[論文レビュー] Data for Development: the D4D Challenge on Mobile Phone Data

Vincent D. Blondel, Markus Esch+7 more|arXiv (Cornell University)|Sep 29, 2012

ICT in Developing Communities参考文献 3被引用数 158

ひとこと要約

本論文は、コートジボワール（2011年12月～2012年4月）の500万人のユーザーから得られた匿名化されたモバイル電話通話記録（CDR）から成るOrange D4Dチャレンジというデータセットを紹介する。このデータセットは、人間の移動行動、社会的ネットワーク、社会経済的発展に関する研究を可能にする。データには、1時間ごとのアンテナ間トラフィック、アンテナレベルおよび準県レベルでの個々の軌跡、エゴ中心の通信サブグラフが含まれており、低所得地域における集団行動の研究や開発支援イニシアチブを支援する、極めて大規模かつプライバシー保護型のリソースを提供する。

ABSTRACT

The Orange "Data for Development" (D4D) challenge is an open data challenge on anonymous call patterns of Orange's mobile phone users in Ivory Coast. The goal of the challenge is to help address society development questions in novel ways by contributing to the socio-economic development and well-being of the Ivory Coast population. Participants to the challenge are given access to four mobile phone datasets and the purpose of this paper is to describe the four datasets. The website http://www.d4d.orange.com contains more information about the participation rules. The datasets are based on anonymized Call Detail Records (CDR) of phone calls and SMS exchanges between five million of Orange's customers in Ivory Coast between December 1, 2011 and April 28, 2012. The datasets are: (a) antenna-to-antenna traffic on an hourly basis, (b) individual trajectories for 50,000 customers for two week time windows with antenna location information, (3) individual trajectories for 500,000 customers over the entire observation period with sub-prefecture location information, and (4) a sample of communication graphs for 5,000 customers

研究の動機と目的

• 低所得国における実世界のモバイル電話データを活用して、人間行動および社会経済的発展に関する大規模研究を可能にすること。
• 研究者によるモバイル電話データセットへのアクセス格差を是正するため、匿名化されプライバシー保護されたデータを公開して一般研究に提供すること。
• コートジボワールにおける開発を支援するため、アフリカの研究者と協働を促進し、国家統計庁が把握できない行動データを提供すること。
• 移動パターン、通信ネットワーク、都市ダイナミクスを研究するための包括的で多スケールのデータセットを提供すること。
• D4Dチャレンジのようなオープンサイエンス・イニシアチブを通じて、発展途上国における研究者によるビッグデータへのアクセス格差を是正すること。

提案手法

• 本データセットは、コートジボワールのOrangeモバイルユーザー500万人の匿名化された通話記録（CDR）に基づくもので、5か月間（2011年12月～2012年4月）にわたる。
• 4つの異なるデータセットが公開されている：(1) 時間別アンテナ間トラフィック、(2) 50,000人のユーザーのアンテナレベルでの個々の軌跡、(3) 500,000人のユーザーの準県レベルでの長期的軌跡、(4) 5,000人のユーザーのエゴ中心通信サブグラフ。
• 長期的軌跡データでは、アンテナの位置を準県行政領域にマッピングすることで空間分解能を低くし、地理的中心座標を提供している。
• 通信サブグラフは、5,000人のランダムに選ばれたユーザー（エゴ）の一次および二次近隣者を特定することで構築されており、公共電話の使用パターンは除外されている。
• すべてのユーザー識別子は、エゴ中心グラフごとに匿名化され再割り当てされており、サブグラフ間でのリンクを防ぐためにプライバシーを保護している。
• データはD4Dチャレンジのウェブサイトを通じて公開されており、データベース統合用のDDLスキーマも含まれている。

実験結果

リサーチクエスチョン

• RQ1 大規模なモバイル電話CDRは、発展途上国における人間の移動行動パターンをどのようにモデル化・理解に活用できるか？
• RQ2 匿名化されたモバイル電話データは、低所得地域における社会経済的ダイナミクスをどの程度明らかにし、公共政策にどのように寄与できるか？
• RQ3 コートジボワールの都市部および農村部におけるモバイル電話利用から、通信ネットワークおよび社会的つながりのパターンはどのように形成されるか？
• RQ4 プライバシーが重要な懸念事項である状況下で、モバイル電話データを発展研究に使用する際の限界と倫理的配慮は何か？
• RQ5 D4Dチャレンジのようなオープンデータイニシアチブは、発展途上国の研究者たちがビッグデータにアクセスする格差をどのように是正できるか？

主な発見

• 本データセットには、コートジボワールの500万人の匿名化されたモバイルユーザーが含まれており、5か月間にわたる通信および移動行動パターンの包括的視覚を提供する。
• 時間別アンテナ間トラフィックデータセットは、500以上の基地局をカバーし、24時間のモバイル電話利用パターンを捉えている。
• 50,000人のユーザーの軌跡は、タイムスタンプと地理座標を含むアンテナレベルで記録されており、細分化された移動行動分析が可能である。
• 500,000人のユーザーの長期的軌跡は準県地域にマッピングされており、地理的中心座標が提供されており、大規模な空間分析が可能である。
• 通信サブグラフデータセットには、2週間の期間ごとに捉えられた5,000のエゴ中心ネットワークと二次近隣者（second-order neighbors）が含まれており、相互作用パターンを把握できる。
• データは厳格な匿名化およびプライバシー保護対策を講じて公開されており、エゴグラフごとにユーザーの再特定が可能であり、公共電話利用者も除外されている。