[논문 리뷰] Chatty Mobiles:Individual mobility and communication patterns

Thomas Couronné, Zbigniew Smoreda외 1명|arXiv (Cornell University)|2013. 01. 28.

Human Mobility and Location-Based Analysis참고 문헌 6인용 수 8

한 줄 요약

이 논문은 이동 통신망 데이터(통화 기록 기록 및 별개의 위치 추적 데이터 포함)를 융합하여 스마트폰 통신 패턴과 실제 개인 이동 패턴 간의 상관관계를 조사한다. 통신 이벤트와 실제 이동 데이터를 분석함으로써, 통화 활동 기반의 빈도 샘플링이 빈도가 높은 통신자들이 반드시 높은 이동성을 보이지 않기 때문에 이동성 연구에서의 가정을 도전하는 심각한 편향을 유발한다는 점을 입증한다. 이는 익명화된 CDR 데이터를 사용한 이동성 연구에 있어 중요한 문제를 제기한다.

ABSTRACT

Human mobility analysis is an important issue in social sciences, and mobility data are among the most sought-after sources of information in ur- Data ban studies, geography, transportation and territory management. In network sciences mobility studies have become popular in the past few years, especially using mobile phone location data. For preserving the customer privacy, datasets furnished by telecom operators are anonymized. At the same time, the large size of datasets often makes the task of calculating all observed trajectories very difficult and time-consuming. One solution could be to sample users. However, the fact of not having information about the mobile user makes the sampling delicate. Some researchers select randomly a sample of users from their dataset. Others try to optimize this method, for example, taking into account only users with a certain number or frequency of locations recorded. At the first glance, the second choice seems to be more efficient: having more individual traces makes the analysis more precise. However, the most frequently used CDR data (Call Detail Records) have location generated only at the moment of communication (call, SMS, data connection). Due to this fact, users mobility patterns cannot be precisely built upon their communication patterns. Hence, these data have evident short-comings both in terms of spatial and temporal scale. In this paper we propose to estimate the correlation between the users communication and mo- bility in order to better assess the bias of frequency based sampling. Using technical GSM network data (including communication but also independent mobility records), we will analyze the relationship between communication and mobility patterns.

연구 동기 및 목표

• 익명화된 모바일 휴대폰 데이터를 사용한 이동성 연구에서 빈도 기반 샘플링이 유도하는 편향을 평가하기 위해.
• 통신 패턴(통화/SMS)과 실제 개인 이동 경로 간의 상관관계를 조사하기 위해.
• 공간적·시간적 해상도 제약으로 인해 CDR가 진정한 이동 패턴을 포착하는 데 한계가 있음을 평가하기 위해.
• 이동성과 통신 간의 관계를 더 잘 이해하기 위해 융합된 GSM 네트워크 데이터 기반의 데이터 기반 접근법을 제안하기 위해.
• 대규모 이동성 및 사회망 분석에서 더 정확한 샘플링 전략을 안내하기 위해.

제안 방법

• 통화 기록 기록(CDR)과 GSM 네트워크 신호 데이터로부터 유도된 별개의 이동 추적 데이터를 융합한 데이터셋을 활용한다.
• 통신 이벤트에 의존하지 않는 네트워크 기반 위치 업데이트에서 개인의 이동 패턴을 추출한다.
• 동일한 개인의 통신 빈도(통화, SMS)와 실제 이동 활동(다양한 위치 수, 이동 패턴)을 비교한다.
• 통신 행동과 이동 행동 간의 관계를 정량화하기 위해 통계적 상관 분석을 적용한다.
• 통신 이벤트가 CDR 기반 연구에서 이동성의 신뢰할 수 있는 대체 지표가 되지 못한다는 것을 검증하기 위해 혼합 방법 접근법을 사용한다.
• 통신 빈도 기반으로 선택된 사용자의 대표성을 평가하기 위해 비교 기반 샘플링 프레임워크를 활용한다.

실험 결과

연구 질문

• RQ1 어떤 통신 패턴(예: 통화 빈도)이 실제 개인 이동 행동을 얼마나 잘 예측하는가?
• RQ2 CDR 데이터에서 사용자에 대한 빈도 기반 샘플링이 이동성 분석에 얼마나 큰 편향을 유도하는가?
• RQ3 네트워크 신호에서 유도된 이동 패턴과 CDR에서 유도된 통신 패턴 간의 상관관계는 어떠한가?
• RQ4 CDR 데이터의 공간적·시간적 제약이 이동성 추론 정확도에 어떤 영향을 미치는가?
• RQ5 독립적인 이동 추적 데이터가 대규모 이동성 연구에서 샘플링 전략의 신뢰성 향상에 기여할 수 있는가?

주요 결과

• 많은 빈도로 통화하는 사람들은 실제로 이동성이 낮은 경우가 많고, 반대로 이동성이 높은 사람들은 빈도가 낮은 경우가 많기 때문에 통신 빈도는 실제 이동성의 나쁜 예측 지표이다.
• 높은 통신 활동을 보이는 사용자들이 반드시 가장 이동성이 높은 것은 아니며, 이는 통신과 이동 패턴 간에 심각한 괴리가 있음을 시사한다.
• 이 연구는 빈도 기반 샘플링 전략이 통신은 많지만 이동성이 높지 않은 사용자를 과대 대표함으로써 체계적 편향을 유발한다는 것을 드러낸다.
• 네트워크 신호에서 유도된 독립적인 이동 추적 데이터는 CDR만으로는 부족한 정확도와 신뢰성 있는 이동성 추론 기반으로 더 유리하다.
• 통신과 이동성 간의 상관관계는 약하고 개인 간으로 일관되지 않으며, 이는 통화 빈도를 이동성의 대체 지표로 사용하는 것의 타당성을 떨어뜨린다.
• 연구 결과는 향후 이동성 연구에서 CDR 외의 추가적인 이동성 데이터 소스를 통합하여 샘플링 편향을 줄여야 한다고 제안한다.