概要
• 地域メッシュごとの訪問者の特徴を移動データから分析
•地域メッシュ：200m メッシュ
•移動データ：何日の何時にどれくらい遠くから何人訪問したか？
•メッシュを取り出す地域：東京・大阪・名古屋の中心部半径5km内。
•手法：
•Step1: 平時(2020年２月)の移動データでメッシュ分類。
•テンソルの非負値要素分解により少数の移動パターンに分類。
•Step2: 通年(2020年１年分)の移動データで、時間方向の要素のみ調整。
•メッシュ分類成分（メッシュ軸成分×距離軸成分）はStep1のものを利用。
•Step3: 時間軸成分（時間変化パターン）と実効再生産数の変化の相関分析。
•曜日効果を軽減するため、７日間の移動平均でデータを平滑化後、分析。
•近隣県の実効再生産数とも相関分析。
•結果：
•いずれの都市も、観光・歓楽移動パターンと実効再生産数に強めの相関。
•ただし、東京は相関が弱め。他の要因も考慮する必要がある。
•近隣県では、強く相関するところとそうでないところがある。
本拠地までの距離・時間帯毎の各メッシュへの訪問者数
•各メッシュへの訪問者数を、本拠地からの距離・時間帯ごとに集計
•本拠地：その日の午前３時に居たメッシュ
•距離：100 * 2k 毎に離散化
•時間帯：6,9,12,15,18,21,24時
•除外データ
•１日中位置の変わらないデータ
•「変」なメッシュ（ありえない位置）を通るもの
•地域： 赤坂御所中心に 5km 圏内
•期間：2020年２月１日〜２９日
•「訪問メッシュ」×「距離」×「時間帯」のテンソル
•正規化により確率テンソルとする。
Map data ©2021 Google
Tensor
横軸：日付・時間帯（２９日×７時間帯)
縦軸：メッシュ番号
横軸：日付・時間帯（２９日×７時間帯)
縦軸：本拠地からの距離（対数)
•集計データ
•mesh × dist. × hour
テンソルの分解
•３次元テンソルを、各次元のベクトルの直積の混合として分解
•分解数： BIC 分析に基づき、決定（次ページ）
•６要素に分解
各factor と Rt の相関(200日目以降)
•注意
•200日目以降とした理由：
•200日目以降はRtの推定が安定していると見なせるため。
•Rt の推定では、陽性者数が少ないと大きな値となりがち。
•仮定している事前分布に起因
•感染初期は、対策法・行動様式の変化が大きく、分析対象として不安定
本拠地までの距離・時間帯毎の各メッシュへの訪問者数
本拠地までの距離・時間帯毎の各メッシュへの訪問者数
•各メッシュへの訪問者数を、本拠地までの距離・時間帯ごとに集計
•本拠地：その日の午前３時に居たメッシュ
•距離：100 * 2k 毎に離散化
•時間帯：6,9,12,15,18,21,24時
•除外データ
•１日中位置の変わらないデータ
•「変」なメッシュ（ありえない位置）を通るもの
•地域： 船場中心に 5km 圏内
•期間：2020年２月１日〜２９日
•「訪問メッシュ」×「距離」×「時間帯」のテンソル
•正規化により確率テンソルとする。
Map data ©2021 Google
Tensor
横軸：日付・時間帯（２９日×７時間帯)
縦軸：メッシュ番号
横軸：日付・時間帯（２９日×７時間帯)
縦軸：本拠地からの距離（対数)
•集計データ
•mesh × dist. × hour
テンソルの分解
•３次元テンソルを、各次元のベクトルの直積の混合として分解
•分解数： BIC 分析に基づき、決定（次ページ）
•６要素に分解
各factor と Rt の相関(200日目以降)
•注意
•200日目以降とした理由：
•200日目以降はRtの推定が安定していると見なせるため。
•Rt の推定では、陽性者数が少ないと大きな値となりがち。
•仮定している事前分布に起因
•感染初期は、対策法・行動様式の変化が大きく、分析対象として不安定
本拠地までの距離・時間帯毎の各メッシュへの訪問者数
•各メッシュへの訪問者数を、本拠地からの距離・時間帯ごとに集計
•本拠地：その日の午前３時に居たメッシュ
•距離：100 * 2k 毎に離散化
•時間帯：6,9,12,15,18,21,24時
•除外データ
•１日中位置の変わらないデータ
•「変」なメッシュ（ありえない位置）を通るもの
•地域： 赤坂御所中心に 5km 圏内
•期間：2020年２月１日〜２９日
•「訪問メッシュ」×「距離」×「時間帯」のテンソル
•正規化により確率テンソルとする。
Map data ©2021 Google
Tensor
横軸：日付・時間帯（２９日×７時間帯)
縦軸：メッシュ番号
横軸：日付・時間帯（２９日×７時間帯)
縦軸：本拠地からの距離（対数)
•集計データ
•mesh × dist. × hour
テンソルの分解
•３次元テンソルを、各次元のベクトルの直積の混合として分解
•分解数： BIC 分析に基づき、決定（次ページ）
•６要素に分解
各factor と Rt の相関(200日目以降)
•注意
•200日目以降とした理由：
•200日目以降はRtの推定が安定していると見なせるため。
•Rt の推定では、陽性者数が少ないと大きな値となりがち。
•仮定している事前分布に起因
•感染初期は、対策法・行動様式の変化が大きく、分析対象として不安定
