[論文レビュー] Empirical Characterization of Mobility of Multi-Device Internet Users

Amee Trivedi, Jeremy Gummeson+1 more|ArXiv.org|Mar 18, 2020

Human Mobility and Location-Based Analysis参考文献 48被引用数 7

ひとこと要約

本論文は、大規模なキャンパスWi-Fiデータセットを用いた多デバイスユーザーの移動行動に関する実証的分析を提示しており、デバイスの移動行動が空間スケールやデバイスタイプによって顕著に異なることを明らかにした。ユーザー内での複数デバイスの軌跡は相関を示すが、個人間で異なる。本研究では、複数の空間スケールでの移動行動をモデル化することで、次回の位置予測および紛失デバイス検出の性能を向上させる生成モデルを提案した。

ABSTRACT

Understanding the mobility of humans and their devices is a fundamental problem in mobile computing. While there has been much work on empirical analysis of human mobility using mobile device data, prior work has largely assumed devices to be independent and has not considered the implications of modern Internet users owning multiple mobile devices that exhibit correlated mobility patterns. Also, prior work has analyzed mobility at the spatial scale of the underlying mobile dataset and has not analyzed mobility characteristics at different spatial scales and its implications on system design. In this paper, we empirically analyze the mobility of modern Internet users owning multiple devices at multiple spatial scales using a large campus WiFi dataset. First, our results show that mobility of multiple devices belonging to a user needs to be analyzed and modeled as a group, rather than independently, and that there are substantial differences in the correlations exhibited by device trajectories across users that also need to be considered. Second, our analysis shows that the mobility of users shows different characteristics at different spatial scales such as within and across buildings. Third, we demonstrate the implications of these results by presenting generative models that highlight the importance of considering the spatial scale of mobility as well as multi-device mobility. More broadly, our empirical results point to the need for new modeling research to fully capture the nuances of mobility of modern multi-device users.

研究の動機と目的

• 同じユーザーが所有する複数デバイスの移動パターンが、ユーザー間でどのように相関し、どのように異なるかを理解すること。
• 空間スケール（具体的には建物内（マイクロ）と建物間（マクロ））ごとの移動特性がどのように変化するかを分析すること。
• これらの移動パターンが、特に移動モデル化と位置予測の分野におけるシステム設計に与える影響を調査すること。
• 複数デバイスおよび複数スケールの移動行動を統合した生成モデルを開発し、システム性能を向上させること。

提案手法

• 156棟の建物、5,104台のアクセスポイント、35,699人のユーザー、70,040台のデバイスを含む大規模な大学キャンパスの4か月分のWi-Fiログデータを収集・分析した。
• 空間的近接性と建物境界に基づき、移動行動を建物内（マイクロスケール）と建物間（マクロスケール）に分類した。
• 各空間スケールにおける1日あたりの訪問先の種別数と、各訪問先での滞在時間の長さを用いて移動行動を定量化した。
• Jaccard類似度などの統計的指標を用いて、ユーザーおよびデバイスタイプごとのデバイス軌跡間の相関を測定した。
• 空間スケール、デバイスタイプ、ユーザー固有の相関パターンを組み込んだ生成モデルを構築し、複数デバイスの移動行動をシミュレートした。
• 実世界の移動トレースを用いて、次回の位置予測および紛失デバイス検出のタスクにおいて、モデルの性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 同じユーザーが所有する複数デバイスの移動パターンはどの程度相関しているか。また、その相関度はユーザー間でどのように異なるか。
• RQ2 訪問先の数や滞在時間といった移動特性は、建物内スケールと建物間スケールでどのように異なるか。
• RQ3 デバイスタイプ（例：スマートフォン vs. ノートパソコン）は、移動頻度や空間的パターンにどの程度影響を与えるか。
• RQ4 建物の種別やユーザーの役割（例：学生 vs. 教職員）は、建物内移動行動にどのように影響を与えるか。
• RQ5 複数スケール・複数デバイスの移動行動は、特に移動モデル化と予測の分野におけるシステム設計にどのような意味を持つのか。

主な発見

• 建物内移動は建物間移動の8倍頻繁に発生し、ユーザーはマイクロスケールで1日あたり顕著に多くの場所を訪問している。
• 建物間移動の平均滞在時間は建物内移動の2倍であり、建物間での滞在時間が長いことが示された。
• スマートフォンはノートパソコンに比べ、1日あたりの訪問先数が3.5倍多い。これは、より高い携帯性に起因する。
• 同じユーザーのデバイス軌跡は中程度から強い相関を示すが、その相関度はユーザー間で顕著に異なる。
• 建物内移動行動は建物の種別に強く依存しており、機能的役割（例：学術施設、住宅棟）が移動頻度と時間帯に影響を与えている。
• 屋外移動は屋内移動に比べ、訪問先の数が少ない。これは、都市スケールの移動モデルでは、屋内またはキャンパススケールのシステム設計には不十分であることを示している。