Ανακαλύπτοντας τις “Κρυφές Επισκέψεις” μας με Δεδομένα Κινητής Τηλεφωνίας και Μηχανική Μάθηση

Ερευνητές από την Κίνα και τις Ηνωμένες Πολιτείες έχουν συνεργαστεί σε μια έρευνα που χρησιμοποιεί τεχνικές μηχανικής μάθησης για να ανακαλύψουν τις “κρυφές επισκέψεις” που κάνουμε όταν κινουμεθα γύρω από τη χώρα, αλλά δεν κάνουμε αρκετές τηλεφωνικές κλήσεις ή δεν χρησιμοποιούμε αρκετά τα κινητά τηλέφωνά μας για να σχηματιστεί μια πλήρης εικόνα των κινήσεων μας από τα τηλεπικοινωνιακά δεδομένα.

Το έγγραφο, με τίτλο Αναγνώριση Κρυφών Επισκέψεων από Δεδομένα Καταγραφής Κλήσεων, είναι υπό την ηγεσία του Zhan Zhao από το Πανεπιστήμιο του Χονγκ Κονγκ, σε συνεργασία με τον Haris N. Koutsopoulos από το Πανεπιστήμιο Northeastern της Βοστώνης και τον Jinhua Zhao στο MIT.

Η πρόταση της έρευνας είναι να χρησιμοποιηθούν τα δεδομένα κινητής τηλεφωνίας (συμπεριλαμβανομένων των δεδομένων κινητής τηλεφωνίας, SMS και τηλεφωνικών κλήσεων) από τους πιο ενεργούς χρήστες για να αναπτύξουν ένα μοντέλο που μπορεί να προβλέψει με μεγαλύτερη ακρίβεια τα μοτίβα κίνησης των λιγότερο ενεργών χρηστών.

Ένα σχήμα για την εξαγωγή πληροφοριών ταξιδιού από Δεδομένα Καταγραφής Κλήσεων (CD). Πηγή: https://arxiv.org/pdf/2106.12885.pdf

Αν και οι ερευνητές παραδέχονται ότι υπάρχουν προβλήματα ιδιωτικότητας στην ανάπτυξη τέτοιου έργου και παρά την σαφή στόχο του έργου να λάβει μεγαλύτερη και πιο λεπτομερή εικόνα για τα ταξίδια των χρηστών, ισχυρίζονται ότι ο στόχος είναι να ληφθεί μια καλύτερη γενικευμένη εικόνα της κίνησης.

Επίσης, σημειώνουν ότι τα Δεδομένα Καταγραφής Κλήσεων (CDR) που τροφοδοτούν τέτοιες μελέτες έχουν χαμηλή χωρική ανάλυση και είναι ευάλωτα σε “θόρυβο θέσης” λόγω της μεταβαλλόμενης θέσης του χρήστη σε σχέση με τους πύργους κινητής τηλεφωνίας που περνάει, και προτείνουν ότι αυτό το περιορισμό είναι μια μορφή προστασίας της ιδιωτικότητας:

‘Ο στόχος της μελέτης μας είναι η ανίχνευση ταξιδιών και η εκτίμηση OD[*], οι οποίες γίνονται σε συλλογικό επίπεδο, όχι σε ατομικό επίπεδο. Τα αναπτυγμένα μοντέλα μπορούν να αναπτυχθούν trực tiếp στα διακομιστές βάσεων δεδομένων των παρόχων τηλεπικοινωνιών, χωρίς την ανάγκη μεταφοράς δεδομένων. Επιπλέον, σε σύγκριση με άλλες μορφές μεγάλων δεδομένων, όπως τα δεδομένα κοινωνικών μέσων ή τα δεδομένα συναλλαγών πιστωτικών καρτών, τα δεδομένα CDR είναι σχετικά λιγότερο ενοχλητικά σε σχέση με την προσωπική ιδιωτικότητα. Επιπλέον, ο τοπικός σφάλμα τους βοηθά να μασκάρει την ακριβή θέση του χρήστη, παρέχοντας μια επιπλέον στρώση προστασίας της ιδιωτικότητας.’

Διάστημα Χρόνου (ETIs)

Όταν ταξιδεύουμε με κινητά τηλέφωνα (όχι απαραίτητα smartphones), τα περιορισμένα δεδομένα CDR ως εργαλείο ορισμού θέσης γίνονται εμφανή. Τα Διάστημα Χρόνου (ETIs), περίοδοι ενός ταξιδιού όπου ο χρήστης κινητού τηλεφώνου δεν κάνει ή δεν λαμβάνει κλήσεις, είναι ένα κρίσιμο σημάδι για την παρακολούθηση των κινήσεων μας – ένα διάστημα “σιωπής” αρκετά μεγάλο για να μας κάνουν να εξαφανιστούμε προσωρινά από το δίκτυο.

Οι ερευνητές σημειώνουν ότι αυτό επηρεάζει την ικανότητα των αναλυτικών συστημάτων να κάνουν υποθέσεις για ταξίδια από το σημείο Α στο σημείο Β, поскольку η σπανιότητα των δεδομένων θα μπορούσε να κρύβει μια “απαρατήρητη επίσκεψη”. Η νέα μέθοδος αντιμετωπίζει αυτό το πρόβλημα αναλύοντας το χωροχρονικό контекスト των ETIs, καθώς και “τα ατομικά χαρακτηριστικά του χρήστη”.

Δεδομένα

Οι ερευνητές ανέπτυξαν το βασικό σετ εκπαίδευσης με δεδομένα που παρέχθηκαν από einen μεγάλο παρόχο κινητής τηλεφωνίας σε μια κινεζική πόλη με πληθυσμό 6 εκατομμυρίων ανθρώπων. Τα δεδομένα περιείχαν περισσότερα από 2 δισεκατομμύρια συναλλαγές κινητής τηλεφωνίας που παράχθηκαν από 3 εκατομμύρια χρήστες τον Νοέμβριο του 2013 και περιείχαν μόνο δεδομένα φωνητικών κλήσεων και δεδομένα πρόσβασης (χρήση δεδομένων). Δεδομένα SMS δεν χρησιμοποιήθηκαν, γεγονός που έκανε την αντιμετώπιση της σπανιότητας των δεδομένων πιο δύσκολη.

Τα δεδομένα περιείχαν ένα κρυπτογραφημένο μοναδικό αναγνωριστικό, einen Κωδικό Περιοχής Τοποθεσίας (LAC), ένα χρονικό σημείο, einen αναγνωριστικό κινητού τηλεφώνου, το οποίο συλλέχθηκε με τον LAC για να αναγνωριστεί ο πύργος κινητής τηλεφωνίας που χρησιμοποιήθηκε στη συναλλαγή, και einen Κωδικό Γεγονότος (εξερχόμενο/εισερχόμενο κλήση ή χρήση δεδομένων).

Δέντρο διαδικασίας για την αναγνώριση κρυφών επισκέψεων.

Αυτές οι πληροφορίες συσχετίστηκαν με μια βάση δεδομένων λειτουργίας πύργων κινητής τηλεφωνίας, επιτρέποντας στους ερευνητές να αναζητήσουν τις συντεταγμένες γεωγραφικού μήκους και πλάτους του πύργου που σχετίζεται με το γεγονός επικοινωνίας. Οι ερευνητές μπόρεσαν να αναγνωρίσουν 9000 πύργους κινητής τηλεφωνίας στο σετ δεδομένων.

Οι ερευνητές παρατηρούν ότι είναι δύσκολο να μαντέψουν τους προορισμούς των ταξιδιών μόνο με τα δεδομένα κλήσεων,既然 αυτά τα δεδομένα φτάνουν στο μέγιστο τους το πρωί και το απόγευμα, το οποίο συσχετίζεται με τα μοτίβα ταξιδιών.既然 οι τηλεφωνικές κλήσεις προηγούνται του ταξιδιού (και μπορεί να προκαλέσουν ένα ταξίδι), αυτό μπορεί να προκαλέσει προκατάληψη στην εκτίμηση του προορισμού.

Μοτίβα χρήσης κινητής τηλεφωνίας κατά τη διάρκεια της ημέρας.

Παρόμοια περιορισμοί ισχύουν για τις συναλλαγές χρήστη που ξεκινούν από δεδομένα, όπως εφαρμογές μηνυμάτων, και άλλους τύπους αλληλεπιδράσεων. Ωστόσο, είναι η “αυτόματη” χρήση δεδομένων που μας βοηθά να αναγνωριστούμε – η συστηματική έρευνα για νέες μηνύματα ή άλλους τύπους δεδομένων, συμπεριλαμβανομένων λιστών μηνυμάτων, GPS και γενικής τηλεμετρίας σε εγκατεστημένες εφαρμογές.

Επεξεργασία

Οι ερευνητές αντιμετώπισαν το πρόβλημα με μια ευρεία γκάμα δημοφιλών ταξινομητών μηχανικής μάθησης, συμπεριλαμβανομένων της λογιστικής παλινδρόμησης, της μηχανής υποστήριξης διανυσμάτων (SVM), του τυχαίου δάσους και μιας προσεγγίσεως συνόλου gradient boosting. Όλοι οι ταξινομητές εφαρμόστηκαν σε Python μέσω scikit-learn, με τις προεπιλεγμένες ρυθμίσεις.

Από αυτές τις προσεγγίσεις, οι ερευνητές βρήκαν ότι η λογιστική παλινδρόμηση έδωσε τον μεγαλύτερο αριθμό ερμηνεύσιμων παραμέτρων μοντέλου.

Επίσης, ανακάλυψαν ότι όσο μεγαλύτερο είναι το Διάστημα Χρόνου (ETI), τόσο μεγαλύτερη είναι η πιθανότητα να έχει συμβεί μια κρυφή επίσκεψη, και ότι μια μεγαλύτερη συχνότητα κρυφών επισκέψεων συμβαίνει το πρωί.

Επιπλέον, όταν τα δεδομένα CDR ενός χρήστη αποκαλύπτουν εύκολα ένα μεγάλο αριθμό προορισμών ή σημείων διαδρομής, υπάρχει η μικρότερη πιθανότητα να έχει συμβεί μια κρυφή επίσκεψη. Γενικά, αυτό συμφωνεί με το γενικό αρχή της έρευνας – ότι οι “θορυβώδεις” ή πιο ενεργοί χρήστες ζωγραφίζουν μια λεπτομερή εικόνα των κινήσεων τους, από την οποία η συμπεριφορά των λιγότερο ενεργών χρηστών μπορεί να αναγνωριστεί.

Συμπεραίνοντας, οι ερευνητές προβλέπουν ότι η προσέγγισή τους μπορεί να χρησιμοποιηθεί για άλλους τύπους δεδομένων μεταφοράς, συμπεριλαμβανομένων δεδομένων καρτών και γεω-τοποθετημένων δεδομένων κοινωνικών μέσων.

Η έρευνα χρηματοδοτήθηκε από την Energy Foundation China και το Κέντρο Αειφόρου Μεταφοράς της Κίνας.

* Προέλευση-Προορισμός