COVID-19를 이겨내면서 우리는 많은 것을 배우고 있습니다. 전염병 예방을 위해서는 손 씻기와 마스크 쓰기가 매우 중요함을 알게 되었습니다. ‘사회적 거리 두기 (Social Distancing)’를 함께 실천해야만 전염병 전파를 방지할 수 있다는 것은 이번에 처음 경험한 일입니다.

지역 감염 (Community spread) 을 막기 위해 각국은 사회적 거리 두기를 실행하고 있습니다. 사람들이 많이 모이는 공연, 스포츠 경기, 회의 등을 최소화 합니다. 자택 근무, 학교 개학 연기도 그 일환입니다. 사람과 사람 간의 최소한의 물리적 거리 두기도 권장합니다. 6피트, 2미터를 확보하면 바이러스에 전염될 가능성을 낮출 수 있기 때문입니다. 그 사이에 시간을 벌어 확진자들을 치료하고, 데이터를 수집하며, 확산의 방향과 속도를 예측합니다.


Science, Data

COVID-19에 관해 폴 크루그먼과 토머스 프리드먼은 최근 뉴욕타임스 칼럼에서 공통적으로 주문하는 것이 있습니다. 과학과 데이터를 기반으로 대응 계획을 세우고, 경제를 본격적으로 재개하고 학교의 문을 여는 결정 역시 데이터를 기반으로 해야 한다는 점입니다.

 

You would deliver what the public craves most in the short run: the confidence that we actually have a plan to fight this virus, save everyone we can and rapidly reopen the economy based on science and data.

‘An Open Letter to President Trump’, Thomas L. Friedman, The New York Times, 2020/3/26 (https://www.nytimes.com/2020/03/26/opinion/covid-trump-plan.html)

 

데이터는 더 신속하게 강력한 사회적 거리 두기를 시행할수록 확진자 증가세를 더 빨리 낮출 수 있다는 것을 보여 주고 있습니다. 다만 사회적 거리 두기가 지역 별로 어떻게 실행되고 있는지, 그 효과는 어떤지도 유효한 데이터가 있어야만 측정이 가능합니다. 데이터 중에서도 사람들의 이동 데이터가 중요한데, 스위스 정부는 이동통신사인 Swisscom에 협조를 얻어 익명 처리된 고객 사용 데이터를 받았습니다.

 

GoogleCOVID-19 Community Mobility Reports

지역 감염을 줄이기 위해서는 어느 지역에서 밀집도가 높은지, 시간에 따라 밀집도가 어떻게 변화하는지 확인해야 합니다. GoogleGoogle Maps를 통해 특정 지역의 요일, 시간대별 방문 빈도수를 제공하고 있습니다. 시간 변동에 따른 밀도 변화를 읽을 수 있습니다. 사회적 거리 두기가 중요한 시점에서 밀도를 낮추는 것은 정부의 당면 과제가 되었습니다.

 

Image 1. Google Maps의 Popular times


수집한 데이터를 ‘COVID-19 Community Mobility Reports’라는 제목으로 제공하기 시작했습니다. 사용자 Google 계정의 Location History 이용에 동의한 고객들의 데이터를 활용해 익명화된 위치 데이터입니다. 앞으로 수 주 간 정부나 기관 입장에서는 정책의 실행 시점과 밀집도 변화를 분석하는 데 참고 자료로 활용할 수 있을 것입니다.

1 3~2 6일의 중앙값을 Baseline으로 두고, 방문자 수의 증감 비율을 다음의 여섯 가지 카테고리로 분류해 제공합니다. 사회적 거리 두기의 지표로 두는 데 의미가 있는 장소들입니다.

 

·         Retail & recreation: 식당, 카페, 쇼핑몰, 박물관, 영화관 등

·         Grocery & pharmacy: 식료품점, 대형 마트, 시장, 약국 등

·         Parks: 공원, 해변 등

·         Transit stations: 지하철역, 기차역 등 대중 교통

·         Workplaces: 직장

·         Residential: 주거지

 

초기에는 전체적인 방문자 수가 눈에 띄게 줄었습니다. 확진자 곡선이 안전화되기 시작하면서 우상향을 그리고 있습니다. 2월 초에 비해 공원 등은 50% 이상 증가한 데 비해, 식당과 영화관은 여전히 2월 초 수준에 미치지 못하고 있습니다.

 

Image 2, 3. 한국의 Mobility 추이, COVID-19 Community Mobility Reports: South Korea (https://www.gstatic.com/covid19/mobility/2020-03-29_KR_Mobility_Report_en.pdf)

 

개인 정보 보호

제한된 수의 사용자 데이터이기는 하지만, 추세를 확인하는 데 도움이 될 수 있을 것입니다. 사람들의 움직임은 비단 전염병뿐만 아니라 자연 재해 대응, 교통량 예측 등에도 사용될 수 있습니다. Google의 위치 정보가 이동통신사 데이터와 다른 점은 국경을 넘는 이동까지 일부지만 측정 가능하다는 점입니다. 파리와 런던의 도시 규모가 비슷함에도 불구하고 중심부의 모습과 사람들의 이동 빈도는 크게 다릅니다. 이동 데이터가 눈에 보이지 않는 흐름을 보여 줍니다.


Image 4. 파리와 런던의 이동 데이터, ’New Insights into Human Mobility with Privacy Preserving Aggregation’, Google AI Blog, 2019/11/12 (https://ai.googleblog.com/2019/11/new-insights-into-human-mobility-with.html)

 

이번 리포트를 발간하면서 Google은 개인 정보 보호에 신경을 쓰는 모습입니다. 개인의 이동 경로나 방문자 수를 공개하지 않고, 48~72시간 전 데이터를 사용하는 것은 Swisscom의 사례와 마찬가지로 또 다른 개인 정보 이슈를 낳지 않기 위함입니다. 공공의 목적을 위해 고객 데이터를 활용하는 모습을 보임으로써 그 동안 받아 왔던 따가운 시선을 타계할 수 있는 기회가 될까요?

 

References

·         ‘Coronavirus, Social Distancing and Self-Quarantine’, Johns Hopkins Medicine (https://www.hopkinsmedicine.org/health/conditions-and-diseases/coronavirus/coronavirus-social-distancing-and-self-quarantine)

·         ‘This Land of Denial and Death’, Paul Krugman, The New York Times, 2020/3/30 (https://www.nytimes.com/2020/03/30/opinion/republicans-science-coronavirus.html)

·         ‘An Open Letter to President Trump’, Thomas L. Friedman, The New York Times, 2020/3/26 (https://www.nytimes.com/2020/03/26/opinion/covid-trump-plan.html)

·         ‘Helping public health officials combat COVID-19’, Google Blog, 2020/4/3 (https://www.blog.google/technology/health/covid-19-community-mobility-reports)