Gizli Ziyaretlerimizi Hücresel Veri ve Makine Öğrenimi ile Açığa Çıkarmak

Çin ve Amerika Birleşik Devletleri’nden araştırmacılar, hareketlerimizi tam olarak belirleyebilmek için telefon kayıtlarından yararlanılan ‘gizli ziyaretleri’ belirlemek için makine öğrenimi tekniklerini kullandıkları bir araştırma üzerinde işbirliği yaptılar.

Makale, Hong Kong Üniversitesi’nden Zhan Zhao liderliğinde, Boston’daki Northeastern Üniversitesi’nden Haris N. Koutsopoulos ve MIT’den Jinhua Zhao ile birlikte yazılmıştır.

Araştırmanın temel amacı, yüksek aktivite gösteren kullanıcıların mobil bağlantı kayıtlarını kullanarak, daha az aktif kullanıcıların hareket kalıplarını daha doğru bir şekilde tahmin edebilecek bir model geliştirmektir.

Çağrı Detay Kaydı (CDR) verisinden seyahat bilgisi çıkarma şeması. Kaynak: https://arxiv.org/pdf/2106.12885.pdf

Araştırmacılar, böyle bir çalışma geliştirirken gizlilik konusundaki endişelerini kabul etmekle birlikte, amacın daha genel ve daha ayrıntılı bir hareket resmi elde etmek olduğunu belirtiyorlar.

Ayrıca, çalışmanın temelini oluşturan Çağrı Detay Kaydı (CDR) verisinin düşük mekânsal çözünürlüğe sahip olduğunu ve kullanıcıların cep telefonu kulelerine göre değişen konumları nedeniyle ‘konum gürültüsü’ne eğilimli olduğunu belirtiyorlar. Bu sınırlamanın itself bir tür gizlilik koruması olduğunu öne sürüyorlar:

‘Çalışmamızın hedef uygulaması, seyahat algılama ve OD tahmini[*], bunlar toplu düzeyde, bireysel düzeyde değil. Geliştirilen modeller doğrudan telekom operatörlerinin veritabanı sunucularına dağıtılabilir, veri aktarımı gerekmez. Ayrıca, sosyal medya veya kredi kartı işlem verileri gibi diğer büyük veri türlerine kıyasla, CDR verileri kişisel gizlilik açısından daha az müdahalecidir. Ayrıca, yerelleştirme hatası, kullanıcıların kesin konumlarını maskelemeye yardımcı olur, böylece başka bir gizlilik koruma katmanı sağlar.’

Geçen Zaman Aralıkları (ETİ)

Cep telefonlarımızla (akıllı telefon olmasa da) seyahat ettiğimizde, CDR verisinin konum belirlemede bir araç olarak sınırları ortaya çıkar. Geçen Zaman Aralıkları (ETİ), seyahatlerimizde cep telefonu ile görüşme yapmadığımız veya cep telefonumuzu kullanmadığımız sürelerdir. Bu ‘sessizlik’ dönemleri, hareketlerimizi izlememiz için kritik bir göstergedir – uzun bir ETİ, bizi geçici olarak haritadan çıkarabilir.

Araştırmacılar, bu durumun, analitik sistemlerin A’dan B’ye seyahatler hakkında varsayımlar yapma yeteneğini engellediğini belirtiyorlar. Yeni yöntem, ETİ’lerin mekânsal ve zamansal bağlamını analiz ederek ve ‘bireysel kullanıcı özelliklerini’ dikkate alarak bu soruna çözüm getiriyor.

Veri Kümesi

Araştırmacılar, temel eğitim setlerini, bir Çin şehrinin 6 milyonluk nüfusu için büyük bir hücresel hizmet operatörü tarafından sağlanan verilerle geliştirdiler. Veriler, Kasım 2013’te 3 milyon kullanıcı tarafından üretilen 2 milyardan fazla mobil telefon işlemi içeriyordu ve yalnızca ses çağrısı ve veri erişimine (veri kullanımı) ilişkin kayıtları içeriyordu. SMS verileri kullanılmadı, bu da veri yoğunluğunu ele almak daha zor hale getirdi.

Veriler, şifrelenmiş benzersiz bir kimlik, Konum Alanı Kodu (LAC), zaman damgası, cep telefonu kimliği (işlemde kullanılan cep telefonu kulesi ile birleştirildi), ve Olay Kimliği (giden/gelen çağrı veya veri kullanımı) içeriyordu.

Gizli ziyaretlerin belirlenmesi için işleme ağacı.

Bu bilgiler, cep telefonu kuleleri işleme veritabanı ile çapraz référence edildi, böylece araştırmacılar iletişimle ilgili olayla ilişkili kulelerin enlem ve boylam koordinatlarını sorgulayabildiler. Araştırmacılar, veri kümesinde 9000 cep telefonu kulesi belirlediler.

Araştırmacılar, yalnızca çağrı kayıtlarından seyahat destinasyonlarını tahmin etmenin zor olduğunu belirtiyorlar, çünkü bu tür kayıtlar sabah ve öğleden sonra zirve yapıyor, bu da zaten seyahat kalıpları ile ilgili. Telefon görüşmeleri seyahatlerden önce gelir (ve bir seyahati tetikleyebilir), bu da destinasyon tahmini konusunda önyargıya neden olabilir.

Günlük mobil kullanım modelleri.

Benzer kısıtlamalar, kullanıcı tarafından başlatılan veri kullanım işlemleri için de geçerlidir, örneğin mesajlaşma uygulamaları ve diğer tür etkileşimler. Ancak, ‘otomatik’ veri kullanımı, bizi tanımlamaya yardımcı olur – yeni mesajlar veya diğer veri türleri için API’lerin sistematik olarak sorgulanması, mesaj listeleri, GPS ve genel telemetri dahil olmak üzere yüklenen uygulamalar aracılığıyla.

İşleme

Araştırmacılar, lojistik regresyon, destek vektör makinesi (SVM), rastgele orman ve bir gradient boosting toplu yaklaşım dahil olmak üzere çeşitli popüler makine öğrenimi sınıflandırıcıları kullanarak bu sorunu ele aldılar. Tüm sınıflandırıcılar, varsayılan ayarlarla Python’da scikit-learn aracılığıyla uygulandı.

Bu yaklaşımlardan, araştırmacılar lojistik regresyonun en yüksek sayıda yorumlanabilir model parametrelerini verdiğini buldular.

Araştırmacılar ayrıca, ETİ ne kadar uzunsa, gizli bir ziyaret olasılığının o kadar yüksek olduğunu ve gizli ziyaretlerin sabahleyin daha sık meydana geldiğini keşfettiler.

Dahası, bir kullanıcının CDR verisi kolayca birçok destinasyon veya ara noktayı ortaya koyuyorsa, gizli bir ziyaret olasılığı en düşük düzeydedir. Genel olarak, bu araştırma ilkesi ile uyumlu bir şekilde, ‘en gürültülü’ veya en aktif kullanıcıların hareketlerini ayrıntılı bir şekilde resmederken, daha az aktif kullanıcıların davranışlarını çıkarmanın mümkün olabileceği anlamına gelir.

Araştırmacılar, sonuç olarak, yaklaşımının diğer türdeki ulaşım verilerine, akıllı kart verisi ve coğrafi olarak konumlandırılmış sosyal medya bilgilerini de içerebileceğini öngörüyorlar.

Araştırma, Energy Foundation China ve China Sustainable Transportation Center tarafından finanse edildi.

* Menşe-Yer