大數據掌握人流 預測疫情重熱區

疫情爆發迄今，保持個人基礎衛生、社交與人流管制與接種疫苗，同爲重要防疫戰略。(中研院提供／李侑珊臺北傳真)

疫情爆發迄今，社交與人流管制與接種疫苗同爲重要防疫戰略，但保持社交距離如何防控疫情？三級警戒是否有效降低人潮？中央研究院人文社會科學研究中心研究員詹大千透過Google及電信數據分析人流慣性模式，觀察疫情變化，並提前預測重熱區，幫助地方政府即時擬定防疫政策。

詹大千首先利用Google數據檢視工作場所、交通樞紐及購物商場。由於臺灣未強制停班，工作場所人流僅減少2成，但在雙北實施三級警戒後的第一個上班日，即5月17日，公共運輸站人流驟減5成，5月底降幅更超過7成，車流也大幅減少5成，已趨近義大利的封城結果。購物商場與休閒設施也在三級警戒之下，減少5至6成的人潮。

詹大千也點出人流與疾病傳播的正相關性，並以電信數據作爲研究基礎，觀察人潮數據及移動路徑，判斷高風險傳播節點，預測可能的熱區，藉以規畫管制方式及強度。

詹大千指出，舉例來說，數據中發現，某些居住在萬華或在萬華工作的人，可能時常來往三峽，藉由電信數據人流分析，地方政府便可在疫情剛由萬華擴散時，至三峽地區進行重點快篩，迅速截斷可能的隱形傳播鏈。

掌握了人流，接下來的問題是社交管制該鬆還是該緊？詹大千提到，臺灣一開始僅採最低度的邊境管制，直到今年5月本土疫情爆發實施三級警戒，瞬間成爲全球管制政策嚴格程度前5分之1的國家。

即便如此，臺灣靠着民衆的防疫警覺，在未施行封城或大規模停班停課的狀態下，就成功降低人流及確診數。因此，詹大千認爲，面對來勢洶洶且不斷變種的病毒，除了廣泛施打疫苗，更提醒落實社交距離、做好個人防護等「非藥物介入措施」（英文簡稱NPI），始終是根本的防疫之道。