Hintergrund

Die menschliche Mobilität ist von grundlegender Bedeutung für das Verständnis globaler Themen in den Gesundheits- und Sozialwissenschaften, wie z.B. die Ausbreitung von Krankheiten und die Vertreibung aus Katastrophen und Konflikten. Detaillierte Mobilitätsdaten über räumliche und zeitliche Skalen hinweg sind jedoch schwer zu erheben, wobei die Bewegungen von kurzen, wiederholten Bewegungen zur Arbeit oder Schule bis hin zu seltenen Migrationsbewegungen über nationale Grenzen hinweg reichen. Während typische Quellen für Mobilitätsdaten wie Reiseverlaufserhebungen und GPS-Tracker-Daten verschiedene Bewegungstypen informieren können, kann fast keine Quelle für leicht zugängliche Daten alle Arten von Bewegungen auf einmal erfassen.

Methoden

Hier sammeln wir Daten der Google Location History (GLH) und untersuchen sie als neuartige Informationsquelle, die die Mobilität im Feinbereich mit seltenen, langen und internationalen Reisen verknüpfen könnte, da sie einzigartig große zeitliche Skalen mit hoher räumlicher Granularität umfasst. Diese Daten werden passiv von Android-Smartphones erfasst, die ein immer breiteres Publikum erreichen und 2017 zum weltweit gebräuchlichsten Betriebssystem für den Internetzugang werden. So können wir z. B. Google Standortverlauf auswerten und diese Daten für uns nützlich machen. Wir validieren GLH-Daten mit GPS-Tracker-Daten, die von Android-Nutzern in Großbritannien gesammelt wurden, um die Machbarkeit der Verwendung von GLH-Daten zur Information der menschlichen Bewegung zu bewerten.

Ergebnisse

Wir stellen fest, dass GLH-Daten sehr lange Zeiträume umfassen (in unserer Stichprobe durchschnittlich über ein Jahr), räumlich äquivalent zu GPS-Tracker-Daten innerhalb von 100 m sind und mehr internationale Bewegungen erfassen als Vermessungsdaten. Wir finden auch, dass GLH-Daten Compliance-Bedenken vermeiden, die bei GPS-Tracker und Verzerrungen bei selbst gemeldeten Reisen auftreten, da GLH passiv erfasst wird. Wir diskutieren einige Situationen, in denen GLH-Daten neue Erkenntnisse liefern könnten, einschließlich Infrastrukturplanung, Infektionskrankheitenbekämpfung und Reaktion auf katastrophale Ereignisse, und diskutieren Vor- und Nachteile der Verwendung von GLH-Daten zur Information menschlicher Mobilitätsmuster.

Schlussfolgerungen

GLH-Daten sind ein stark unzureichend genutzter und neuartiger Datensatz zum Verständnis der menschlichen Bewegung. Während es Verzerrungen in der Bevölkerung mit GLH-Daten gibt, sind Android-Handys das erste und einzige Gerät, das für den Zugriff auf das Internet und verschiedene Webdienste in vielen mittleren und unteren Einkommenssituationen gekauft wurde, wodurch diese Daten zunehmend für eine Vielzahl wissenschaftlicher Fragen geeignet sind.