[논문 리뷰] A Scalable Framework for Spatiotemporal Analysis of Location-based Social Media Data

Guofeng Cao, Shaowen Wang외 4명|arXiv (Cornell University)|2014. 09. 08.

Human Mobility and Location-Based Analysis참고 문헌 36인용 수 8

한 줄 요약

이 논문은 공간-시간 궤적에서 구축된 계층적 시공간 데이터 큐브 모델을 사용하여 막대한 위치 기반 소셜 미디어 데이터에 대한 시공간 분석을 위한 확장 가능한 계산 프레임워크를 제안한다. 이 프레임워크는 상호작용형 유동 맵핑 인터페이스를 통해 다중 척도, 실시간 시각적 탐색을 가능하게 하여 북미 전역에서 블록 수준 해상도까지의 트위터 데이터에 대한 효율적인 분석을 입증한다.

ABSTRACT

In the past several years, social media (e.g., Twitter and Facebook) has been experiencing a spectacular rise and popularity, and becoming a ubiquitous discourse for content sharing and social networking. With the widespread of mobile devices and location-based services, social media typically allows users to share whereabouts of daily activities (e.g., check-ins and taking photos), and thus strengthens the roles of social media as a proxy to understand human behaviors and complex social dynamics in geographic spaces. Unlike conventional spatiotemporal data, this new modality of data is dynamic, massive, and typically represented in stream of unstructured media (e.g., texts and photos), which pose fundamental representation, modeling and computational challenges to conventional spatiotemporal analysis and geographic information science. In this paper, we describe a scalable computational framework to harness massive location-based social media data for efficient and systematic spatiotemporal data analysis. Within this framework, the concept of space-time trajectories (or paths) is applied to represent activity profiles of social media users. A hierarchical spatiotemporal data model, namely a spatiotemporal data cube model, is developed based on collections of space-time trajectories to represent the collective dynamics of social media users across aggregation boundaries at multiple spatiotemporal scales. The framework is implemented based upon a public data stream of Twitter feeds posted on the continent of North America. To demonstrate the advantages and performance of this framework, an interactive flow mapping interface (including both single-source and multiple-source flow mapping) is developed to allow real-time, and interactive visual exploration of movement dynamics in massive location-based social media at multiple scales.

연구 동기 및 목표

• 지리적 공간 내에서 막대하고 동적이며 비정형적인 위치 기반 소셜 미디어 데이터의 표현, 모델링, 분석에 도전하는 데 초점을 맞춘다.
• 다양한 공간 및 시간 척도에서 체계적인 시공간 분석을 지원하는 확장 가능한 계산 프레임워크를 개발하는 것.
• 소셜 미디어 데이터를 활용하여 집단적 인간 이동 동역학을 실시간으로 상호작용형으로 시각적으로 탐색할 수 있도록 하는 것.
• GIS 및 시공간 분석 도구와 소셜 미디어 데이터를 통합하여 대규모 동적 모델링을 위한 기반을 마련하는 것.
• 향후 소셜 미디어 데이터에 대한 확장 가능하고 체계적인 시공간 분석 연구의 기초를 다지는 것.

제안 방법

• 개별 소셜 미디어 사용자를 시간과 공간에 따라 이동 패턴을 모델링하기 위해 공간-시간 궤적으로 표현하는 것.
• 기본 큐빙(Primitive Cuboids)을 기반으로 한 계층적 시공간 데이터 큐브 모델을 설계하여 공간, 시간, 사용자 그룹에 걸쳐 다중 척도 집계를 지원하는 것.
• 북미 지역의 공개 트위터 피드 스트림을 사용하여 데이터 큐브를 구축하고 유지보수하여 효율적인 쿼리 및 요약을 가능하게 하는 것.
• 다양한 척도에서 단일 소스 및 다중 소스 이동 유량을 시각화하기 위한 실시간 상호작용형 유동 맵핑 인터페이스를 구현하는 것.
• 사용자가 정의한 집계 경계를 기반으로 시공간 분포 및 동역학에 대한 OLAP 스타일 쿼리를 지원하기 위해 데이터 큐브를 활용하는 것.
• 감염병 확산(예: 인플루엔자 유사 질환, ILI)과 같은 집단적 행동을 분석하기 위해 영향을 받은 사용자의 이동 패턴을 추적함으로써 프레임워크를 활용하는 것.

실험 결과

연구 질문

• RQ1 막대하고 동적이며 비정형적인 위치 기반 소셜 미디어 데이터를 효과적으로 모델링하여 확장 가능한 시공간 분석을 수행할 수 있는 방법은 무엇인가?
• RQ2 공간과 시간에 걸쳐 집단적 인간 이동 패턴의 다중 척도 분석을 지원할 수 있는 계층적 데이터 모델은 무엇인가?
• RQ3 소셜 미디어 데이터를 활용하여 대규모 이동 동역학의 실시간 상호작용형 시각적 탐색을 어떻게 실현할 수 있는가?
• RQ4 실제 트위터 데이터 스트림에 적용했을 때 제안된 프레임워크의 성능 및 확장성 특성은 어떠한가?
• RQ5 소셜 네트워크 구조와 위치 불확실성의 통합은 소셜 미디어 기반 인간 동역학 분석을 어떻게 향상시킬 수 있는가?

주요 결과

• 제안된 시공간 데이터 큐브 모델은 공간 영역, 시간 구간, 사용자 그룹에 걸쳐 쿼리가 가능한 막대한 위치 기반 소셜 미디어 데이터의 다중 척도 분석을 성공적으로 지원한다.
• 프레임워크는 북미 전역의 공개 트위터 데이터 스트림을 활용하여 이동 동역학의 효율적인 실시간 처리 및 시각화를 입증하였다.
• 상호작용형 유동 맵핑을 통해 주요 도시 간의 명확한 대륙 수준의 이동 패턴이 드러났으며, 블록 수준 해상도에서의 세부 정보도 확보되었다.
• 시스템은 다양한 시간 창에 걸쳐 인플루엔자 유사 질환(ILI)에 영향을 받은 사용자와 같은 하위집단의 이동 유량에 대한 효과적인 시각적 탐색을 가능하게 하였다.
• 데이터 큐브 모델은 전통적인 GIS 및 시공간 분석 도구와의 통합을 위한 체계적이고 확장 가능한 기반을 제공한다.
• 이 프레임워크는 위치와 활동에 대한 더 풍부한 맥락 정보를 제공하는 플랫폼인 퍼스퀘어(Foursquare)와 같은 다른 소셜 미디어 플랫폼으로도 확장 가능하다.