[论文解读] 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 7

一句话总结

本文基于大规模校园WiFi数据集，对多设备用户移动性进行了实证分析，揭示了设备移动性在不同空间尺度和设备类型下存在显著差异。研究发现，同一用户的不同设备轨迹具有相关性，但个体间差异明显，并提出了生成模型，通过在多空间尺度上建模移动性，提升了下一位置预测和设备丢失检测的性能。

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.

研究动机与目标

• 理解同一用户拥有的多个设备的移动模式在不同用户之间的相关性与差异性。
• 分析移动特性在不同空间尺度（特别是建筑内，即微尺度，与建筑间，即宏尺度）下的变化。
• 探讨这些移动模式对系统设计的影响，特别是在移动性建模与位置预测方面的启示。
• 开发融合多设备与多尺度移动性的生成模型，以提升系统性能。

提出的方法

• 收集并分析了一所大型大学校园四个月的WiFi系统日志数据，涵盖156栋建筑、5,104个接入点、35,699名用户和70,040台设备。
• 基于空间接近度和建筑边界，将移动性划分为建筑内（微尺度）和建筑间（宏尺度）。
• 通过每日访问的不同位置数量以及各空间尺度下每个位置的停留时长，量化移动性。
• 使用统计度量（如Jaccard相似性）衡量用户之间及不同设备类型之间的设备轨迹相关性。
• 开发了生成模型，通过整合空间尺度、设备类型和用户特定的相关性模式，模拟多设备移动性。
• 利用真实世界的移动轨迹数据，在下一位置预测和设备丢失检测任务上评估模型性能。

实验结果

研究问题

• RQ1 同一用户拥有的多个设备的移动模式有多相关？这种相关性在不同用户之间如何变化？
• RQ2 移动特性（如访问位置数量和停留时长）在建筑内与建筑间空间尺度之间有何差异？
• RQ3 设备类型（如手机与笔记本电脑）在多大程度上影响移动频率和空间模式？
• RQ4 建筑类型和用户角色（如学生与教师）如何影响建筑内移动行为？
• RQ5 多尺度、多设备移动性对系统设计有何启示，特别是在移动性建模与预测方面？

主要发现

• 建筑内移动性比建筑间移动性高出8倍，用户在微尺度下每日访问的位置显著更多。
• 建筑间访问的平均停留时长是建筑内访问的两倍，表明跨建筑停留时间更长。
• 由于便携性更高，手机每日访问的位置数量比笔记本电脑高出3.5倍。
• 同一用户的设备轨迹表现出中等到强相关性，但相关性程度在不同用户间存在显著差异。
• 建筑内移动性模式高度依赖于建筑类型，功能角色（如教学、居住）显著影响移动频率和时间分布。
• 户外移动性在位置访问频率上低于室内移动性，表明城市尺度的移动性模型不足以支撑室内或校园尺度的系统设计。