[논문 리뷰] Data for Development: the D4D Challenge on Mobile Phone Data

Vincent D. Blondel, Markus Esch외 7명|arXiv (Cornell University)|2012. 09. 29.

ICT in Developing Communities참고 문헌 3인용 수 158

한 줄 요약

이 논문은 2011년 12월에서 2012년 4월까지 500만 명의 사용자로부터 수집된 익명화된 모바일 휴대전화 통화 세부 기록(CDR) 데이터셋인 오렌지 D4D 챌린지를 소개한다. 이 데이터셋은 인간 이동성, 사회 네트워크, 사회경제적 발전에 관한 연구를 가능하게 하며, 시간대별 안테나 간 통신량, 안테나 수준 및 하위구역 수준에서의 개인 이동 경로, 그리고 에고 중심의 통신 하위그래프를 포함한다. 이는 저소득 환경에서 집단 행동을 연구하고 개발 이니셔티브를 지원하는 데 있어 흔치 않은 대규모이며 개인정보 보호가 보장된 자원을 제공한다.

ABSTRACT

The Orange "Data for Development" (D4D) challenge is an open data challenge on anonymous call patterns of Orange's mobile phone users in Ivory Coast. The goal of the challenge is to help address society development questions in novel ways by contributing to the socio-economic development and well-being of the Ivory Coast population. Participants to the challenge are given access to four mobile phone datasets and the purpose of this paper is to describe the four datasets. The website http://www.d4d.orange.com contains more information about the participation rules. The datasets are based on anonymized Call Detail Records (CDR) of phone calls and SMS exchanges between five million of Orange's customers in Ivory Coast between December 1, 2011 and April 28, 2012. The datasets are: (a) antenna-to-antenna traffic on an hourly basis, (b) individual trajectories for 50,000 customers for two week time windows with antenna location information, (3) individual trajectories for 500,000 customers over the entire observation period with sub-prefecture location information, and (4) a sample of communication graphs for 5,000 customers

연구 동기 및 목표

• 저소득 국가에서의 실제 모바일 휴대전화 데이터를 활용하여 인간 행동 및 사회경제적 발전에 관한 대규모 연구를 가능하게 하기 위해.
• 연구자들이 모바일 휴대전화 데이터셋에 접근하는 데 있어 '디지털 격차' 문제를 해결하기 위해 익명화되고 개인정보 보호가 보장된 데이터를 공개 연구 목적으로 제공하기 위해.
• 이보리 코트의 개발을 지원하기 위해 아프리카 연구자들과의 협력을 촉진하고, 국가 통계청에서 수집하지 못한 행동 데이터를 제공하기 위해.
• 이동 패턴, 통신 네트워크, 도시 역학을 연구하기 위한 종합적이고 다중 해상도의 데이터셋을 제공하기 위해.
• 고유한 대규모 모바일 휴대전화 데이터셋을 공개함으로써 개방 과학과 데이터 기반 개발을 촉진하기 위해.

제안 방법

• 이 데이터셋은 2011년 12월에서 2012년 4월까지 500만 명의 오렌지 모바일 사용자로부터 익명화된 통화 세부 기록(CDR)에서 유래한다.
• 네 가지 다른 데이터셋이 공개된다: (1) 시간대별 안테나 간 통신량, (2) 50,000명의 사용자에 대한 안테나 수준의 개인 이동 경로, (3) 500,000명의 사용자에 대한 장기 이동 경로(하위구역 수준), (4) 5,000명의 사용자에 대한 에고 중심의 통신 하위그래프.
• 장기 이동 경로 데이터에서는 안테나 위치를 하위구역 행정 지역으로 매핑함으로써 공간 해상도를 낮추었으며, 지리적 중심 좌표가 제공된다.
• 통신 하위그래프는 5,000명의 무작위로 선택된 사용자(에고)의 제1 및 제2차 이웃을 식별하여 구성되며, 공용 전화 사용 패턴은 제외된다.
• 모든 사용자 식별자는 익명화되고 각 에고 중심 그래프 내에서 재할당되어 개인정보 유출 방지를 위해 연결성 보장을 한다.
• 데이터는 D4D 챌린지 웹사이트를 통해 공개되며, 데이터베이스 통합을 위한 DDL 스키마가 포함되어 있다.

실험 결과

연구 질문

• RQ1 대규모 모바일 휴대전화 CDR는 개발도상국 환경에서 인간 이동 패턴을 모델링하고 이해하는 데 어떻게 활용될 수 있는가?
• RQ2 익명화된 모바일 휴대전화 데이터는 저소득 환경에서 사회경제적 역학을 어떻게 드러내며, 공공 정책 수립에 어떻게 기여할 수 있는가?
• RQ3 이보리 코트의 도시 및 농촌 지역에서 모바일 휴대전화 사용 패턴은 어떻게 통신 네트워크와 사회적 연결성 패턴을 형성하는가?
• RQ4 개인정보 보호가 중요한 고려사항일 때, 모바일 휴대전화 데이터를 개발 연구에 사용할 경우의 한계와 윤리적 고려사항은 무엇인가?
• RQ5 D4D 챌린지와 같은 개방형 데이터 이니셔티브는 개발도상국의 연구자들이 빅데이터에 접근하는 데 있어 격차를 어떻게 해소할 수 있는가?

주요 결과

• 이 데이터셋은 이보리 코트의 500만 명의 익명화된 모바일 사용자를 포함하며, 다섯 달 간의 통신 및 이동 패턴에 대한 종합적인 시각을 제공한다.
• 시간대별 안테나 간 통신량 데이터셋은 500개 이상의 기지국을 통해 하루 24시간 동안의 모바일 휴대전화 사용 패턴을 기록한다.
• 50,000명의 사용자에 대한 이동 경로는 타임스탬프와 지리 좌표를 포함하여 안테나 수준에서 기록되어 있으며, 세밀한 이동성 분석이 가능하다.
• 500,000명의 사용자에 대한 장기 이동 경로는 하위구역 지역으로 매핑되었으며, 지리적 중심 좌표가 제공되어 대규모 공간 분석이 가능하다.
• 통신 하위그래프 데이터셋은 5,000개의 에고 중심 네트워크를 포함하며, 제2차 이웃까지 포함하여 이틀 간격의 상호작용 패턴을 캡처한다.
• 이 데이터는 стрict한 익명화 및 개인정보 보호 조치를 통해 공개되었으며, 각 에고 그래프 내에서 사용자 재식별 및 공용 전화 사용자 제외 조치가 이루어졌다.