[논문 리뷰] The Quantified City: Sensing Dynamics in Urban Setting

Tahar Zanouda, Noora Al Emadi외 2명|arXiv (Cornell University)|2017. 01. 16.

Human Mobility and Location-Based Analysis참고 문헌 6인용 수 3

한 줄 요약

이 논문은 도시의 역동성을 모델링하기 위해 IoT 기반 물리적 감지와 사회적 인간 기반 감지 데이터를 융합하는 공간시적 데이터 융합 플랫폼인 QuantifiedCity를 소개한다. 공간시적 공간을 데이터 융합을 위한 차단 기능으로 사용함으로써, 도시 사건, 감성, 이동성, 인프라 상태에 대한 실시간, 지ap 중심의 시각화를 가능하게 하여, 테니스 대회와 같은 대규모 행사 기간 동안 도시 모니터링 및 의사결정 지원 능력을 향상시킨다.

ABSTRACT

The world is witnessing a period of extreme growth and urbanization; cities in the 21st century became nerve centers creating economic opportunities and cultural values which make cities grow exponentially. With this rapid urban population growth, city infrastructure is facing major problems, from the need to scale urban systems to sustaining the quality of services for citizen at scale. Understanding the dynamics of cities is critical towards informed strategic urban planning. This paper showcases QuantifiedCity, a system aimed at understanding the complex dynamics taking place in cities. Often, these dynamics involve humans, services, and infrastructures and are observed in different spaces: physical (IoT-based) sensing and human (social-based) sensing. The main challenges the system strives to address are related to data integration and fusion to enable an effective and semantically relevant data grouping. This is achieved by considering the spatio-temporal space as a blocking function for any data generated in the city. Our system consists of three layer for data acquisition, data analysis, and data visualization; each of which embeds a variety of modules to better achieve its purpose (e.g., data crawling, data cleaning, topic modeling, sentiment analysis, named entity recognition, event detection, time series analysis, etc.) End users can browse the dynamics through three main dimensions: location, time, and event. For each dimension, the system renders a set of map-centric widgets that summarize the underlying related dynamics. This paper highlights the need for such a holistic platform, identifies the strengths of the "Quantified City" concept, and showcases a working demo through a real-life scenario.

연구 동기 및 목표

• 빠른 도시화와 인프라 부담으로 인한 도시 복잡성 증가 문제를 해결하기 위해.
• 도시 모니터링에서 물리적(예: IoT)과 사회적(인간 생성) 감지 데이터 간 격차를 메우기 위해.
• 실시간, 상호작용 가능하며 의미론적으로 풍부한 도시 역동성 분석을 가능하게 하는 통합 플랫폼을 개발하기 위해.
• 통합된 데이터 융합과 시각화를 통해 도시 계획가 및 의사결정자에게 실행 가능한 통찰을 제공하기 위해.
• 실제 사례, 예를 들어 대규모 공적 행사 모니터링을 통해 시스템의 효과성을 입증하기 위해.

제안 방법

• 시스템은 데이터 수집, 데이터 분석, 데이터 시각화의 세 층구조 아키텍처를 채택한다.
• 핵심 융합 메커니즘으로 공간시적 차단을 사용하여 공통된 위치와 시간 창을 기반으로 데이터를 그룹화한다.
• 데이터 수집에는 웹 크롤링, 데이터 정제, 그리고 IoT 및 소셜 미디어 스트림(예: GPS, 체크인, CDR, 소셜 미디어 게시물)의 통합이 포함된다.
• 데이터 분석 모듈에는 토픽 모델링, 감성 분석, 명명된 실체 인식, 사건 탐지, 시계열 분석 등이 포함된다.
• 시각화 레이어는 지도 중심 위젯을 사용하여 위치, 시간, 사건 차원에서의 역동성을 표시한다.
• 시스템은 시간 범위, 지리적 구역, 사건에 따른 상호작용 필터링을 가능하게 하며 실시간 통계 렌더링을 제공한다.

실험 결과

연구 질문

• RQ1 물리적 및 사회적 감지 데이터를 실시간으로 융합하여 도시 역동성을 효과적으로 모델링할 수 있는 방법은 무엇인가?
• RQ2 이질적인 도시 데이터 소스 간 의미 있는 데이터 융합을 가능하게 하는 데 공간시적 정렬이 수행하는 역할은 무엇인가?
• RQ3 통합된 플랫폼은 대규모 공적 행사 기간 동안 도시 모니터링 및 의사결정 지원을 어떻게 향상시킬 수 있는가?
• RQ4 다중 모odal 데이터 마이닝은 지능형 도시에서 상황 인식 능력을 어느 정도 향상시킬 수 있는가?
• RQ5 지도 중심의 상호작용 가능한 시각화는 도시 계획가 및 비상 대응 요원이 복잡한 도시 사건을 이해하는 데 효과적으로 기여할 수 있는가?

주요 결과

• QuantifiedCity는 공간시적 차단을 사용하여 IoT와 소셜 미디어 데이터를 성공적으로 융합함으로써 물리적 및 사회적 도시 계층 간 의미적으로 일관된 데이터 그룹화를 가능하게 하였다.
• 시스템은 카타르 엑손모빌 오픈 테니스 대회 기간 동안 실시간으로 도시 역동성을 탐지했으며, 감성 추세, 이동 패턴, 교통 혼잡도를 포함한 다양한 요소를 확인하였다.
• 감성 분석 결과, 교통 문제와 관련된 공적 불만이 행사 일정 및 행사 장소와 공간적으로 시간적으로 상관관계가 있음을 확인하였다.
• 플랫폼은 지도 중심 위젯을 통해 팬의 이동과 행사 참여도를 시각화하여 각 위치별 상호작용 밀도와 감성 상태를 나타내었다.
• 도시 계획가 및 관계 기관은 시스템을 활용해 교통 신호 조절을 조정하거나 고영향 행사 기간 동안 경로 재지정을 권고하는 등 적응형 대응 조치를 취할 수 있다.
• 다양한 데이터 모odal의 통합은 단순히 물리적 센서만으로는 달성할 수 없는 상황 인식 능력을 향상시켰다.