[論文レビュー] A Scalable Framework for Spatiotemporal Analysis of Location-based Social Media Data

Guofeng Cao, Shaowen Wang+4 more|arXiv (Cornell University)|Sep 8, 2014

Human Mobility and Location-Based Analysis参考文献 36被引用数 8

ひとこと要約

本稿では、空間時間軌跡から構築された階層的空間時間データキューブモデルを用いて、大規模な位置ベースのソーシャルメディアデータの空間時間的分析のためのスケーラブルな計算フレームワークを提案する。このフレームワークは、インタラクティブなフローマッピングインターフェースを通じて、複数スケールでリアルタイムな動きのダイナミクスの可視化を可能にし、北米全域からブロック単位の解像度まで、Twitterデータの効率的分析を実証している。

ABSTRACT

In the past several years, social media (e.g., Twitter and Facebook) has been experiencing a spectacular rise and popularity, and becoming a ubiquitous discourse for content sharing and social networking. With the widespread of mobile devices and location-based services, social media typically allows users to share whereabouts of daily activities (e.g., check-ins and taking photos), and thus strengthens the roles of social media as a proxy to understand human behaviors and complex social dynamics in geographic spaces. Unlike conventional spatiotemporal data, this new modality of data is dynamic, massive, and typically represented in stream of unstructured media (e.g., texts and photos), which pose fundamental representation, modeling and computational challenges to conventional spatiotemporal analysis and geographic information science. In this paper, we describe a scalable computational framework to harness massive location-based social media data for efficient and systematic spatiotemporal data analysis. Within this framework, the concept of space-time trajectories (or paths) is applied to represent activity profiles of social media users. A hierarchical spatiotemporal data model, namely a spatiotemporal data cube model, is developed based on collections of space-time trajectories to represent the collective dynamics of social media users across aggregation boundaries at multiple spatiotemporal scales. The framework is implemented based upon a public data stream of Twitter feeds posted on the continent of North America. To demonstrate the advantages and performance of this framework, an interactive flow mapping interface (including both single-source and multiple-source flow mapping) is developed to allow real-time, and interactive visual exploration of movement dynamics in massive location-based social media at multiple scales.

研究の動機と目的

• 地理的空間における、大規模で動的かつ非構造的な位置ベースのソーシャルメディアデータの表現、モデリング、分析の課題に対処すること。
• 複数の空間的・時間的スケールにわたる体系的な空間時間的分析を支援するスケーラブルな計算フレームワークを構築すること。
• ソーシャルメディアデータを用いて、集団的な人間の移動ダイナミクスのリアルタイムでインタラクティブな可視化を可能にすること。
• GISおよび空間時間的分析ツールとソーシャルメディアデータを統合し、大規模な動的モデリングを可能にすること。
• 将来的な研究の基盤を築くこと、すなわち、スケーラブルで構造的なソーシャルメディアデータの空間時間的分析の基盤を提供すること。

提案手法

• 時間と空間の両方において、個々のソーシャルメディア利用者を空間時間軌跡として表現し、その移動パターンをモデリングすること。
• 基本キューブォイドに基づく階層的空間時間データキューブモデルを設計し、空間、時間、ユーザーグループの複数スケールでの集計をサポートすること。
• 北米のTwitterフィードの公開ストリームを用いてデータキューブを構築および維持し、効率的なクエリ処理と要約を可能にすること。
• 複数スケールでの単一ソースおよび複数ソースの移動フローを可視化するためのリアルタイムでインタラクティブなフローマッピングインターフェースを実装すること。
• ユーザー定義の集計境界に沿った空間時間的分布およびダイナミクスのOLAPスタイルクエリをデータキューブでサポートすること。
• 影響を受けるユーザーの移動パターンを追跡することで、インフルエンザ様疾患（ILI）の拡散などの集団的行動を分析するためのフレームワークの活用。

実験結果

リサーチクエスチョン

• RQ1 大規模で動的かつ非構造的な位置ベースのソーシャルメディアデータを、スケーラブルな空間時間的分析のために効果的にモデリングする方法は何か？
• RQ2 空間と時間にわたる集団的移動パターンの複数スケール分析をサポートする階層的データモデルは何か？
• RQ3 ソーシャルメディアデータを用いて、大規模な移動ダイナミクスのリアルタイムでインタラクティブな可視化を実現する方法は何か？
• RQ4 本稿で提案するフレームワークが、実世界のTwitterデータストリームに適用された際のパフォーマンスおよびスケーラビリティ特性は何か？
• RQ5 ソーシャルネットワーク構造と位置の不確実性を統合することで、ソーシャルメディア駆動の人の動きの分析がどのように向上するか？

主な発見

• 提案された空間時間データキューブモデルは、空間的領域、時間期間、ユーザーグループの複数の側面におけるクエリを可能にし、位置ベースのソーシャルメディアデータの複数スケール分析を成功裏にサポートしている。
• フレームワークは、北米全域の公開Twitterデータストリームを用いて、リアルタイムでの処理および可視化の効率性を実証した。
• インタラクティブなフローマッピングにより、主要都市間の明確な大陸規模の移動パターンが明らかになったほか、ブロック単位の解像度での詳細なインサイトも得られた。
• システムは、インフルエンザ様疾患（ILI）に影響を受けるユーザーなどのサブグループの移動フローを、複数の時間窓にわたって効果的に可視化可能であった。
• データキューブモデルは、従来のGISおよび空間時間的分析ツールとソーシャルメディアデータを統合するための構造的でスケーラブルな基盤を提供している。
• 本フレームワークは、場所や活動に関するより豊かな文脈的情報を提供するFoursquareなどの他のソーシャルメディアプラットフォームへも拡張可能である。