一、项目背景及目的
2019年12月，我国出现了新型冠状病毒引发的多起病例，全国逐渐开启疫情防疫监控，严重地区甚至实施封闭管理。2月是疫情的高发期，各地区的人员流向、时间分布和规模化是本项目的主要分析目标，目的是分析人员流动规模的对比变化。
二、分析维度
根据现有的数据和分析方法，本项目分为三个维度进行分析：
1.地区间人员流向维度
根据不同省份，不同城市的人员流向，由省份-省份，城市-城市，省份-城市细分分析不同地区复工的情况。
2.日期维度
拆分时间段，计算不同时间段人员的流向。
3.人员规模维度
由流出地的规模指数和规模指数百分比，对比不同地区和时间，分析人员流动的规模化程度。
三、分析项目
1.数据来源及含义
本项目数据来源于百度迁徙2020年2月1日-2020年3月1日的全国各地流动规模指数，数据约有160万条。'百度迁徙' 数据集字段包括流出省、流入城市、流入省、流入城市、日期、规模指数百分比乘积，‘百度迁徙指数’ 数据集字段包括省份、城市、日期、今年规模指数、去年规模指数。
数据集的字段含义如下：
'百度迁徙' 数据集
id：编号
origin_province：流出省
origin_city：流出城市
dest_province：流入省
dest_city：流入城市
cur_date：日期
compare：规模指数百分比乘积
‘百度迁徙指数’ 数据集
id：编号
province：省份
city：城市
cur_date：日期
migrate_this：今年规模指数
migrate_last：去年规模指数
2.数据清洗
数据库采用Mysql，通过Navicat导入数据。
数据没有出现缺失值，也没有出现异常值，故数据可以做完整分析。
3.建立模型和可视化
（1）地区间人员流向分析
数据集包含了31个省份（不包括港澳台地区），365个城市。
每个人口迁入城市只取所占比例较高的前100个流入城市，例如承德市的迁入人口来源于占总量比17.51%的唐山市、15.81%的北京市、13.32%的赤峰市等前100个城市。
“规模次数”含义：每个迁入城市占比前100个流入城市的流入迁移次数，例如厦门市向承德市迁入人口的每一天占比排在前100，则一共有29次规模次数，泰安市向广安市迁入人口只有5天排在前100，则规模次数为5次。
a.省份流动规模次数分析
流入规模次数最多是广东省，其次是江苏省，山东省。
流出规模次数最多是河南省，其次是广东省，四川省。
上面所示流动规模次数较多的省份都是人口大省，人口数量基本上在1亿以上，外出务工成为人口流动的主要驱动力。在2月一个整月期间，广东省成为流入规模次数最多的省份，流入次数比流出次数高出三分之一，表明了广东省的人口流动数量大。其次西北地区的省份和4个直辖市，人员的流动规模次数的波动较小，因为西北地区地方经济较落后，人口少，地理位置和交通不方便以至于流入的人口少，而4个直辖市是因为地方面积小，人口基数小，变动幅度也较小。
上图显示流入规模次数最多的广东省，其人员来源于临近省份的湖南和广西，同时，作为人口输入大省的广东也有反向输出，整体的流动性相比其他省份高。
b.城市间流向分析
可以发现，城市的流动规模次数与区域、经济、地理位置等有关，而且全国365个城市，在2月期间有152个城市的规模次数是为正值，213个城市为负值，意味着人口流动是有分布性的，尤其集中在某一个区域。大部分城市集中在东部地区，各省份的省会城市。
在Mysql导入查询的数据，经过excel透视整理，达到2月一整个月向不同省份特定城市流向的城市数量，最多的是北京市，有202个城市连续每日规模性输出人口，其次是上海、重庆、深圳、广州、天津、成都等相对经济发展较好的城市圈。二线城市的的数量也占据大部分，原因在于生活成本低，有些是省会城市，最为一个省份最为核心区域，也是吸引人口流向的一个因素。
我国有4个直辖市，其中上海市的主要人口流入城市来自苏州，苏州是上海的‘’后花园‘’，紧贴上海市，人口流入比例高；北京市的人口流入城市来自廊坊市，很多在北京工作的人选择住在廊坊，以此廊坊市是北京市的人口输入的持续性最长的城市；唐山市紧靠天津市，但是天津市的面积小，迁徙规模比例要小于其他城市；重庆市近年的发展尤其迅速，不断吸引外来人口，广安市是重庆市的主要流入人口输送地。
（2）人口流动日期分析
2月1日是春节假期第一个开工日，但因为今年国内的疫情正值严格的防疫期，各省份都颁发了延迟复工复业的文件，但由于有些行业需要实时运转，以此在2月1日，2月2日出现了人口流动规模次数较高，也就是返程高峰的现象。随后的两周内，流动规模的次数不断减少，一方面是因为企业鼓励员工在家办公，另一方面是各地实时封锁道路管理，以往春节的出行活动大幅度减少。直到2月17日开始，流动规模次数逐渐增多。
剔除省内之间的流动，我们将全国的流动规模次数与省份间的流动规模总次数对比，如下：
可以看出，省份间流动占全国流动的比例在89%-91%区间段，占比线与流动规模次数是相贴合的。同比可得，省份间的流动是人口流动的主要动力。
从流出规模次数较高的河南省来看，主要集中在2月最后一周和2月第一周，这两个星期是返程的高峰期。而广东省和四川省主要的高峰期在2月的第一周。根据查询的数据显示，江苏、安徽、山东、湖南等省份的流出规模次数也比其他省份要高，主要在于向邻近的省份移动，大多是因为工作需求。
流入规模最多的省份是广东，主要集中在元宵节之后的返程，其次是浙江和江苏，集中在最后一周。由此也可见，广东一整个月都处于流入规模次数靠前的省份，每天的次数也没有太大的差距，处于一个稳定的流入现象。
最后一周的迁徙规模指数比前几周的要大，2月29日达到全月最高规模程度。
总结：2月基本上最后一周的迁徙流动达到最大规模以及数量最多，其次是第一周，总体规模程度出现V字形分布。
（3）人口流动规模分析
基本上每个城市的同期规模指数比去年小，北上广深以及新一线城市的规模指数同比其他城市要高，但是对比去年所占比例不到50%，从散点图可以看出，大城市的迁徙规模要大得多但是数量少，大部分城市都处于迁徙规模较小的情况。侧面反映了国内现在人口流动呈现区域化、集中化的情况。
各省份的平均迁徙规模指数，4个直辖市，广东、江苏、浙江为首的高指数地区，以4个直辖市为例，本地人口占本市的比例不高，外地人口输入为主，所以缺少了外来人口的流入，指数的差值大幅度扩大，反观广东、江苏和浙江，因为本省的经济发展区域相对集中在一起，较为偏远的城市的当地人口的流动性并不高，人口迁徙规模较小，所以差值缩小。
去年全国城市的迁入规模指数大于1有167个，今年的城市数量只有47个，大幅度减少。
连续29天规模指数大于1可以理解为一个城市在每一天都有规模化人口流入且数量相对较大，去年的城市数量要比今年多出53个，显而易间今年在整个2月期间，人口的迁徙数量急剧减少。今年连续29天规模指数大于1 的城市分别为北京、上海、广州、深圳、东莞、长沙、成都、佛山。连续20天以上的城市只有苏州、昆明、南京。
按规模指数将省份分为4个流入级别，8个一级省主要还是国内发展较好的大城市。二级省和三级省主要是省份中的二线城市或者一些省会，但是人口流入偏少。四级省主要是省份的偏远、经济发展较为落后的城市群。
中国的沿海省份有辽宁、山东、江苏、浙江、上海、福建、广东、海南，但是沿海省份的平均流入规模次数百分比只有上海、广东、江苏和浙江比较高于其他的省份，位于东三省的辽宁、广东北上的福建、海南、山东等省份远远比内陆的一些省份要低，不是所有的沿海省份的人口流入是最高的。
四、结论
1.由于2月的全国疫情的高发期，人口流动要比去年大幅度减少，尤其是一线城市的幅度更加显而易见。
2.人口的流动以全国几个经济发展较好的地区辐射流入，珠三角、长三角、京津地区，外来人口比本地人口多，所以在人口流动幅度更大。
3.河南、广东、四川、湖南、江苏是人口流动大省，但河南省是输出人口性质的省份，其次是四川省、湖南省。广东省市双向流动，但输入比输出的规模更大和频率更高。位于上海临近的江苏和浙江也是人口流动频繁的省份，大多城市以上海为核心。
4.沿海省份以及其城市流入人口偏多于内陆城市，重庆和北京除外。
5.西北地区地域面积大但是人口少，所以向东部流动的规模次数偏低。
6.日期主要集中在2月第一周以及最后一周，因为很多人需要返回工作地，流动规模次数会增多，规模指数会偏高。
7.临近省份的流动人口更多，地理位置近交通方便。
8.气候好的区域是流动人口迁徙的流向，生活环境是人考虑的重要因素之一。