Descubrir nuestras 'visitas ocultas' con datos de teléfonos celulares y aprendizaje automático

Si alguna vez se ha preguntado cómo los investigadores rastrean nuestros movimientos en un país sin depender únicamente de las llamadas telefónicas, un estudio fascinante realizado por investigadores de China y Estados Unidos ofrece cierta idea. Su trabajo colaborativo profundiza en el uso del aprendizaje automático para descubrir las 'visitas ocultas' que hacemos, esos viajes que no aparecen en los datos de telecomunicaciones estándar porque no estamos usando nuestros teléfonos lo suficiente.

El estudio, titulado ** Identificación de visitas ocultas de datos de registro de detalles de llamadas escasas **, es encabezado por Zhan Zhao de la Universidad de Hong Kong, junto a Haris N. Koutsopoulos de la Universidad Noreste de Boston, y Jinhua Zhao de MIT. Su objetivo? Para aprovechar los registros de conectividad móvil, como datos móviles, SMS y llamadas de voz, desde usuarios altamente activos para modelar y predecir los patrones de movimiento de aquellos que usan sus teléfonos con menos frecuencia.

* Un esquema aproximado para extraer información de viaje de los datos del registro de detalles de llamadas (CD).* Fuente: https://arxiv.org/pdf/2106.12885.pdf

Si bien el equipo reconoce que la privacidad potencial se refiere a su trabajo, enfatizan que su objetivo es obtener una comprensión más generalizada de los patrones de movimiento, en lugar de ampliar los viajes individuales. También señalan que los datos del registro de detalles de llamadas (CDR), que es la columna vertebral de tales estudios, tiene sus limitaciones. A menudo es bajo en resolución espacial y susceptible a 'posicionar el ruido' debido a la posición cambiante del usuario en relación con las torres de teléfonos celulares. Sin embargo, argumentan que esta inexactitud en realidad sirve como una salvaguardia de privacidad:

** 'La aplicación objetivo de nuestro estudio es la detección de viajes y la estimación de OD \ [\*\], que se realizan a nivel agregado, no a nivel individual. Los modelos desarrollados se pueden implementar directamente en los servidores de bases de datos de los portadores de telecomunicaciones, sin necesidad de transferencia de datos. Además, en comparación con otras formas de big data, como los datos de las redes sociales o la transacción de tarjetas de crédito, los datos de CDR son relativamente menos intrusivos en términos de privacidad personal. Además, su error de localización ayuda a enmascarar las ubicaciones exactas de los usuarios, proporcionando otra capa de preservación de la privacidad. '**

Intervalos de tiempo transcurridos (ETIS)

Cuando estamos en movimiento con nuestros teléfonos móviles, no necesariamente los teléfonos inteligentes, las limitaciones de los datos CDR como herramienta para señalar nuestra ubicación se vuelven claras. Los intervalos de tiempo transcurridos (ETIS), esos períodos durante un viaje donde no hacemos ni recibimos llamadas, son marcadores cruciales para rastrear nuestros movimientos. Estos intervalos de 'silencio' pueden hacernos desaparecer temporalmente de la cuadrícula.

Los investigadores destacan cómo estas brechas interfieren con los sistemas analíticos que intentan dar sentido a los viajes de A> B. La escasez de datos podría estar ocultando un 'viaje no observado'. Su nuevo método aborda esto analizando el contexto espacio -temporal de ETI y considerando 'las características individuales del usuario'.

Conjunto de datos

Para construir su conjunto de capacitación central, los investigadores utilizaron datos de un importante operador de servicio celular en una ciudad china con una población de 6 millones. Este conjunto de datos incluyó más de dos mil millones de transacciones de teléfonos móviles de tres millones de usuarios en noviembre de 2013, centrándose únicamente en llamadas de voz y registros de acceso a datos. En particular, no incluían datos de SMS, que se sumaron al desafío de tratar con datos escasos.

Los datos incluyeron una ID única cifrada, un código de área de ubicación (LAC), una marca de tiempo, una ID de teléfono celular vinculada al LAC para identificar la torre de teléfono celular específica involucrada en la transacción y una ID de evento que indica si se trataba de una llamada o uso de datos saliente/entrante.

*Árbol de proceso para la identificación de visitas ocultas.*

Esta información se realizó con una base de datos de operación de la torre de celdas, lo que permite a los investigadores identificar las coordenadas de longitud y latitud de la torre asociada con cada evento de comunicación. Identificaron 9000 torres celulares dentro del conjunto de datos.

Los investigadores notaron la dificultad para adivinar con precisión los destinos de viaje basados ​​únicamente en los registros de llamadas, ya que estos registros alcanzan su punto máximo en la mañana y la tarde, lo que se alinea con los patrones de viaje típicos. Dado que las llamadas telefónicas pueden preceder a un viaje e incluso pueden activarlo, esto puede sesgar la estimación de destino.

*Patrones de uso móvil en el transcurso de un día.*

Desafíos similares surgen con el uso de datos iniciado por el usuario, como las aplicaciones de mensajería. Sin embargo, es el uso de datos 'automatizado', como la encuesta sistemática de API para nuevos mensajes u otros datos, incluidos los GPS y la telemetría en las aplicaciones, eso ayuda a identificar estos movimientos ocultos.

Tratamiento

Los investigadores emplearon una variedad de clasificadores de aprendizaje automático para abordar este problema, incluida la regresión logística, las máquinas de vectores de apoyo (SVM), los bosques aleatorios y un enfoque de conjunto de impulso de gradiente. Estos se implementaron en Python usando Scikit-Learn con configuración predeterminada.

Entre estos, la regresión logística proporcionó los parámetros del modelo más interpretables. El equipo también encontró que ETI más larga aumentó la probabilidad de que ocurra una visita oculta, con una mayor incidencia en la mañana. Por el contrario, cuando los datos CDR de un usuario mostraron claramente una gran cantidad de destinos o puntos de referencia, la probabilidad de una visita oculta fue menor. Este hallazgo respalda el principio central de su investigación: que los usuarios más activos proporcionan una imagen detallada de sus movimientos, de la cual se puede inferir el comportamiento de los usuarios menos activos.

En su conclusión, los investigadores sugieren que su enfoque podría aplicarse a otros tipos de datos de tránsito, como datos de tarjetas inteligentes e información de redes sociales geográficas.

La investigación fue apoyada por la financiación de Energy Foundation China y el Centro de Transporte Sostenible de China.

* \* Origen-Destination*