google reportの更新
(その32)では、東京都の20日までの感染者数と4月11日までのgoogle reportを使いました。
Google Reportが更新されて、4月17日までのデータになりました。
2週間（14日）のタイムラグを見ると、4月11日は4月25日に対応するので、古いGoogle Reportでも今週は対応できるのですが、これで、来週の動向の予測ができそうになりました。
図１が17日版の東京のGoogle Reportの値ですが、ここでは、曜日効果を消すために、7日の移動平均フィルターをかけています。ですので、17,16,15日のデータはありません。
-
retail_and_recreation_percent_change_from_baseline ベースラインからの小売およびレクリエーションの利用の変化率：概ね減少傾向で55%まで減少
-
grocery_and_pharmacy_percent_change_from_baseline ベースラインからの食料品および薬局の利用の変化率：ベースライン前後を移動し、大きな変化傾向はない
-
parks_percent_change_from_baseline ベースラインからの公園の利用の変化率をパーク：連休の花見の時に、ベースラインを大きく上回り、その後は、10%程度の若干の減少
-
transit_stations_percent_change_from_baseline ベースラインからの乗換駅の利用の変化率：概ね減少傾向で、60%まで減少
-
workplaces_percent_change_from_baseline ベースラインからの職場利用の変化率：概ね減少傾向であるが、乗換駅より10%くらい高い値で推移
-
residential_percent_change_from_baseline ベースラインからの在宅利用の変化率：若干の増加傾向
減少幅の最大は乗換駅ですが、それでも60%には届いていません。
東京都の感染者数の予測
図2は、前回と同じ、感染者数の移動平均のグラフです。データは4月24日に更新しています。今回は、比較のために、google reportの東京データのうち、乗換駅のデータを代表として、プロットしてあるります。「G交通量」がそのデータで、軸は右側を使います。この乗換駅のデータは、次の加工をしてあります。
-
曜日効果を消去するために7日間の移動平均フィルターをかけてあります。
-
タイムラグの効果を消去するために14日ずらしてあります。例えば、4月28日にプロットされているデータは4月14日のデータです。
これを見ると、感染者数の4月9日からの増加率の低下は、乗換駅の利用率に対応（元の日付は3月26日）しています。しかし、その後、利用率は順次低下していますが、感染者数の低下は非常に緩やかです。これから、次のことが言えます。
-
乗換駅の利用率の低下がベースラインから40%を超えると、感染者数は若干低下傾向になる。
-
あるいは、乗換駅の利用率の低下がベースラインから30から50%の間には、利用率の低下に対応して感染者数が緩やかに減少する傾向がある。
乗換駅の利用率の60%以下の低下でも、感染者数の低下傾向には、寄与しているようにみえます。
西浦モデルでは、70%を超えないと目に見える効果はないとのことだったので、それは、この結果に合致します。しかし、40~50%の低下でも、足踏み状態ではなく、若干下がっているように見えます。この低下の幅は非常に小さいので、低下するとは予測しにくいです。ただし、google reportの最近のデータでは、利用率の低下は、さらに、強まっていますので、あえて反転して増加すると予測する根拠はありません。ですので、ここでは、若干の減少傾向のトレンドがあと5日程度は続くと考えます。その予測線は赤の点線でいれてあります。
