[論文レビュー] Brief encounters: Sensing, modeling and visualizing urban mobility and copresence networks

Vassilis Kostakos, Eamonn O’Neill+3 more|arXiv (Cornell University)|Apr 6, 2010

Human Mobility and Location-Based Analysis参考文献 38被引用数 59

ひとこと要約

本稿では、イギリスのバース市で収集された70,000台のデバイスからの縦断的Bluetoothデータを用いて、都市の移動行動と共存行動をモデリングおよび可視化するための新規ツールキットを提示する。空間的・時間的パターンにおけるデバイス同士の遭遇を複雑ネットワーク分析を用いて分析することで、時間的ダイナミクスとネットワーク構造との間に顕著な関係が存在することが明らかになり、文脈に応じた都市型パーソナルコンピューティングシステムの設計に役立つ知見が得られる。

ABSTRACT

Moving human-computer interaction off the desktop and into our cities requires new approaches to understanding people and technologies in the built environment. We approach the city as a system, with human, physical and digital components and behaviours. In creating effective and usable urban pervasive computing systems, we need to take into account the patterns of movement and encounter amongst people, locations, and mobile and fixed devices in the city. Advances in mobile and wireless communications have enabled us to detect and record the presence and movement of devices through cities. This article makes a number of methodological and empirical contributions. We present a toolkit of algorithms and visualization techniques that we have developed to model and make sense of spatial and temporal patterns of mobility, presence, and encounter. Applying this toolkit, we provide an analysis of urban Bluetooth data based on a longitudinal dataset containing millions of records associated with more than 70000 unique devices in the city of Bath, UK. Through a novel application of established complex network analysis techniques, we demonstrate a significant finding on the relationship between temporal factors and network structure. Finally, we suggest how our understanding and exploitation of these data may begin to inform the design and use of urban pervasive systems.

研究の動機と目的

• モバイルセンシング技術を用いて都市環境における人の移動行動と相互作用のパターンを理解すること。
• 移動行動および共存行動の空間的・時間的パターンをモデリングおよび可視化するための手法的ツールキットを開発すること。
• イギリスのバース市で収集された70,000台を超える独自デバイスの縦断的Bluetoothデータを分析すること。
• 時間的要因が都市内での遭遇ネットワークの構造的特性にどのように影響を与えるかを調査すること。
• 人間とデバイスの相互作用に関する実証的知見をもとに、都市型パーソナルコンピューティングシステムの設計を支援すること。

提案手法

• バース市で収集されたモバイルデバイスからの縦断的Bluetoothトレースデータを用いる。
• 空間的・時間的要因を考慮したデバイス間の遭遇を、複雑ネットワーク分析手法を用いてモデル化する。
• デバイスの存在および近接状態の空間的・時間的パターンを検出・表現するためのアルゴリズムを開発する。
• 動的な移動フローおよび共存ネットワークを可視化するための可視化技術を採用する。
• 時間的クラスタリングおよびネットワーク指標（例：次数分布、クラスタリング係数）を統合してネットワーク構造を分析する。
• 都市を人間、物理的要因、デジタル要因の統合的システムとしてモデル化するためのシステムアプローチを用いる。

実験結果

リサーチクエスチョン

• RQ1 デバイスの遭遇の時間的パターンは、都市共存ネットワークの構造的特性にどのように影響を与えるか？
• RQ2 大規模なBluetoothトレースデータから都市環境でどのような空間的・時間的パターンが生じるか？
• RQ3 移動行動および遭遇データをどのようにモデリング・可視化すれば、意味のある都市内相互作用ダイナミクスを明らかにできるか？
• RQ4 実際の都市におけるデバイスの存在および近接状態の縦断的分析から、どのような知見が得られるか？
• RQ5 これらの発見は、文脈に応じた都市型パーソナルコンピューティングシステムの設計にどのように活かせるか？

主な発見

• 時間的要因（時刻や曜日など）と都市内遭遇ネットワークの構造的特性との間に顕著な相関関係が確認された。
• 共存ネットワークの構造には非ランダムなパターンが存在し、都市活動の時間的リズムと強く相関していた。
• ツールキットは、デバイスの遭遇ダイナミクスの可視化により、繰り返し現れる移動パターンや高活動ゾーンを効果的に特定した。
• 分析の結果、遭遇の大部分を占めるのは少数のデバイスであり、都市内相互作用のハブを形成していることが示された。
• 遭遇の時間的クラスタリングは、都市の移動行動が均一ではなく、予測可能な1日単位のサイクルに従っていることを示唆している。
• 本研究の結果は、Bluetoothトレースデータに対する複雑ネットワーク分析が、スケールに応じた意味のある都市内相互作用構造を解明可能であることを示している。