〈研之有物〉疫情期間人往哪裡去？預測重熱區，人流研究助一臂之力
從人流研究觀測疫情
COVID-19 爆發以來，「社交距離」已成為日常用詞。尤其在本土疫情升溫之時，非必要不外出，成為政府頻頻呼籲的防疫指南。但社交距離政策如何防控疫情？新聞裡部分場所依然人潮洶湧，三級警戒是否減低人潮移動？「研之有物」專訪中研院人文社會科學研究中心詹大千研究員，他透過電信數據分析人流慣性模式，同時也以此為基礎，實際協助地方政府觀察疫情變化、提前預測重熱區。
NPI 為控制疫情重要手段
COVID-19 爆發至今，全球疫情持續延燒。除了施打疫苗，「非藥物介入措施」（Non-Pharmaceutical Interventions，NPI）也是阻斷病毒傳播鏈的重要關鍵。倫敦帝國學院等權威學術機構的研究皆已證實， NPI 能有效降低傳染病的 Rt 值（ Effective Reproductive Number，有效再生數，在一定時間內疾病會傳染的人數），減少傳染可能。
具體而言 ，NPI 包含哪些方式？
根據世界衛生組織（WHO）列表，NPI 措施可以從個人防護、生活環境到社會大規模的限制規範，透過非疫苗與藥物的手段遏制疫情。歐盟也針對 COVID-19 詳細列出十幾項 NPI 措施，包含手部消毒、戴口罩、隔離檢疫等。
其中，NPI 的核心概念之一即是落實社交距離。
「社交距離的政策很廣泛，不只有室內保持 1.5、室外 2 公尺。」中研院人社中心研究員詹大千解釋，公衛學者眼中的社交距離涵蓋多層意涵，包括限制聚會、人數規範、停班停課等，都屬於相關範疇。
目前研究發現人流下降超過 20%，Rt 值就能降至 1 以下；亦有臺灣的研究推算出，若做好個案追蹤（早期偵測、接觸者疫調、14 天隔離），再加上群體保護（社交距離、戴口罩），Rt 可從 2.5 降至 0.85，有效壓制疫情擴散。
數值或有不同，但各項研究皆顯示：社交距離管制與疫情傳播有明顯關聯，管制越嚴格， Rt 值越小。
三級警戒後，人潮是否有改變？
想減緩疫情，減少人與人的接觸是一大關鍵。那麼，要如何檢視社交管制是否奏效？人流、車流的變化是重要觀測風向球！
詹大千以 Google（COVID-19 mobility）、蘋果 （Apple mobility trends）所公布的各國人流數據，佐以本土的遠傳電信數據，同時檢視牛津大學的跨國政策指標，試圖找出政策、人流變化與疫情發展間的關聯。
2021 年 5 月臺灣首度進入三級警戒後，人流減少了嗎？哪些地方降幅最明顯？首先透過 Google 數據來觀察。
檢視人流有三個關鍵場所：工作場所、交通樞紐、購物商場，對疫情控制皆有重要影響。
觀察工作場所。從 Google 人流報告可以看到，5 月 19 日全國進入三級警戒後，工作場所人流隨即減少約 2 成；住宅區則因為鼓勵居家辦公，人流增加約 2 成。
若與其他國家對照，成效如何？以歐洲最早爆發疫情的義大利來看，初期疫情慘重，工作場所迅速下降達 6－7 成，採行嚴格封城政策後更降至 9 成。詹大千提到，由於臺灣並未強制停班，工作場所人潮降低不大，但臺灣變化最明顯的是交通運輸。
Google 大眾運輸站的人流顯示，5 月 17 日（雙北三級後的第一個上班日）便迅速下降了 50%，5 月底降幅超過 7 成，趨近義大利的封城效果。詹大千也進行北市車流監測，數據顯示北市每條道路的平均小時車流量呈現一路下滑趨勢，5 月 14 日（三級前的週五）平均車流量為 981.7，5 月 21 日（三級後的週五）已降至 497.3，大幅減少約一半車流。
最後，若檢視零售商店與休閒設施，隨著禁止內用、電影院關閉等政策施行，人流也減少 5－6 成。
整體來看，臺灣雖只升級到三級警戒，但人潮與車潮下降明顯。除了工作場所改變較小，其他如大眾運輸、公園、零售商店和遊樂場，社交管制都有明顯成效。詹大千分析：「從人流數據來看，臺灣雖然沒有強制封城，但民眾的自律和防疫配合度高，足夠達到自主封城的效果。」
去識別化電信數據助陣：臺灣人往哪裡趴趴走？
「人怎麼移動，疾病常常就那樣流動。」詹大千點出人流觀測的重要意義，「近十年國外已廣泛運用電信數據，從人流移動分析來進行各種推估，包括交通、疾病研究、公衛政策。」
由於 Google 數據的空間尺度以國家為單位，無法觀察各縣市變化，測量地點也較粗泛，較難細緻分析臺灣真實的人流變化。為了精確掌握臺灣本土的人流圖像，詹大千也與遠傳電信合作，以電信數據作為在地研究基礎。
「Google 沒有針對市場、高鐵、量販店做統計，但想判斷臺灣人潮群聚，這類場所很重要，有助於觀察人流熱區。」舉例來說，分析遠傳數據資料，去年 3 月量販店曾出現一波尖峰。回頭推敲，彼時正好是去年的「衛生紙之亂」，透過圖表，即能清晰反映出常民生活面貌。
除了觀測熱點場所，臺灣疫情期間的人流移動有什麼特徵？
觀察跨縣市人流， 2020 年上半年，每到連假各縣市便湧現旅客，多由北部往南部、東部移動，例如高雄、宜蘭的非居民量大增。隨著疫情趨緩 ，5、6 月後假日人潮不斷攀升，端午連假時移動距離達到高峰、觀光區人潮大增，成為南來北往最大量的連續假期！
這些人流模式皆成為重要的防疫參考。今年端午連假前夕，政府便強力呼籲減少返鄉移動、降低雙鐵負載量，新北市也關閉部分觀光風景區。
分析人流 超前判斷未爆熱區
人流分析對防疫決策具有重要意義，一般可知只要政府管制嚴格，便能控管人流，但唯有科學地掌握實際人流面貌，才能更細緻、滾動式地擬定政策。
「直接封城當然可行，但對社會和經濟的衝擊非常大。」詹大千解釋。
借助人潮數據可判斷高風險的傳播節點，規劃管制順序和強度。清楚呈現人流模式、移動路徑，也有助提前預判可能熱區。
舉例來說，從數據分析後意外發現，某些居住或在萬華區工作的人，可能與三峽經常有互動連結（例如停留）。這個特殊的人流關係模式，無法從實體距離直接判斷出來（如萬華與板橋僅一橋之隔，往來接觸可能性高）。但經數據分析後，地方政府便可以在疫情甫從萬華擴散時，先行至三峽進行重點快篩。
詹大千生動比喻：「不要等個案出來後，像打地鼠一樣去解決；越清楚看出人流移動，我們就可能超前偵測，及早撈出隱形傳播鏈。」實際篩檢後也發現，數據預測處與高風險重熱里，確實高度重疊。
社交管制該多嚴？配合度是另一關鍵
COVID-19 衝擊前所未有，面對這張全新考卷，要封城或宵禁？何時解封？管制是否太鬆散？各國皆只能權衡應變。除了向內看臺灣，詹大千也進行跨國比較，對照不同社交距離政策的防疫效果。
他運用牛津大學的「新冠肺炎政府政策強度指標」（Stringency index），檢視各國的政策鬆緊變化。這是目前最廣泛使用的跨國 NPI 政策指標，依循 17 項檢視項目，涵蓋學校關閉、移動與集會限制等，每日統計 174 國的即時政策強度。管制愈嚴格，指標分數愈高， 逼近 90 分大約已等同全面封城。
以臺灣來說，過去一年以邊境管制為主，沒有大規模停班停課，維持在 20 至 30 分。進入三級警戒後，折線陡升至 70 分以上，大約居於全球 34 名，衝入前五分之一。
綜合各國來看，邊境管制、限制集會等社會衝擊相對較小的防疫措施，多數國家最傾向使用。
若把政策、確診數變化兩相對照，進一步觀察各國人流曲線，也呈現不同面貌。
去年 4 月，日本首度針對大都市如東京、大阪、名古屋發佈「緊急事態宣言」，強制性不大，呼籲減少密切接觸活動。施行一陣子後，確實降低確診數；但隨著緊急事態宣言第三、四次發佈，便出現防疫疲乏，加上政策嚴格維持中低度，整體人流僅減少約 3 成。
視角轉到歐洲，英國同樣面臨類似窘境。政府祭出嚴格的社交距離政策，但民眾配合度不高加上無法可罰，2020 年夏天後人流與確診數再次暴增，中央還得另編獎勵金請地方政府協助，提升政策配合度。
不難發現，能否減少確診數的箇中關鍵，其實和民眾配合度息息相關。
臺灣沒有進入四級警戒，但民眾的自主封城，讓人流降幅已接近國外封城的效果。民眾的配合度高低，可以從臺大公衛的調查看見類似訊息：2020 年 7 月底調查，室內公眾場所戴口罩、進門用酒精消毒的比例高達 99.2％ 和 98.4％，防疫警覺高。
疫苗非金鐘罩 社交距離仍是重要防護力
力守邊境一年半後，臺灣疫情首度進入社區傳播，社區防護線成為一大重點。為了讓社區疫情觀察更超前，詹大千團隊也協助改造「社區疾病監測網」。
「我們不是現在才開始，從 2018 年起，就建置北市、高雄社區醫療監測網，監測流感、腸病毒。希望越多基層診所加入，就能布建越全面的流行病社區哨兵。」去年疫情爆發後，研究團隊則新增了新冠肺炎確診、疑似案例、嗅覺喪失等 COVID-19 相關代碼，協助即時掌握社區潛在個案，觀測疫情曲線變化。
社區監測網另一項好處是，多數年輕族群身體不適會先到診所，而非大型醫學中心。透過各地基層診所的症狀回報，有機會更早篩出症狀輕微的年輕確診者。詹大千直言，COVID-19 症狀與流感高度相似，特別是 Delta 病毒株，未來若廣泛提供唾液篩檢組給診所，社區第一線哨兵才能更即時抓出隱形傳播鏈。
來勢洶洶的病毒，已然顛覆了整個世界，可預見的未來我們很可能將與病毒長期共存。廣泛施打疫苗，是社會對抗疫情的必要手段，但面對不斷變種的病毒株，詹大千強調 NPI 仍是不應輕忽的防疫保護網。他再次提醒道：「打完疫苗並不是披上無敵金鐘罩，各疫苗的保護力、每個人的免疫狀況都不同，落實社交距離、做好個人防護，始終是根本的防疫之道。」
原文連結：
延伸閱讀：
- 詹大千，〈有圖來解─社交距離對於延緩 COVID-19 疫情的影響〉，《研下知疫－COVID-19 的人文社會省思》，康豹、陳熙遠編，中研院出版中心，2021
- 從手機網路訊號資料，探勘人口動態奧妙，2018
- Ta-Chien Chan*, Jia-Hong Tang, Cheng-Yu Hsieh, Kevin J. Chen, Tsan-Hua Yu, Yu-Ting Tsai, to appear,〈Approaching precision public health by automated syndromic surveillance in communities〉,《 PLOS ONE》(DOI: 10.1371/journal.pone.0254479)
- 詹大千的個人網頁
