتاً کمتری از شهرداری‌های همسایه دارند. از سوی دیگر، برخی از 30 شهرداری برتر (کوولا، سالو و لوهجا) تقریباً با همین تعداد افراد باقی مانده اند یا حتی جمعیت روز کاری را افزایش داده اند. در واقع، علاوه بر مرکز شهری آن،
شکل 4 و شکل 5 حرکت مردم از سکونتگاه های شهری بزرگتر به شهرداری های روستایی بیشتر در امتداد ساحل و در مرکز فنلاند را نشان می دهد. استثنا در اینجا، شهرداری‌های مجمع‌الجزایر آلند هستند، جایی که تردد کشتی‌ها متوقف شده بود و مردم نمی‌توانستند به آنجا حرکت کنند. همبستگی خطی بین تغییر نسبی حضور افراد از خط پایه و توزیع نسبی کلبه‌های تابستانی در هر 1000 نفر ساکن رسمی مثبت و قوی است (75/0 = R). یعنی هر چه تعداد کلبه های تابستانی به ازای هر ساکن رسمی در یک شهرداری بیشتر باشد، حضور مردم بیشتر می شود. به طور متوسط، حدود 370 نفر اضافی به ازای هر 1000 کلبه تابستانی در یک شهرداری تا پایان ماه مارس در فنلاند به شهرداری رسیدند.
به عنوان نمونه ای از افرادی که به خانه های فرعی خود نقل مکان می کنند، ما روی Sysmä و Lohja تمرکز می کنیم – دو شهرداری محل اقامت فصلی معروف. دو شهرداری در زمینه پویایی حضور مردم و جریان تحرک ورودی، الگوهای متفاوتی داشتند. علاوه بر بازدیدهای معمول آخر هفته از اقامتگاه های فصلی، مردم همچنین در طول فصل تعطیلات زمستانی (15 فوریه تا 8 مارس 2020) در آنجا ماندند، و اندکی پس از آن که مردم پس از اعلامیه های مرتبط با COVID-19 توسط مردم شروع به نقل مکان به محل سکونت فصلی خود کردند. دولت در 12 مارس ( پیوست A ، شکل A1 ). علاوه بر این، جریان تحرک افراد ورودی بر اساس شهرداری مبدا نسبت به هفته پایه تغییر کرد ( پیوست B، شکل A2 و شکل A3 ). به عنوان مثال، در مقایسه با خط پایه، بازدیدکنندگان از HMA از Lohja 4٪، 34٪ و 41٪ برای هفته های 11-13 کاهش یافته است، اما در Sysmä به ترتیب 22٪، 96٪ و 120٪ افزایش یافته است. . به طور کلی، افراد از HMA به ترتیب 10٪ از همه جابجایی ها به Lohja در هفته 13 و 3٪ به Sysmä را به خود اختصاص دادند.

4.3. فرار از شهرها و بهبودی در اطراف هلسینکی

مجموعه داده سوم ما از ناحیه HUS (شامل منطقه شهری هلسینکی) پویایی زمانی حضور افراد را هم از نظر مکانی دقیق‌تر در سطح منطقه کد پستی و هم از نظر زمانی، با یک دوره طولانی‌تر برای ارزیابی روند بهبودی تدریجی از کووید نشان می‌دهد. -19 بحران تا پایان ماه می.
خوشه‌بندی مناطق کد پستی، با توجه به سری‌های زمانی حضور نسبی هفتگی افراد از خط پایه (میانگین هفته‌های 1-10)، نتایجی را نشان می‌دهد که یافته‌ها را تا هفته 13 تأیید می‌کند – افراد از مراکز شهری اصلی فرار می‌کنند و به خانه‌های فرعی خود می‌روند. ( شکل 6). علاوه بر این، یک دوره زمانی طولانی‌تر برخی مناطق روستایی را با افزایش شدید (خوشه 1) و افزایش زیاد (خوشه 2) حضور مردم از هفته 11 علیرغم قرنطینه Uusimaa و محدودیت‌هایی که مردم را ملزم به ماندن در خانه می‌کند، نشان می‌دهد. در اکثر مناطق مرکزی غیر شهری (خوشه 3)، جمعیت پویا ثابت ماند، اما پس از قرنطینه Uusimaa از هفته 15 به طور پیوسته شروع به افزایش کرد و حضور مردم به طور متوسط ​​بیش از 30 درصد نسبت به خط پایه افزایش یافت. مناطق شهری و مناطق دارای کریدورهای حمل و نقل اصلی (خوشه 4) جمعیت پویای خود را از دست دادند و تا پایان قرنطینه Uusimaa، حضور مردم به طور متوسط ​​30 درصد از خط پایه کاهش یافت. با این حال، در پایان ماه مه، جمعیت پویا به سطح پایه بهبود یافت. در مقابل، مناطق مرکزی شهری (خوشه 5؛ به عنوان مثال، مناطق در هلسینکی، اسپو، Vantaa) کاهش قابل توجهی از جمعیت پویا را تجربه کرد. تا هفته 15، حضور مردم در این مناطق به طور متوسط ​​60 درصد از سطح پایه کاهش یافت. تا پایان ماه مه، این مناطق شهری فقط تا حدی جمعیت پویا خود را احیا کرده بودند.
توسعه حضور مردم در یک منطقه به شدت به محل کار و خانه های فرعی مرتبط است ( شکل 6 c,d). محل کار در مناطقی متمرکز است که بیشترین کاهش جمعیت پویا را دارند (خوشه 4 و 5)، در حالی که بیشترین افزایش جمعیت در مناطقی بود که تمرکز خانه های فرعی داشتند (خوشه های 1-3). در نهایت، یکی از شهرداری های نمونه ما، لوحجا، نمونه بارز شهرداری با کاهش حضور مردم در سطح شهرداری است ( پیوست A) در حالی که تفاوت های درون شهری قابل توجهی در خصوص تغییرات جمعیتی دارد. کاهش بین 28.8٪ و -64.0٪ در مناطق کد پستی شهری وجود داشت در حالی که علیرغم کاهش کلی تحرک در سطح شهرداری، افزایش قابل توجهی (بین 17.5٪ تا 122.4٪) در یک منطقه شناخته شده برای اقامت فصلی وجود داشت.

5. بحث

5.1. زندگی چند محلی و مدیریت بحران

تحرک فزاینده انسانی و پیشرفت‌های تکنولوژیکی به تنوع سبک زندگی مردم، از جمله کار از راه دور و زندگی چندمحلی در سراسر جهان کمک می‌کند. برای آمادگی در برابر بحران، این یک چالش را ایجاد می‌کند – چگونه می‌توان شرایط اضطراری را برنامه‌ریزی و مدیریت کرد، وقتی که حرکت افراد غیرمنتظره باشد و مکان واقعی افراد به سرعت تغییر کند. پدیده اجتماعی افراد با خانه های متعدد و جابجایی از شهری به مناطق روستایی این وضعیت را در بحران COVID-19 در فنلاند نشان می دهد.
نتایج ما نشان داد که شیوع COVID-19 در بهار 2020 منجر به کاهش سریع تحرک کلی در فنلاند شد که با یافته‌های سطح فردی [ 40 ] تأیید می‌شود و از روند کلی جهانی پیروی می‌کند [ 8 ، 52 ]. ما همچنین کاهش قابل توجهی از تحرک را در مراکز شهری مرکزی مشابه سایر کشورها مشاهده کردیم [ 10]. در عین حال، نتایج به وضوح جریان های تحرک از مناطق شهری به مناطق روستایی کم جمعیت را نشان می دهد، در حالی که مهمتر از همه، ما یک همبستگی قوی بین افزایش مردم و حضور خانه های فرعی پیدا کردیم. تا پایان ماه مارس، شاهد افزایش 70 درصدی جمعیت در شهرداری هایی بودیم که به سکونت فصلی معروف هستند. در مورد شهرداری لوهجا، در برخی مناطق کد پستی، جمعیت آنها در طول قرنطینه Uusimaa و دوره وضعیت اضطراری در بهار 2020 دو برابر و سه برابر شد.
با این حال، برخی عدم قطعیت ها در نتایج ما در رابطه با روش استفاده شده در تعریف حضور افراد وجود دارد. حضور تعریف شده ذاتی در محصولات داده استفاده شده (به عنوان مثال، وجود اگر حداقل 20 دقیقه به طور مداوم در یک منطقه تحت پوشش یک ایستگاه پایه شبکه تلفن همراه باشد) اگر سرعت حرکت به اندازه کافی کم باشد، می تواند نتایج مثبت کاذب در شناسایی حضور ایجاد کند. از سوی دیگر، حتی توقف‌های کوتاه، سفرهای طولانی‌مدت را به چندین رکورد سفر کوتاه‌تر در داده‌های سفر OD تقسیم می‌کنند و بنابراین، سفرهای طولانی مدت واقعی را تا حدی کمتر نشان می‌دهند. علاوه بر این، فقدان داده‌های طولی مربوط به زمان‌های پیش از کووید-۱۹ به ما اجازه نمی‌دهد که تغییرات ناشی از COVID-19 را از افزایش فصلی سالانه تحرک خانه دوم در فنلاند در فصل بهار و تابستان جدا کنیم.
با وجود عدم قطعیت های فوق، ما شواهد قوی در فرضیه خود یافتیم. فنلاندی‌ها علیرغم دستور دولت مبنی بر عدم نقل مکان از خانه‌های خود از شهرهای بزرگتر به خانه‌های دوم خود نقل مکان کردند و بنابراین، در طول وضعیت اضطراری از مقررات دولتی پیروی نکردند. با این حال، آنقدرها هم ساده نیست، زیرا زندگی چندمحلی اشکال مختلفی دارد [ 14 ]. در حالی که خانه دوم در فنلاند به اقامتگاه های تعطیلات و کلبه های تابستانی مربوط می شود، انواع دیگری از زندگی در خانه دوم نیز وجود دارد. به عنوان مثال، افراد ممکن است به دلیل فعالیت‌های کاری یا تحصیلی خانه‌های فرعی شهری داشته باشند و در صورت بروز بحران، ترجیح دهند خود را در خانه‌های روستایی خود منزوی کنند و نقاط داغ شهری را با احتمال آلودگی بالا برای محیطی امن‌تر ترک کنند.
صرف نظر از دلیل زندگی چندمحلی، مدیریت بحران را با چالش مواجه می کند. تغییر محل سکونت افراد نه تنها احتمال شیوع ویروس بین منطقه ای را افزایش می دهد، بلکه بر خدمات بهداشتی و اورژانسی فشار وارد می کند که برای افزایش چشمگیر ساکنان در مواقع بحران آمادگی لازم را نداشته است. افزایش جمعیت فصلی و فرار از شهرها برای تابستان در مناطقی با تعداد خانه های فرعی بالا مورد انتظار است [ 20 , 21 ].]. با این حال، افزایش قابل توجه جمعیت در یک زمان غیرمعمول از سال، مانند مورد COVID-19 در فنلاند، می تواند نیازهای خدمات را به شکل غیرمنتظره ای افزایش دهد. حتی افزایش اندک در جمعیت مطلق در شهرداری‌های روستایی می‌تواند خدمات را در مواقع اضطراری بارگذاری کند.
تا به امروز، شواهد کمی در مورد اینکه چگونه تحرک (به عنوان مثال، شهری – روستایی) ممکن است در انتقال ویروس بین مناطق مختلف فنلاند نقش داشته باشد، وجود دارد. با این حال، در مورد COVID-19، مطالعه ما نیاز به بهبود آمادگی در برابر بحران در آینده را برجسته کرده است – برای اذعان به اهمیت روزافزون زندگی بهتر چند محلی، و توانایی برنامه ریزی خدمات بر اساس نیاز. منابع داده های جدیدی برای نظارت بر وضعیت مورد نیاز است، زیرا داده های ثابت در یک محل سکونت و محل کار برای هر فرد برای آگاهی از موقعیت کافی نیست. منابع داده جدید، مانند داده های تلفن همراه، امکان آمادگی بهتر برای شرایط اضطراری و نظارت بر آنها را فراهم می کند [ 8 ، 10 ]]. علاوه بر این، اطلاعات در مورد اثربخشی محدودیت‌ها و فرآیند بازیابی بسیار مهم است – نتایج ما از منطقه Uusimaa نشان می‌دهد که جمعیت پویا در متراکم‌ترین مراکز شهری تا اواسط ماه مه بهبود نیافته‌اند. این نشان دهنده تغییر دائمی تر به دورکاری و رشد زندگی چند محلی است که با تقاضای سرسام آور برای خانه های فرعی در بازار املاک و مستغلات فنلاند در طول تابستان و پاییز 2020 نشان داده شده است [ 53 ].

5.2. امکان سنجی داده های تلفن همراه در مدیریت بحران

در نهایت، مطالعه ما نشان داد که چگونه می توان از داده های تلفن همراه برای ارائه بینش های مهم در مقیاس های فضایی و دوره های زمانی طولانی استفاده کرد که قادر به پشتیبانی از آگاهی موقعیت هستند [ 35 ، 42 ، 49 ]]. به طور خاص، ما نشان دادیم که چگونه پدیده اجتماعی پویای زندگی چندمحلی می تواند آشکار شود و به موقع با محصولات داده اپراتورهای شبکه تلفن همراه نظارت شود. ارائه این بینش‌ها برای مدیریت سریع بحران ارزشمند است و بنابراین، به‌موقع بودن چنین محصولات داده‌ای، نقطه قوت کلیدی تجزیه و تحلیل داده‌های بزرگ در مقایسه با گزینه‌های سنتی جمع‌آوری داده‌ها، مانند انجام بررسی‌ها و استفاده از ثبت است. با این وجود، چالش‌های متعددی در استفاده از محصولات داده‌ای داده شده باقی می‌ماند، از جمله دسترسی به داده‌ها و حفاظت از حریم خصوصی که توسط مطالعات اخیر مورد توجه قرار گرفته است [ 49 ]]، و چالش‌های اضافی به دلیل روش‌شناسی‌های فاش نشده، مانند تنوع مجموعه داده‌ها، اصطلاحات نامنسجم، بازنمایی جمعیت، و تفاوت در آنچه دقیقاً داده‌ها نشان می‌دهند، پدیدار می‌شوند.
نتایج ما با سه محصول داده تلفن همراه جمع‌آوری‌شده و ناشناس این چالش‌ها را نشان می‌دهد. همانطور که نشان می‌دهیم، مجموعه داده‌هایی که متدولوژی‌های متفاوتی در تعریف و اندازه‌گیری مکان فعالیت، OD-trip، و محل زندگی دارند، علاوه بر استفاده متفاوت از اصطلاحات، می‌توانند اثرات قابل‌توجهی بر نتایج داشته باشند. به عنوان مثال، داده های OD-trip و داده های مکان فعالیت، از جمله محل سکونت، می توانند چیزهای مختلفی را آشکار کنند. داده‌های OD-trip همه سفرها را نشان می‌دهند، اما مبداها را می‌توان به مکان‌های نزدیک به مقصد تغییر داد، در حالی که داده‌های مکان فعالیت، مناطق مبدأ واقعی افراد را بهتر نشان می‌دهد، اما نه همه سفرها، به‌ویژه سفرهای دو طرفه روزانه. مثال دیگری از چالش، تکراری بودن داده ها است، زمانی که محصولات داده برای نشان دادن کل جمعیت بر اساس اطلاعات سهم بازار اپراتور تلفن همراه وزن می شوند. در این مطالعه، ما بر روی الگوهای تحرک عمومی تمرکز کردیم، اما در تجزیه و تحلیل‌هایی که بر گروه‌های خاصی از افراد تمرکز می‌کنند، اگر برخی گروه‌های جمعیتی اپراتورهای تلفن همراه خاص را به دیگران ترجیح دهند، بازنمایی داده‌ها می‌تواند چالش‌هایی ایجاد کند، اما توزیع بی‌طرفانه فرض می‌شود.
داده‌های سفر مبدا-مقصد مثال خوبی از اصطلاحات نامنسجم و تفاوت‌هایی است که داده‌ها دقیقاً نشان می‌دهند. هنگامی که مسیرهای تحرک آشکار شده افراد تجمیع و بین واحدهای فضایی تخصیص داده شد، آیا باید داده‌های سفر OD را به عنوان سفرهای بین مبدأ و مقصد تعریف کنیم یا، در عوض، باید داده‌های داده‌شده را به‌عنوان بخش‌های تجمیع‌شده و جداشده از سفرها در نظر بگیریم؟ با توجه به اینکه اهداف پشت تحرک آشکار ناشناخته باقی مانده است، این موضوع به تاکید بیشتر در تحقیقات داده های تلفن همراه، علاوه بر تعریف محل سکونت و مکان های فعالیت (توقف ها) به طور مداوم نیاز دارد. اینها مسائل مهمی هستند، زیرا می توانند بر تصمیم گیری در مدیریت بحران و برنامه ریزی تأثیر بگذارند. در نهایت، با توجه به موضوع شناخته شده مغالطه اکولوژیکی [ 54]، سطوح مختلف تجمع فضایی محصولات داده نیز بر نتایج تأثیر می گذارد. همانطور که مثال ما از Lohja نشان داد، یک مقیاس فضایی درشت ممکن است تغییرات داخلی را در یک منطقه بزرگتر پنهان کند. علاوه بر این، هنگامی که محصولات داده ایجاد می شوند، نمی توان آنها را به طور قابل اعتمادی در سطوح فضایی دیگر تجمیع یا تفکیک کرد. نه کمترین، مقایسه طولی محصولات داده برای اینکه بتوانیم خط پایه را به عنوان یک پروکسی برای زمان های عادی تنظیم کنیم، بلکه برای درک بهتر فرآیند بازیابی جامعه پس از بحران بسیار مهم است.
همانطور که گفته شد، محصولات داده تلفن همراه مطمئناً منابع اطلاعاتی ارزشمندی برای تصمیم گیری مبتنی بر شواهد در یک جامعه پویا خواهند بود. با این حال، ما خواستار توجه بیشتر به استانداردسازی روش‌شناسی و اصطلاحات محصولات داده بین اپراتورهای شبکه تلفن همراه، و اذعان به دانش علمی موجود تولید شده در تحقیقات داده‌های تلفن همراه برای منافع اجتماعی هستیم.

مشارکت های نویسنده

مفهوم سازی، الیاس ویلبرگ، اوله یارو، تووماس وایانن، و تولی تویوونن. روش شناسی، الیاس ویلبرگ، اوله یارو، تووماس وایسنن، و تولی تویوونن. نرم افزار، Elias Willberg، Olle Järv، Tuomas Väisänen; اعتبارسنجی، الیاس ویلبرگ، اوله یارو، تووماس وایزنن، و تولی تویوونن. تجزیه و تحلیل رسمی، الیاس ویلبرگ، اوله یارو، تووماس ویزانن، و تولی تویوونن. تحقیق، Elias Willberg، Olle Järv، Tuomas Väisänen، و Tuuli Toivonen. منابع، Olle Järv، و Tuuli Toivonen; سرپرستی داده ها، الیاس ویلبرگ، اوله یارو، تووماس وایسنن. نوشتن – آماده سازی پیش نویس اصلی، الیاس ویلبرگ، اوله ژرو. نوشتن-بررسی و ویرایش، الیاس ویلبرگ، اوله یارو، تووماس وایسانن، و تولی تویوونن. تجسم، الیاس ویلبرگ، اوله ژرو، تووماس ویسانن; نظارت، Olle Järv و Tuuli Toivonen; مدیریت پروژه، Olle Järv و Tuuli Toivonen; تامین مالی، اوله یارو و تولی تویوونن. همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و با آن موافقت کرده اند.

منابع مالی

بودجه EW توسط کارگاه علمی بنیاد فرهنگی فنلاند و بنیاد عامر فنلاند (پروژه ورزش شهری/Sporttia Stadiin/Urban Exerciser) تامین شد. OJ توسط Kone Funding (شماره 201608739) و آکادمی فنلاند (شماره 331549) تأمین مالی شد. تلویزیون توسط بنیاد امیل آلتونن تامین مالی شد. بودجه TT توسط دانشگاه هلسینکی و اوسک تامین شد. بنیاد هاتونن (همکار مدعو در کالج کلر هال، کمبریج).

بیانیه هیئت بررسی نهادی

قابل اجرا نیست. مجموعه داده های اصلی در حال حاضر در واحدهای فضایی جمع شده اند و هیچ اطلاعات سطح فردی را شامل نمی شوند.

بیانیه رضایت آگاهانه

قابل اجرا نیست. مجموعه داده های اصلی در حال حاضر در واحدهای فضایی جمع شده اند و هیچ اطلاعات سطح فردی را شامل نمی شوند.

بیانیه در دسترس بودن داده ها

داده های شخص ثالث

قدردانی ها

مایلیم از Telia Finland و Elisa برای ارائه داده های تلفن همراه ناشناس و جمع آوری شده برای مطالعه تشکر کنیم. همچنین می‌خواهیم از کلودیا برگروث برای ساخت شکل 1 A تشکر کنیم.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند.

پیوست اول

Ijgi 10 00103 g0a1 550
شکل A1. حضور متفاوت مردم در سطح شهرداری در مقایسه با روزهای ابتدایی هفته (1 تا 7 فوریه 2020) در شهرداری Lohja و Sysmä.

ضمیمه B

Ijgi 10 00103 g0a2 550
شکل A2. سفرهای ورودی به Sysmä توسط شهرداری در 12 تا 29 مارس 2020، بر اساس داده‌های سفر Telia.
Ijgi 10 00103 g0a3 550
شکل A3. سفرهای ورودی به لوهجا توسط شهرداری در 12 تا 29 مارس 2020، بر اساس داده‌های سفر Telia.

منابع

  1. Giles، JR; ارباخ-شونبرگ، ای. تاتم، ای جی. گاردنر، ال. Bjørnstad، ON; متکالف، CJE; Wesolowski، A. مدت سفر بر پویایی فضایی بیماری های عفونی تأثیر می گذارد. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2020 ، 117 ، 22572–22579. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  2. Prothero، بیماری RM و تحرک: یک عامل نادیده گرفته شده در اپیدمیولوژی بین المللی J. Epidemiol. 1977 ، 6 ، 259-267. [ Google Scholar ] [ CrossRef ]
  3. آسکیتاس، ن. تاتسیراموس، ک. Verheyden، B. استراتژی‌های قفل، الگوهای تحرک و COVID-19. arXiv 2020 ، arXiv:2006.00531. [ Google Scholar ]
  4. چیناتزی، م. دیویس، جی تی; عجلی، م. جوانینی، سی. لیتوینووا، م. مرلر، اس. Vespignani، A. تأثیر محدودیت‌های سفر بر شیوع شیوع ویروس کرونای جدید (COVID-19) در سال 2019. Science 2020 , 368 , 395-400. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  5. آلوی، ع. آلونسو، بی. Benavente، J. کوردرا، آر. Echániz، E. گونزالس، اف. ساندو، R. اثرات قفل COVID-19 بر تحرک شهری: شواهد تجربی از شهر سانتاندر (اسپانیا). پایداری 2020 ، 12 ، 3870. [ Google Scholar ] [ CrossRef ]
  6. گلیزر، ای. گورباک، سی. Redding، S. چقدر COVID-19 با تحرک افزایش می یابد؟ شواهدی از نیویورک و چهار شهر دیگر ایالات متحده. Natl. فرز اقتصاد Res. 2020 . [ Google Scholar ] [ CrossRef ]
  7. جیا، جی اس. لو، ایکس. یوان، ی. خو، جی. جیا، جی. کریستاکیس، NA جریان جمعیت باعث توزیع مکانی-زمانی COVID-19 در چین می شود. Nature 2020 ، 582 ، 389-394. [ Google Scholar ] [ CrossRef ]
  8. سانتاماریا، سی. سرمی، ف. اسپیراتوس، اس. ایاکوس، اس ام. آنونزیاتو، ا. ترچی، د. Vespe، M. اندازه‌گیری تأثیر اقدامات محبوس COVID-19 بر تحرک انسان با استفاده از داده‌های موقعیت‌یابی تلفن همراه. تحلیل منطقه ای اروپا ساف علمی 2020 , 132 , 104925. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  9. جفری، بی. والترز، CE; Ainslie، KEC; ایلس، او. سیوارلا، سی. بهاتیا، اس. رایلی، اس. داده‌های تحرک سطح جمعیت از تلفن‌های همراه ناشناس و جمع‌آوری‌شده نشان می‌دهد که انطباق اولیه با مداخلات فاصله‌گذاری اجتماعی کووید-۱۹ بالا و از نظر جغرافیایی در سراسر بریتانیا سازگار بوده است. Wellcome Open Res. 2020 ، 5 ، 1-10. [ Google Scholar ] [ CrossRef ]
  10. هیلر، جی. رایش، تی. هارت، جی. فرقانی، م. عمانی، ع. هانبری، ا. کریمی پور، ف. تغییرات تحرک در سراسر کشور با استفاده از داده های تلفن همراه در طول همه گیری COVID-19 مشاهده شد. arXiv 2020 ، arXiv:2008.10064. [ Google Scholar ]
  11. Green, J. داده‌های مکان در عمل: نقشه‌های حرارتی به ردیابی کووید-۱۹ در سراسر جهان کمک می‌کنند. 2020. در دسترس آنلاین: https://xmode.io/location-data-in-action-heatmaps-help-track-coronavirus-across-the-globe/ (در 25 نوامبر 2020 قابل دسترسی است).
  12. ویسنیوسکا، آ. ارنبرگ-شانون، بی. بریتانیا در حال حرکت حتی قبل از اینکه جانسون قرنطینه را کاهش دهد، نمایش داده. 12 مه 2020. در دسترس آنلاین: https://www.ft.com/content/cc70d690-99a6-4056-9ebe-d0b39c40a359 (در 25 نوامبر 2020 قابل دسترسی است).
  13. Yle. Saariston mökkikauden Avaus Aikaistui Koronan Takia—Kustavin Kunnanjohtaja: «Melko Runsaasta määrästä ihmisiä on kysymys». 2020. در دسترس آنلاین: https://yle.fi/uutiset/3-11271741 (در 16 نوامبر 2020 قابل دسترسی است).
  14. شییر، ام. هیلتی، ن. شاد، اچ. تیپل، سی. دیتریش-وسبور، آ. Monz، A. مطالعات چند محله مسکونی – ارزش افزوده برای تحقیق در مورد خانواده ها و خانه های دوم. Tijdschr. Voor Econ. En Soc. Geogr. 2015 ، 106 ، 439-452. [ Google Scholar ] [ CrossRef ]
  15. باد، بی. دیوایلد، سی. Doling، J. مالکیت ثانویه دارایی در اروپا: کمک به استراتژی های رفاه مبتنی بر دارایی و “معادل واقعا بزرگ”. بین المللی جی. هاوس. سیاست 2020 ، 20 ، 25-52. [ Google Scholar ] [ CrossRef ]
  16. چوی، H.-S.; هونگ، اچ. کوبیک، جی. تامپسون، جی. وقتی املاک و مستغلات تنها بازی در شهر است . دفتر ملی تحقیقات اقتصادی: کمبریج، MA، ایالات متحده آمریکا، 2014. [ Google Scholar ] [ CrossRef ]
  17. هوانگ، ی. یی، دی. کلارک، WAV مالکیت چند خانه در شهرهای چین: دیدگاه نهادی و فرهنگی. Cities 2020 , 97 , 102518. [ Google Scholar ] [ CrossRef ]
  18. استیمن، ام. خانه های دوم در شهر و کشور: ارزیابی مجدد خانه های تعطیلات در قرن بیست و یکم. بین المللی جی. هاوس. سیاست 2020 ، 20 ، 53-74. [ Google Scholar ] [ CrossRef ]
  19. برونتی، ام. Torricelli، C. خانه های دوم در ایتالیا: رویای هر خانواده یا سرمایه گذاری (غیر) سود؟ خانه گل میخ. 2017 ، 32 ، 168-185. [ Google Scholar ] [ CrossRef ]
  20. آدامیک، سی. پیتکنن، ک. Lehtonen، O. اقامت فصلی و ضد شهرسازی: نقش خانه های دوم در توزیع مجدد جمعیت در فنلاند. جئوژورنال 2017 ، 82 ، 1035–1050. [ Google Scholar ] [ CrossRef ]
  21. برگشت، A.; Marjavaara, R. نقشه برداری از یک جمعیت نامرئی: جغرافیای ناهموار گردشگری خانه دوم. تور. Geogr. 2017 ، 19 ، 595-611. [ Google Scholar ] [ CrossRef ]
  22. سیلم، اس. Ahas, R. تغییرپذیری فصلی جمعیت در شهرداری‌های استونی. محیط زیست طرح. یک اقتصاد. Space 2010 , 42 , 2527–2546. [ Google Scholar ] [ CrossRef ]
  23. مولر، DK خانه های دوم در کشورهای شمال اروپا: بین میراث مشترک و کالای انحصاری. Scand. جی. هاسپ. تور. 2007 ، 7 ، 193-201. [ Google Scholar ] [ CrossRef ]
  24. آمار فنلاند Kesämökit 2019. 2019. موجود به صورت آنلاین: https://www.stat.fi/til/rakke/2019/rakke_2019_2020-05-27_kat_001_fi.html (دسترسی در 11 نوامبر 2020).
  25. SYKE. Elinvoimainen ja kestävä Monipaikkainen Suomi. 2021. موجود به صورت آنلاین: https://www.syke.fi/fi-FI/Tutkimus__kehittaminen/Tutkimus_ja_kehittamishankkeet/Hankkeet/Elinvoimainen_ja_kestava_monipaikkainen_Suomi_VN_TEAS_Monipaikkaed on January 22020.
  26. که. سخنان افتتاحیه مدیرکل در جلسه توجیهی رسانه ها در مورد COVID-19—11 مارس 2020. 2020. در دسترس آنلاین: https://www.who.int/director-general/speeches/detail/who-director-general-s-opening -Remarks-at-the-media-briefing-on-covid-19—11-مارس-2020 (در 1 نوامبر 2020 قابل دسترسی است).
  27. دولت فنلاند محدودیت‌های حرکتی به Uusimaa – دولت تصمیم گرفت اقدامات بیشتری برای جلوگیری از گسترش همه‌گیری ویروس کرونا اتخاذ کند. 2020. در دسترس آنلاین: https://valtioneuvosto.fi/en/-//10616/uudellemaalle-liikkumisrajoituksia-hallitus-paatti-uusista-lisatoimista-koronaepidemian-leviamisen-estamiseksi (دسترسی در 1 نوامبر 2020).
  28. Yle. نظرسنجی: پشتیبانی کامل برای ادامه کار از راه دور پس از همه گیری. 2020. در دسترس آنلاین: https://yle.fi/uutiset/osasto/news/poll_solid_support_for_continued_telecommuting_post-pandemic/11293365 (در 22 ژانویه 2021 قابل دسترسی است).
  29. وانگ، ز. او، SY; لئونگ، ی. استفاده از داده‌های تلفن همراه برای تحقیقات رفتار سفر: بررسی ادبیات. رفتار سفر. Soc. 2018 ، 11 ، 141-155. [ Google Scholar ] [ CrossRef ]
  30. سیلم، اس. Järv، O. Masso، A. ردیابی تحرک انسان از طریق تلفن همراه. در کتابچه راهنمای روشهای تحقیق و کاربردهای تحرک ; Büscher, M., Freudendal-Pedersen, M., Kesselring, S., Kristensen, NG, Eds. انتشارات ادوارد الگار: چلتنهام، بریتانیا، 2020؛ ص 182-192. [ Google Scholar ] [ CrossRef ]
  31. لوائل، تی. لنورمند، م. Cantu Ros، OG; پیکورنل، ام. هرانز، آر. فریاس مارتینز، ای. بارتلمی، ام. از داده های تلفن همراه تا ساختار فضایی شهرها. علمی Rep. 2014 , 4 , 1-12. [ Google Scholar ] [ CrossRef ]
  32. Järv، O. تنکانن، اچ. سالونن، ام. آحاس، ر. Toivonen، T. شهرهای پویا: مدل‌سازی دسترسی مبتنی بر مکان به عنوان تابعی از زمان. Appl. Geogr. 2018 ، 95 ، 101-110. [ Google Scholar ] [ CrossRef ]
  33. نواک، جی. آحاس، ر. آسا، ا. Silm، S. کاربرد داده های مکان تلفن همراه در نقشه برداری از الگوهای رفت و آمد و منطقه بندی عملکردی: مطالعه آزمایشی استونی. J. Maps 2013 ، 9 ، 10-15. [ Google Scholar ] [ CrossRef ]
  34. Järv، O. Müürisepp، K. آحاس، ر. درودر، بی. Witlox، F. تفاوت های قومیتی در فضاهای فعالیت به عنوان مشخصه تفکیک: مطالعه ای بر اساس استفاده از تلفن همراه در تالین، استونی. مطالعه شهری. 2015 ، 52 ، 2680-2698. [ Google Scholar ] [ CrossRef ]
  35. وسولوفسکی، آ. باکی، CO؛ Engø-Monsen، K. Metcalf، CJE اتصال تحرک به بیماری های عفونی: وعده و محدودیت های داده تلفن همراه. ج. عفونی کردن دیس 2016 ، 214 (Suppl. S4)، S414–S420. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  36. دیوولف، بی. نویتنز، تی. لوفور، دبلیو. سینایو، جی. وانپوکه، سی. بککس، سی. Van de Weghe، N. ارزیابی پویا قرار گرفتن در معرض آلودگی هوا با استفاده از داده های تلفن همراه. بین المللی J. Health Geogr. 2016 ، 15 ، 14. [ Google Scholar ] [ CrossRef ]
  37. دارچین، جی. جونز، SK; Adger، WN شواهد و پتانسیل آینده داده های تلفن همراه برای مدیریت بلایای بیماری. Geoforum 2016 ، 75 ، 253-264. [ Google Scholar ] [ CrossRef ]
  38. Järv، O. آحاس، ر. Witlox، F. درک تنوع ماهانه در فضاهای فعالیت انسانی: یک مطالعه دوازده ماهه با استفاده از سوابق جزئیات تماس تلفن همراه. ترانسپ Res. قسمت C Emerg. تکنولوژی 2014 ، 38 ، 122-135. [ Google Scholar ] [ CrossRef ]
  39. جیانگ، اس. فریرا، جی. گونزالس، الگوهای تحرک انسانی مبتنی بر فعالیت MC استنباط شده از داده های تلفن همراه: مطالعه موردی سنگاپور. IEEE Trans. کلان داده 2016 ، 3 ، 208-219. [ Google Scholar ] [ CrossRef ]
  40. Järv، O. تومینگا، ا. Müürisepp، K. سیلم، اس. تأثیر کووید-19 بر زندگی روزمره افراد فراملیتی بر اساس داده های تلفن هوشمند: استونیایی ها در فنلاند. J. Locat. سرویس مبتنی بر 2021 . [ Google Scholar ] [ CrossRef ]
  41. Grantz، KH; مردیث، منابع انسانی؛ کامینگز، DAT; متکالف، CJE; گرنفل، بی تی؛ Giles، JR; Wesolowski، A. استفاده از داده های تلفن همراه برای اطلاع از تجزیه و تحلیل اپیدمیولوژی همه گیر COVID-19. نات. اشتراک. 2020 ، 11 ، 1-8. [ Google Scholar ] [ CrossRef ]
  42. الیور، ن. الیور، ن. لپری، بی. لپری، بی. استرلی، اچ. لامبیوت، آر. Vinck, P. داده های تلفن همراه برای اطلاع رسانی اقدامات بهداشت عمومی در طول چرخه زندگی همه گیر COVID-19. علمی Adv. 2020 ، 6 ، eabc0764. [ Google Scholar ] [ CrossRef ]
  43. کارلیتز، RD; Makhura، MN زندگی در قرنطینه: نشان دادن مبادلات در واکنش آفریقای جنوبی به COVID-19. توسعه دهنده جهانی 2021 ، 137 ، 105168. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  44. ژو، ی. خو، آر. هو، دی. یو، ی. لی، کیو. Xia, J. اثرات محدودیت های حرکتی انسان بر گسترش COVID-19 در شنژن، چین: یک مطالعه مدل سازی با استفاده از داده های تلفن همراه. Lancet Digit. Health 2020 , 2 , e417–e424. [ Google Scholar ] [ CrossRef ]
  45. بره، MR; کاندولا، س. Shaman, J. مثبت بودن مورد متفاوت COVID-19 در محله های شهر نیویورک: عوامل اجتماعی و اقتصادی و تحرک. تنفس آنفلوانزا ویروس ها 2020 . [ Google Scholar ] [ CrossRef ]
  46. یابه، تی. سوبوچی، ک. فوجیوارا، ن. وادا، تی. سکیموتو، ی. اقدامات غیر اجباری Ukkusuri، SV به اندازه کافی تحرک انسان را در توکیو در طول اپیدمی COVID-19 کاهش داد. علمی Rep. 2020 , 10 , 18053. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  47. پپه، ای. باجردی، پ. گووین، ال. پریویترا، اف. دریاچه، بی. کاتتوتو، سی. Tizzoni، M. پاسخ به شیوع کووید-19، مجموعه داده ای برای ارزیابی تغییرات تحرک در ایتالیا پس از قرنطینه ملی. علمی داده 2020 ، 7 ، 1-7. [ Google Scholar ] [ CrossRef ]
  48. Järv، O. تنکانن، اچ. Toivonen, T. افزایش دقت فضایی داده های تلفن همراه با استفاده از درونیابی داسیمتری چند زمانی. بین المللی جی. جئوگر. Inf. علمی 2017 ، 31 ، 1630-1651. [ Google Scholar ] [ CrossRef ]
  49. پوم، ا. Järv، O. زوک، م. Toivonen، T. COVID-19 فضایی است: اطمینان از اینکه داده های بزرگ تلفن همراه برای منافع اجتماعی استفاده می شود. Big Data Soc. 2020 ، 7 ، 205395172095208. [ Google Scholar ] [ CrossRef ]
  50. Hägerstrand, T. درباره افراد در علم منطقه ای چطور؟ پاپ Reg. علمی دانشیار 1970 ، 24 ، 7-24. [ Google Scholar ] [ CrossRef ]
  51. Traficom. Matkaviestinverkon Liittymät. 2020. در دسترس آنلاین: https://www.traficom.fi/fi/tilastot/matkaviestinverkon-liittymat (در 11 نوامبر 2020 قابل دسترسی است).
  52. هوانگ، ایکس. لی، ز. جیانگ، ی. لی، ایکس. پورتر، دی. توییتر پویایی تحرک انسان را در طول همه گیری COVID-19 نشان می دهد. PLoS ONE 2020 , 15 , e0241957. [ Google Scholar ] [ CrossRef ]
  53. Yle. فروش کابین های تعطیلات به بالاترین سطح 30 ساله رسید. 2020. در دسترس آنلاین: https://yle.fi/uutiset/osasto/news/sales_of_holiday_cabins_hit_30-year_high/11648075 (در 25 نوامبر 2020 قابل دسترسی است).
  54. ترانمر، م. فولاد، DG استفاده از داده های سرشماری برای بررسی علل مغالطه زیست محیطی. محیط زیست طرح. A 1998 , 30 , 817-831. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Ijgi 10 00103 g001 550
شکل 1. تصویر یک مسیر فضا-زمان متشکل از مجموعه‌ای از عکس‌های فوری حضوری ( A ). عکس‌های فوری را می‌توان به روش‌های متعددی در مجموعه داده‌های تلفن همراه در سوابق سفر جمع‌آوری کرد، که می‌تواند منجر به تفاوت در جفت‌های مبدا-مقصد (OD) ( B ) شود.
Ijgi 10 00103 g002 550
شکل 2. حضور متفاوت مردم در سطح شهرداری در مقایسه با روزهای ابتدایی هفته (1-7 فوریه) در هلسینکی، منطقه شهری هلسینکی (چهار شهرداری)، Uusimaa (26 شهرداری)، و در فنلاند (311 شهرداری).
Ijgi 10 00103 g003 550
شکل 3. تغییر نسبی تعداد افرادی که در شهرداری در ( الف ) 18 و ( ب ) 28 مارس 2020 نسبت به هفته پایه سپری می‌کنند. نقاط سیاه بزرگ‌ترین شهرها را نشان می‌دهند در حالی که مربع‌های سفید نشان‌دهنده شهرداری‌های سرزمین اصلی با بیشترین سهم نسبی کلبه‌های تابستانی هستند.
Ijgi 10 00103 g004 550
شکل 4. همبستگی بین جریان رفت و آمد روزانه ورودی (به ازای هر 1000 مسافر، مقیاس گزارش) و تغییر در حضور روز کاری افراد از خط پایه در مورد 30 شهرداری بزرگ فنلاند.
Ijgi 10 00103 g005 550
شکل 5. همبستگی خطی بین افزایش افراد نسبت به روزهای کاری پایه و مقدار نسبی کلبه های تابستانی به ازای هر 1000 نفر در سطح شهرداری (75/0 = R). شهرداری‌های مجمع‌الجزایر آلند با نقاط آبی نشان داده شده‌اند.
Ijgi 10 00103 g006 550
شکل 6. توزیع فضایی مناطق کد پستی در ناحیه بیمارستانی هلسینکی و اووسیما (HUS) بر اساس نوع خوشه ( a ) بر اساس پویایی زمانی حضور افراد از خط پایه (6 ژانویه تا 14 مارس 2020) ( ب ). نمودارهای جعبه ای توزیع مناطق کد پستی را بر اساس نوع خوشه ای با توجه به نسبت محل کار به جمعیت ( c ) و نسبت خانه های دوم به ساختمان های مسکونی ( d ) نشان می دهد.
قیمت طراحی سایت آموزش gis آموزش مقاله نویسی آموزش کسب و کار

مقالات داخلی و بین المللی

استفاده از داده های تلفن و GIS همراه برای ردیابی کرونا (کووید 19)

مطالب مرتبط ...

7 نظرات

دیدگاهتان را بنویسید