[논문 리뷰] Retrieving Similar Trajectories from Cellular Data at City Scale

Zhihao Shen, Wan Du외 2명|arXiv (Cornell University)|2019. 07. 20.

Human Mobility and Location-Based Analysis참고 문헌 41인용 수 6

한 줄 요약

이 논문은 낮은 샘플링 레이트와 높은 정위치 오차를 겪는 대규모 세포 데이터에서 유사 궤적을 검색하기 위해 지ap 매칭과 유사도 검색을 통합한 cellSim 시스템을 제안한다. 다중후보자 HMM 기반 지도 매칭 방법과 신뢰도 인식 유사도 측정 방식을 사용하여, 실제 도시 규모 데이터에서 62.4%의 정밀도와 89.8%의 재현율을 달성한다.

ABSTRACT

Retrieving similar trajectories from a large trajectory dataset is important for a variety of applications, like transportation planning and mobility analysis. Unlike previous works based on fine-grained GPS trajectories, this paper investigates the feasibility of identifying similar trajectories from cellular data observed by mobile infrastructure, which provide more comprehensive coverage. To handle the large localization errors and low sample rates of cellular data, we develop a holistic system, cellSim, which seamlessly integrates map matching and similar trajectory search. A set of map matching techniques are proposed to transform cell tower sequences into moving trajectories on a road map by considering the unique features of cellular data, like the dynamic density of cell towers and bidirectional roads. To further improve the accuracy of similarity search, map matching outputs M trajectory candidates of different confidence, and a new similarity measure scheme is developed to process the map matching results. Meanwhile, M is dynamically adapted to maintain a low false positive rate of the similarity search, and two pruning schemes are proposed to minimize the computation overhead. Extensive experiments on a large-scale dataset and real-world trajectories of 1701 km reveal that cellSim provides high accuracy (precision 62.4% and recall of 89.8%).

연구 동기 및 목표

• 높은 정위치 오차와 낮은 샘플링 레이트로 인해 어려움을 겪는 대규모 세포 데이터에서 유사 궤적을 식별하는 데 도전하는 것.
• 고급 지도 매칭을 통해 라우드맵된 궤적으로 변환함으로써 궤적 유사도 검색 정확도를 향상시키는 것.
• 유사도 검색에서의 거짓 양성률을 줄이기 위해 궤적 후보 수를 동적으로 조정하고 가지치기 기법을 적용하는 것.
• 제한된 위치 해상도를 가진 다중 캐리어 세포 데이터셋을 사용하여 확장 가능한 도시 규모의 유사도 검색을 가능하게 하는 것.
• 인간 이동성 분석과 교통 계획을 위한 지도 매칭과 유사도 검색을 통합한 종합적 시스템을 개발하는 것.

제안 방법

• 은닉 마르코프 모델(HMM) 기반 지도 매칭 프레임워크를 사용하여 도로 구조, 속도 제한 및 세포 타워 밀도를 고려해 세포 타워 시퀀스를 도로 매핑된 궤적으로 변환한다.
• 낮은 샘플링 레이트로 인한 불확실성을 반영하기 위해 각 시퀀스당 다중 궤적 후보(M)를 생성하며, 각 후보에 대해 신뢰도 스코어를 할당한다.
• 두 시퀀스의 모든 M개 후보 간 쌍별 유사도를 계산하는 새로운 유사도 측정 방식을 사용하여 최고의 유사도를 최종 결과로 선택함으로써 탐지 정확도를 향상시킨다.
• 데이터 특성과 유사도 임계값에 따라 후보 수를 동적으로 조정함으로써 거짓 양성률을 최소화하는 적응형 M 메커니즘을 도입한다.
• 유사도 검색 중 불가능한 후보 쌍을 조기에 제거함으로써 계산 오버헤드를 줄이기 위해 두 가지 가지치기 기법을 적용한다.
• 데이터 전처리로 펭귄-퐁 필터와 백워드 필터를 사용하여 궤적 이격을 수정하고 지도 매칭 정확도를 향상시킨다.

실험 결과

연구 질문

• RQ1 높은 정위치 오차와 낮은 샘플링 레이트에도 불구하고 대규모 세포 데이터에서 궤적 유사도를 효과적으로 검색할 수 있는가?
• RQ2 粗안 위치 해상도와 동적 세포 타워 밀도를 가진 세포 데이터에 대해 지도 매칭을 어떻게 향상시킬 수 있는가?
• RQ3 유사도 탐지 정확도와 거짓 양성률 사이의 균형을 고려할 때 최적의 궤적 후보 수(M)는 얼마인가?
• RQ4 다수의 궤적 후보를 가진 대규모 세포 데이터셋에서의 유사도 검색에서 계산 비용을 어떻게 줄일 수 있는가?
• RQ5 신뢰도 인식 유사도 측정 방식이 다중 캐리어 세포 데이터에서 진정으로 유사한 궤적을 탐지하는 데 도움이 되는가?

주요 결과

• real-world 1701km 이동 데이터 세트에서 cellSim은 62.4%의 정밀도와 89.8%의 재현율을 달성하여 유사 궤적을 검색한다.
• 다중 궤적 후보(M) 사용으로 진정으로 유사한 궤적을 탐지할 가능성이 크게 향상되며, 특히 서로 다른 세포 타워에 연결된 사용자가 함께 이동할 경우에 특히 유리하다.
• 적응형 M 메커니즘은 데이터 품질과 유사도 임계값에 따라 후보 수를 동적으로 조정함으로써 거짓 양성률을 효과적으로 줄인다.
• 펭귄-퐁 및 백워드 필터는 지도 매칭 정밀도를 8.1% 향상시키고 재현율을 1.3% 향상시키며, 전반적인 전처리로 정밀도는 12.4% 향상되고 재현율은 8.9% 향상된다.
• 가지치기 기법은 정확도를 훼손하지 않으면서 계산 오버헤드를 줄여 도시 규모의 확장 가능한 유사도 검색을 가능하게 한다.
• NSIM과 같은 기존 방법에 비해 확장성과 정확도 면에서 뛰어나며, 특히 대규모 다중 캐리어 세포 데이터셋에서 뛰어난 성능을 보인다.