编辑团队
原文/BartDewulf、TijsNeutens、WouterLefebvre、GerdySeynaeve、CharlotteVanpoucke、CarolienBeckxandNicoVandeWeghe
翻译/张天怡王奥博文献/王碧玥校核/众山小
编辑/众山小排版/张鹤鸣
译者萌像与导读：
手机数据拥有成本低，样本丰富，数据采集量大等优点，常被用于分析城市中的职住关系，通勤联系以及空间分布等等。本文首次将手机数据运用于卫生健康领域，探讨个人出行方式与空气污染之间的相关性,并动态评估人群空气污染的暴露情况。其研究结果是二氧化氮平均暴露度在工作日和非工作日期间分别增加了1.27μg/m（4.3%）和0.12μg/m3(0.4%)。工作日里，当结合他们的出行方式，居住在大城市周边卫星城镇的人群，其二氧化氮暴露度增加最多。同时，通过本文，也可以发现利用手机数据仍存在的一些局限性，需我们在后续的研究中努力探究。
1
一览众山小
可持续城市与交通
年
1月6日刊
◆◆◆◆
新年快乐
HAPPYNEWYEAR
◆◆◆◆
?智治雾霾?
使用手机数据动态评估空气污染暴露度
摘要
“
背景：
人所处环境若受空气污染，其身体健康易受影响，例如引发呼吸系统和心血管疾病等。传统上，在健康影响评估和流行病学的研究中，只有本地的空气污染浓度才会被考虑进去。对个体出行方式的忽视，会使对空气污染暴露度的评估产生偏差。
“
方法：
本研究中，我们提出一种新方法，用居住在比利时大约万的手机用户的手机数据来计算日空气污染暴露度。目前，这份数据由管理移动网络的电信运营商负责采集和存储。同时它也是研究人群流动性的重要来源。我们使用两种方法去计算二氧化氮排放量：一种是假定人们全天在家(传统的静态方法)，另一种是使用手机网络进行定位并结合个人出行方式(动态方法)。
“
结果：
结合个人出行方式，二氧化氮平均暴露度在工作日和非工作日期间分别增加了1.27μg/m（4.3%）和0.12μg/m3(0.4%)。工作日里，当结合他们的出行方式时，居住在大城市周边卫星城镇的人群，其二氧化氮暴露度增加最多，可能是因为他们所工作的大城市有着更高的二氧化氮浓度。
“
结论：
结合个体出行方式来评估空气污染暴露度，与健康影响评估和流行病学研究是密切相关的。由于与居民出行调查相比，手机数据有着成本低，样本丰富，数据采集量大等优点，同时还有GPS，以及通过智能手机APP获得的数据，所以它是一种可靠的数据资源，可用于确定个人的出行方式。
关键词
空气污染动态评估暴露度手机数据出行方式
背景
1BACKGROUND
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。全球范围内每年大约有万人因空气污染致死。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。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。
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，而不是仅依靠本地的空气污染浓度。为了评定个人出行方式，通常采用居民出行调查的方法。这一种方法的主要缺点就是调查的无效性较高，样本不太具代表性以及成本高。除此之外，可使用与出行方式有关的数学模型。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数据和手机数据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。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。先前使用这些数据大多用于研究人口密度，旅游和流动性。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。
理论与方法
2
METHODOLOGY
I.数据
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网络中的多万用户，是比利时人口的代表。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%)。
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：.10.8（星期四）和.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
