智治雾霾︱使用手机数据动态评估空气污染暴露度

2017新年快乐

HAPPY NEW YEAR

 摘 要 

大量的证据证实暴露在受空气污染的环境中，会对人体健康造成各种急性和慢性的影响，例如呼吸系统与心血管疾病【1,2,3,4,5,6,7,8,9】。全球范围内每年大约有200万人因空气污染致死【10】。黑碳（BC），颗粒物（PM）、二氧化氮（NO2）被证实是对健康状况造成负面影响的主要罪魁祸首。

当前的健康影响评估和流行病学研究检验空气污染的暴露度通常只将空气污染浓度考虑在内【11,12,13,14,15,16,17】。这种静态的方法并没有结合个人的出行方式，可能会对暴露度和健康评估造成偏差【18,19,20,21,22,23】。

因此需要有关出行方式方面的详细信息，从而更好地对空气污染暴露度进行动态评估。先前的研究显示，结合个人出行方式后，空气污染暴露度增加【24】，而不是仅依靠本地的空气污染浓度【25】。为了评定个人出行方式，通常采用居民出行调查的方法【26】。这一种方法的主要缺点就是调查的无效性较高【27】，样本不太具代表性【28】以及成本高【26】。除此之外，可使用与出行方式有关的数学模型【18,24,29】。这种方法可以从一个较大的人口规模中得出较多定量的结论，但是结果只在与预估初始参数相似的情况下才有效。最近，GPS数据【25,30】和手机数据【31,32】提供的更详实的信息，被用于确定居民的出行方式。但是，用GPS和智能手机采集的数据对于研究人员和参与者来说都需要大量设备，昂贵并且可供追踪的数量有限。

为了克服出行调查的局限性，利用交通模型和GPS/智能手机数据，手机信令数据来获得有关个人出行方式的信息。目前，这种数据由主要由管理移动网络的电信运营商负责采集和存储。但它是研究人群流动性的主要信息来源。这些数据被不断使用，不需要在采集方面产生额外的成本，有数百万的用户数据可供使用。全球有超过60亿的移动用户，电信运营商开始意识到这一潜在的现象，这种数据资源提供了进行广泛应用和研究的可能性【33】。但用这一类数据发表的研究较少，因为其涉及在分析过程中存在的隐私问题【34】。先前使用这些数据大多用于研究人口密度【35,36,37】，旅游【38,39】和流动性【33,34,35,40,41,42,43,44】。就我们所掌握的信息来看，还没有相关研究去通过使用手机数据来动态评估空气污染暴露度。

这项研究将对比利时500多万人的手机数据进行分析，来计算空气污染暴露度，从而扩大现有文献对相关研究的覆盖面。我们的主要目的是如何在数据使用上进行创新，理解数据资源可以对空气污染暴露度进行更多的动态评估。更进一步地，我们探索如何使用小时平均和日均空气污染浓度来影响最后结果。

手机数据

手机数据（或被动式移动定位数据）是基于移动设备和移动网络间所交换的信令信息而产生的数据。当使用移动网络时，在设备和移动网络之间会产生信令的信息流。设备天线会选择信号覆盖最强的一个，通常即最近的一个。信令信息包天线信号所暗含的信息。

本次研究所使用的数据来源于安装在Proximus网络中用于捕获信息的网络探针。我们使用的数据来源于4000多个天线位置。每一个基站的位置通常有3到4根天线，对多个不同方向进行网络覆盖。每个站点覆盖2G，3G，4G的不同频段。我们将不同通信技术进行抽象，对同一天线位置附近的蜂窝网格进行分组，覆盖同一类型，大大降低了复杂程度。在比利时整个国家内，我们构建了超过10000个蜂窝网格。每个网格都有它独有的地理覆盖范围和编号，因此手机的位置就由这些蜂窝网格的位置决定。图1是Ghent地区覆盖在路网上的蜂窝网格。因为承载力需求不同，网格在城市地区会小一点，乡村地区会大一点。图2是蜂窝网格的柱状图。一些网格大于10km（最大的49公里），但也有50%小于2公里。

图一、 Ghent地区覆盖在路网上的蜂窝网格

图二 、蜂窝网格面积大小的频数柱状图

数据来源于Proximus 网络中的500多万用户，是比利时人口的代表【45】。在比利时，Proximus 网络拥有41%的市场占有率，比其他的电信运营商都高：Mobistar (27 %), Telenet (14 %), Base (11 %), 其他 (7 %)【46】。

网络探针系统采集所有的活跃用户。每一个数据点都包含着一个匿名的使用者ID，信息交互的日期，时间，地点以及类型。下面是可能发生的交互类型：(a)打开和关闭手机(b)设置维护和终止呼叫。(c)收发文本信息(d)设置维护和终止数据传输(e)位置更新(f)周期性的位置更新（当没有发生活动时，每3小时自动更新一次）。在这份研究中，我们使用了一个工作日和一个非工作日的手机数据：2015.10.8（星期四）和2015.10.11（星期六）。出于监管条例，我们获取的数据有限，但考虑到一年中的天气状况和出行行为，我们所选用的这两天数据尽可能地具有代表性（节假日除外）。出于隐私，没有任何有关家庭位置的信息。因此，我们将凌晨4点的用户位置作为其家庭所在地（以下称为参考地址），假定那时候大多数的人都在家。

对于手机拥有者，电信运营商，研究人员和公众来说，隐私问题是使用手机信令数据时的主要问题。因此，手机数据没有涉及任何个人信息，通过ID可以找到对应个体的部分也已去除。个体位置被汇总成邮政编码用于地图绘制的目的。

空气污染数据

我们关注二氧化氮，一种被广泛研究的污染物，它能引起肺部并发症，阻塞性肺疾病恶化，更易造成呼吸道感染【9,47,48】。比利时每小时的二氧化氮浓度（以μg/m计）由RIO耦合模型【49】，道路排放模型MIMOSA4和Gaussian plume模型IFDM提供。后者通常结合接近主要空气污染源的高浓度变化情况，例如道路和某点的资源。这个模型已经在广泛的讨论中得到了验证【49,50】。每小时的空气质量评价机制主要由比利时区域环保局（IRCEL – CELINE）提供【51】。

与手机数据一致，比利时的二氧化氮浓度数据也是对两天内的进行建模。二氧化氮浓度水平在工作日（2015.10.8，周四）范围从3μg/m到63μg/m，在非工作日（2015.10.11，周六）则是从5μg/m到54μg/m。图3是比利时整个国家的平均浓度，包含2015.10.8和2015.10.11两天。

图三、比利时整个国家的平均浓度，包含2015.10.8和2015.10.11两天

手机数据由电信运营商负责采集和存储，主要是移动网络的管理方和技术运营方。由于移动网络中的每个使用者都有不同的移动活动，要进行区分。每个使用者上一次的已知位置（单元）15分钟反馈一次。我们假定，如果这个点15分钟内没有新数据产生，这个用户就仍在原地。作为案例，图4是2015.10.8周四当天的用户密度。

图四、2015.10.8周四当天每个网格内的用户密度

Proximus拥有5574000名活跃用户【52】。活跃用户是指最近三个月内拨打或接听过电话，或是收发过一次短消息，或是在上个月进行过数据连接。在初始数据集中，如果有以下情况忽略不计：

数据集结果包含工作日的3,465,917位用户，非工作日的3,495,453位用户。

二氧化氮浓度的点数据集被划分成50 × 50 m的网格，使用的是QGIS中的自动地理分析系统‘gridding triangulation’工具 ，我们在QGIS中使用‘grid statistics for polygons’工具计算每个区域内的二氧化氮平均浓度，并将其和位置数据结合起来。每个区域的二氧化氮平均浓度是29.36 μg/m3（工作日）和27.32 μg/m3（非工作日），每个区域的平均标准偏差是3.62 μg/m3和2.73 μg/ m3。

用户的位置和空气污染浓度一起用来计算空气污染的暴露度。空气污染数据使用的是世界标准时，而手机数据是用的当地时间（东一区）。因此，我们每天有23小时（92个刻钟）的交叉，因此需要合并0点到23点的数据。二氧化氮的暴露度使用静态或动态的数据进行计算。对于静态的方法，我们使用用户在凌晨4点（UTC）的网格作为参考位置。对于动态的方法，我们使用用户所在的具体位置，15分钟辨识一次。另外，我们每个网格内的二氧化氮浓度都有两种用途，每个网格内小时平均或是日均浓度。这样每个用户就会每天产生4种可能的空气污染平均值。

首先，拿到这两天的四种平均空气污染暴露度的值，我们将日均空气污染浓度和小时空气污染浓度进行比对，检验是什么影响了空气污染暴露度。其次，我们将用户的参考位置（静态）和实时用户位置（动态）进行比对，来计算空气污染暴露度。最后，将比对结果进行地理分析。

使用R 3.2.2™对这些数据进行统计分析。检验了不同方法的显著差异，进行了成对样本的t检验（小时空气污染浓度vs日均空气污染浓度，静态方法vs动态方法，工作日vs非工作日）。数据并没有对正态进行检验，因为样本规模很大【53】。统计显著性检验p<0.05。使用QGIS2.12进行地理分析，计算了每个市的个体平均暴露值，并用choropleth（分级统计图）进行可视化。

为了更深层次地审视这四项用户平均数据，在图5中展示了用动态和静态方法得到的随机用户在工作日的每小时以及每日二氧化氮暴露度的变化情况。从图可以看出，以小时二氧化氮浓度为指标更能表现空气污染暴露度的细节。但由于我们使用日均空气污染暴露数据，该指标也有一定的局限性。同时，图5也说明了考虑不同的出行（除了设定的用户参考地址）会对空气污染暴露度产生影响。在该条件下，人们会停留在那些相较于参考地址具有更高二氧化氮浓度的区域内。

图五、四种测算方法下的随机用户工作日二氧化氮暴露度变化情况（静态每小时、动态每小时、静态每日、动态每日）

通过工作日以及周末的每小时二氧化氮浓度值，可以静态和动态地计算出每人二氧化氮暴露度，结果如表1所示。通过多重样本对照t检验（每日均vs每小时均，静态vs动态，工作日vs周末），对结果进行差异显著性检验。

表一、人均二氧化氮暴露度表

1

用每小时和每日的平均空气污染物浓度指标进行的对比分析

从表1可知，利用静态测算方法，每小时以及每日的二氧化氮平均浓度指标可以实际上得到相同的平均二氧化氮暴露度结果。这似乎在情理之中。而对于动态的测算方法，我们仅在工作日条件下观察到了弱显著性的差异（(p < 0.001），即用每小时条件的指标得到二氧化氮排放量计算值比用每日条件的指标得到的计算值高0.13 μg/m3 (0.4 %)。

2

静态算法与动态算法对于计算工作日和周末的空气污染物排放情况的对比分析

由于每小时二氧化氮平均浓度是可获取的粒度最细的数据，因此在对比静态与动态测算方法差异时，我们只考虑在每小时二氧化氮平均浓度条件下计算的结果。

表1数据显示了通过将各个体出行纳入测算模型（动态算法）而得到的工作日二氧化氮平均暴露度比假设用户在参考地址（静态算法）增加了1.27 μg/m3 (4.3 %)，同时周末也增加了0.12 μg/m3 (0.4 %)。所得到的计算结果均相互具有显著差异(p < 0.001)。图6为应用静态与动态算法的两天时段计算结果直方图。该图表明了应用动态算法，在工作日二氧化氮暴露度同比增加的用户数目增加。而对于周末，计算结果分布更加集中，同时二氧化氮暴露同比增加的情况没有那么明显。具体而言，在工作日，12.4%的用户暴露情况不变，54.4%增加，33.1%减少。在周末，20.1%的用户没有改变，43.3%增加，而36.6%的用户暴露度减少了。

图六、通过静态和动态两种算法的到的工作日与非工作日的用户平均二氧化氮暴露度直方图。

图7为通过静态与动态两种方法得到的二氧化氮暴露度散点图。对于工作日，那些通过静态方式计算得到的二氧化氮暴露度数值较低用户（用户参考地址具有较低的二氧化氮浓度）的暴露度在动态计算条件下会显著增长（表现为蓝色）。对于周末而言，变化则并不明显。另外一方面，当其出行被纳入考虑时，以高二氧化氮浓度区域作为常住区域的用户的排放数值将会有所下降（表现为绿色），并且在周末时段，同样可以观测到这种现象。

图七、通过静态与动态算法得到的用户工作日与非工作日二氧化氮暴露度散点图

3

静态与动态空气污染物排放测算方法的空间地理对比分析

进一步，我们利用空间地理分析的手段对静态与动态二氧化氮暴露度测算方法进行对比。同理之前部分，分析采用每小时二氧化氮平均浓度为指标。

图8展示了通过静态和动态测算方式得到的工作日与非工作日各行政区的二氧化氮暴露度情况。图9表现了以每小时二氧化氮浓度为指标，各城市通过静态与动态方式得到的工作日与非工作日平均二氧化氮暴露度的差值（动态方式减静态方式）。对于工作日时段，大城市外围的二氧化氮暴露度都有较大增长，而内部有所减少。对于周末时段，我们同样观察到了与工作日时段相同的变化情况，但是动态与静态计算结果差异为增长部分的幅度变小，减少部分的幅度增大。

图八、比利时地图（通过静态与动态测算方法得到的各地工作日与非工作日二氧化氮暴露度情况）

图九、比利时地图（通过动态与静态测算方法得到各地工作日与非工作日的二氧化氮暴露度差异）

首先，该研究表明在动态测算方法的条件下，使用日平均二氧化氮浓度数据替代每小时粒度的数据只会造成结果缩小0.4%。如果每小时粒度的数据可以获取，那么应当优先使用该数据【18,31】。但如果难以获取，使用每日平均二氧化氮浓度数据对结果影响并不巨大。

其次，最近提出将个人出行方式整合入空气污染排放估计计算是很重要的，我们的研究结果将为其提供支持【18,20,21,22,23,25】，这一点在以往的研究中往往被忽略【11】。手机数据使测算各种不同的个人出行方式成为可能，将可能应用到健康影响评估和流行病学的研究中。我们观测到当把出行作为因素纳入考虑时，工作日时段二氧化氮暴露度的平均值提高了4.3%，周末时段提高了0.4%，这也就意味着现有的健康影响评估低估了二氧化氮暴露度，也就低估了其对健康状况急性或慢性的影响。

以往研究中曾经提出过类似的结论，考虑了时间活动的信息后，相比假设人只位于其常住区域内，空气污染物暴露度增加了1.2%【24】。由于其出行的不同，我们观测到在工作日时段，对于二氧化氮暴露度，增加和减少的用户分别为54.5%和33.1%，周末时段增长和减少的分别为43.3%和36.6%。因此，人们倾向于更多向较自己居住区域污染程度低的区域出行，而这一现象在周末时段更加明显。在工作日时段，住在那些低二氧化氮浓度的人将承受二氧化氮浓度的增加（因为他们可能将有到工作区域的出行，而这些区域二氧化氮浓度相比较高），而那些居住在二氧化氮浓度高的区域的人则会经历二氧化氮浓度降低。这与之前的研究结果相吻合【25】。

其次，利用空间地理分析的手段，该研究表明了居住在布鲁塞尔周边的人群，不论工作日和非工作日，二氧化氮暴露度均最多，这是因为该区域拥有最高密度的空气污染源（工业以及道路），同时布鲁塞尔也是欧洲交通最为拥堵的城市之一【54,55】。而居住在比利时南方的居民二氧化氮暴露度最低。总体上，由于考虑出行的影响，在工作日时段（人们将进入城市区域工作），居住在大城市周边地区的居民将承受二氧化氮暴露度的增加。而城市内部居民对于二氧化氮排放的感受是减弱的，因为若该地区内部居民就在本地区工作，二氧化氮排放情况不改变，而对于在城市外部工作的居民则会感受二氧化氮浓度的降低。在非工作日时段，我们观测到了部分区域有小幅度的增加，还有部分区域暴露度大幅度的减少。其原因是居民倾向于在周末去二氧化氮浓度较低的区域，而不是停留在自己的常住地。在城市化水平较低的地区（如比利时南部），周末时段，二氧化氮暴露度有所增加。这部分增加是由那些居住在较高二氧化氮浓度区域的居民周末出行到该区域造成的。

该研究着重于与相关研究的对比分析。

首先，从我们掌握的信息看，该研究首次将手机数据与空气污染物浓度数据整合，并动态评估污染物的排放情况。利用手机数据具有的一些明显优势，比如可以使用GPS数据，成本更低，效率更高的问卷调查，更大规模的跟踪样本量（手机普及率非常之高），被动式的数据收集方式可以让人们不受打扰，同时也对用户手机设备本身不造成负担，手机用户也不会因为知道自己被追踪而改变平常行为模式。众多的以最新方法搭建而来的实践可以应用于个体分析，也可以应用于群体层面的分析。政策制定者可能会感兴趣于后续研究如平均空气污染排放指标或进行政策对于排放影响的评估等。然而，获取手机数据并不是轻而易举的。考虑到隐私保护，需要与电信运营商签订完备的协议，例如明确数据用途【33,38】。

第二，研究还应用了不同类型的位置数据。以往的研究中，使用手机数据一般只采集用户打电话或发信息时的位置信息。在我们的研究中，我们将用户关机或开机时、在数据工作期时、改变位置区域时或周期性自动更新定位区域时的位置信息进行采集。该方法显著的提高了各类型用户位置定位的准确度，也将那些不经常用手机通话人群的信息纳入考虑范围。

第三，研究利用标准化的空气污染物浓度数据代替了个人测量数据，实现了在更细空间粒度下的全国规模的数据整合【18,24】。相比采用个人测量数据，利用标准化数据更为容易【19】。

第四，与我们以往研究【25】不同的是，本研究同时采用了每小时与每日的平均二氧化氮浓度数据，为进行对比分析提供基础。与采用每日二氧化氮浓度数据相比，使用每小时平均二氧化氮排放数据并未对结果产生显著影响。但在每小时粒度数据可以获取的情况下，采用每小时数据可以获得更为精确的数据。

同样，本研究扔存在一些局限之处，这将成为未来工作的重点。第一，我们仅采用了两天的空气污染物与个体出行数据。尽管我们尽可能地选择具有代表性的样本数据，但采用更多的数据可能会得到更好的结果。例如整周、整月甚至整年。同时，为了实现评估相关的健康影响，就需要更多的相关数据。第二，根据手机数据的隐私保护条款要求，将手机数据与个人的社会经济信息以及其他的目的性信息（例如出行目的或出行方式）结合将非常困难，这也限制了研究延伸发展的潜力。未来的研究应尽可能尝试从居住区域（用长时间数据进行推断）的社会及经济属性来推断某一个体的社会及经济特征。同时隐私保护要求也可能通过应用更高级的隐私保护技术来解决【56】。一种解决办法是对用户的位置数据进行一定的模糊化处理，但保留有足够的信息以满足数据分析的要求【57】。另一种可能的解决办法是电信运营商能够提供一种选择性加入的选项给用户，使用户知道自己的位置信息被用于科学研究，建立一种相互信任的关系，并为选择共享位置信息的用户提供一下可以获益的服务。第三，由于我们并没有用户家庭住址信息，故而采用了凌晨四点用户所在的位置，并假定其为用户家庭住址（或称为常住区域）。相比而言，使用长时间段的手机数据来确定家庭住址，可更为精确地估计用户家庭住址。第四，手机数据的空间粒度受限于其采用的蜂窝网格，这相比GPS数据的精度要低。由于手机数据的低空间粒度，一些较细微的空气污染变化无法被刻画出来（比如靠近道路的区域与远离道路的区域差异），又因人们花费大量时间在交通上，路侧区域的空气污染物排放量很大可能比其他区域高【21】。另一方面，虽然乡村地区的蜂窝网格更大，但乡村地区的污染物浓度渐变情况实际上也非常细微。可以说，如果可行的话，应用更小的乡村蜂窝网格也不会增加结果的准确性。数据的空间粒度可以通过应用三角定位法提高【36,40】。

在将个体出行情况纳入考虑范畴的空气污染物测算方法中，小时空气污染物浓度相比日均空气污染物浓度数据更能够细化表现空气污染物浓度的变化情况。研究也表明，对于流行病学研究以及污染评价中，应当将个体出行情况纳入考虑范畴从而估计空气污染物排放。空气污染物暴露度变化来自于在用户常住区域或用户个体出行条件下空气污染物浓度数据，但平均看，二种方法之间仅有工作日时段增加4.3%以及周末时段增加0.4%的差别。居住在大城市边缘的居民是二氧化氮暴露度最高的人群，而如果将个体出行情况纳入考虑后，居住在其他区域的居民也将承受更高的程度的二氧化氮污染（当其路过更高浓度的区域）。总体上，居住在大型城市边缘的居民二氧化氮暴露度更大，因为他们需要出行至城市内部工作。若搁置隐私保护问题，我们强烈相信使用手机数据相比其他调查数据如出行调查、GPS等，会有明显的优势（低成本、大样本、后台数据收集）。特别是针对空气污染方面的研究，海量的手机数据可以支撑研究所需要的分析。政策制定者也可以通过这些信息来评估空气污染对居民的影响。同时，我们也可以分析一项具体政策或某些事件（节日或罢工）对个体出行的影响，相对应地，也可以评估对空气污染物暴露度的相关影响。手机数据是空气污染研究中一项前景光明的数据资源。

我们为本文提供的免费下载资料有：

论文原文