[论文解读] Urban sensing as a random search process

Kevin O’Keeffe, Paolo Santi+2 more|arXiv (Cornell University)|Jan 24, 2019

Diffusion and Search Dynamics参考文献 2被引用 3

一句话总结

本文提出了一种名为'taxi drive'的新型随机搜索过程，该过程结合了随机目的地选择与城市街道网络中的确定性最短路径路由。通过数值模拟表明，与标准随机游走和持续性随机游走在各种图拓扑结构上的表现相比，这种混合运动可显著减少覆盖时间，因此在城市传感应用中极为高效。

ABSTRACT

We study a new random search process: the extit{taxi-drive}. The motivation for this process comes from urban sensing, in which sensors are mounted on moving vehicles such as taxis, allowing urban environments to be opportunistically monitored. Inspired by the movements of real taxis, the taxi-drive is composed of both random and regular parts; passengers are brought to randomly chosen locations via deterministic (i.e. shortest paths) routes. We show through a numerical study that this hybrid motion endows the taxi-drive with advantageous spreading properties. In particular, on certain graph topologies it offers reduced cover times compared to persistent random walks.

研究动机与目标

• 建模并分析一种受城市环境中出租车移动启发的新随机搜索过程。
• 研究'taxi drive'过程在真实世界和合成街道网络拓扑结构上的传播特性。
• 比较'taxi drive'与经典随机游走和持续性随机游走过程的覆盖时间。
• 理解出租车运动中随机性与规律性之间的相互作用如何影响城市传感中的覆盖效率。
• 为'taxi drive'建立理论基础，使其作为一种随机过程具有在城市传感和网络监控中的潜在应用价值。

提出的方法

• 在以图表示的街道网络上定义'taxi drive'过程，其中节点代表交叉路口，边代表街道路段。
• 在每一步中，出租车在随机选择的节点处接载乘客，并沿最短路径前往随机选定的目的地节点。
• 当存在多条从起点到目的地的最短路径时，从中均匀随机选择一条。
• 在不同图拓扑结构上长时间模拟该过程，以计算路段访问频率和覆盖时间。
• 覆盖时间定义为所有街道路段至少被访问一次的期望时间。
• 在相同网络结构上，通过数值方法将'taxi drive'的性能与普通随机游走和持续性随机游走进行对比。

实验结果

研究问题

• RQ1 在城市街道网络中，'taxi drive'过程的覆盖时间与标准随机游走相比如何？
• RQ2 随机目的地选择与确定性路由的结合在提升覆盖效率方面起到了什么作用？
• RQ3 'taxi drive'过程是否存在路段访问频率的平稳分布？其是否与真实世界数据模式（如齐普夫定律）一致？
• RQ4 在不同网络规模下，'taxi drive'与其他随机游走变体的覆盖时间缩放关系有何差异？
• RQ5 'taxi drive'过程能否推广以包含记忆效应或偏好目的地选择？其是否仍保持有利的传播特性？

主要发现

• 'taxi drive'过程在各种图拓扑结构上实现的覆盖时间显著低于普通随机游走和持续性随机游走。
• 在曼哈顿等真实世界街道网络中，'taxi drive'的路段流行度分布紧密遵循齐普夫定律，与全球九座城市的实证数据一致。
• 'taxi drive'过程的平稳分布收敛为幂律形式，表明少数高流量路段占据主导地位，这与真实出租车数据一致。
• 即使在基于历史访问记录（β > 0）动态选择目的地的情况下，'taxi drive'过程的节点访问频率仍表现出明确的平稳极限，证实其长期稳定性。
• 该过程的混合特性——即目的地选择中的随机性与路径路由中的确定性相结合——使其传播性能优于完全随机的过程。
• 数值结果表明，平均覆盖时间的比值（'taxi drive'与随机游走之比）随网络规模呈亚线性增长，表明随着网络规模增大，效率持续提升。