Individual Trajectory Reconstruction from Mobile Network Data - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Reports (Technical Report) Year : 2018

Individual Trajectory Reconstruction from Mobile Network Data

Reconstruction individuelle de trajectoire à partir de données de réseau mobile

Abstract

Mobile phone data are a popular source of positioning information in many recent studies that have largely improved our understanding of human mobility. These data consist of time-stamped and geo-referenced communication events recorded by network operators, on a per-subscriber basis. They allow for unprecedented tracking of populations of millions of individuals over long time periods that span months. Nevertheless, due to the uneven processes that govern mobile communications, the sampling of user locations provided by mobile phone data tends to be sparse and irregular in time, leading to substantial gaps in the resulting trajectory information. In this paper, we illustrate the severity of the problem through an empirical study of a large-scale Call Detail Records (CDR) dataset. We then propose Context-enhanced Trajectory Reconstruction, a new technique to complete individual CDR-based trajectories that hinges on tensor factorization as a core method. The proposed solution infers missing locations with a median displacement within two network cells from the actual position of the user, on a hourly basis and even when as little as 1% of her original mobility is known. Our approach lets us revisit seminal works in the light of complete mobility data, unveiling potential biases that incomplete trajectories obtained from legacy CDR induce on key results about human mobility laws, trajectory uniqueness, and movement predictability.
Les données de la téléphonie mobile sont une source populaire d’informations de positionnement dans de nombreuses études récentes qui ont grandement amélioré notre compréhension de la mobilité humaine. Ces données consistent en événements de communication horodatés et géoréférencés enregistrés par les opérateurs de réseau, abonné par abonné. Ils permettent un suivi sans précédent des populations de millions d’individus sur de longues périodes couvrant plusieurs mois. Néanmoins, en raison des processus inégaux qui régissent les communications mobiles, l’échantillonnage des emplacements d’utilisateurs fourni par les données de la téléphonie mobile a tendance à être rare et irrégulier dans le temps, ce qui entraîne des lacunes substantielles dans les informations de trajectoire résultantes. Dans cet article, nous illustrons la gravité du problème par le biais d’une étude empirique d’un ensemble de données CDR (Call Detail Record) à grande échelle. Nous proposons ensuite Context-enhanced Trajectory Reconstruction, une nouvelle technique permettant de compléter des trajectoires individuelles basées sur la CDR et reposant sur la factorisation du tenseur en tant que méthode de base. La solution proposée déduit les emplacements manquants avec un déplacement médian dans deux cellules du réseau à partir de la position réelle de l’utilisateur, sur une base horaire et même lorsque le montant de sa mobilité initiale est connu. Notre approche nous permet de revisiter les travaux fondamentaux à la lumière de données complètes sur la mobilité, en révélant les biais potentiels que les trajectoires incomplètes obtenues à partir de la CDR héritée induisent sur des résultats clés concernant les lois de mobilité humaine, l’unicité des trajectoires et la prévisibilité des mouvements.
Fichier principal
Vignette du fichier
report_hal.pdf (1.48 Mo) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-01675570 , version 1 (08-01-2018)
hal-01675570 , version 2 (03-01-2019)

Identifiers

  • HAL Id : hal-01675570 , version 2

Cite

Guangshuo Chen, Aline Carneiro Viana, Marco C Fiore, Carlos Sarraute. Individual Trajectory Reconstruction from Mobile Network Data. [Technical Report] RT-0495, INRIA Saclay - Ile-de-France. 2018, pp.1-23. ⟨hal-01675570v2⟩
509 View
569 Download

Share

Gmail Facebook X LinkedIn More