[논문 리뷰] Inferring Unusual Crowd Events From Mobile Phone Call Detail Records

Yuxiao Dong, Fabio Pinelli외 4명|arXiv (Cornell University)|2015. 04. 14.

Human Mobility and Location-Based Analysis참고 문헌 20인용 수 16

한 줄 요약

이 논문은 정치적 위기 기간 동안 코트디부아르에서 수집한 실제 CDR 데이터를 바탕으로, 저해상도 모바일 폰 통화 기록(CDR)에서 비정상적인 대중 행위를 탐지하기 위한 새로운 프레임워크를 제안한다. 시간적·공간적 희소성을 해결하기 위해 사용자 이동 패턴을 모델링하고 이전 루틴에서의 이탈을 식별함으로써, 최신 GPS 기반 방법보다 정밀도는 10배 높고 재현율은 16% 높은 성능을 달성한다.

ABSTRACT

The pervasiveness and availability of mobile phone data offer the opportunity of discovering usable knowledge about crowd behaviors in urban environments. Cities can leverage such knowledge in order to provide better services (e.g., public transport planning, optimized resource allocation) and safer cities. Call Detail Record (CDR) data represents a practical data source to detect and monitor unusual events considering the high level of mobile phone penetration, compared with GPS equipped and open devices. In this paper, we provide a methodology that is able to detect unusual events from CDR data that typically has low accuracy in terms of space and time resolution. Moreover, we introduce a concept of unusual event that involves a large amount of people who expose an unusual mobility behavior. Our careful consideration of the issues that come from coarse-grained CDR data ultimately leads to a completely general framework that can detect unusual crowd events from CDR data effectively and efficiently. Through extensive experiments on real-world CDR data for a large city in Africa, we demonstrate that our method can detect unusual events with 16% higher recall and over 10 times higher precision, compared to state-of-the-art methods. We implement a visual analytics prototype system to help end users analyze detected unusual crowd events to best suit different application scenarios. To the best of our knowledge, this is the first work on the detection of unusual events from CDR data with considerations of its temporal and spatial sparseness and distinction between user unusual activities and daily routines.

연구 동기 및 목표

• 보다 널리 보급된 GPS 데이터보다 저해상도 모바일 폰 CDR 데이터를 활용해 도시 환경에서 비정상적인 대중 행위를 탐지하는 것.
• 통화나 문자 발신 시에만 위치가 기록되는 CDR 데이터에 내재된 시간적·공간적 희소성 문제를 해결하는 것.
• 대규모 집단이 비정상적인 이동 패턴을 보일 때 이를 정상적인 일상 루틴과 구분하는 것.
• 고해상도 GPS 궤적에 의존하지 않고도 일반적이고 효율적이며 효과적인 프레임워크를 개발하는 것.
• 도시 의사결정자들이 탐지 결과를 해석하고 조정할 수 있도록 시각적 분석 시스템을 제공하는 것.

제안 방법

• 희소한 시공간 CDR 데이터를 모델링하기 위해 실린더형 클러스터의 개념을 도입하여 시간과 공간에 걸쳐 함께 이동하는 사용자 집단을 포괄한다.
• 현재 궤적과 사용자 이력 이동 프로파일 간의 상당한 이탈을 기반으로 비정상적인 대중 행위를 정의한다.
• 개별 궤적과 그 이력 이동 패턴 간의 유사도 측정을 통해 이질적 행동을 탐지한다.
• 희소 관측에도 불구하고 시간이 지남에 따라 지속되는 움직이는 집단을 식별하기 위해 밀도 기반 클러스터링 기법을 적용한다.
• 최종 사용자가 탐지된 행위를 탐색하고 다양한 응용 시나리오에 맞게 매개변수를 조정할 수 있도록 시각적 분석 프로토타입 시스템을 활용한다.
• 시간 클러스터링, 공간적 근접성, 행동 이질성 탐지의 조합을 통해 대규모 인파가 비정상적으로 행동하는 사건을 식별한다.

실험 결과

연구 질문

• RQ1 시간적·공간적으로 희소한 CDR 데이터에서 비정상적인 대중 행위를 효과적으로 탐지하는 방법은 무엇인가?
• RQ2 일상적 행동에서의 이동 이질성 측면에서 '비정상적인' 대중 행위는 어떻게 정의되는가?
• RQ3 저해상도 CDR 데이터에서 신뢰할 수 있는 집단 이동 패턴을 어떻게 유추할 수 있는가?
• RQ4 희소한 CDR 데이터를 대상으로 한 프레임워크가 고해상도 GPS 데이터로 훈련된 기존 방법보다 뛰어난 성능을 낼 수 있는가?
• RQ5 최종 사용자가 실생활 도시 관리 환경에서 탐지된 행위와 상호작용하고 이를 해석할 수 있는 방법은 무엇인가?

주요 결과

• 제안된 방법은 코트디부아르에서 수집한 실제 CDR 데이터를 바탕으로 최신 GPS 기반 방법보다 정밀도는 10배 높고 재현율은 16% 높은 성능을 달성한다.
• 이 프레임워크는 2010–2011년 이voir 정치 위기 기간 동안의 시위와 정치적 불안정 사건과 같은 비정상적 사건을, 제한적이고 불규칙한 CDR 관측에도 불구하고 성공적으로 탐지한다.
• 시각적 분석 프로토타입은 다양한 도시 관리 시나리오에 맞는 효과적인 탐색과 매개변수 조정을 가능하게 한다.
• 현재 궤적을 개인의 이력 이동 프로파일과 비교함으로써 이 방법은 비정상적인 대중 행동을 일상 루틴과 구분한다.
• 이 방법은 GPS나 감시 인프라가 제한된 개발도상국과 같은 데이터 부족 환경에서도 일반화 가능하고 효과적이다.
• 본 연구는 저해상도이지만 적절한 이동 모델링을 통해 CDR 데이터가 대규모 도시 사건에 대해 높은 영향력을 가진 통찰을 제공할 수 있음을 입증한다.