[논문 리뷰] Explaining the Power-law Distribution of Human Mobility Through Transportation Modality Decomposition

Kai Zhao, Mirco Musolesi외 3명|arXiv (Cornell University)|2014. 08. 21.

Human Mobility and Location-Based Analysis인용 수 16

한 줄 요약

이 논문은 인간 이동의 멱법칙 분포를 운송 수단(예: 걷기, 자전거, 자동차, 기차)으로 궤적을 분해하여 설명한다. 개인의 이동 방식이 로그노멀 비행 길이 분포를 따르는 것을 보여주며, 이러한 로그노멀 분포의 혼합은 연속적인 비행 간 상관관계와 지속 시간이 지수분포를 따르는 조건에서 기인한 것으로, 잠재적인 멱법칙 패턴을 생성한다. 이는 인간 이동에서 관찰된 레비 산책 행동을 설명한다.

ABSTRACT

Human mobility has been empirically observed to exhibit Levy flight characteristics and behaviour with power-law distributed jump size. The fundamental mechanisms behind this behaviour has not yet been fully explained. In this paper, we analyze urban human mobility and we propose to explain the Levy walk behaviour observed in human mobility patterns by decomposing them into different classes according to the different transportation modes, such as Walk/Run, Bicycle, Train/Subway or Car/Taxi/Bus. Our analysis is based on two real-life GPS datasets containing approximately 10 and 20 million GPS samples with transportation mode information. We show that human mobility can be modelled as a mixture of different transportation modes, and that these single movement patterns can be approximated by a lognormal distribution rather than a power-law distribution. Then, we demonstrate that the mixture of the decomposed lognormal flight distributions associated with each modality is a power-law distribution, providing an explanation to the emergence of Levy Walk patterns that characterize human mobility patterns.

연구 동기 및 목표

• GPS 및 통화 세부 기록에서 관찰된 멱법칙 분포를 보이는 인간 이동 비행의 기원을 설명하는 것.
• 개별 운송 수단(예: 걷기, 자전거 타기, 운전, 대중교통 이용)이 전체 이동 패턴과 다른 비행 길이 분포를 보이는지 조사하는 것.
• 모드별 비행 길이 분포의 혼합이 인간 이동에서 관찰된 멱법칙 행동을 재현할 수 있는지 확인하는 것.
• 시간적 상관관계와 정지 시간 분포가 레비 산책 특성의 발생에 미치는 역할을 정량화하는 것.

제안 방법

• Geolife 및 Nokia MDC라는 두 개의 대규모 GPS 데이터셋에서 수집된 궤적을 직사각형 모델을 사용해 단순화하여 방향 전환 없이 직선 비행을 추출하였다.
• 비행 길이를 운송 수단에 할당하기 위해 타임스탬프 기반 레이블링(Geolife)과 활동 ID 기반 레이블링(Nokia MDC)을 사용하였으며, 네 가지 수단으로 나누었다: 걷기/달리기, 자전거, 자동차/택시/버스, 기차/지하철.
• 비행 길이 분포를 각 수단별로 최대우도추정을 사용하여 AIC(아카이케 정보기준)를 적용하여 절단된 멱법칙, 로그노멀, 멱법칙, 지수분포를 비교하여 피팅하였다.
• 모드별 비행 길이 분포의 혼합이 멱법칙 분포를 재현하는지 분석하였으며, 같은 수단에서 연속적인 비행 간 상관관계와 지수분포를 따르는 정지 시간의 특성을 활용하였다.
• 멱법칙 피팅에 사용할 최소 x_min 값을 콜모고로프-스미르노프 검정을 통해, 경험적 데이터와 피팅된 분포 간 거리가 최소가 되도록 결정하였다.
• 모델 피팅의 질을 평가하기 위해 아카이케 가중치를 계산하였으며, 높은 가중치는 더 나은 피팅을 의미한다.

실험 결과

연구 질문

• RQ1 개별 운송 수단이 멱법칙 분포를 따르는 비행 길이를 가지는가, 아니면 다른 분포를 따르는가?
• RQ2 모드별 비행 길이 분포의 혼합이 집계된 인간 이동에서 관찰된 전체 멱법칙 패턴을 설명할 수 있는가?
• RQ3 동일 운송 수단 내에서 연속적인 비행 간 시간적 상관관계가 전체 이동 패턴 형성에 미치는 역할은 무엇인가?
• RQ4 각 운송 수단 내 정지 시간 분포가 레비 산책 행동의 발생에 어떻게 기여하는가?
• RQ5 전체 인간 이동 패턴은 단일 멱법칙 분포보다 모드별로 분리된 로그노멀 분포의 혼합으로 더 잘 설명되는가?

주요 결과

• Geolife 및 Nokia MDC 데이터셋에서 모든 운송 수단의 총 비행 길이 분포는 각각 α = 1.57 및 α = 1.39인 절단된 멱법칙 분포에 잘 맞는다.
• 각 개별 운송 수단(걷기/달리기, 자전거, 자동차/택시/버스, 기차/지하철)은 비행 길이 분포가 멱법칙이 아니라 로그노멀 분포에 가장 잘 맞는다.
• 동일한 운송 수단 내에서 연속적인 비행 간에 유의미한 양의 상관관계가 존재하여 체계적인 이동 패tern이 있음을 시사한다.
• 각 운송 수단에서 소요된 시간은 지수분포를 따르며, 이는 수단 전환의 마르코프 성질을 뒷받침한다.
• 상관관계가 있는 비행과 지수분포를 따르는 정지 시간 조건 하에서, 다양한 운송 수단 간의 로그노멀 비행 길이 분포 혼합은 잠재적인 멱법칙 분포를 생성한다.
• 아카이케 가중치는 개별 운송 수단에 대해 로그노멀 분포가 멱법칙보다 더 나은 피팅을 제공하는 것으로 확인되었으며, 전체 이동 패턴에 대해서는 절단된 멱법칙 분포가 가장 우수한 피팅을 제공한다.