Understanding Travel Behavior Change during COVID-19 Using Spatio-temporal Cluster Analysis

Choi, Moongi; Hwang, Chul Sue

doi:10.7848/ksgpc.2023.41.1.1

Understanding Travel Behavior Change during COVID-19 Using Spatio-temporal Cluster Analysis

Recommendations

Search

Questions

Type: Academic journal

Author: Choi, Moongi (University of Utah) Hwang, Chul Sue (Kyung Hee University)

Journal: Korea Society of Surveying, Geodesy, Photogrammetry, and Cartography Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography Vol.41 No.1 KCI Accredited Journals SCOPUS

Published: 2023.2

Pages: 1 - 12 (12page)

DOI: 10.7848/ksgpc.2023.41.1.1

Usage

📌

Topic: COVID-19 동안 여행 행동 변화를 이해하기 위해 시공간 클러스터 분석을 이용한 연구.

📖

Background: COVID-19의 확산 모니터링과 예측에 대한 연구는 있었으나, 전염병 동안 변화하는 여행 행동 패턴을 포함한 예측 모델에 대한 연구는 부족하였다.

🔬

Method: K-means++ 및 Gaussian 혼합 모델(GMM), 회고적 SatScan을 사용하여 COVID-19 팬데믹 동안 CBG(인구 조사 블록 그룹) 규모에서 시공간 여행 패턴 및 행동 변화를 식별하였다.

🏆

Result: 연구 결과 K-means++이 여행 행동의 일일 변화에 잘 부합하며, 회고적 SatScan은 넓은 공간에서 여행 행동 변화를 감지하는 장점이 있음을 보였다.

Understanding Travel Behavior Change during COVID-19 Using Spatio-temporal Cluster Analysis

Abstract· Keywords

Report Errors

As COVID-19 has been prevalent around the world in recent years, many studies about monitoring and predicting the spread of disease have been conducted in various fields including geography. However, little research has been devoted to infectious disease prediction modeling that adopts constantly changing travel behavior patterns during epidemics. This is due to the limited methodologies to investigate spatio-temporal change in travel behaviors at large-scale and the difficulty in interpreting massive and diverse travel patterns. This study suggests an effective disease surveillance method based on cluster analysis to identify change in travel behaviors during the pandemic by implementing space-time cluster analysis. The results show that K-means++ well represent dynamic changes in travel behaviors at daily scale, whereas retrospective space-time scan statistics have the advantage of detecting travel behavior changes in each period at large spatial scale. Those results could inform decision makers to establish guidelines on travel behavior to curb individual contacts under potential future pandemic.

#COVID-19 #Pandemic #Disease Surveillance #K-means++ #SatScan #Space-time Clusters

AI Summary

Topic

COVID-19 동안 여행 행동 변화를 이해하기 위해 시공간 클러스터 분석을 이용한 연구.

Background

COVID-19의 확산 모니터링과 예측에 대한 연구는 있었으나, 전염병 동안 변화하는 여행 행동 패턴을 포함한 예측 모델에 대한 연구는 부족하였다.

Method

K-means++ 및 Gaussian 혼합 모델(GMM), 회고적 SatScan을 사용하여 COVID-19 팬데믹 동안 CBG(인구 조사 블록 그룹) 규모에서 시공간 여행 패턴 및 행동 변화를 식별하였다.

Result

연구 결과 K-means++이 여행 행동의 일일 변화에 잘 부합하며, 회고적 SatScan은 넓은 공간에서 여행 행동 변화를 감지하는 장점이 있음을 보였다.

주요내용

Abstract
1. Introduction
2. Methodology
3. Cluster analysis
4. Discussion and Conclusion
References

References (58)

Add References

Ahn, J., Choi, J., Lee, S., and Ham, J.S. (2020), A study on the space-time path analysis of COVID-19 patients through geovisualization of spatiotemporal data. Journal of the Korean Cartographic Association, Vol. 20, No. 3, pp. 13-22.http://dx.doi.org/10.

Androniceanu, A., Kinnunen, J., and Georgescu, I. (2020), E-Government clusters in the EU based on the Gaussian mixture models. Administratie si Management Public, 35, pp. 6-20.

Badr, H. S., Du, H., Marshall, M., Dong, E., Squire, M. M., and Gardner, L. M. (2020), Association between mobility patterns and COVID-19 transmission in the USA: a mathematical modelling study. The Lancet Infectious Diseases, Vol. 20, No. 11, pp. 1247-12

Bahmani, B., Moseley, B., Vattani, A., Kumar, R., and Vassilvitskii, S. (2012), Scalable K-means++. arXiv preprint arXiv:1203.6402.

Ballesteros, P., Salazar, E., Sánchez, D., and Bolaños, C. (2021), Spatial and spatiotemporal clustering of the COVID-19pandemic in Ecuador. Revista de la Facultad de Medicina, Vol. 69, No. 1.https://doi.org/10.15446/revfacmed.v69n1.86476

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Related Authors

Choi, Moongi

Affiliation University of Utah

Fields Engineering > Architectural Engineering > Civil Engineering

Articles 1 Usage 40

황철수

Affiliation 경희대학교

Fields Social Science > Geography > General Geography TOP 0.5% Social Science > Geography > International/Regional Development

Articles 104 Usage 9,500

Comments(0)

Write first comments.

UCI(KEPA) : I410-ECN-0101-2023-533-000425565

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보