[论文解读] Chatty Mobiles:Individual mobility and communication patterns

Thomas Couronné, Zbigniew Smoreda+1 more|arXiv (Cornell University)|Jan 28, 2013

Human Mobility and Location-Based Analysis参考文献 6被引用 8

一句话总结

本文利用结合了GSM网络数据（包括通话详单记录和独立的位置轨迹）的移动通信模式与实际个体移动行为之间的相关性进行研究。通过分析真实移动数据与通信事件，表明基于通话活动的频率采样方法会引入显著偏差，因为频繁通信者并不一定表现出高移动性，这挑战了使用匿名化CDR数据进行移动性研究中的假设。

ABSTRACT

Human mobility analysis is an important issue in social sciences, and mobility data are among the most sought-after sources of information in ur- Data ban studies, geography, transportation and territory management. In network sciences mobility studies have become popular in the past few years, especially using mobile phone location data. For preserving the customer privacy, datasets furnished by telecom operators are anonymized. At the same time, the large size of datasets often makes the task of calculating all observed trajectories very difficult and time-consuming. One solution could be to sample users. However, the fact of not having information about the mobile user makes the sampling delicate. Some researchers select randomly a sample of users from their dataset. Others try to optimize this method, for example, taking into account only users with a certain number or frequency of locations recorded. At the first glance, the second choice seems to be more efficient: having more individual traces makes the analysis more precise. However, the most frequently used CDR data (Call Detail Records) have location generated only at the moment of communication (call, SMS, data connection). Due to this fact, users mobility patterns cannot be precisely built upon their communication patterns. Hence, these data have evident short-comings both in terms of spatial and temporal scale. In this paper we propose to estimate the correlation between the users communication and mo- bility in order to better assess the bias of frequency based sampling. Using technical GSM network data (including communication but also independent mobility records), we will analyze the relationship between communication and mobility patterns.

研究动机与目标

• 评估使用匿名化移动电话数据进行移动性研究时，基于频率的采样所引入的偏差。
• 研究通信模式（通话/SMS）与实际个体移动轨迹之间的相关性。
• 评估通话详单记录（CDR）在捕捉真实移动模式方面由于空间和时间分辨率限制而存在的局限性。
• 提出一种利用结合GSM网络数据的数据驱动方法，以更好地理解通信与移动性之间的关系。
• 为大规模移动性与社交网络分析中的更准确采样策略提供建议。

提出的方法

• 使用结合通话详单记录（CDRs）与GSM网络信令数据中独立移动轨迹的数据集。
• 从基于网络的位置更新中提取个体移动模式（不依赖于通信事件）。
• 比较同一人群的通信频率（通话、短信）与实际移动活动（不同位置数量、移动模式）之间的关系。
• 应用统计相关性分析来量化通信行为与移动行为之间的关系。
• 采用混合方法验证通信事件在CDR基础上的研究中并非可靠的移动性代理指标。
• 采用对比采样框架，评估基于通信频率选择用户的代表性。

实验结果

研究问题

• RQ1 通信模式（如通话频率）在多大程度上能预测实际个体移动行为？
• RQ2 在CDR数据中基于频率的用户采样在多大程度上会引入移动性分析的偏差？
• RQ3 从网络信令中推导出的移动模式与CDR中通信模式之间的相关性如何？
• RQ4 CDR数据在空间和时间上的局限性在多大程度上影响了移动性推断的准确性？
• RQ5 独立移动轨迹能否提高大规模移动性研究中采样策略的可靠性？

主要发现

• 通信频率是实际移动性的不良预测指标，因为许多频繁通话者表现出较低的移动性，反之亦然。
• 高通信活动的用户不一定是移动性最强的用户，表明通信与移动模式之间存在显著错配。
• 本研究发现，基于频率的采样策略会过度代表那些善于沟通但未必活跃移动的用户，从而引入系统性偏差。
• 来自网络信令的独立移动轨迹比仅依靠CDR提供了更准确、更可靠的移动性推断基础。
• 通信与移动性之间的相关性微弱且在个体之间不一致，这削弱了将通话频率作为移动性代理的合理性。
• 研究结果表明，未来移动性研究应整合CDR之外的其他移动数据源，以减少采样偏差。