[논문 리뷰] Mobile phone data's potential for informing infrastructure planning in developing countries

Hadrien Salat, Zbigniew Smoreda외 1명|arXiv (Cornell University)|2019. 07. 09.

Human Mobility and Location-Based Analysis참고 문헌 21인용 수 4

한 줄 요약

이 연구는 사전에 수집된 데이터가 제한된 개발도상국인 세네갈과 같이 모바일 데이터를 활용해 인프라 계획 수립을 크게 향상시킬 수 있음을 입증한다. 익명화된 모바일 활동에 곡선 및 네트워크 군집화 기법을 적용함으로써, 단지 절반의 데이터만으로도 $R^2$ 값이 1에 가까운 거의 완벽한 예측 정확도를 달성하며, 개인 수준의 데이터나 외부 학습 데이터셋이 필요로 하지 않는 기존의 인구 조사 기반 방법을 능가한다.

ABSTRACT

High quality census data are not always available in developing countries. Instead, mobile phone data are becoming a trending proxy to evaluate population density, activity and social characteristics. They offer additional advantages for infrastructure planning such as being updated in real-time, including mobility information and recording visitors' activity. We combine various data sets from Senegal to evaluate mobile phone data's potential to replace insufficient census data for infrastructure planning in developing countries. As an applied case, we test their ability at predicting domestic electricity consumption. We show that, contrary to common belief, average mobile phone activity does not correlate well with population density. However, it can provide better electricity consumption estimates than basic census data. More importantly, we use curve and network clustering techniques to enhance the accuracy of the predictions, to recover good population mapping potential and to reduce the collection of required data to substantially smaller samples.

연구 동기 및 목표

• 인구 조사 데이터가 부족하거나 오래된 개발도상국에서 모바일 데이터가 인프라 계획 수립의 대체 지표로 활용될 수 있는지 평가하기 위해.
• 기본적인 인구 조사 데이터보다 모바일 활동이 가정용 전기 사용량을 더 정확하게 예측할 수 있는지 평가하기 위해.
• 제한된 모바일 데이터 샘플에서 인구 및 소비 패턴을 재구성하기 위한 확장 가능하고 개인정보 보호를 고려한 방법을 개발하기 위해.
• 모바일 활동 곡선에 기반한 군집화 기법을 활용해 데이터 수집 비용을 줄이고, 인구 조사 간의 시간적 추적을 향상시키기 위해.
• 세네갈의 실제 데이터(모바일 통화 기록, 전기 사용량의 지표로 사용된 야간 조명 데이터, 2013년 인구 조사 인구 밀도)를 활용해 접근 방식을 검증하기 위해.

제안 방법

• 세네갈 내 1,298개의 통신 탑에서 수집한 집계된 모바일 데이터는 바르로이 테셀레이션을 활용해 1km×1km 격자 셀로 공간적으로 매핑되었다.
• 국립해양대기청(NOAA)의 30초 격자 기반 야간 조명 강도가 가정용 전기 사용량의 지표로 사용되었다.
• 인구 밀도는 2013년 인구 조사 데이터에서 유래되었으며, 바르로이 셀과 공간적으로 겹쳐서 모바일 데이터 격자와 일치시켰다.
• 모바일 활동 패턴에 곡선 및 네트워크 군집화 기법을 적용하여 대표적인 군집을 식별하고 데이터 샘플링 필요성을 줄였다.
• 포isson 회귀 모델을 사용해 모바일 활동과 인구 밀도를 바탕으로 전기 사용량을 예측하였으며, 모델 적합도는 $R^2$로 평가되었다.
• 군집 기반 샘플링 전략을 테스트하여 더 작은, 체계적으로 선택된 샘플에서 전체 인구 조사 및 소비 데이터를 재구성하였다.

실험 결과

연구 질문

• RQ1 개발도상국 환경에서 모바일 데이터가 기본적인 인구 조사 데이터보다 전기 사용량을 더 정확하게 예측할 수 있는가?
• RQ2 일반적으로 가정하는 바와 같이 세네갈에서 평균 모바일 활동이 인구 밀도와 신뢰성 있게 상관관계가 있는가?
• RQ3 모바일 활동 패턴의 곡선 및 네트워크 군집화 기법을 통해 현저히 감소된 데이터 샘플에서 인구 및 전기 사용량을 정확하게 재구성할 수 있는가?
• RQ4 모바일 활동 외에 인구 밀도를 포함하면 예측 정확도가 향상되는가?
• RQ5 개인 수준의 데이터나 학습 데이터 없이 오직 모바일 데이터에 기반한 군집화 방법이 인구 조사 수준의 정보를 효과적으로 복원할 수 있는가?

주요 결과

• 평균 모바일 활동와 인구 밀도 사이의 상관관계는 약하게 나타나, 높은 활동량이 반드시 높은 인구 밀도를 의미한다는 일반적인 가정을 도전한다.
• 기본적인 인구 조사 데이터보다 모바일 데이터만으로도 전기 사용량 예측 성능이 뛰어나며, $R^2$ 값이 인구 밀도만으로 예측한 경우보다 유의미하게 높았다.
• 곡선 및 네트워크 군집화 접근법을 통해 단지 절반의 데이터 포인트만으로도 인구 조사 및 전기 사용량 데이터를 거의 완벽하게 재구성할 수 있었으며, $R^2$ 값은 1에 근접하였다.
• 군집화 방법을 통해 데이터 수집이 원래 샘플 크기의 약 1/3으로 줄어들었지만, 높은 예측 정확도를 유지하였다.
• 지점 간 곡선 거리의 표준편차를 기반으로 한 거리 행렬이 직접 상관계수를 기반으로 한 것보다 성능이 뛰어났으며, 곡선 기반 군집화가 네트워크 기반 군집화보다 더 신뢰할 수 있었다.
• 원시 수치가 아닌 km²당 공간 밀도를 사용할 경우 훨씬 더 우수한 결과를 얻었으며, 이는 인구 밀도가 높은 지역에서 활동의 다양성이 소비 수요를 더 잘 이끄는 반면, 원시 인구 수치보다는 그 영향이 크다는 것을 시사한다.