[논문 리뷰] Infostop: Scalable stop-location detection in multi-user mobility data

Ulf Aslak, Laura Alessandretti|arXiv (Cornell University)|2020. 03. 31.

Human Mobility and Location-Based Analysis인용 수 7

한 줄 요약

Infostop는 기존 방법의 한계를 극복하기 위해 네트워크 기반 커뮤니티 탐지 기법인 Infomap을 활용한 확장성 있고 다중 사용자용 정지 위치 탐지 알고리즘이다. 이는 측정 노이즈로 인해 근접한 위치가 융합되는 문제와 동시에 다수 사용자 분석이 불가능한 점을 해결한다. Infostop는 압축된 정확한 목적지 클러스터링을 달성하고 사회적 만남을 탐지할 수 있으며, 파이썬 및 C++로 구현된 고성능 오픈소스 구현체를 제공한다.

ABSTRACT

Data-driven research in mobility has prospered in recent years, providing solutions to real-world challenges including forecasting epidemics and planning transportation. These advancements were facilitated by computational tools enabling the analysis of large-scale data-sets of digital traces. One of the challenges when pre-processing spatial trajectories is the so-called stop location detection, that entails the reduction of raw time series to sequences of destinations where an individual was stationary. The most widely adopted solution to this problem was proposed by Hariharan and Toyama (2004) and involves filtering out non-stationary measurements, then applying agglomerative clustering on the stationary points. This state-of-the-art solution, however, suffers of two limitations: (i) frequently visited places located very close (such as adjacent buildings) are likely to be merged into a unique location, due to inherent measurement noise, (ii) traces for multiple users can not be analysed simultaneously, thus the definition of destination is not shared across users. In this paper, we describe the Infostop algorithm that overcomes the limitations of the state-of-the-art solution by leveraging the flow-based network community detection algorithm Infomap. We test Infostop for a population of $\sim 1000$ individuals with highly overlapping mobility. We show that the size of locations detected by Infostop saturates for increasing number of users and that time complexity grows slower than for previous solutions. We demonstrate that Infostop can be used to easily infer social meetings. Finally, we provide an open-source implementation of Infostop, written in Python and C++, that has a simple API and can be used both for labeling time-ordered coordinate sequences (GPS or otherwise), and unordered sets of spatial points.

연구 동기 및 목표

• 측정 노이즈로 인해 근접한 자주 방문하는 위치들이 융합되는 기존 정지 위치 탐지 방법의 한계를 해결하기 위해.
• 다양한 사용자들의 이동 트레이서를 동시에 분석하여 개인 간 공통 목적지를 식별할 수 있도록 하기 위해.
• 고공간 및 고시간 해상도를 갖춘 대규모 인구 이동 데이터에 적합한 확장성 있고 효율적인 알고리즘 개발을 위해.
• 동일한 장소에서 동시에 머무르는 사용자 간의 겹침을 식별함으로써 사회적 만남을 탐지할 수 있도록 하기 위해.
• 단일 사용자 및 다중 사용자 궤적 처리에 모두 적합한 단순한 API를 제공하는 빠른 오픈소스 구현체를 제공하기 위해.

제안 방법

• Infostop는 시간 시리즈에서 정지 포인트를 식별하기 위해 주어진 시간 간격에 따라 시간적 다운샘플링을 수행하고, 이동 평균을 계산하여 노이즈를 필터링한다.
• 중복된 포인트를 줄이고 계산 효율을 향상시키기 위해 공간적 다운샘플링을 적용한다.
• 공간 반경 $ r_2 $ 내에서 정지 이벤트를 효율적으로 식별하기 위해 볼 트리 데이터 구조를 사용하며, 연결된 노드는 근접한 이벤트를 나타내는 네트워크를 형성한다.
• 결과 네트워크에 대해 Infomap 알고리즘을 적용하여 커뮤니티를 탐지하고, 각 커뮤니티에 고유한 목적지 레이블을 할당한다.
• 알고리즘은 공간적 및 시간적 다운샘플링을 뒤집어 원본 궤적 기록에 레이블을 다시 매핑한다.
• 이 방법은 임의의 거리 측정법을 지원하며, 타임스탬프가 있는가 없는지에 관계없이 입력 시퀀스를 처리할 수 있어 다양한 데이터 포맷에 대한 탄력적인 활용이 가능하다.

실험 결과

연구 질문

• RQ1 전통적인 유클리드 기반 클러스터링(예: DBSCAN)에 비해 네트워크 기반 클러스터링 접근 방식이 공간적으로 구분되지만 가까이 있는 목적지를 더 잘 보존할 수 있는가?
• RQ2 Infostop를 사용한 다중 사용자 정지 위치 탐지가 단일 사용자 방법에 비해 더 정확하고 압축된 목적지 클러스터를 제공하는가?
• RQ3 Infostop는 대규모 사용자 집단에서 동시에 같은 장소에 머무르는 사회적 만남을 효과적으로 식별할 수 있는가?
• RQ4 Infostop의 계산 복잡도는 사용자 수와 데이터 크기가 증가함에 따라 어떻게 변화하는가?
• RQ5 Infostop의 성능는 $ r_1 $, $ t_{min} $, $ r_2 $와 같은 매개변수 설정에 얼마나 의존하는가? 공간적 및 시간적 다운샘플링은 효율성을 어떻게 향상시킬 수 있는가?

주요 결과

• 사용자 수가 증가함에 따라 Infostop는 포화 상태에 도달하는 정지 위치 수를 탐지하며, 이는 다양한 인구 집단 간에 안정적이고 일관된 목적지 클러스터링을 의미한다.
• Infostop의 시간 복잡도는 이전 방법보다 더 천천가 증가하여 대규모 다중 사용자 이동 데이터 처리에 있어 효율적이다.
• Infostop는 사회적 만남을 성공적으로 탐지하였으며, 공통 머무름 시간과 실제 모바일 폰 통신(문자 및 통화) 간에 강한 상관관계를 보였다.
• 알고리즘은 압축된 목적지 클러스터를 유지하여, 인접한 건물처럼 근접하지만 구분되는 장소들이 융합되는 것을 방지한다.
• C++ 서브모듈을 활용해 시간 다운샘플링과 같은 핵심 단계의 성능을 가속화한 C++ 및 파이썬 오픈소스 구현체는 높은 성능을 달성하였다.
• 패키지는 타임오더드 및 순서 없는 공간 포인트를 모두 지원하는 유연한 입력 형식을 제공하며, 머무름 포인트의 볼록 껍질과 히트맵을 시각화할 수 있는 도구도 포함한다.