stringtranslate.com

Индивидуальная мобильность

Индивидуальная мобильность человека — это исследование, которое описывает, как отдельные люди перемещаются в сети или системе. [1] Эта концепция изучалась в ряде областей, берущих начало в изучении демографии. Понимание человеческой мобильности имеет множество приложений в различных областях, включая распространение болезней , [2] [3] мобильные вирусы , [4] городское планирование , [5] [6] [7] транспортную инженерию , [8] [9] прогнозирование финансового рынка, [10] и прогнозирование текущего состояния экономического благосостояния . [11] [12]

Данные

В последние годы наблюдается всплеск больших наборов данных, доступных о перемещениях людей. Эти наборы данных обычно получаются из данных сотового телефона или GPS с различной степенью точности. Например, данные сотового телефона обычно записываются всякий раз, когда пользователь совершает или получает звонок или текстовое сообщение, и содержат местоположение вышки, к которой подключен телефон, а также временную метку. [13] В городских районах пользователь и телекоммуникационная вышка могут находиться всего в нескольких сотнях метров друг от друга, в то время как в сельской местности это расстояние может составлять несколько километров. Поэтому существует разная степень точности, когда речь идет о местонахождении человека с использованием данных сотового телефона. Эти наборы данных анонимизируются телефонными компаниями, чтобы скрыть и защитить личность реальных пользователей. В качестве примера его использования исследователи [13] использовали траекторию 100 000 пользователей сотовых телефонов в течение шести месяцев, в то время как в гораздо большем масштабе [14] были проанализированы траектории трех миллионов пользователей сотовых телефонов. Данные GPS обычно намного точнее, хотя их обычно, из-за проблем с конфиденциальностью , гораздо сложнее получить. Огромные объемы данных GPS, описывающих мобильность человека, производятся, например, бортовыми устройствами GPS на частных автомобилях. [15] [16] Устройство GPS автоматически включается при запуске автомобиля, и последовательность точек GPS, которые устройство производит каждые несколько секунд, формирует подробную траекторию мобильности автомобиля. Некоторые недавние научные исследования сравнивали модели мобильности, полученные из данных мобильного телефона, с моделями, полученными из данных GPS. [15] [16] [17]

Исследователи смогли извлечь очень подробную информацию о людях, чьи данные стали общедоступными. Это вызвало большую озабоченность по поводу проблем с конфиденциальностью. В качестве примера ответственности, которая может возникнуть, Нью-Йорк опубликовал 173 миллиона индивидуальных поездок на такси . Городские власти использовали очень слабый алгоритм криптографии для анонимизации номера лицензии и номера медальона, который представляет собой буквенно-цифровой код, присваиваемый каждому такси. [18] Это позволило хакерам полностью деанонимизировать набор данных, и даже некоторые смогли извлечь подробную информацию о конкретных пассажирах и знаменитостях, включая их пункт отправления и назначения, а также размер чаевых. [18] [19]

Характеристики

В крупном масштабе, когда поведение моделируется в течение относительно длительного периода (например, более одного дня), человеческую мобильность можно описать тремя основными компонентами:

Брокманн [20] , анализируя банкноты, обнаружил, что вероятность расстояния путешествия следует случайному блужданию без масштаба, известному как полет Леви, в форме , где . Это было позже подтверждено двумя исследованиями, которые использовали данные сотовых телефонов [13] и данные GPS для отслеживания пользователей. [15] Смысл этой модели заключается в том, что, в отличие от других более традиционных форм случайных блужданий, таких как броуновское движение , поездки людей, как правило, совершаются на короткие расстояния с несколькими длинными. В броуновском движении распределение расстояний поездок регулируется колоколообразной кривой, что означает, что следующая поездка имеет примерно предсказуемый размер, средний, тогда как в полете Леви она может быть на порядок больше среднего.

Некоторые люди по своей природе склонны путешествовать на большие расстояния, чем в среднем, и то же самое относится к людям с меньшей тягой к движению. Радиус инерции используется для того, чтобы зафиксировать именно это, и он указывает характерное расстояние, пройденное человеком за период времени t. [13] Каждый пользователь, в пределах своего радиуса инерции , будет выбирать расстояние своей поездки в соответствии с .

Третий компонент моделирует тот факт, что люди склонны посещать некоторые места чаще, чем это произошло бы при случайном сценарии. Например, дом, рабочее место или любимые рестораны посещаются гораздо чаще, чем многие другие места в радиусе вращения пользователя. Было обнаружено, что где , что указывает на сублинейный рост различного количества мест, посещаемых человеком . Эти три показателя отражают тот факт, что большинство поездок происходит между ограниченным количеством мест, с менее частыми поездками в места за пределами радиуса вращения человека.

Предсказуемость

Хотя человеческая мобильность моделируется как случайный процесс, она на удивление предсказуема. Измеряя энтропию движения каждого человека, было показано [14] , что существует потенциальная предсказуемость в 93%. Это означает, что, хотя существует большое различие в типах пользователей и расстояниях, которые каждый из них преодолевает, общая их характеристика весьма предсказуема. Следствием этого является то, что в принципе возможно точно моделировать процессы, зависящие от моделей человеческой мобильности, такие как модели распространения болезней или мобильных вирусов. [21] [22] [23]

В индивидуальном масштабе ежедневная человеческая мобильность может быть объяснена только 17 сетевыми мотивами . Каждый индивидуум, показывает один из этих мотивов характерно, в течение периода в несколько месяцев. Это открывает возможность воспроизводить ежедневную индивидуальную мобильность с помощью послушной аналитической модели [24]

Приложения

Инфекционные заболевания распространяются по всему миру, как правило, из-за дальних путешествий носителей заболевания. Эти дальние путешествия совершаются с использованием систем воздушного транспорта , и было показано, что « топология сети , структура трафика и индивидуальные модели мобильности имеют важное значение для точного прогнозирования распространения заболевания». [21] В меньших пространственных масштабах регулярность моделей перемещения человека и ее временная структура должны учитываться в моделях распространения инфекционных заболеваний. [25] Вирусы мобильных телефонов, которые передаются через Bluetooth, в значительной степени зависят от человеческого взаимодействия и перемещений. Поскольку все больше людей используют одинаковые операционные системы для своих мобильных телефонов, становится намного проще иметь эпидемию вируса. [22]

В транспортном планировании , используя характеристики человеческого передвижения, такие как тенденция путешествовать на короткие расстояния с редкими, но регулярными всплесками дальних поездок, были внесены новые усовершенствования в модели распределения поездок , в частности, в гравитационную модель миграции [26].

Смотрите также

Ссылки

  1. ^ Кейфиц, Натан (1973). «Индивидуальная мобильность в стационарной популяции». Population Studies . 27 (1 июля 1973 г.): 335–352. doi :10.2307/2173401. JSTOR  2173401. PMID  22085100.
  2. ^ Colizza, V.; Barrat, A.; Barthélémy, M.; Valleron, A.-J.; Vespignani, A. (2007). «Моделирование всемирного распространения пандемического гриппа: базовые случаи и меры по сдерживанию». PLOS Medicine . 4 (1): 95–110. arXiv : q-bio/0701038 . Bibcode : 2007q.bio.....1038C. doi : 10.1371/journal.pmed.0040013 . PMC 1779816. PMID  17253899 . 
  3. ^ Хафнагель, Л.; Брокманн, Д.; Гейзель, Т. (2004). «Прогнозирование и контроль эпидемий в глобализованном мире». Proc. Natl. Acad. Sci. USA . 101 (42): 15124–15129. arXiv : cond-mat/0410766 . Bibcode : 2004PNAS..10115124H. doi : 10.1073/pnas.0308344101 . PMC 524041. PMID  15477600 . 
  4. ^ Пастор-Саторрас, Ромуальдо; Веспиньяни, Алессандро (2001-04-02). «Распространение эпидемий в сетях без масштаба». Physical Review Letters . 86 (14): 3200–3203. arXiv : cond-mat/0010317 . Bibcode : 2001PhRvL..86.3200P. doi : 10.1103/physrevlett.86.3200. ISSN  0031-9007. PMID  11290142. S2CID  16298768.
  5. ^ Хорнер, М. В.; О'Келли, М. Э. С. (2001). «Внедрение концепций экономии масштаба для проектирования сетей-концентраторов». J. Transp. Geogr . 9 (4): 255–265. doi :10.1016/s0966-6923(01)00019-9.
  6. ^ Вывод об использовании земли на основе активности мобильных телефонов Дж. Л. Тул, М. Ульм, М. К. Гонсалес, Д. Бауэр - Труды ACM SIGKDD international …, 2012
  7. ^ Розенфельд, HD; и др. (2008). «Законы роста населения». Proc. Natl. Acad. Sci. USA . 105 (48): 18702–18707. arXiv : 0808.2202 . Bibcode : 2008PNAS..10518702R. doi : 10.1073/pnas.0807435105 . PMC 2596244. PMID  19033186 . 
  8. ^ Ван, Пу; Хантер, Тимоти; Байен, Александр М.; Шехтнер, Катя; Гонсалес, Марта К. (2012). «Понимание закономерностей использования дорог в городских районах». Scientific Reports . 2 (1). Springer Science and Business Media LLC: 1001. arXiv : 1212.5327 . Bibcode : 2012NatSR...2E1001W. doi : 10.1038/srep01001 . ISSN  2045-2322. PMC 3526957. PMID  23259045 . 
  9. ^ Крингс, Готье; Калабрезе, Франческо; Ратти, Карло; Блондель, Винсент Д. (14 июля 2009 г.). «Городская гравитация: модель для междугородних телекоммуникационных потоков». Журнал статистической механики: теория и эксперимент . 2009 (7). Издательство IOP: L07003. arXiv : 0905.0692 . doi : 10.1088/1742-5468/07/2009/l07003. ISSN  1742-5468. S2CID  1445486.
  10. ^ Габэ, X.; Гопикришнан, П.; Плеру, В.; Стэнли, Х. Э. (2003). «Теория степенных распределений в колебаниях финансового рынка». Nature . 423 (6937): 267–270. Bibcode :2003Natur.423..267G. doi :10.1038/nature01624. PMID  12748636. S2CID  1263236.
  11. ^ Стефано Маркетти и др. (июнь 2015 г.). «Оценки на основе моделей малых областей с использованием больших источников данных». Журнал официальной статистики . 31 (2): 263–281. doi : 10.1515/jos-2015-0017 . hdl : 11568/754495 .
  12. ^ Л. Паппалардо и др., Использование больших данных для изучения связи между мобильностью людей и социально-экономическим развитием, Труды Международной конференции IEEE 2015 года по большим данным, Санта-Клара, Калифорния, США, 2015.
  13. ^ abcd Гонсалес, Марта С.; Идальго, Сезар А.; Барабаси, Альберт-Ласло (2008). «Понимание индивидуальных моделей мобильности человека». Природа . 453 (7196): 779–782. arXiv : 0806.1256 . Бибкод : 2008Natur.453..779G. дои : 10.1038/nature06958. ISSN  0028-0836. PMID  18528393. S2CID  4419468.
  14. ^ ab Пределы предсказуемости в человеческой мобильности. C Song, Z Qu, N Blumm, AL Barabási - Science, 2010
  15. ^ abc Luca Pappalardo; et al. (29 января 2013 г.). «Понимание закономерностей движения автомобиля». European Physical Journal ST . 215 (1): 61–73. Bibcode :2013EPJST.215...61P. doi :10.1140/epjst/e2013-01715-5. S2CID  120805149.
  16. ^ ab Luca Pappalardo; et al. (8 сентября 2015 г.). «Дихотомия возвращающихся и исследователей в человеческой мобильности». Nature Communications . 6 : 8166. Bibcode : 2015NatCo...6.8166P. doi : 10.1038/ncomms9166. PMC 4569739. PMID  26349016 . 
  17. ^ Л. Паппалардо и др., Сравнение общей мобильности и мобильности на автомобиле, Конгресс стран БРИКС (BRICS-CCI) и 11-й Бразильский конгресс (CBIC) по вычислительному интеллекту, 2013 г.
  18. ^ ab "Public NYC Taxicab Database Lets You See How Celebrities Tips". Архивировано из оригинала 2014-11-18 . Получено 2014-11-15 .
  19. ^ Херн, Алекс (27.06.2014). «Исследователи утверждают, что сведения о такси Нью-Йорка можно извлечь из анонимных данных». The Guardian .
  20. ^ Брокманн, Д.; Хуфнагель, Л.; Гейзель, Т. (2006). «Законы масштабирования человеческих путешествий». Nature . 439 (7075): 462–465. arXiv : cond-mat/0605511 . Bibcode :2006Natur.439..462B. doi :10.1038/nature04292. ISSN  0028-0836. PMID  16437114. S2CID  4330122.
  21. ^ ab Николаидес, Христос; Куэто-Фельгеросо, Луис; Гонсалес, Марта К.; Хуанес, Рубен (19 июля 2012 г.). Веспиньяни, Алессандро (ред.). "Метрика влиятельного распространения во время динамики заражения через сеть воздушных перевозок". PLOS ONE . 7 (7). Публичная научная библиотека (PLoS): e40961. Bibcode : 2012PLoSO...740961N. doi : 10.1371/journal.pone.0040961 . ISSN  1932-6203. PMC 3400590. PMID 22829902  . 
  22. ^ ab Wang, P.; Gonzalez, MC; Hidalgo, CA; Barabasi, A.-L. (2009-04-01). «Понимание закономерностей распространения вирусов мобильных телефонов». Science . 324 (5930): 1071–1076. arXiv : 0906.4567 . Bibcode :2009Sci...324.1071W. doi :10.1126/science.1167053. ISSN  0036-8075. PMID  19342553. S2CID  11081201.
  23. ^ Колицца, Виттория; Баррат, Ален; Бартелеми, Марк; Веспиньяни, Алессандро (21.11.2007). «Предсказуемость и эпидемические пути глобальных вспышек инфекционных заболеваний: исследование случая атипичной пневмонии». BMC Medicine . 5 (1): 34. arXiv : 0801.2261 . doi : 10.1186/1741-7015-5-34 . ISSN  1741-7015. PMC 2213648 . PMID  18031574. 
  24. ^ Шнайдер, Кристиан М.; Белик, Виталий; Куронне, Томас; Смореда, Збигнев; Гонсалес, Марта К. (2013-07-06). «Раскрытие мотивов повседневной человеческой мобильности». Журнал интерфейса Королевского общества . 10 (84). Королевское общество: 20130246. doi :10.1098/rsif.2013.0246. ISSN  1742-5689. PMC 3673164. PMID 23658117  . 
  25. ^ Белик, Виталий; Гейзель, Тео; Брокманн, Дирк (2011-08-08). "Естественные закономерности мобильности человека и пространственное распространение инфекционных заболеваний". Physical Review X. 1 ( 1): 011001. arXiv : 1103.6224 . Bibcode : 2011PhRvX...1a1001B. doi : 10.1103/physrevx.1.011001 . ISSN  2160-3308.
  26. ^ Симини, Филиппо; Гонсалес, Марта С.; Маритан, Амос; Барабаши, Альберт-Ласло (26 февраля 2012 г.). «Универсальная модель моделей мобильности и миграции». Природа . 484 (7392): 96–100. arXiv : 1111.0586 . Бибкод : 2012Natur.484...96S. дои : 10.1038/nature10856. ISSN  0028-0836. PMID  22367540. S2CID  4431030.