[論文レビュー] Interdependence and Predictability of Human Mobility and Social Interactions

Manlio De Domenico, Antonio Lima+1 more|arXiv (Cornell University)|Oct 8, 2012

Human Mobility and Location-Based Analysis被引用数 11

ひとこと要約

本稿では、相関する移動パターンを示す個人の移動データを相互情報量を用いて同定することで、人間の移動予測を向上させる多次元非線形時系列予測モデルを提案する。Nokia Mobile Data ChallengeおよびCabspottingデータセットにおいて、特に友人の移動トレースを入力として用いる場合に顕著な精度向上を示した。

ABSTRACT

Previous studies have shown that human movement is predictable to a certain extent at different geographic scales. Existing prediction techniques exploit only the past history of the person taken into consideration as input of the predictors. In this paper, we show that by means of multivariate nonlinear time series prediction techniques it is possible to increase the forecasting accuracy by considering movements of friends, people, or more in general entities, with correlated mobility patterns (i.e., characterised by high mutual information) as inputs. Finally, we evaluate the proposed techniques on the Nokia Mobile Data Challenge and Cabspotting datasets.

研究の動機と目的

• 単一ユーザーの履歴データを超えて、他の人々の相関する移動パターンを組み込むことで、人間の移動予測の精度を向上させること。
• 移動トレース間の相互情報量が、社会的相互作用や予測可能性の代理指標として機能するかどうかを検証すること。
• 社会的つながり情報が明示的に与えられている・ない状況において、実世界の移動データセットに対する多次元非線形予測手法の性能を評価すること。
• 相互情報量を用いた情報性の高い移動入力の選択のスケーラビリティと実用的妥当性を評価すること。

提案手法

• 遅延埋め込み定理を用いた位相空間再構築に基づく多次元非線形時系列予測を用い、ユーザーの移動を4次元状態ベクトル（時刻、緯度、経度、高度）としてモデル化する。
• 異なる個人の移動トレース間の相関を測定するために相互情報量を適用し、移動パターンが高く相関する者を同定する。
• 予測対象ユーザーの過去の移動と、高い相関が見られる個人（例：友人）の過去移動を入力とする多次元予測器を構築する。
• 非一様埋め込みと局所多項式フィッティングを用いた非線形予測器を採用し、ARMAなどの線形モデルよりも精度を向上させる。
• 予測対象ユーザーの位相空間を再構築し、相関する入力を用いて状態ベクトルの予測を精緻化する。
• 予測誤差がデータの不確実性（例：$ P(e(t)/\sigma_{\text{data}} < 1) $）の範囲内に収まる割合などの指標を用いて、さまざまな予測期間における予測性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 相関する移動パターンを示す他者の移動データを組み込むことで、単変量モデルと比較して人間の移動予測精度が向上するか？
• RQ2 移動トレース間の相互情報量は、実際の物理的または仮想的相互作用（社会的つながり）とどの程度相関するか？
• RQ3 地理的場所の予測において、多次元非線形予測手法はARMAなどの線形手法と比較してどの程度優れているか？
• RQ4 社会的つながり情報が利用できない状況において、相互情報量が有用な予測入力の特定の信頼できる代理指標として機能するか？
• RQ5 高相互情報量を示す移動ペアを入力として用いる場合、予測精度の向上の上限はどの程度か？

主な発見

• 多次元非線形予測器は、複雑で周期的でない移動ダイナミクスを捉える能力を備えており、従来の線形モデル（例：ARMA）を上回る性能を示した。
• 「コンビネッド、ハイ・エムアイ」予測器は、予測期間が約90分までの間、他のモデルと同等またはそれ以上の性能を達成し、予測誤差がデータの不確実性内に収まる割合が3時間までに50%以上を維持した。
• ユーザー間で高い相互情報量を示す移動トレースは、顕著に高い予測精度を示し、相関する移動パターンが予測の信頼性を向上させることを確認した。
• 移動トレース間の相互情報量は、物理的または遠隔の社会的相互作用と強く相関しており、移動の相関性が社会的つながりを示す可能性があることを示唆した。
• 社会的つながりデータが明示的に存在しない状況でも、相互情報量のみで情報性の高い移動入力を選択可能であり、Cabspottingデータセットを用いた検証でその有効性が裏付けられた。
• 相互情報量の計算の計算量は$ \mathcal{O}(N^2) $に比例するため、小規模から中規模のユーザー群（例：100人程度まで）では実用的であるが、40次元を超えると位相空間再構築は現実的でなくなる。