[論文レビュー] A survey on Human Mobility and its applications

Fereshteh Asgari, Vincent Gauthier+1 more|arXiv (Cornell University)|Jul 2, 2013

Human Mobility and Location-Based Analysis参考文献 56被引用数 24

ひとこと要約

本調査は、軌跡ベース、ネットワークベース、行動モデリングのアプローチを統合し、携帯電話およびGPSデータを用いたデータ駆動型の移動パターンモデリングを強調している。スケーリング則の同定、動的フローのモデリングのためのグラフベース分析の提案、行動次元の導入という新たな分析層の導入に加え、データ保存、プライバシー、移動モード検出の課題にも言及している。

ABSTRACT

Human Mobility has attracted attentions from different fields of studies such as epidemic modeling, traffic engineering, traffic prediction and urban planning. In this survey we review major characteristics of human mobility studies including from trajectory-based studies to studies using graph and network theory. In trajectory-based studies statistical measures such as jump length distribution and radius of gyration are analyzed in order to investigate how people move in their daily life, and if it is possible to model this individual movements and make prediction based on them. Using graph in mobility studies, helps to investigate the dynamic behavior of the system, such as diffusion and flow in the network and makes it easier to estimate how much one part of the network influences another by using metrics like centrality measures. We aim to study population flow in transportation networks using mobility data to derive models and patterns, and to develop new applications in predicting phenomena such as congestion. Human Mobility studies with the new generation of mobility data provided by cellular phone networks, arise new challenges such as data storing, data representation, data analysis and computation complexity. A comparative review of different data types used in current tools and applications of Human Mobility studies leads us to new approaches for dealing with mentioned challenges.

研究の動機と目的

• 空間的、時間的、文脈的次元にわたる人間の移動研究を包括的にレビューすること。
• 大規模な移動データの取り扱いにおける主な課題、すなわち保存、表現、計算複雑性を特定すること。
• グラフ理論およびネットワーク指標（例：中心性）の統合的応用を通じて、交通網における動的フローのモデリングを検討すること。
• 社会的・文化的要因や態度的要因といった行動的側面を、人間の移動モデリングにおける新たな次元として提案すること。
• セルラー通信ネットワークデータからの移動モード検出の可能性を検討し、移動予測モデルの改善を図ること。

提案手法

• 人間の移動研究を軌跡ベース、グラフ／ネットワークベース、行動モデリングのアプローチに分類すること。
• ジャンプ長分布や回転半径といった統計的測度を用いて軌跡データを分析し、移動の規則性を同定すること。
• グラフデータベースモデルを用いて移動ネットワークを表現し、最短経路やフロー動態といったネットワーク指標の計算を高速化すること。
• マルチスケールグリッドマッピングを用いて、移動ネットワーク分析における最適な空間スケールを評価すること。
• 移動トレースから行動特徴（例：好む場所、移動パターン、メディアアクセス）を抽出し、個々の行動を推定すること。
• セルラー通信ネットワーク内のアクティブな位置情報データから移動モードを検出するための統合アルゴリズムを提案すること。

実験結果

リサーチクエスチョン

• RQ1 Lévy飛行やスケールフリーなパターンといった人間移動の統計的規則性は、空間的・時間的スケールが異なる場合にどのように現れるのか？
• RQ2 グラフベースのモデルは、移動システムにおける動的フローおよびネットワークインパクトの分析をどの程度改善できるのか？
• RQ3 行動的次元（社会的・文化的要因や態度的要因）は、移動トレースから信頼性を持って抽出可能であり、移動行動の分類に利用可能なのか？
• RQ4 大規模かつ匿名化されたセルラー通信ネットワークデータを用いた移動モデリングにおいて、主な課題は何か？
• RQ5 低精度で集約されたセルラーデータからどのようにして移動モードを推定できるのか？ また、その影響は移動モデリングにどのようなものか？

主な発見

• 人間の移動は、スケールフリーなジャンプ長分布や上限のある回転半径といった一貫した統計的規則性を示しており、予測モデリングを支援する。
• 移動ネットワークのグラフベース表現は、中心性やフロー動態といった動的指標の計算を効率的に行うことができ、ネットワークインパクトの分析を向上させる。
• 移動における時間的パターン、特に日次および週次サイクルは顕著であり、時間間隔の選択においてバイアスを避けるために考慮すべきである。
• 好む場所や移動ルーティンといった行動的特徴は、移動トレースから抽出可能であり、空間的および時間的側面を超えた移動モデリングの新たな次元を示唆している。
• 空間的精度に制限があるものの、セルラー通信ネットワークデータは大規模な移動分析を可能にし、高度な前処理とモデリングにより移動モードの推定に機会を提供する。
• 行動的、空間的、時間的次元を統合した移動モデルは、感染症の拡散予測や交通予測などの応用における精度を向上させる。