[論文レビュー] The Quantified City: Sensing Dynamics in Urban Setting

Tahar Zanouda, Noora Al Emadi+2 more|arXiv (Cornell University)|Jan 16, 2017

Human Mobility and Location-Based Analysis参考文献 6被引用数 3

ひとこと要約

本論文では、都市の動態をモデル化するため、IoTベースの物理的センシングとソーシャルベースの人間センシングを統合する、空間的・時間的データ統合プラットフォーム「QuantifiedCity」を紹介する。空間的・時間的空間をデータ統合のブロッキング関数として用いることで、都市の出来事、感情、移動行動、インfra構造の状態について、リアルタイムで地図中心の可視化を可能にし、テニス大会のような大規模イベントの際の都市監視および意思決定の向上を実証した。

ABSTRACT

The world is witnessing a period of extreme growth and urbanization; cities in the 21st century became nerve centers creating economic opportunities and cultural values which make cities grow exponentially. With this rapid urban population growth, city infrastructure is facing major problems, from the need to scale urban systems to sustaining the quality of services for citizen at scale. Understanding the dynamics of cities is critical towards informed strategic urban planning. This paper showcases QuantifiedCity, a system aimed at understanding the complex dynamics taking place in cities. Often, these dynamics involve humans, services, and infrastructures and are observed in different spaces: physical (IoT-based) sensing and human (social-based) sensing. The main challenges the system strives to address are related to data integration and fusion to enable an effective and semantically relevant data grouping. This is achieved by considering the spatio-temporal space as a blocking function for any data generated in the city. Our system consists of three layer for data acquisition, data analysis, and data visualization; each of which embeds a variety of modules to better achieve its purpose (e.g., data crawling, data cleaning, topic modeling, sentiment analysis, named entity recognition, event detection, time series analysis, etc.) End users can browse the dynamics through three main dimensions: location, time, and event. For each dimension, the system renders a set of map-centric widgets that summarize the underlying related dynamics. This paper highlights the need for such a holistic platform, identifies the strengths of the "Quantified City" concept, and showcases a working demo through a real-life scenario.

研究の動機と目的

• 急激な都市化とインfra構造への負荷増に起因する都市の複雑性の増大という課題に対処すること。
• 都市監視における物理的（IoT）と社会的（人間生成）センシングデータの間のギャップを埋めること。
• リアルタイムでインタラクティブかつ意味的に豊かな都市動態分析を可能にする包括的プラットフォームの開発。
• 統合されたデータ統合と可視化を通じて、都市計画者や意思決定者に実行可能なインサイトを提供すること。
• 本システムの実世界での有効性を、例えば大規模な公共イベントの監視といったシナリオで実証すること。

提案手法

• システムは、データ取得、データ分析、データ可視化の3層アーキテクチャを採用している。
• 空間的・時間的ブロッキングをコアな統合メカニズムとして用い、共有の位置と時間窓に基づいてデータをグループ化している。
• データ取得には、ウェブクローリング、データクリーニング、およびIoTおよびソーシャルメディアストリーム（例：GPS、チェックイン、CDR、ソーシャルメディア投稿）の統合が含まれる。
• データ分析モジュールには、トピックモデリング、センチメント分析、固有語認別、イベント検出、時系列解析が含まれる。
• 可視化レイヤーは、場所、時間、出来事の次元における動態を表示する地図中心のウィジェットを用いている。
• リアルタイムでの統計レンダリングを可能にするために、時間範囲、地理的領域、出来事によるインタラクティブフィルタリングが可能である。

実験結果

リサーチクエスチョン

• RQ1 物理的および社会的センシングデータを、リアルタイムで都市動態をモデル化するために効果的に統合する方法は何か？
• RQ2 空間的・時間的整合性は、多様な都市データソース間での意味のあるデータ統合を可能にする上で果たす役割は何か？
• RQ3 統一されたプラットフォームは、大規模な公共イベントの際の都市監視および意思決定をどのように改善できるか？
• RQ4 マルチモーダルデータマイニングは、スマートシティにおける状況認識をどの程度向上できるか？
• RQ5 地図中心でインタラクティブな可視化は、複雑な都市イベントを理解するための都市計画者や緊急対応担当者を効果的に支援できるか？

主な発見

• QuantifiedCityは、空間的・時間的ブロッキングを用いてIoTとソーシャルメディアデータを効果的に統合し、物理的および社会的都市層にまたがる意味的に整合性のあるデータグループ化を実現した。
• 本システムは、カタール・エクソンモービル・オープン・テニス大会の際、リアルタイムで都市動態を検出することに成功した。これには、感情の傾向、移動行動パターン、交通渋滞の状況が含まれた。
• センチメント分析により、交通に関する公衆の不満が判明し、それが出来事のスケジュールや会場の位置と空間的・時間的に相関していた。
• 地図中心のウィジェットを通じて、ファンの移動やイベント参加状況の可視化が可能となり、各場所における相互作用の密度と感情状態の分布を示した。
• 都市計画者や当局は、本プラットフォームを用いて、交通信号の調整や迂回ルートの推奨など、適応的対応を実行できるようになった。
• 複数のデータモダリティの統合により、物理的センサーのみで得られる情報の範囲を超えた状況認識が向上した。