[论文解读] Large Scale Model for Information Dissemination with Device to Device Communication using Call Details Records

Rachit Agarwal, Vincent Gauthier+3 more|arXiv (Cornell University)|May 24, 2013

Human Mobility and Location-Based Analysis参考文献 35被引用 10

一句话总结

本文提出了一种大规模、数据驱动的元种群模型，用于科特迪瓦的公共安全信息传播，利用设备到设备（D2D）通信技术，结合通话详单记录（CDR）和人口普查数据，对异质性人类移动性和流行病动力学进行建模。模型引入隐状态以捕捉真实用户行为，结果表明，人群不活跃状态会延迟感染高峰，但在阿比让等高度连通的枢纽地区影响甚微。

ABSTRACT

In a network of devices in close proximity such as Device to Device ($D2D$) communication, we study the dissemination of public safety information at country scale level. In order to provide a realistic model for the information dissemination, we extract a spatial distribution of the population of Ivory Coast from census data and determine migration pattern from the Call Detail Records ($CDR$) obtained during the Data for Development ($D4D$) challenge. We later apply epidemic model towards the information dissemination process based on the spatial properties of the user mobility extracted from the provided $CDR$. We then propose enhancements by adding latent states to the epidemic model in order to model more realistic user dynamics. Finally, we study dynamics of the evolution of the information spreading through the population.

研究动机与目标

• 使用现实的人类移动模式，对全国范围内的D2D网络中大规模公共安全信息传播进行建模。
• 通过整合异质性移动性和人口结构，弥合现有流行病模型在可扩展性和真实性方面的差距。
• 研究隐状态（非活跃状态）对元种群框架下信息传播速度和峰值的影响。
• 验证从CDR推导出的稳态人口分布与人口普查数据高度一致，确保模型保真度。

提出的方法

• 以科特迪瓦的次省界作为空间单元，构建元种群模型以组织人口结构。
• 从D4D通话详单记录（CDR）数据集中提取移动模式，推导出次省之间的移动概率和返回概率。
• 利用官方人口普查数据校准人口分布，确保每个次省的初始人口规模合理。
• 应用改进的SIR流行病模型，引入隐状态（E_S, E_I, E_R）以表示用户中非活跃或延迟传播阶段。
• 使用指数分布（均值 = 0.5天）对隐状态中的停留时间进行建模，并改变隐性用户比例（10%和20%）以评估其影响。
• 采用τ-leap方法模拟传播过程，每个次省的离开率基于经验流量数据建模为泊松过程。

实验结果

研究问题

• RQ1 在流行病模型中引入隐状态如何影响D2D网络中信息传播的时机和峰值？
• RQ2 信息爆发初始位置（如阿比让与阿科比索）如何影响隐性用户对传播速度的影响程度？
• RQ3 从CDR数据推导出的稳态人口分布与原始人口普查分布的匹配程度如何？
• RQ4 网络中心性和连通性在缓解非活跃（隐性）用户导致的信息传播延迟中发挥何种作用？

主要发现

• 基于人口普查的初始人口分布与从CDR推导出的稳态分布之间的对称化Kullback-Leibler（KL）散度约为0.001，表明两者几乎完全一致。
• 引入10%至20%的隐性用户会延迟感染高峰时间，因为非活跃用户降低了消息传播速率。
• 在阿科比索等低连通性区域，由于依赖缓慢的邻近次省迁移流量，隐性用户造成的延迟尤为显著。
• 在阿比让等高中心性枢纽地区，尽管峰值有所衰减，但由于强连通性和高节点密度，传播速度仍基本不受隐性状态影响。
• 异质性返回概率模型（定义11）更好地捕捉了现实世界动态，尤其在移动性方差较大的区域。
• 模型表明，即使20%的用户处于隐性状态，整体传播过程仍具可行性，尤其是在连接良好的社区中。