[논문 리뷰] Scikit-mobility: a Python library for the analysis, generation and risk assessment of mobility data

Luca Pappalardo, Filippo Simini외 2명|arXiv (Cornell University)|2019. 07. 08.

Human Mobility and Location-Based Analysis인용 수 47

한 줄 요약

Scikit-mobility는 이동 데이터의 로딩, 전처리, 분석, 시뮬레이션, 프라이버시 위험 평가 도구를 제공하는 Python 라이브러리로, 궤적(trajectory) 및 흐름(flow) 표현을 시각화 및 이동성 지표와 통합합니다. pandas 데이터 구조를 확장하여 편리한 이동 데이터 처리 및 시각화를 지원합니다.

ABSTRACT

The last decade has witnessed the emergence of massive mobility data sets, such as tracks generated by GPS devices, call detail records, and geo-tagged posts from social media platforms. These data sets have fostered a vast scientific production on various applications of mobility analysis, ranging from computational epidemiology to urban planning and transportation engineering. A strand of literature addresses data cleaning issues related to raw spatiotemporal trajectories, while the second line of research focuses on discovering the statistical "laws" that govern human movements. A significant effort has also been put on designing algorithms to generate synthetic trajectories able to reproduce, realistically, the laws of human mobility. Last but not least, a line of research addresses the crucial problem of privacy, proposing techniques to perform the re-identification of individuals in a database. A view on state of the art cannot avoid noticing that there is no statistical software that can support scientists and practitioners with all the aspects mentioned above of mobility data analysis. In this paper, we propose scikit-mobility, a Python library that has the ambition of providing an environment to reproduce existing research, analyze mobility data, and simulate human mobility habits. scikit-mobility is efficient and easy to use as it extends pandas, a popular Python library for data analysis. Moreover, scikit-mobility provides the user with many functionalities, from visualizing trajectories to generating synthetic data, from analyzing statistical patterns to assessing the privacy risk related to the analysis of mobility data sets.

연구 동기 및 목표

• 통합된 Python 환경을 제공하여 이동 연구를 재현하고 궤적과 흐름 표현 전반의 이동 데이터를 분석합니다.
• 이동 궤적과 흐름에 대한 데이터 로딩, 정리, 전처리 도구를 제공합니다.
• 표준 이동성 지표의 계산을 enable하고 생성적 이동 모델을 지원합니다.
• 이동 데이터 세트에 대한 재식별 공격 시뮬레이션으로 프라이버시 위험 평가 도구를 포함합니다.

제안 방법

• 궤적과 흐름에 대한 확장된 pandas DataFrame인 TrajDataFrame 및 FlowDataFrame(선택적 uid/tid 및 tessellation 지원)으로 도입합니다.
• 다양한 형식의 데이터 로딩과 tessellations를 위한 geopandas와의 통합을 지원합니다.
• 잡음 필터링, 중지 검출, 궤적 압축 등의 전처리 방법을 제공합니다.
• folium 맵을 사용하여 궤적, 중지, 다이어리, tessellations, 흐름의 시각화 유틸리티를 제공합니다.
• 개인 및 집단 분석을 위한 주요 이동성 지표 모듈(예: 반경의 관성, 엔트로피 기반 지표)을 구현합니다.
• EPR, Gravity, Radiation 등의 기계적 생성 모델을 이용한 이동 시뮬레이션을 포함하고, 향후 버전에서 다음 위치 예측을 추가할 계획입니다.
• 모바일 데이터에 대한 재식별 공격 시뮬레이션 프레임워크를 포함합니다.

실험 결과

연구 질문

• RQ1 하나의 통합된 Python 라이브러리에서 이동 데이터를 어떻게 표현하고 로드하며 시각화할 수 있을까요?
• RQ2 단일 패키지 내에서 재현 및 확장을 위한 전처리와 분석 도구는 무엇이 필요합니까?
• RQ3 known mobility laws를 반영하기 위해 합성 이동 데이터를 어떻게 생성하고, 이동 데이터 세트의 프라이버시 위험은 어떻게 정량화할 수 있을까요?
• RQ4 이동 분석을 위해 실무자가 즉시 사용할 수 있는 핵심 이동 지표와 모델은 무엇입니까?
• RQ5 향후 릴리스에서 추가 이동 도메인 및 참조 시스템을 다루도록 라이브러리를 확장할 수 있을까요?

주요 결과

• 라이브러리는 TrajDataFrame과 FlowDataFrame를 GIS 지원과 함께 궤적 및 흐름 데이터용 pandas 기반 구조로 제공합니다.
• 데이터 정리를 촉진하기 위한 노이즈 필터링, 중지 검출, 궤적 압축에 대한 전처리 도구를 제공합니다.
• 궤적, 중지, 다이어리, tessellations, 흐름의 시각화를 대화형 맵을 통해 제공합니다.
• 개인 및 인구에 대한 주요 이동 지표를 구현하고, EPR, Gravity, Radiation과 같은 대표 모델을 사용한 합성 궤적 생성을 지원합니다.
• 주어진 이동 데이터 세트에 대해 다양한 공격 아래 재식별 위험 시뮬레이션을 가능하게 하는 프라이버시 위험 모듈이 포함되어 있습니다.