[論文レビュー] Large Scale Model for Information Dissemination with Device to Device Communication using Call Details Records

Rachit Agarwal, Vincent Gauthier+3 more|arXiv (Cornell University)|May 24, 2013

Human Mobility and Location-Based Analysis参考文献 35被引用数 10

ひとこと要約

本稿では、コートジボワールにおける端末間（D2D）通信を活用して、大規模かつデータ駆動型のメタポピュレーションモデルを提案する。通話記録（CDR）および国勢調査データを用いて、多様な人間の移動行動と感染症の動態をモデル化する。潜在的状態を導入し、現実のユーザー行動を捉える。その結果、人口の非活動状態は感染ピークの遅延をもたらすが、アビジャンのような高接続性のハブでは影響が最小限に抑えられることが示された。

ABSTRACT

In a network of devices in close proximity such as Device to Device ($D2D$) communication, we study the dissemination of public safety information at country scale level. In order to provide a realistic model for the information dissemination, we extract a spatial distribution of the population of Ivory Coast from census data and determine migration pattern from the Call Detail Records ($CDR$) obtained during the Data for Development ($D4D$) challenge. We later apply epidemic model towards the information dissemination process based on the spatial properties of the user mobility extracted from the provided $CDR$. We then propose enhancements by adding latent states to the epidemic model in order to model more realistic user dynamics. Finally, we study dynamics of the evolution of the information spreading through the population.

研究の動機と目的

• 現実の人の移動パターンを反映させた国全体のD2Dネットワークにおける大規模な公共安全情報拡散をモデル化すること。
• 異種の移動行動と人口構造を組み込むことで、従来の感染症モデルにおけるスケーラビリティと現実性のギャップを解消すること。
• 潜在的（非活動的）ユーザー状態がメタポピュレーションフレームワーク内での情報拡散の速度とピークに与える影響を調査すること。
• CDRから導出された定常状態の人口分布が、国勢調査データと密接に一致することを検証し、モデルの信頼性を確保すること。

提案手法

• コートジボワールの下位行政区画（サブプロヴィンス）境界を空間的単位として用い、人口構造化のためのメタポピュレーションモデルを構築した。
• D4D通話記録（CDR）データセットから移動パターンを抽出し、サブプロヴィンス間の移動確率および帰還確率を導出した。
• 公式の国勢調査データを用いて人口分布をキャリブレーションし、各サブプロヴィンスの初期人口規模が現実的であることを保証した。
• 非活動的または遅延伝播フェーズを表すために、修正されたSIR感染症モデルに潜在的状態（E_S, E_I, E_R）を導入した。
• 潜在的状態での滞在時間を指数分布（平均 = 0.5日）でモデル化し、潜在的ユーザーの割合（10%および20%）を変化させてその影響を評価した。
• 拡散プロセスのシミュレーションにτ-リープ法を適用し、出発レートを実測の流れデータに基づくポアソン過程として各サブプロヴィンスにモデル化した。

実験結果

リサーチクエスチョン

• RQ1 感染症モデルに潜在的状態を組み込むと、D2Dネットワーク内での情報拡散のタイミングとピークにどのような影響を与えるか？
• RQ2 情報拡散の初期位置（例：アビジャン対アコボイシュ）が、潜在的ユーザーの影響が拡散速度に与える影響にどのように関与するか？
• RQ3 CDRデータから導出された定常状態の人口分布は、元の国勢調査分布とどの程度一致するか？
• RQ4 ネットワークの中心性と接続性は、非活動的（潜在的）ユーザーによる遅延を緩和するために果たす役割は何か？

主な発見

• 初期の国勢調査に基づく人口分布とCDRから導出された定常状態分布との間の対称化KLダイバージェンスは約0.001であり、ほぼ同一の一致を示している。
• 10%～20%の潜在的ユーザーを導入すると、非活動ユーザーがメッセージ伝播速度を低下させるため、感染ピークの時期が遅れる。
• アコボイシュのような低接続性地域では、隣接するサブプロヴィンスへの移動が遅いため、潜在的ユーザーによる遅延が顕著に現れる。
• アビジャンのような高中心性ハブでは、高い接続性とノード密度のおかげで、潜在的状態があっても拡散速度はほとんど影響を受けないが、ピークは抑制される。
• 帰還確率の非一様モデル（定義11）は、特に移動分散が大きい地域で現実の動態をよりよく捉えている。
• 20%のユーザーが潜在的状態にあっても、全体の拡散プロセスは依然として有効であることが示され、特に良好に接続されたコミュニティでは顕著である。