[논문 리뷰] Interdependence and Predictability of Human Mobility and Social Interactions

Manlio De Domenico, Antonio Lima외 1명|arXiv (Cornell University)|2012. 10. 08.

Human Mobility and Location-Based Analysis인용 수 11

한 줄 요약

이 논문은 상호정보량을 통해 상관된 이동 패턴을 가진 개인의 이동 데이터를 통합함으로써 인간 이동 예측의 정확도를 향상시키는 다변량 비선형 시계열 예측 모델을 제안한다. 노키아 모바일 데이터 챌린지 및 캡스포팅 데이터셋에서 뚜렷한 정확도 향상이 나타났으며, 특히 친구의 이동 추적 데이터를 입력으로 사용할 경우 두드러진 성능 향상이 관찰되었다.

ABSTRACT

Previous studies have shown that human movement is predictable to a certain extent at different geographic scales. Existing prediction techniques exploit only the past history of the person taken into consideration as input of the predictors. In this paper, we show that by means of multivariate nonlinear time series prediction techniques it is possible to increase the forecasting accuracy by considering movements of friends, people, or more in general entities, with correlated mobility patterns (i.e., characterised by high mutual information) as inputs. Finally, we evaluate the proposed techniques on the Nokia Mobile Data Challenge and Cabspotting datasets.

연구 동기 및 목표

• 단일 사용자 이력 데이터를 초월하여 다른 사용자의 상관 이동 패턴을 통합함으로써 인간 이동 예측의 정확도를 향상시키는 것.
• 이동 추적 간 상호정보량이 사회적 상호작용과 예측 가능성의 대체 지표로 기능할 수 있는지 조사하는 것.
• 실세계 이동 데이터셋에서 사회적 유대 정보가 명시적으로 제공되지 않은 경우와 제공된 경우에 대해 다변량 비선형 예측 기법의 성능을 평가하는 것.
• 예측 모델에서 정보가 풍부한 이동 입력을 선별하기 위해 상호정보량을 활용하는 것의 확장성과 실용적 타당성을 평가하는 것.

제안 방법

• 지연 임bedding 정리에 기반한 위상공간 재구성 기반 다변량 비선형 시계열 예측을 사용하여 사용자 이동을 4차원 상태 벡터(시간, 위도, 경도, 고도)로 모델링한다.
• 다른 개인 간 이동 추적 간 상관관계를 정량화하기 위해 상호정보량을 적용하여 이동 패턴이 높게 상관된 사람들을 식별한다.
• 목표 사용자의 과거 이동 데이터와 선택된 고상관도 개인(예: 친구)의 과거 이동 데이터를 입력으로 포함하는 다변량 예측기 구축.
• 선형 모델(예: ARMA)보다 정확도를 향상시키기 위해 비균일 임베딩과 국소 다항식 피팅을 사용하는 비선형 예측기 구현.
• 목표 사용자의 위상공간을 재구성하고, 상관 입력을 활용하여 상태 벡터 예측을 정밀화함으로써 예측 수행.
• 다양한 예측 간격에서 예측 오차가 데이터 불확도(예: $ P(e(t)/\sigma_{\text{data}} < 1) $)와 비교된 성능 평가 지표를 사용하여 성능 평가.

실험 결과

연구 질문

• RQ1 상관 이동 패턴을 가진 개인의 이동 데이터를 통합할 경우, 단변량 모델 대비 인간 이동 예측의 정확도가 향상되는가?
• RQ2 이동 추적 간 상호정보량이 실제 신체적 또는 가상의 사회적 상호작용과 어느 정도 관련이 있는가?
• RQ3 지리적 위치 예측에서 다변량 비선형 예측 기법의 성능이 선형 방법(예: ARMA)과 비교하여 어떠한가?
• RQ4 사회적 유대 정보가 제공되지 않을 경우, 상호정보량이 유용한 예측 입력을 식별하는 신뢰할 수 있는 대체 지표가 될 수 있는가?
• RQ5 고상호정보량 이동 쌍을 입력으로 사용할 경우, 예측 정확도 향상의 상한선는 어느 정도인가?

주요 결과

• 다변량 비선형 예측기는 복잡한 비정기적 이동 동역학을 포착하는 데에 있어 기존 선형 모델(예: ARMA)보다 우수한 성능을 보이며, 향후 지리적 위치 예측을 수행한다.
• '통합, 고 MI' 예측기는 약 90분 이내 예측 범위에서 다른 모델과 동일하거나 더 뛰어난 성능을 보이며, 최대 3시간 동안 예측 오차가 데이터 불확도 내에 유지되는 이동 추적 비율이 50% 이상을 기록한다.
• 사용자 간 상호정보량이 높은 이동 추적 데이터는 예측 정확도가 뚜렷이 향상되며, 이는 상관 이동 패턴이 예측 신뢰도를 높인다는 것을 확인한다.
• 이동 추적 간 상호정보량은 신체적 또는 원격 사회적 상호작용 존재 여부와 강하게 상관되며, 이는 이동 패턴의 상관관계가 사회적 유대를 나타낼 수 있음을 시사한다.
• 사회적 유대 데이터가 명시적으로 제공되지 않더라도 상호정보량만으로도 정보가 풍부한 이동 입력을 선별할 수 있어 효과적이며, 캡스포팅 데이터셋에서 이를 검증하였다.
• 상호정보량 계산의 계산 복잡도는 $ \mathcal{O}(N^2) $ 스케일을 보이며, 소규모에서 중간 규모의 사용자 그룹(예: 최대 100명)에서는 실현 가능하지만, 40차원 이상의 위상공간 재구성은 실현 불가능해진다.