हमारे ‘छिपे हुए दौरे’ को सेल फोन डेटा और मशीन लर्निंग के साथ उजागर करना

चीन और संयुक्त राज्य अमेरिका के शोधकर्ताओं ने एक शोध पर सहयोग किया है जिसमें मशीन लर्निंग तकनीकों का उपयोग करके हमारे ‘छिपे हुए दौरे’ को उजागर किया जा सकता है जब हम देश में घूमते हैं, लेकिन पर्याप्त फोन कॉल नहीं करते हैं या अपने फोन का उपयोग नहीं करते हैं ताकि टेलीकॉम डेटा रिकॉर्ड से हमारी गतिविधियों का पूरा चित्र बनाया जा सके।

इस पेपर में, जिसका शीर्षक स्पार्स कॉल डिटेल रिकॉर्ड डेटा से छिपे हुए दौरे की पहचान है, हांगकांग विश्वविद्यालय के झांग झाओ ने बोस्टन के नॉर्थईस्टर्न विश्वविद्यालय के हारिस एन काउट्सोपोलोस और एमआईटी के जिन्हुआ झाओ के साथ मिलकर काम किया है।

इस शोध का उद्देश्य यह है कि उच्च सक्रिय उपयोगकर्ताओं के मोबाइल कनेक्टिविटी रिकॉर्ड (जिसमें मोबाइल डेटा, एसएमएस और वॉइस कॉल शामिल हैं) का उपयोग करके एक मॉडल विकसित किया जा सकता है जो कम सक्रिय उपयोगकर्ताओं की गतिविधि पैटर्न को अधिक सटीक रूप से अनुमान लगा सकता है।

कॉल डिटेल रिकॉर्ड (सीडी) डेटा से यात्रा जानकारी निकालने के लिए एक खुरदरा स्कीमेटिक स्रोत: https://arxiv.org/pdf/2106.12885.pdf

हालांकि शोधकर्ताओं ने स्वीकार किया है कि इस तरह के काम में गोपनीयता के निहितार्थ हैं, और इस परियोजना के उद्देश्य को अधिक विस्तृत और सटीक जानकारी प्राप्त करने के लिए बताया गया है, वे तर्क देते हैं कि उद्देश्य एक बेहतर सामान्य चित्र प्राप्त करना है।

वे यह भी बताते हैं कि कॉल डिटेल रिकॉर्ड (सीडीआर) डेटा जो ऐसे अध्ययनों को ईंधन देता है, उसका स्थानीय संकल्प कम है और ‘स्थिति शोर’ के लिए प्रवण है क्योंकि उपयोगकर्ता सेल फोन टावरों के सापेक्ष अपनी स्थिति बदलता रहता है, और सुझाव देते हैं कि यह सीमा ही एक प्रकार की गोपनीयता सुरक्षा है:

‘हमारे अध्ययन का लक्ष्य यात्रा का पता लगाना और ओडी अनुमान लगाना है, जो कि एक सामूहिक स्तर पर किया जाता है, व्यक्तिगत स्तर पर नहीं। विकसित मॉडल को सीधे टेलीकॉम कैरियर के डेटाबेस सर्वर पर तैनात किया जा सकता है, डेटा ट्रांसफर की आवश्यकता नहीं है। इसके अलावा, सोशल मीडिया या क्रेडिट कार्ड लेनदेन डेटा जैसे अन्य प्रकार के बड़े डेटा की तुलना में, सीडीआर डेटा व्यक्तिगत गोपनीयता के मामले में कम आक्रामक है। इसके अलावा, इसकी स्थानीय त्रुटि वास्तविक उपयोगकर्ता स्थानों को छिपाने में मदद करती है, जो गोपनीयता संरक्षण की एक और परत प्रदान करती है।’

समय अंतराल (ईटीआई)

जब हम मोबाइल फोन (स्मार्टफोन नहीं) के साथ यात्रा करते हैं, तो सीडीआर डेटा की स्थान-निर्धारण उपकरण के रूप में सीमाएं स्पष्ट हो जाती हैं। समय अंतराल (ईटीआई), यात्रा के दौरान की अवधि जब मोबाइल उपयोगकर्ता कॉल नहीं करता है या प्राप्त नहीं करता है, हमारी गतिविधियों को ट्रैक करने में एक महत्वपूर्ण मार्कर है – एक ‘मौन’ की अवधि जो हमें अस्थायी रूप से ग्रिड से बाहर निकाल देती है।

शोधकर्ताओं का तर्क है कि यह विश्लेषणात्मक प्रणालियों की क्षमता को प्रभावित करता है जो ए>बी यात्राओं के बारे में अनुमान लगाती है, क्योंकि डेटा की कमी एक ‘अदृश्य यात्रा’ को छिपा सकती है। इस नए तरीके से ईटीआई के स्थानिक-समयिक संदर्भ का विश्लेषण किया जाता है, साथ ही ‘व्यक्तिगत विशेषताओं’ का भी विश्लेषण किया जाता है।

डेटासेट

शोधकर्ताओं ने अपने मुख्य प्रशिक्षण सेट को एक चीनी शहर में एक प्रमुख सेल्युलर सेवा ऑपरेटर द्वारा प्रदान किए गए डेटा के साथ विकसित किया, जिसमें 6 मिलियन लोग रहते हैं। डेटा में नवंबर 2013 में तीन मिलियन उपयोगकर्ताओं द्वारा उत्पन्न दो अरब से अधिक मोबाइल फोन लेनदेन शामिल थे, और इसमें केवल वॉइस कॉल और डेटा एक्सेस (डेटा उपयोग) रिकॉर्ड शामिल थे। एसएमएस डेटा का उपयोग नहीं किया गया था, जिसने डेटा की कमी को संबोधित करना अधिक कठिन बना दिया।

डेटा में एक एन्क्रिप्टेड यूनिक आईडी; एक लोकेशन एरिया कोड (एलएसी); एक टाइमस्टैम्प; एक सेल फोन आईडी, जो एलएसी के साथ जोड़कर उपयोग किए जाने वाले सेल फोन टावर की पहचान की गई; और एक इवेंट आईडी (आउटगोइंग/इनकमिंग कॉल, या डेटा उपयोग) शामिल था।

छिपे हुए दौरे की पहचान के लिए प्रक्रिया पेड़

इस जानकारी को एक सेल टावर ऑपरेशन डेटाबेस के साथ क्रॉस-रेफरेंस किया गया, जिससे शोधकर्ताओं को संचार इवेंट से जुड़े टावर के अक्षांश और देशांतर निर्देशांक को पूछताछ करने की अनुमति मिली। शोधकर्ताओं ने डेटासेट में 9000 सेल टावरों की पहचान की।

शोधकर्ताओं का तर्क है कि कॉल रिकॉर्ड के आधार पर यात्रा के गंतव्य का अनुमान लगाना मुश्किल है, क्योंकि ये रिकॉर्ड सुबह और दोपहर में चोटी पर होते हैं, जो यात्रा पैटर्न से संबंधित होते हैं। चूंकि फोन कॉल यात्रा से पहले होते हैं (और एक यात्रा को ट्रिगर कर सकते हैं), यह गंतव्य अनुमान में पूर्वाग्रह पैदा कर सकता है।

एक दिन में मोबाइल उपयोग पैटर्न

समान प्रतिबंध उपयोगकर्ता-प्रेरित डेटा उपयोग लेनदेन, जैसे कि मैसेजिंग ऐप, और अन्य प्रकार के इंटरैक्शन पर लागू होते हैं। हालांकि, यह ‘स्वचालित’ डेटा उपयोग है जो हमें पहचानने में मदद करता है – नए संदेशों या अन्य प्रकार के डेटा के लिए एपीआई की सिस्टमैटिक पोलिंग, जिसमें संदेश सूची, जीपीएस और स्थापित ऐप्स के लिए सामान्य टेलीमेट्री शामिल है।

प्रोसेसिंग

शोधकर्ताओं ने इस समस्या को लोकप्रिय मशीन लर्निंग क्लासिफायर की एक विस्तृत श्रृंखला के साथ दृष्टिकोण किया, जिसमें लॉजिस्टिक रिग्रेशन, सपोर्ट वेक्टर मशीन (एसवीएम), रैंडम फॉरेस्ट, और एक ग्रेडिएंट बूस्टिंग एन्सेम्बल दृष्टिकोण शामिल थे। सभी क्लासिफायर को पाइथन में स्किट-लर्न के माध्यम से डिफ़ॉल्ट सेटिंग्स पर लागू किया गया था।

इन दृष्टिकोणों में, शोधकर्ताओं ने पाया कि लॉजिस्टिक रिग्रेशन ने सबसे अधिक व्याख्यात्मक मॉडल पैरामीटर की संख्या दी।

उन्होंने यह भी खोज की कि जितना अधिक समय अंतराल (ईटीआई) लंबा होगा, उतनी ही अधिक संभावना है कि एक छिपा हुआ दौरा हुआ है, और सुबह में छिपे हुए दौरे की घटना अधिक होती है।

इसके अलावा, जब एक उपयोगकर्ता के सीडीआर डेटा में आसानी से कई गंतव्य या मार्ग बिंदु दिखाई देते हैं, तो छिपे हुए दौरे की संभावना सबसे कम होती है। सामान्य तौर पर, यह शोध के सामान्य सिद्धांत के अनुसार है – जो ‘शोर’ या सबसे सक्रिय उपयोगकर्ता अपनी गतिविधियों का एक विस्तृत चित्र पेश करते हैं, जिससे कम सक्रिय उपयोगकर्ताओं की गतिविधियों का अनुमान लगाया जा सकता है।

निष्कर्ष में, शोधकर्ताओं का अनुमान है कि उनके दृष्टिकोण का उपयोग अन्य प्रकार के परिवहन डेटा के लिए किया जा सकता है, जिसमें स्मार्ट कार्ड डेटा और जियो-लोकेटेड सोशल मीडिया जानकारी शामिल है।

इस शोध को ऊर्जा फाउंडेशन चीन और चीन सस्टेनेबल ट्रांसपोर्टेशन सेंटर द्वारा वित्त पोषित किया गया था।

* मूल-गंतव्य