[논문 리뷰] Efficient Suspected Infected Crowds Detection Based on Spatio-Temporal Trajectories

Huajun He, Ruiyuan Li외 4명|arXiv (Cornell University)|2020. 04. 11.

Anomaly Detection Techniques and Applications참고 문헌 28인용 수 9

한 줄 요약

이 논문은 공간과 시간에서의 궤적 근접도를 기반으로 감염 위험을 평가하는 새로운 시공간 감염률(IR) 지표를 제안한다. 이는 의심스러운 감염자 군집을 효율적으로 탐지할 수 있도록 한다. 궤적을 분할하고 가중치가 부여된 IR 측정법을 적용하며, 배치 쿼리를 위해 XZ2T 시공간 인덱스와 SFT 인덱스를 사용함으로써 대규모 궤적 데이터에서 높은 효율성과 확장성을 달성한다. 이는 기존 방법보다 정확도와 I/O 감소 측면에서 뛰어나다.

ABSTRACT

Virus transmission from person to person is an emergency event facing the global public. Early detection and isolation of potentially susceptible crowds can effectively control the epidemic of its disease. Existing metrics can not correctly address the infected rate on trajectories. To solve this problem, we propose a novel spatio-temporal infected rate (IR) measure based on human moving trajectories that can adequately describe the risk of being infected by a given query trajectory of a patient. Then, we manage source data through an efficient spatio-temporal index to make our system more scalable, and can quickly query susceptible crowds from massive trajectories. Besides, we design several pruning strategies that can effectively reduce calculations. Further, we design a spatial first time (SFT) index, which enables us to quickly query multiple trajectories without much I/O consumption and data redundancy. The performance of the solutions is demonstrated in experiments based on real and synthetic trajectory datasets that have shown the effectiveness and efficiency of our solutions.

연구 동기 및 목표

• 기존 궤적 유사도 측정법이 궤적의 부분적 공간적·시간적 근접도를 고려하지 못함에 따라 감염 위험 측정의 정확성에 결함이 있음을 해결하고자 한다.
• 효율적인 인덱싱 및 잘라내기 전략을 통해 대규모 궤적 데이터셋에서 의심스러운 감염자 군집을 확장 가능하게 탐지하고자 한다.
• 신규로 설계된 공간 우선 시간(Spatial First Time, SFT) 인덱스를 통해 배치 쿼리 시 I/O 오버헤드와 데이터 중복을 줄이고자 한다.
• 전체 궤적을 동일하게 취급하는 대신, 지속 시간과 근접도를 기반으로 궤적 세그먼트에 가중치를 적용함으로써 밀접한 접촉 탐지 정확도를 향상시키고자 한다.
• 빠른 대규모 의심 접촉자 식별을 가능하게 하여 실시간 공중보건 대응을 지원하고자 한다.

제안 방법

• 공간 거리와 시간 겹침을 기반으로 각 궤적 세그먼트의 감염 위험을 평가하는 가중치가 부여된 시공간 감염률(IR) 지표를 도입한다.
• 정확도 향상과 계산 복잡도 감소를 위해 장거리 궤적을 짧고 관리하기 쉬운 단위로 분할한다.
• 메모리 사용을 최소화하고 확장성을 보장하기 위해 NoSQL 데이터베이스에서 궤적 세그먼트를 효율적으로 관리하기 위해 활성 XZ2T 시공간 인덱스를 활용한다.
• 배치 쿼리 중에 유사한 궤적 세그먼트를 한 번만 그룹화하고 접근함으로써 I/O와 데이터 중복을 줄이기 위해 공간 우선 시간(SFT) 인덱스를 설계한다.
• 유사도 평가 과정에서 불필요한 계산을 제거하기 위해 네 가지 잘라내기 전략을 적용하여 쿼리 효율성을 향상시킨다.
• 세그먼트 수준의 유사도를 기반으로 분할 정복 방식을 적용함으로써 노이즈에 대한 강건성과 샘플링 속도의 비일치 문제에 대비한다.

실험 결과

연구 질문

• RQ1 확진 환자의 궤적과 부분적으로 시공간적으로 근접한 개인의 감염 위험을 정확히 측정하는 방법은 무엇인가?
• RQ2 과도한 메모리 또는 I/O 오버헤드 없이 대규모 궤적 데이터셋에서 의심스러운 감염자 군집을 효율적으로 탐지하는 방법은 무엇인가?
• RQ3 다수의 궤적을 동시에 배치 쿼리할 수 있도록 빠른 쿼리가 가능하면서도 중복 데이터베이스 접근을 최소화할 수 있는 인덱싱 전략은 무엇인가?
• RQ4 샘플링 속도가 일치하지 않을 경우에도 공간적·시간적 근접도를 고려한 강건한 지표를 설계하는 방법은 무엇인가?
• RQ5 정확도를 훼손하지 않으면서도 계산을 크게 줄일 수 있는 잘라내기 메커니즘은 무엇인가?

주요 결과

• 제안된 시공간 감염률(IR) 지표는 지속 시간과 근접도를 기반으로 세그먼트에 가중치를 적용함으로써 감염 위험을 효과적으로 포착하며, 전통적인 전역 유사도 측정법을 능가한다.
• XZ2T 인덱스는 NoSQL 데이터베이스에서 궤적 세그먼트의 효율적 저장 및 검색을 가능하게 하여 메모리 소비를 크게 감소시키고 대규모 데이터 처리를 지원한다.
• SFT 인덱스는 유사한 궤적 세그먼트를 그룹화하고 배치 쿼리 중 한 번만 접근함으로써 I/O 비용과 데이터 중복을 줄인다.
• 네 가지 잘라내기 전략은 불필요한 계산을 줄여 쿼리 성능을 향상시키며 정확도를 손상시키지 않는다.
• 실제 및 합성 데이터셋을 대상으로 한 실험을 통해 이론적 효율성과 확장성의 높음을 입증하였으며, 쿼리 속도 및 자원 사용량 측면에서 측정 가능한 향상이 있었다.
• 접촉자 추적 및 고위험군 예측과 같은 실질적인 공중보건 응용 분야를 지원하며 강력한 실생활 적용 가능성을 보였다.