[논문 리뷰] Empirical Characterization of Mobility of Multi-Device Internet Users

Amee Trivedi, Jeremy Gummeson외 1명|ArXiv.org|2020. 03. 18.

Human Mobility and Location-Based Analysis참고 문헌 48인용 수 7

한 줄 요약

이 논문은 대규모 캠퍼스 WiFi 데이터셋을 활용한 다기기 사용자 이동성에 대한 실증 분석을 제시하며, 공간 척도와 기기 유형에 따라 이동성의 차이가 뚜렷하다는 것을 밝혀낸다. 사용자 내부에서는 다기기 이동 경로가 상관관계를 가지지만, 개인 간에는 상이하며, 다양한 공간 척도에서의 이동성을 모델링함으로써 다음 위치 예측 및 실수로 놓친 기기 탐지 성능을 향상시키는 생성 모델을 제안한다.

ABSTRACT

Understanding the mobility of humans and their devices is a fundamental problem in mobile computing. While there has been much work on empirical analysis of human mobility using mobile device data, prior work has largely assumed devices to be independent and has not considered the implications of modern Internet users owning multiple mobile devices that exhibit correlated mobility patterns. Also, prior work has analyzed mobility at the spatial scale of the underlying mobile dataset and has not analyzed mobility characteristics at different spatial scales and its implications on system design. In this paper, we empirically analyze the mobility of modern Internet users owning multiple devices at multiple spatial scales using a large campus WiFi dataset. First, our results show that mobility of multiple devices belonging to a user needs to be analyzed and modeled as a group, rather than independently, and that there are substantial differences in the correlations exhibited by device trajectories across users that also need to be considered. Second, our analysis shows that the mobility of users shows different characteristics at different spatial scales such as within and across buildings. Third, we demonstrate the implications of these results by presenting generative models that highlight the importance of considering the spatial scale of mobility as well as multi-device mobility. More broadly, our empirical results point to the need for new modeling research to fully capture the nuances of mobility of modern multi-device users.

연구 동기 및 목표

• 동일한 사용자가 소유한 여러 기기의 이동 패턴이 서로 어떻게 상관관계를 가지며, 이 상관관계가 개인 간에 어떻게 다를지 이해하는 것.
• 특히 실내(마이크로) 척도와 실외(마크로) 척도 간의 공간 척도에서 이동 특성이 어떻게 다를지 분석하는 것.
• 이러한 이동 패턴이 이동 모델링 및 위치 예측과 같은 시스템 설계에 미치는 영향을 조사하는 것.
• 다기기 및 다중 척도 이동성을 통합한 생성 모델을 개발하여 시스템 성능을 향상시키는 것.

제안 방법

• 156개의 건물, 5,104개의 액세스 포인트, 35,699명의 사용자, 70,040대의 기기를 포함한 대규모 대학 캠퍼스에서 4개월간의 WiFi 시스템 로그 데이터를 수집하고 분석하였다.
• 공간적 근접성과 건물 경계를 기반으로 이동을 실내(마이크로 스케일) 및 실외(마크로 스케일)로 분류하였다.
• 각 공간 척도에서 하루 동안 방문한 고유한 위치 수와 각 위치에서의 체류 시간을 측정하여 이동성을 정량화하였다.
• 사용자 및 기기 유형 간 기기 이동 경로 간 상관관계를 통계적 지표(예: 재공 지수)를 사용해 측정하였다.
• 공간 척도, 기기 유형, 사용자별 상관관계 패턴을 통합하여 다기기 이동성을 시뮬레이션하는 생성 모델을 개발하였다.
• 실제 이동 트레이스를 기반으로 다음 위치 예측 및 실수로 놓친 기기 탐지 작업에서 모델 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 동일한 사용자가 소유한 여러 기기의 이동 패턴은 얼마나 상관관계가 있으며, 이 상관관계는 개인 간에 어떻게 다를까?
• RQ2 방문한 위치 수 및 체류 시간과 같은 이동 특성은 실내 척도와 실외 척도 간에 어떻게 다를까?
• RQ3 기기 유형(예: 스마트폰 대비 노트북)이 이동 빈도와 공간 패턴에 얼마나 영향을 미치는가?
• RQ4 건물 유형과 사용자 역할(예: 학부생 대비 교직원)은 실내 이동 행동에 어떻게 영향을 미치는가?
• RQ5 다중 척도 및 다기기 이동 패턴은 이동 모델링 및 예측과 같은 시스템 설계에 어떤 영향을 미치는가?

주요 결과

• 실내 이동은 실외 이동보다 8배 더 빈번하며, 사용자가 마이크로 스케일에서 하루 동안 방문하는 위치 수가 상당히 많다.
• 실외 이동의 평균 체류 시간은 실내 이동보다 두 배 더 길며, 건물 간 이동에서 더 오랜 체류 시간을 나타낸다.
• 스마트폰은 이동성의 특성상 노트북보다 하루 동안 방문하는 위치 수가 3.5배 더 많다.
• 동일 사용자의 기기 이동 경로는 중간에서 강한 상관관계를 보이지만, 이 상관관계의 정도는 사용자 간에 크게 다를 수 있다.
• 실내 이동 패턴은 건물 유형에 매우 의존적이며, 기능적 역할(예: 학술용, 주거용)이 이동 빈도와 시간에 영향을 미친다.
• 실외 이동은 실내 이동보다 위치 방문 빈도가 낮아, 도시 규모의 이동 모델만으로는 실내 또는 캠퍼스 규모의 시스템 설계에는 부적절하다.