基于搜索数据的人口迁移制图
点击图片上方蓝色字体“慧天地”即可订阅
英文原文来源：www.gislounge.com
中文编译整理：慧天地国际站一鸣
版权归原作者及刊载媒体所有。
移民到其他国家，这其中包含了合法和非法移民，往往是不容易预测的。标准模型通常被批评为过于笼统或没有用处。但是，人们还有其他的方法可以应用，这其中包括使用可以进行地理配准的在线搜索，假设移民在准备离开原籍国时进行了网络在线搜索相关话题这一行为。此外，Web服务还提供了一种类似的方法来捕获用户的登录模式，这也有助于迁徙评估。
最近的一项研究使用了谷歌在线搜索，从2004年到2015年，以谷歌趋势指数的形式，用英语、法语、西班牙语搜索词条，研究了来自非经合组织国家的搜索数据，然后将结果进行标准化处理，以使它们之间具有可比性。然后，利用引力模型对移民数据和搜索结果进行比较。结果通常表明，搜索结果与移民意向和移民行为有正相关关系。这使得在线搜索可以作为地理参考，用于预测不同国家之间的迁移时间和地点[1]。
这样的研究类似于其他的工作，使用不同的账户重复登录同一个网站，在本例中使用Yahoo!服务，允许重复使用以探索全球维度模式。通过捕获人们在一年的时间跨度内登录账户的位置，可以探索迁移流，显示人们决定在不同的时间段内迁移或前往何处。在许多情况下，这只包括短期访问而不是长期迁移，但长期使用账户可以区分短期迁移以外的迁移。这使开发动态迁移地图成为可能，然而这种预测技术最好与其他支持性数据一起使用，例如长期收集的数据或经济指标[2]。
图1：非洲移民的条件概率图（图片来源：STATE, WEBER, & ZAGHENI, 2013.）
另一项研究使用了博客，特别是巴西的博客，来展示那里的人口迁移流。在这种情况下，超过1300万篇博客文章被用来创建一个网络模型，显示移民可能去哪里，而预测是基于线性回归模型的。一个有效的假设是，随着外来务工人员的迁移，他们会写更多的博客或进行更多的交流，互联网活动也会发生变化。事实上，这一假设并没有取代传统的移民数据收集，但它确实表明，在线跟踪可能是一种有效的方法，可以相对准确地估计来自不同城市的迁移人数[3]。
基于地理编码的搜索不仅可以有效的用于国际人口迁移的预测，而且对各个国家内部的人口迁移相关工作也有助力，这同时对试图确定未来几年人口走向的经济学工作很有用处。美国的情况就是如此，通过Bing.com获得的住房和就业查询，帮助了一项通过使用回归模型预测移民和搜索的研究，该研究展示了近年来美国境内的人口迁移趋势。此外，提取在线搜索的好处是可以更好地绘制移民的意图，因为搜索还表明了移民发生的原因以及移民可能需要哪些资源，比如学校或他们是否想购买或租赁房屋。这种方法的潜力在于，经济学家和研究人员可以利用它来更快的获取有关移民趋势的数据，这些数据可能会产生长期的社会后果，从而影响基础设施或其他资源[4]。
图2：左图:2016年美国社区调查显示的每个州的国内净迁移人口占各州人口的百分比。右图: 2015年美国各州迁入住房查询与迁入人员就业查询的比率，对所有查询使用相同的比率进行标准化，这里以对数比率显示。（图片来源：LIN, CRANSHAW, & COUNTS, 2019.）
这些工作表明，地理定位数据，特别是在存在数百万搜索或登录信息的大数据问题领域，可以用于跟踪和预测国家内部和国际范围内的人口迁移。这意味着，我们现在可以利用互联网的普遍性及其在不同社会经济阶层的使用，创造出更好的人口迁移预测工具。
参考文献：
[1] For more on the study looking at migration and applying Google searches and search index data from countries, see: Böhme, M.H., Gröger, A., Stöhr, T., 2019. Searching for a better life: Predicting international migration with online search keywords. Journal of Development Economics S0304387819304900. https://doi.org/10.1016/j.jdeveco.2019.04.002.
[2] For more on using Yahoo1 login data to produce a map of migration, see: State, B., Weber, I., Zagheni, E., 2013. Studying inter-national mobility through IP geolocation, in: Proceedings of the Sixth ACM International Conference on Web Search and Data Mining– WSDM ’13. Presented at the the sixth ACM international conference, ACM Press, Rome, Italy, p. 265. https://doi.org/10.1145/2433396.2433432.
[3] For more on forecasting migrants using micro-blogging, see: Vaca-Ruiz, C., Quercia, D., Aiello, L.M., Fraternali, P., 2014. Tracking Human Migration from Online Attention, in: Nin, J., Villatoro, D. (Eds.), Citizen in Sensor Networks. Springer International Publishing, Cham, pp. 73–83. https://doi.org/10.1007/978-3-319-04178-0_7.
[4] For more on the study using Bing.com searches, see: Lin, Allen Yilun and Cranshaw, Justin and Counts, Scott, Forecasting U.S. Domestic Migration Using Internet Search Queries (February 26, 2019). Proceedings of the 2019 World Wide Web Conference (WWW’19), May 13–17, 2019, San Francisco, CA, USA. ACM, New York, NY, USA, 12 pages.Available at SSRN: https://ssrn.com/abstract=3341776.
点击文末“阅读原文”即可查看原文章
微博ID：慧天地_geomaticser
荐读
点击下文标题即可阅读
编辑 / 卜玺 审核 / 杜一鸣 肖紫寒
指导：万剑华教授