[论文解读] Twitter as a Source of Global Mobility Patterns for Social Good

Mark Dredze, Manuel García–Herranz+2 more|arXiv (Cornell University)|Jun 20, 2016

Human Mobility and Location-Based Analysis参考文献 31被引用 10

一句话总结

本文提出利用公开的带地理标签的推特数据，在城市和国家层面构建大规模全球移动网络，利用2012–2015年间超过85亿条推文，实时绘制出行模式。主要贡献在于构建了一个高分辨率、全球范围的出行网络，包含770万个城市级边和12,449个国家级边，展示了推特作为可扩展、实时的人道主义与发展规划数据源的潜力。

ABSTRACT

Data on human spatial distribution and movement is essential for understanding and analyzing social systems. However existing sources for this data are lacking in various ways; difficult to access, biased, have poor geographical or temporal resolution, or are significantly delayed. In this paper, we describe how geolocation data from Twitter can be used to estimate global mobility patterns and address these shortcomings. These findings will inform how this novel data source can be harnessed to address humanitarian and development efforts.

研究动机与目标

• 为解决现有人员流动数据源的局限性，这些数据源通常存在延迟、偏差或缺乏全球覆盖。
• 评估公开的带地理标签的推特数据是否可作为追踪全球流动模式的可扩展、实时替代方案。
• 利用推特的地理定位元数据，构建并分析城市与国家之间的大规模出行网络。
• 尽管全球采用率不均，仍评估推特数据在人道主义与发展规划应用中的代表性与潜力。

提出的方法

• 从2012年1月1日至2015年9月30日期间，收集所有公开的带地理标签的推特推文，总计85.78亿条，来自超过5000万名用户。
• 将每条推文的位置映射至Geonames全球地理数据库，以标准化并解析位置引用。
• 通过检测用户随时间变化的地理标签位置，识别出行事件，并过滤掉非出行行为。
• 构建两类移动网络：一类为87,856个城市之间的网络（770万条边），另一类为248个国家之间的网络（12,449条边），以出行事件频率作为边的权重。
• 应用归一化技术以考虑不同地区推特使用率的差异，尽管完整归一化仍在进行中。
• 通过垃圾信息检测和用户行为启发式方法对数据进行过滤与清洗，以提升数据质量并减少噪声。

实验结果

研究问题

• RQ1 带地理标签的推特数据能否在城市和国家层面生成可靠、大规模的全球移动模式？
• RQ2 基于推特的移动网络在规模与分辨率上与现有数据源（如航空记录或手机数据）相比如何？
• RQ3 不同大洲的主导出行路线和推特用户渗透率如何？其区域差异为何？
• RQ4 在推特采用率较低的低收入国家，推特数据在多大程度上能代表全球人类流动？
• RQ5 如何利用推特数据支持实时人道主义与公共卫生干预，例如疾病暴发建模或危机响应？

主要发现

• 本研究构建了一个包含87,856个顶点和7,688,854条边的全球城市级出行网络，涵盖四年数据，捕捉了跨城市的流动模式。
• 构建了一个包含248个顶点和12,449条边的国家级出行网络，展示了国家之间的国际流动情况。
• 最频繁的国家间出行路线是欧洲的英国–西班牙，而亚洲的印尼–马来西亚是最高频路线。
• 各大洲中推特渗透率最高的国家是英国（4.4%），其次是卡塔尔（4.1%）和美国（3.7%）。
• 数据集包含3.09亿次出行事件，其中21.5亿条推文来自1,160万名用户，被归类为活跃出行者。
• 尽管整体地理标签率较低（2–3%），但数据量庞大（每日约5亿条推文），每日可生成数百万个地理定位数据点，支持大规模移动性分析。