Découvrir nos «visites cachées» avec des données de téléphone portable et un apprentissage automatique

Si vous vous êtes déjà demandé comment les chercheurs suivent nos mouvements à travers un pays sans s'appuyer uniquement sur les appels téléphoniques, une étude fascinante des chercheurs de Chine et des États-Unis offre un aperçu. Leur travail collaboratif plonge dans l'utilisation de l'apprentissage automatique pour découvrir les «visites cachées» que nous faisons - ces voyages qui n'apparaissent pas dans les données de télécommunications standard parce que nous n'utilisons pas suffisamment nos téléphones.

L'étude, intitulée ** Identification des visites cachées des données de disques de détail de l'appel clairsemé **, est dirigé par Zhan Zhao de l'Université de Hong Kong, aux côtés de Haris N. Koutsopoulos de la Northeastern University à Boston, et Jinhua Zhao du MIT. Leur objectif? Pour tirer parti des enregistrements de connectivité mobile, tels que les données mobiles, les SMS et les appels vocaux - des utilisateurs très actifs pour modéliser et prédire les modèles de mouvement de ceux qui utilisent leurs téléphones moins fréquemment.

* Un schéma rugueux pour extraire les informations de voyage à partir des données de détail de l'appel (CD). * Source: https://arxiv.org/pdf/2106.12885.pdf

Alors que l'équipe reconnaît les problèmes de confidentialité potentiels que son travail augmente, il souligne que leur objectif est d'obtenir une compréhension plus généralisée des modèles de mouvement, plutôt que de zoomer sur les voyages individuels. Ils soulignent également que les données des enregistrements de détails d'appel (CDR), qui sont l'épine dorsale de ces études, a ses limites. Il est souvent faible en résolution spatiale et susceptible de «bruit de positionnement» en raison de la position changeante de l'utilisateur par rapport aux tours de téléphone portable. Cependant, ils soutiennent que cette inexactitude sert en fait de garantie de confidentialité:

** 'L'application cible de notre étude est la détection de voyage et l'estimation OD \ [\ * \], qui sont effectuées au niveau agrégé, pas au niveau individuel. Les modèles développés peuvent être directement déployés sur les serveurs de base de données des opérateurs de télécommunications, sans besoin de transfert de données. En outre, par rapport à d'autres formes de mégadonnées, telles que les données de transaction de médias sociaux ou de carte de crédit, les données CDR sont relativement moins intrusives en termes de confidentialité personnelle. De plus, son erreur de localisation aide à masquer les emplacements des utilisateurs exacts, fournissant une autre couche de préservation de la confidentialité. '**

Intervalles de temps écoulés (ETS)

Lorsque nous sommes en mouvement avec nos téléphones mobiles, pas nécessairement des smartphones, les limites des données CDR en tant qu'outil pour identifier notre emplacement deviennent claires. Les intervalles de temps écoulés (ETIS), ces périodes pendant un voyage où nous ne faisons pas ou ne recevons pas d'appels, sont des marqueurs cruciaux pour suivre nos mouvements. Ces intervalles de «silence» peuvent nous faire disparaître temporairement de la grille.

Les chercheurs mettent en évidence comment ces lacunes interfèrent avec les systèmes analytiques essayant de donner un sens aux voyages> B. La rareté des données pourrait cacher un «voyage non observé». Leur nouvelle méthode s'attaque à cela en analysant le contexte spatio-temporel des ETI et en considérant «les caractéristiques individuelles de l'utilisateur».

Ensemble de données

Pour construire leur ensemble de formation de base, les chercheurs ont utilisé des données d'un grand opérateur de services cellulaires dans une ville chinoise avec une population de 6 millions d'habitants. Cet ensemble de données comprenait plus de deux milliards de transactions de téléphonie mobile de trois millions d'utilisateurs en novembre 2013, se concentrant uniquement sur les appels vocaux et les enregistrements d'accès aux données. Notamment, ils n'ont pas inclus de données SMS, ce qui a ajouté au défi de traiter les données clairsemées.

Les données comprenaient un ID unique crypté, un code de zone de localisation (LAC), un horodatage, un identifiant de téléphone portable lié au LAC pour identifier la tour de téléphone portable spécifique impliquée dans la transaction, et un identifiant d'événement indiquant s'il s'agissait d'un appel ou d'une utilisation de données sortante / entrante.

* Arbre de processus pour l'identification des visites cachées. *

Ces informations ont été référencées avec une base de données de fonctionnement de la tour des cellules, permettant aux chercheurs de déterminer les coordonnées de longitude et de latitude de la tour associée à chaque événement de communication. Ils ont identifié 9000 tours cellulaires dans l'ensemble de données.

Les chercheurs ont noté la difficulté de deviner avec précision les destinations de voyage basées uniquement sur les enregistrements d'appels, car ces dossiers culminaient le matin et l'après-midi, ce qui s'aligne sur les modèles de voyage typiques. Étant donné que les appels téléphoniques peuvent précéder un voyage et peuvent même le déclencher, cela peut fausser l'estimation de la destination.

* Modèles d'utilisation mobile au cours d'une journée. *

Des défis similaires surviennent avec l'utilisation des données initiée par l'utilisateur, comme les applications de messagerie. Cependant, il s'agit de l'utilisation des données «automatisée» - comme le sondage systématique des API pour de nouveaux messages ou d'autres données, y compris le GPS et la télémétrie entre les applications - qui aide à identifier ces mouvements cachés.

Traitement

Les chercheurs ont utilisé une variété de classificateurs d'apprentissage automatique pour s'attaquer à ce problème, notamment la régression logistique, les machines à vecteurs de support (SVM), les forêts aléatoires et une approche d'ensemble augmentant le gradient. Ceux-ci ont été implémentés dans Python à l'aide de Scikit-Learn avec des paramètres par défaut.

Parmi ceux-ci, la régression logistique a fourni les paramètres du modèle les plus interprétables. L'équipe a également constaté que les ETI plus longues augmentaient la probabilité qu'une visite cachée se produise, avec une incidence plus élevée le matin. À l'inverse, lorsque les données CDR d'un utilisateur ont clairement montré un nombre élevé de destinations ou de points de chemin, la probabilité d'une visite cachée était plus faible. Cette découverte soutient le principe principal de leurs recherches - que les utilisateurs les plus actifs fournissent une image détaillée de leurs mouvements, à partir duquel le comportement des utilisateurs moins actifs peut être déduit.

Dans leur conclusion, les chercheurs suggèrent que leur approche pourrait être appliquée à d'autres types de données de transit, telles que les données de carte à puce et les informations sur les réseaux sociaux géosiqués.

La recherche a été soutenue par le financement de la Fondation de l'énergie Chine et du China Sustainable Transportation Center.

* \ * Origin-Destination *