近日，浙江大学陈积明课题组的论文"Policy and Newly Confirmed Cases Universally Shape the Human Mobility during COVID-19"（疫情期间城市人口流动分析：从防控政策与确诊人数的视角）发表于《国家科学进展》（National Science Open）创刊号。每日互动创始人、CEO方毅及每日互动团队在陈积明教授指导下深度参与本次课题研究。

文章针对COVID-19爆发期间城市受疫情影响，难以进行精准的人口流动预测与政策效果评估的问题，提出一种通用的条件生成对抗网络框架用于估计城市人口流动水平。基于不同城市多波疫情期间的人口流动数据，分析了人群流动性、政策和疫情相关统计三元素之间的紧密耦合关系及其演化规律，准确建模了COVID-19期间疫情统计数据和相关政策对城市人口流动的影响，为防疫政策的制定提供了有力的决策基础。

2022年9月，方毅重返浙江大学攻读电子信息专业工程博士学位。该课题为方毅读博期间深度参与的首个课题研究。《国家科学进展》由中国科学院主管、科学出版社主办，致力于全面、快速地报道自然科学和工程学领域的重要研究进展，传播对推进人类知识产生深远影响的研究，推动学术创新，特别是交叉领域的学科发展。

疫情期间人口流动变化实例

总体来看，城市内更靠近市中心和商圈的区域人群移动水平更高（如图1）。考虑到具体抗疫策略，每一波疫情期间人群的流动性可能存在着相似的模式。图1数据反映了每一波疫情期间人群的流动性都经历了从衰退到复苏的过程，因此可以利用统一模型去刻画不同城市、不同波次的疫情期间人群流动性规律。该文首次整合了疫情期间国内多个城市较长时间尺度下的细粒度人群移动数据，对于理解相关政策如何影响人群移动、控制疫情的传播非常有价值。

图1  问题概述-封城前中后期北京市人口移动热力图的变化

疫情期间驱动人口流动变化的机理分析

图2中的结构描述了驱动人群流动性变化的基本逻辑，其中人群流动性、政策和疫情相关的统计数据这三个元素之间存在紧密的耦合关系。图3给出了人群流动性以及三种主要统计数据（新增确诊、治愈和死亡人数）的变化趋势。注意到，在新冠疫情期间，人群的流动性与新增确诊病例的数量以及出行政策高度相关，而死亡和治愈患者的曲线对人群流动性的影响较小。确诊病例的激增通常预示着相关部门将会制定严格的出行政策，从而导致人群流动水平迅速下降。此外，如果一个区域连续数周没有新增确诊病例，则地区风险等级会降低，人们的出行意愿增强，人群的流动性将逐渐恢复。

图2 疫情期间政策、每日新增人数以及人群出行规律之间的关系

北京

大连

石家庄

图3 不同城市确诊人数和人群移动水平之间的关系

深度生成网络刻画真实世界不确定性

生成式模型能够学习数据的分布并模拟不同政策下的多种潜在的人群流动规律。因此，可以基于疫情期间的人群移动模拟结果，制定分阶段的重新开放计划。该文提出了一个条件生成对抗网络Policy-Human Mobility Interplay Network（PHMIN），用于新增确诊病例、政策和人群流动之间的复杂动态建模。不同于传统模型对长期的时序依赖关系进行建模，该模型侧重于建模疫情相关统计数据、政策对人群流动性最新动态的影响，进而预测相邻时间段之间的人群流动性变化程度，并准确扩展到跨城市的多波疫情预测，其预测结果如图4所示。

图4 不同城市人口移动水平单步与多步预测结果

结论

人口时空流动模式已成为控制疫情的关键因素。该文提出的模型在预测疫情期间同城市和跨城市场景下的人口流动模式都表现出了出色的泛化能力。此外，所提模型还可以迭代生成人口流动的多步估计，协助相关部门在疫情期间制定和优化人口流动政策。

（本文部分转自公众号：中国科学杂志社）