[论文解读] ODT Flow Explorer: Extract, Query, and Visualize Human Mobility

Zhenlong Li, Xiao Huang+2 more|PubMed|Nov 26, 2020

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

一句话总结

ODT Flow Explorer 是一个交互式网络门户，利用地理标签化推文和 SafeGraph 数据，提取、查询并可视化细粒度的人类移动流量，通过 ODT 数据立方体和大数据计算集群，实现在全球和美国本土尺度上对新冠疫情期间的起讫时间移动模式进行可扩展分析。

ABSTRACT

Understanding human mobility dynamics among places provides fundamental knowledge regarding their interactive gravity, benefiting a wide range of applications in need of prior knowledge in human spatial interactions. The ongoing COVID-19 pandemic uniquely highlights the need for monitoring and measuring fine-scale human spatial interactions. In response to the soaring needs of human mobility data under the pandemic, we developed an interactive geospatial web portal by extracting worldwide daily population flows from billions of geotagged tweets and United States (U.S.) population flows from SafeGraph mobility data. The web portal is named ODT (Origin-Destination-Time) Flow Explorer. At the core of the explorer is an ODT data cube coupled with a big data computing cluster to efficiently manage, query, and aggregate billions of OD flows at different spatial and temporal scales. Although the explorer is still in its early developing stage, the rapidly generated mobility flow data can benefit a wide range of domains that need timely access to the fine-grained human mobility records. The ODT Flow Explorer can be accessed via http://gis.cas.sc.edu/GeoAnalytics/od.html.

研究动机与目标

• 应对新冠疫情背景下对实时、细粒度人类移动数据的迫切需求，以支持公共卫生和城市规划。
• 通过实现对数十亿个起讫时间（ODT）流动的可扩展、交互式访问，克服现有移动数据源的局限性。
• 开发一个地理空间网络门户，支持在多种空间和时间分辨率下对人类移动进行动态查询和可视化。
• 将多样化的数据源——地理标签化推文和 SafeGraph——整合到统一的、计算高效的 ODT 数据立方体中，以支持大规模分析。
• 为研究人员和实践者提供一个工具，实现实时探索人类空间互动及其引力动力学。

提出的方法

• 通过空间和时间过滤，从数十亿条地理标签化推文中提取全球每日的人口流动。
• 摄取来自 SafeGraph 的美国本土移动数据，以补充基于推文的流动数据，实现更高分辨率的国内分析。
• 构建 ODT（起讫时间）数据立方体，以对跨地理区域和时间间隔的移动流动进行索引和组织。
• 部署大数据计算集群，以实现对不同空间和时间粒度下 ODT 流动的高效查询、聚合和检索。
• 实现一个交互式网络界面，允许用户通过动态地图和时间序列图表探索、过滤和可视化移动模式。
• 通过优化 ODT 数据立方体架构内的数据索引和并行处理，确保数据可扩展性和低延迟访问。

实验结果

研究问题

• RQ1 如何从地理标签化社交媒体和商业移动数据集等多样化数据源中，高效地提取并结构化大规模人类移动流动？
• RQ2 ODT 数据立方体在管理与查询数十亿条起讫时间移动记录时，其性能和可扩展性如何？
• RQ3 实时、细粒度的人类移动数据在多大程度上能够支持对大流行期间空间互动的动态监测？
• RQ4 ODT 流动在不同空间和时间聚合层次下，如何揭示人类移动和互动引力的模式？
• RQ5 交互式网络门户是否能有效支持研究人员和决策者对大规模人类移动进行探索与分析？

主要发现

• ODT Flow Explorer 成功地将数十亿条地理标签化推文和 SafeGraph 移动记录摄入并索引到统一的 ODT 数据立方体中。
• 该系统支持在从全球到本地尺度的多种空间和时间分辨率下，对人类移动流动进行交互式查询和可视化。
• 大数据计算集群确保了对大规模 ODT 数据集的复杂查询实现低延迟响应。
• 该门户提供了对细粒度移动数据的及时访问，支持需要实时洞察人类空间互动的应用。
• Twitter 和 SafeGraph 数据的整合增强了数据覆盖范围和分辨率，尤其在美国内部移动模式方面表现突出。
• 该系统在通过可扩展、交互式的移动分析支持疫情应对和城市规划方面，展示了可行性与实用性。