撰稿 / 陳睿純 (科學推展中心特約編輯)
圖1. 台北市南端地區工作日和周末的人口流量。
人口的流動是評估流行病控制、城市規劃、交通管理，以及防災和災後救援與恢復工作的重要資訊。例如Covid-19疫情爆發初期，人口的流動資訊便使公共衛生學家得以預測疫情最初的傳播模型，以利政府頒布進一步的管制政策來控制疫情的發展。傳統上，長期人口流動調查是藉由人口普查來進行的，需要耗費大量的人力物力；而短期人口流動的調查則仰賴人口普查數據的抽樣，這種方法所得出的結果往往是靜態的，不能及時反映當前社會的人口流動情況。隨著定位技術的發展和手機的廣泛使用，科學家們想到了利用手機定位數據，通過記錄人口軌跡來繪製即時人口流動圖。與傳統的調查數據相比，電信數據為我們提供了人類動態更高解析度的時空資訊。
您或許會懷疑，這樣不就暴露我們每天的行蹤了嗎？因此出於個人隱私保護的考慮，手機的數據在用於研究分析之前都會先進行去識別化處理，以確保所有的數據都不涉及個別用戶的個人資訊。 在這項研究中，手機數據被以網格資料的方式記錄為時空集合數據，空間解析度可以達到250米。手機用戶在網格中停留超過 10 分鐘時便會被計數到同一個時空集合裡面。在考量每個時空單元的數據集合下，時空立方體模型可以將人口中個體位置隨時間的變化視覺化，其中每個數據立方體都在 3D 空間中可視化，並可以藉用相鄰網格的梯度訊息來觀察該地區的人流。如此一來，除了可以達到去識別化的效果，也能降低數據失真程度。
中研院人文社會科學研究中心地理資訊科學研究專題中心詹大千研究員和臺北大學林柏丞助理教授研究團隊與電信公司合作，根據年齡和性別彙整去識別化數據。透過數據分析，我們除了可以了解短期的人口流動之外，也能更清晰地了解不同年齡段和性別的移動模式差異。圖1. 位置是台北市最南端的地區， 黃色方框區域是週末人流最受歡迎的目的地─台北市立動物園。 在圖中，藍色和橙色向量分別代表工作日和周末的流量。我們可以發現，平日人口流動均進入市區工作。而在週末上午9點至11點之間，人們開始向郊區或其他縣市轉移，說明大多數人在這段期間開始外出進行休閒活動。
圖2. 則描繪了星期二（2017 年 1 月 10 日）上午 8 點到 9 點之間兩個不同年齡層（30 多歲的民眾和老年人，即 65-84 歲）的人口流動特徵。在圖中，藍色和橙色向量分別代表 30 多歲和老年人。我們可以看到，30 多歲人群與老年組的人口的流動方向完全不同，方向竟相差了約 180°，分別在城市東北部的市中心和南部的郊區。
圖2. 平日（2017年1月10日星期二）上午8點到9點之間兩個不同年齡層（30多歲民眾和65-84歲老年人）的人口流動特徵。
不同性別的人口流動也有不同的特徵，圖3. 顯示了晚上七點到九點，25 至 29 歲人群的流量特徵，其中藍色和橙色向量分別表示男性和女性的流量特徵。我們可以看出，這一時期男性和女性的運動方向在東部和西北部明顯不同，且流量比其他地區大，因此可以推論，下班後男女人口流動的空間分佈有著明顯的差異。
圖3. 不同性別人口流動的不同特徵。
由此研究結果可知，人口流動模式在時空維度上具有高度規律性。而這種規律性不僅反映了城市的功能結構以及土地的利用類型，也是城市在發展的基礎建設，公共衛生和交通運輸的重要參考依據。未來可望藉由此研究方法，可以在兼顧個人隱私的前提下，幫助政府與研究人員更精確的掌握人口流動模式，以利在地交通建設及都市規劃發展。
