[논문 리뷰] Multi-scale Population and Mobility Estimation with Geo-tagged Tweets

Jiajun Liu, Kun Zhao외 3명|arXiv (Cornell University)|2014. 12. 01.

Human Mobility and Location-Based Analysis참고 문헌 9인용 수 6

한 줄 요약

이 연구는 호주에서 인간의 인구 분포 및 이동성을 실시간으로 대체할 수 있는 지리 태그가 부여된 트위터 데이터를 사용하는 것을 제안한다. 트위터 사용자 밀도가 인구 조사 기반의 인구 분포와 강하게 상관됨을 입증한다. 특히 호주의 흐리고 균일하지 않은 인구 분포로 인해 중력 모델이 국립, 주, 메트로폴리탄 규모에서 이동 흐름을 추정할 때 방사 모델보다 뛰어난 성능을 보였다.

ABSTRACT

Recent outbreaks of Ebola and Dengue viruses have again elevated the significance of the capability to quickly predict disease spread in an emergent situation. However, existing approaches usually rely heavily on the time-consuming census processes, or the privacy-sensitive call logs, leading to their unresponsive nature when facing the abruptly changing dynamics in the event of an outbreak. In this paper we study the feasibility of using large-scale Twitter data as a proxy of human mobility to model and predict disease spread. We report that for Australia, Twitter users' distribution correlates well the census-based population distribution, and that the Twitter users' travel patterns appear to loosely follow the gravity law at multiple scales of geographic distances, i.e. national level, state level and metropolitan level. The radiation model is also evaluated on this dataset though it has shown inferior fitness as a result of Australia's sparse population and large landmass. The outcomes of the study form the cornerstones for future work towards a model-based, responsive prediction method from Twitter data for disease spread.

연구 동기 및 목표

• 지리 태그가 부여된 트위터 데이터가 인간의 인구 분포 및 이동성의 대체 지표로 사용 가능한지의 가능성을 평가하기 위해.
• 다양한 지리적 규모에서 인간 이동 흐름을 추정하는 데 중력 모델과 방사 모델의 성능을 평가하기 위해.
• 트위터 데이터가 전염병 확산 모델링을 위한 실시간, 고해상도의 이동 패턴을 제공할 수 있는지 조사하기 위해.
• 호주와 같이 흐리고 균일하지 않은 인구 분포를 가진 지역에서 다양한 이동 모델의 적합성을 결정하기 위해.

제안 방법

• 2013년 9월부터 2014년 4월까지 호주 전역에서 630만 건의 지리 태그가 부여된 트위터 트윗을 수집하였으며, 이는 473,956명의 고유 사용자로부터 유래하였다.
• 공간 빈팅과 로그 빈팅을 사용하여 트윗 수를 집계하고, 국립, 주, 메트로폴리탄 규모에서의 인구 밀도를 추정하였다.
• 중력 모델(2매개수 및 4매개수 변형)과 방사 모델을 사용하여 지리적 지역 간의 이동 흐름을 추정하였다.
• 관측된 트위터 기반 이동 흐름을 기준으로 모델을 校정하였으며, 오차를 최소화하도록 매개수를 조정하였다.
• 피어슨 상관계수 및 HitRate@50% (상대 오차 50% 이내의 추정 비율)를 사용하여 모델 성능을 평가하였다.
• 다양한 지리적 규모와 인구 밀도 제도에서의 모델의 강건성과 정확도를 비교하였다.

실험 결과

연구 질문

• RQ1 지리 태그가 부여된 트위터 트윗의 분포가 호주의 공식 인구 조사 기반의 인구 분포와 어느 정도 상관되는가?
• RQ2 중력 모델과 방사 모델이 다수의 지리적 규모에서 트위터 데이터에서 유도된 관측된 이동 패턴에 얼마나 잘 맞는가?
• RQ3 특히 흐리고 지리적으로 산만한 지역에서 방사 모델이 중력 모델을 일관되게 능가하는가?
• RQ4 국립, 주, 메트로폴리탄 규모의 다양한 지리적 집계 수준에 적용했을 때 모델의 정확도와 강건성은 어떻게 나타나는가?
• RQ5 특히 실시간 인구 조사나 이동 전화 통신 데이터가 없는 상황에서 트위터 데이터가 전염병 확산 모델링을 위한 실시간 대체 지표로 유용한가?

주요 결과

• 호주의 지리 태그가 부여된 트위터 트윗 분포는 특히 인구가 농도로 밀집된 해안 지역에서 공식 인구 조사 기반의 인구 분포와 강한 상관관계를 보였다.
• 국립 규모에서 중력 모델(특히 2매개수 변형)은 피어슨 상관계수 0.912를 기록하여 방사 모델(0.840)을 능가했으며, 다양한 규모에서 뛰어난 강건성을 보였다.
• 메트로폴리탄 규모에서 중력 모델의 HitRate@50%는 0.600으로, 방사 모델의 0.397보다 유의미하게 높아 이동 흐름 추정의 정확도가 뛰어났다.
• 방사 모델은 이동을 심각하게 과소평가하는 경향을 보였으며, 일부 경우에서는 오차가 두 개의 세대에 이르렀다. 특히 큰 흐름 크기에서 두드러졌다.
• 중력 모델의 뛰어난 성능은 호주의 흐리고 균일하지 않은 인구 분포로 인해 발생한다. 이는 도시 중심에서부터 인구 밀도 감소가 매끄럽지 않은 상황이므로, 방사 모델의 매끄러운 인구 밀도 감소 가정을 위반한다.
• 본 연구는 트위터 데이터가 인간 이동성에 대한 실시간, 고해상도의 대체 지표로 유용하다는 것을 확인하였으며, 신속한 유행병 발생 상황에서 전염병 확산 역학을 실시간으로 모델링할 수 있음을 시사한다.