[논문 리뷰] Anomaly Detection of Mobility Data with Applications to COVID-19 Situational Awareness

Stefano M. Iacus, Francesco Sermi외 3명|arXiv (Cornell University)|2020. 11. 09.

Human Mobility and Location-Based Analysis참고 문헌 23인용 수 7

한 줄 요약

이 논문은 이동성 데이터의 급격한 증가 또는 감소를 탐지하기 위해 모바일 기지국 위치 데이터에서 유도된 원천-목적지 행렬(ODMs)을 사용하여 고주기·고차원 이동성 데이터를 대상으로 한 강건하고 데이터 기반의 이상 탐지 시스템을 제안한다. 이는 이동 평균과 이동 표준편차를 활용한 단순하면서도 효과적인 3-시그마 접근 방식과 개인정보 보호를 고려한 임계값을 결합하여 실시간에 가까운 이상 탐지 기능을 제공하며, 코로나19 패an드레미와 같은 공중보건 대응에 있어 조기 상황 인식을 가능하게 한다.

ABSTRACT

This work introduces a live anomaly detection system for high frequency and high-dimensional data collected at regional scale such as Origin Destination Matrices of mobile positioning data. To take into account different granularity in time and space of the data coming from different sources, the system is designed to be simple, yet robust to the data diversity, with the aim of detecting abrupt increase of mobility towards specific regions as well as sudden drops of movements. The methodology is designed to help policymakers or practitioners, and makes it possible to visualise anomalies as well as estimate the effect of COVID-19 related containment or lifting measures in terms of their impact on human mobility as well as spot potential new outbreaks related to large gatherings.

연구 동기 및 목표

• 지역 규모에서 고차원·고주기 이동성 데이터를 대상으로 확장 가능하고 강건한 이상 탐지 시스템을 개발하기 위해.
• 대규모 집회로 인한 이동성 급증(예: 대규모 집회)과 데이터 품질 문제 또는 정책 시행으로 인한 갑작스러운 이동성 감소(예: 정책 시행)를 모두 탐지하기 위해.
• 공중보건 위기 동안 격리 또는 해제 조치의 인간 이동성에 미치는 영향을 평가하기 위해 정책 입안자에게 지원하기 위해.
• 복잡한 모델링이나 데이터 소스에 대한 가정 없이도 데이터 기반의 운영 가능한 도구를 제공하여 조기 경고 시스템에 활용하기 위해.
• 익명화된 집계 ODM을 사용하고 최소한의 튜닝 파rameter를 활용하여 개인정보 보호와 운영 가능성을 확보하기 위해.

제안 방법

• 지역 간 이동을 시간에 따라 나타내는 원천-목적지 행렬(ODMs)을 입력으로 사용한다.
• 기본 이동성 행동를 모델링하기 위해 과거 기간에 대한 이동 평균(p=4)과 이동 표준편차를 적용한다.
• 동적 상한선 및 하한선을 설정하기 위해 75번째 백분위수 기준치(t)와 3-시그마 규칙을 활용한다: U = max(MA + t, MA + 3SD), L = min(MA - t, MA - 3SD, 0).
• 관측값이 이 범위를 벗어날 경우 이상으로 표시하며, 신호 강도는 상대적 증가율로 측정한다: INC = (ODM / MA - 1) × 100%.
• 상대적 증가 또는 감소에 따라 신호를 네 단계(0–3)로 분류하여 시각적 및 운영적 우선순위를 부여할 수 있도록 한다.
• 입구(·,j) 및 출구(i,·) 이동 흐름을 별도로 분석하고, R에서 희소 행렬 계산을 활용하여 계산 효율성을 확보한다.

실험 결과

연구 질문

• RQ1 다양한 출처에서 온 고차원·고주기 이동성 데이터를 다룰 수 있는 단순하고 강건한 이상 탐지 시스템을 어떻게 설계할 수 있는가?
• RQ2 복잡한 모델에 의존하지 않고도 데이터 기반의 비모수적 접근 방식이 이동성 급증과 데이터 손실을 모두 탐지할 수 있는 정도는 어느 정도인가?
• RQ3 익명화된 집계 ODM만을 사용하여도 전염병 확산 관련 집회나 정책 영향을 신뢰성 있게 탐지할 수 있는가?
• RQ4 개인정보 보호를 위한 임계값(예: th=20)과 강건한 통계적 범위가 실제 이동성 변화에 민감하게 반응할 수 있도록 어떻게 공존시킬 수 있는가?
• RQ5 대규모 이상 탐지에서 계산 효율성과 공간 정보 활용 간의 상충 관계는 어떻게 평가할 수 있는가?

주요 결과

• 이 시스템은 이동 평균, 이동 표준편차, 75번째 백분위수 기준치만을 사용하여도 이동성 급증과 데이터 손실을 성공적으로 탐지한다.
• ODM 크기가 10,000×10,000인 경우조차도 매일 또는 매시간 기준으로 최대 20개 국가의 데이터를 처리하는 데 1일 기준 1시간 이내의 계산 시간이 소요되며, 이는 고성능 처리를 가능하게 한다.
• 이상은 이동 평균에서의 상대적 편차에 기반해 네 단계로 분류되어 수천 개의 신호에 대한 우선순위 시각화 검토가 가능하다.
• 이 시스템은 공간적 종속성이나 분포 형태에 대한 가정 없이도 데이터 다양성에 강건하다.
• 분위수 기준치를 통한 일일 변동성 반영과 이동 평균을 통한 장기 추세 반영을 통해 임의의 이상 신호를 효과적으로 방지한다.
• 운영 가능하며, 에pidemiological 조기 경고 시스템에 입력 가능한 해석 가능한 실시간 신호를 생성한다.