[論文レビュー] Inferring Unusual Crowd Events From Mobile Phone Call Detail Records

Yuxiao Dong, Fabio Pinelli+4 more|arXiv (Cornell University)|Apr 14, 2015

Human Mobility and Location-Based Analysis参考文献 20被引用数 16

ひとこと要約

本論文は、時間的・空間的スパarsityを解消するためにユーザーの移動パターンをモデル化し、過去のルーティンからの逸脱を特定することで、低解像度のモバイルフォン通話記録（CDR）から異常な群衆イベントを検出する新規フレームワークを提案する。コートジvoreの政治的危機期における実際のCDRデータを用いた評価で、最先端のGPSベースの手法と比較して10倍の高い精度と16%高い再現率を達成した。

ABSTRACT

The pervasiveness and availability of mobile phone data offer the opportunity of discovering usable knowledge about crowd behaviors in urban environments. Cities can leverage such knowledge in order to provide better services (e.g., public transport planning, optimized resource allocation) and safer cities. Call Detail Record (CDR) data represents a practical data source to detect and monitor unusual events considering the high level of mobile phone penetration, compared with GPS equipped and open devices. In this paper, we provide a methodology that is able to detect unusual events from CDR data that typically has low accuracy in terms of space and time resolution. Moreover, we introduce a concept of unusual event that involves a large amount of people who expose an unusual mobility behavior. Our careful consideration of the issues that come from coarse-grained CDR data ultimately leads to a completely general framework that can detect unusual crowd events from CDR data effectively and efficiently. Through extensive experiments on real-world CDR data for a large city in Africa, we demonstrate that our method can detect unusual events with 16% higher recall and over 10 times higher precision, compared to state-of-the-art methods. We implement a visual analytics prototype system to help end users analyze detected unusual crowd events to best suit different application scenarios. To the best of our knowledge, this is the first work on the detection of unusual events from CDR data with considerations of its temporal and spatial sparseness and distinction between user unusual activities and daily routines.

研究の動機と目的

• 粗粒度のモバイルフォンCDRデータを用いて都市環境における異常な群衆イベントを検出すること。CDRデータはGPSデータよりも普及度が高いため。
• 通話やメッセージ送信の際のみ位置情報が記録されるCDRデータに内在する時間的・空間的スパarsityの課題に対処すること。
• 大規模な集団が異常な移動パターンを示す場合に、日常的ルーティンからの逸脱を特定することに焦点を当てる。
• 高解像度のGPSトレースに依存せずに、一般化可能で効率的かつ効果的なフレームワークを構築すること。
• 都市の意思決定者らが検出結果を解釈し、パラメータを調整できる視覚的アナリティクスシステムを提供すること。

提案手法

• 時間的・空間的スパースなCDRデータをモデル化するためのシリンダ型クラスタの概念を導入し、時間と空間の両方で一緒に移動するユーザーのグループを捉える。
• 現在のトレースとユーザーの歴史的移動プロファイルとの間の顕著な乖離に基づいて、異常な群衆イベントを定義する。
• 個々のトレースとその歴史的移動パターンとの類似度を測る指標を用いて、異常行動を検出する。
• 密度に基づくクラスタリング手法を適用し、観測が疎であっても時間的に継続する移動グループを同定する。
• エンドユーザーが検出されたイベントを探索し、さまざまな応用シナリオに合わせてパrameterを調整できる視覚的アナリティクスプロトタイプシステムを採用する。
• 時間的クラスタリング、空間的近接性、行動の乖離検出を組み合わせることで、多数の人が異常な行動をとるイベントを同定する。

実験結果

リサーチクエスチョン

• RQ1 時間的・空間的にスパースなCDRデータから、どのようにして異常な群衆イベントを効果的に検出できるか？
• RQ2 日常的行動からの移動の乖離という観点で、「異常な」群衆イベントとは具体的にどのようなものか？
• RQ3 低解像度のCDRデータから、どのようにして信頼性の高いグループ移動パターンを推定できるか？
• RQ4 スパースなCDRデータを対象としたフレームワークは、高解像度GPSデータで学習された既存の手法を上回ることができるか？
• RQ5 エンドユーザーは、現実の都市管理の文脈で、検出されたイベントとどのように対話し、解釈できるか？

主な発見

• 提案手法は、コートジvoreの実際のCDRデータを用いた評価で、最先端のGPSベースの手法と比較して10倍の高い精度と16%高い再現率を達成した。
• フレームワークは、2010–2011年のコートジvore危機期に発生したデモや政治的不安定といった異常イベントを、限られたかつ不規則なCDR観測でも効果的に検出できた。
• 視覚的アナリティクスプロトタイプは、さまざまな都市管理シナリオにおける効果的な探索とパrameterチューニングを可能にした。
• 現在のトレースを個々のユーザーの歴史的移動プロファイルと比較することで、日常的ルーティンからの異常な群衆行動を区別できた。
• 本手法は、GPSや監視インfraが限られる発展途上国のようなデータが乏しい環境でも、一般化可能で効果的であることが示された。
• 本研究は、低解像度であっても、適切な移動モデリングを施せばCDRデータが大規模な都市イベントに関する高品質なインサイトを提供できることを示した。