Stefan Holmström 21.03.2021 06:00

Google samlar massor av lokaliseringsdata om hur människor rör sig. Ur denna data kan man också se också hur människors beteende i Åbo förändras.

– Höstlovet, julhelgen och sportlovet syns tydligt i statistiken för hur folk rör sig, likaså när nya coronarestriktioner införs, säger Juha Yrjölä.

Yrjölä är teknisk chef vid företaget Kausal, som samarbetar med Åbo stad, Åbo universitet och andra universitet kring prognosverktyget Reina. Googles lokaliseringsdata är en viktig källa i arbetet.

Yrjölä tar fram kurvan ”uppköp och fritid”. Här märks tydligt de senaste restriktionerna, som den om hur många som får befinna sig i en affärslokal.

Privat

– Vi tippade att rörlighet i den här kategorin skulle gå ned till 30 procent jämfört det normala. Nu är nedgången ändå 39 procent, säger Yrjölä och pekar på hur kurvan dykt.

Han tar fram ytterligare en annan kurva: ”bostadshus”. Åboborna verkar inte vistas lika mycket hemma som i fjol våras, men klart mer än normalt.

”Vi hade väldigt lite data”

Det är inte Reinas tabeller som avgör vilka beslut som tas i Åbo, men de utgör ett stöd för de beslut som övervägs. Det säger Åbo stads strategi- och utvecklingsdirektör Rami Savila.

Det var Savila som i fjol närmade sig biträdande professorn Leo Lahti vid Åbo universitet för att fråga vad det finns för simuleringsverktyg.

– Vi hade märkt att vi hade väldigt lite data och endast allmänna prognoser för att bättre förstå epidemin lokalt, säger Savila.

Behovet blev allt större i höstas då den andra covid-19-toppen närmade sig.

Bollen sattes i rullning. Lite senare fick Yrjölä ett samtal.

– Det var stadsdirektör Minna Arve som ville att jag skulle bena ut vad det egentligen är vi håller med. Det samtalet värmer fortfarande mitt hjärta, säger Yrjölä, som har arbetat med datasimulering i tio års tid.

Google / Kausal / ÅU

I januari i år kunde Åbo stad sedan meddela att man som första stad i Finland tar i bruk Reina.

Utöver Google läser Reina in data från Institutet för hälsa och välfärd och Statistikcentralen. Allt detta kombineras sedan med inmatade variabler om exempelvis testningseffektivitet, lättsmittade virusvarianter eller hur människor använder munskydd.

På så vis kan man också få prognoser för coronatrötthet, det att folk inte orkar bryr sig, säger Yrjölä.

Det är denna coronatrötthet som också oroade stadsdirektör Minna Arve tidigare i veckan, då hon presenterade Reinas prognoser för stadsfullmäktige.

Förenklat kan man säga så här: Om det visar sig att tusentals Åbobor börjar vistas oftare där andra rör sig kan det ha större följder på sikt än det att drygt sjuttio studerande har smittats av coronaviruset.

Google / Kausal / ÅU

Slutsatser ska dras med försiktighet, säger Yrjölä. Ju mer erfarenheter och data, desto pålitligare prognoser.

– Det är komplicerade mekanismer, ingen exakt vetenskap.

Det handlar mycket om att lära sig av olika observerade fenomen. I slutet av januari såg det ut som om det värsta skulle vara förbi, men så dök de nya lättsmittade virusvarianterna upp.

Viktigt är också att se vad andra kommer fram till. Yrjölä lyfter fram en annan intressant modell, som har gjorts av forskardoktor Janne Solanpää vid Tammerfors universitets laboratorium för beräkningsfysik. Solanpääs sajt har 24 tabeller som lever enligt senaste data – men som också ger en prognos.

– Det är otroligt mycket som vi fortfarande inte vet om viruset.

Åbo stad har också presenterat prognosverktyget för några andra städer, säger Savila.

– Vi har inget monopol på det här utan det skulle bara vara bra om också andra skulle vara med och utveckla det. Någon annan kan komma på sådant som vi inte tänkt på.

Stefan Holmström
Ge respons åt redaktören

Dela artikeln