分析概要
•平時(2020年2月)のデータで行動パターン分類
•手順
•データ:Blog Watcher 社提供。
•200mメッシュごとに、時間帯・家からの距離別に訪問者数カウント。
•テンソルの非負値要素分解でパターンに分類。
•パターンごとに、メッシュベクトル・遠近ベクトル・時間変化ベクトルを抽出。
•各行動パターンは、行動目的を意味的に解釈しやすい。
•通年データで、時間変化分のみ再調整。
•観光・歓楽・通勤・買い物などの出歩き度合いの時間変化を定量化。
•実効再生産数
•エピカーブデータを基に、各日の数値を県ごとに推定。
•相関分析
•行動パターンの時間変化と実効再生産数を、ともに7日間の移動平均で平滑化。
•両時系列データを遅延込みで相関分析。
•行動した日の d 日後の実効再生産数の相関。 d = 0..14。
•実施地域
•東京・大阪・愛知・北海道・神奈川・京都
考察
•観光・歓楽の影響
•即時型:大阪・名古屋・札幌
•地元の人が集まって、その場で広げている?
•遅延型:横浜・京都 (12-13日遅れ)
•周りから持ち込まれて、それが徐々に広がっている?
•だらだら:東京
•上の2つの混合?
•観光・歓楽以外
•買い物系:
•東京(13日後)、大阪(即時+10日後)、名古屋(8日後)、札幌(12日後)
•京都の自宅が遅延関係なく影響
•自宅付近で飲んでいる?
•ただし、大阪・兵庫に比べ陽性者少なめ ⇒ 実効再生産数は大きめに算出しがち。