Mobile Phone Data for Children on the Move: Challenges and Opportunities
今天，全球95%的人口拥有2G手机覆盖，拥有手机的个人数量达到历史最高水平。手机产生了不同社会背景下数十亿人的丰富数据，并在过去十年中帮助重新定义了我们如何进行研究和构建工具来了解社会。因此，移动电话数据有可能彻底改变我们解决人道主义问题的方式，例如世界各地难民所遭受的许多问题。虽然前景看好，但移动电话数据和新的计算方法带来了机遇和挑战。手机痕迹包含了人们的行踪、社会生活甚至经济状况的详细信息。因此，至关重要的是制定和采取战略，向更广泛的人道主义和国际发展界开放数据，以供分析和研究，同时保护个人隐私。在此，我们概述了流动儿童的挑战性处境，以及联合国儿童基金会正在推动的帮助全球流离失所儿童和青少年的行动，并讨论了移动电话数据可以使用的机会。我们确定了三个关键挑战：数据访问，数据和算法偏见，以及研究的可操作性，如果移动电话数据要成功地应用于人道主义背景下，需要解决这些问题。
2019-09-24 cs.CY physics.soc-ph
The geography and carbon footprint of mobile phone use in Cote d'Ivoire
新发布的Orange D4D移动电话数据库为发展中国家使用移动技术提供了新的见解。在这里，我们进行了一系列的空间数据分析，揭示了重要的地理方面的移动电话使用在科特迪瓦。我们首先映射基站的位置相对于人口分布和呼叫的数量和持续时间在每个基站。在此基础上，我们估计了移动电话网络消耗的能量。最后，我们对城市间的流动性进行了分析，并确定了该国的高交通量道路。
2014-02-24 cs.CY physics.soc-ph
A traceability and auditing framework for electronic equipment reverse logistics based on blockchain: the case of mobile phones
人类以前所未有的速度产生电子废物。移动电话和其他相互连接的智能设备对电子废物的产生做出了重大贡献。逆向物流活动在管理报废移动电话方面发挥着至关重要的作用。然而，移动电话的再制造和（或）翻新不仅从操作的角度来看，而且从数据管理和隐私的角度来看（由于与隐私有关的监管框架，如欧盟一般数据保护条例指令），都可能证明是困难的。在本文中，我们提出了一个分布式的信任和安全的框架，电子设备RL活动的基础上区块链技术。我们考虑了手机的再制造/翻新回收选项，并基于智能合约/区块链技术开发了一个自主有效的后端数据共享架构，以跟踪所有再制造/翻新流程。为了证明我们的方法的适用性，我们开发了一套功能性的智能合约和一个本地私有区块链。我们的框架的好处进行了进一步讨论，随着富有成效的领域，为未来的研究。
2020-05-26 cs.CY
Estimating Food Consumption and Poverty Indices with Mobile Phone Data
最近的研究表明，移动电话数据在解决与经济发展和人道主义行动有关的问题方面具有价值。在这项研究中，我们评估了来自手机数据的指标作为粮食安全指标的代理的适用性。我们比较的措施提取的通话详细记录和通话时间信用购买的结果，在同一时间进行的全国范围内的家庭调查。结果表明，手机数据得出的指标与食品或蔬菜消费支出等若干相关粮食安全变量之间的相关性很高（> 0.8）。这一对应关系表明，未来可利用移动电话数据得出的替代数据，提供有关中低收入国家粮食安全的最新宝贵业务信息。
2014-11-22 cs.CY physics.soc-ph
To Ban or Not to Ban: Uses and Gratifications of Mobile Phones among Township High School Learners
University of Cape Town（开普敦大学）
本研究探讨了乡镇高中学生对移动电话禁令的使用动机和行为，发现学生普遍反对禁令，但部分学生因安全和经济因素选择不带手机，且40%学生日均使用超五小时，属于过度使用。
2025-12-04 cs.CY
A New Insight into Land Use Classification Based on Aggregated Mobile Phone Data
土地利用分类是城市规划的基础。城市土地利用类型可以通过其物理特征（如反射率和纹理）或社会功能来区分。遥感技术因其能够捕捉土地利用的物理特征而被认为是城市土地利用分类的重要方法。虽然在为城市土地利用分类设计的遥感方法方面取得了重大进展，但大多数技术侧重于物理特征，而社会功能方面的知识没有得到充分利用。由于移动电话的广泛使用，可以从移动电话数据中检索到居民的活动，以确定土地利用的社会功能。这可能带来从移动电话数据中获取土地使用信息的机会。为了验证这一新的数据源的城市土地利用分类的应用，我们首先构建了一个时间序列的聚合移动电话数据来表征土地利用类型。该时间序列由两个方面组成：小时相对模式和总呼叫量。半监督模糊c-均值聚类方法，然后应用到推断的土地利用类型。使用在新加坡收集的移动电话数据的方法进行验证。土地用途确定，检测率为58.03%。对土地利用分类结果的分析表明，分类精度随土地利用异质性的增加而降低，随手机信号塔密度的增加而提高。
2013-10-23 cs.CY
Mobile Phone Usage Data for Credit Scoring
这项研究的目的是证明，即使数据集很小（2，503名客户），手机使用数据也可以用于预测并找到最佳的信用评分分类方法。我们使用不同的分类算法，将客户分为付费和非付费的移动数据，然后将预测结果与实际结果进行比较。有几个公开访问的相关作品，其中移动数据已被用于信用评分，但它们都是基于大型数据集。小公司无法使用这些相关论文所使用的数据集，因此这些研究对他们来说用处不大。在本文中，我们试图证明，即使数据集很小，手机使用数据对信用评分也有价值。我们发现，使用仅基于2，503个客户的移动数据组成的数据集，我们可以预测信用风险。最好的分类方法给我们的结果是0.62 AUC（曲线下面积）。
2020-02-28 cs.CY
Mobile Phone Based Portable Field Sensor System for Real-Time In-situ River Water Quality Monitoring During Endangered Dolphin Monitoring Surveys
开发了基于手机的饮用水水质评价装置，用于分析和研究印度河的水污染水平。梧桐河是濒危的海豚栖息地，水质污染是威胁该物种生存的主要原因之一。我们在拉合尔运河的六个地点测试了设备性能。渠水pH值偏离灌溉水正常范围。在未来，我们将研究水质污染水平和栖息地使用的梧桐河海豚使用的水质评估装置和水听器阵列为基础的被动声学监测（PAM）系统之间的相关性。
2017-12-25 cs.CY
Leveraging Mobile Phone Data for Migration Flows
关于移徙流动的统计数据往往来自人口普查数据，而人口普查数据有其固有的局限性，包括成本和抽样频率不高。在进行普查时，在数据汇集过程与计算和公布相关统计数据之间通常有一段时间间隔，最长可达几年。这一差距对于分析一个持续和迅速变化的现象是一个重大缺陷。其他数据来源，如调查和实地观察，也受到可靠性、成本和规模的限制。移动电话的普及使人们能够准确和有效地收集与移徙有关的最新数据。事实上，移动网络基础设施通过聚合的、匿名化的呼叫详细记录（CDR）被动收集的数据对于理解人类迁移具有重要价值。通过分析移动电话数据，我们可以了解移民的流动模式，发现自发定居点，并了解这些弱势社会群体的日常习惯、融入程度和人际关系。本章讨论了利用移动电话数据作为替代数据来源的重要性，以收集关于移徙各个方面的宝贵和以前无法获得的见解。此外，我们强调了需要解决的悬而未决的挑战，然后我们才能有效地从移动电话数据的可用性中受益，以帮助做出更好的决策，最终改善数百万人的生活。
2021-05-31 cs.CY
A review of information security aspects of the emerging COVID-19 contact tracing mobile phone applications
本文讨论了针对COVID-19大流行的基于手机的接触者追踪的新兴实践的数据可靠性和用户隐私方面。许多国家和大型技术公司已经使用或计划设计和使用基于移动电话的解决方案，以努力紧急加快识别可能接触过这种疾病的人的过程，并限制其向一般人群的传播。然而，人们对所收集数据的有效性以及所实施的方法可能侵犯移动电话用户隐私的程度表示严重关切。本次审查审查了现有实施的弱点，并提出了具体建议，这些建议有助于提高收集和处理此类信息的基础设施的安全性，以及公众对这些解决方案的采用和接受。
2020-05-31 cs.CR cs.CY
Investigating the Ways in Which Mobile Phone Images with Open-Source Data Can Be Used to Create an Augmented Virtual Environment (AVE)
本文提出一种融合手机图像与开源地理空间数据构建增强虚拟环境的交互系统，利用Python与Unity实现数据处理与3D可视化，初步评估表明其能准确还原真实场景并提升用户的情境理解能力。
2025-09-17 cs.CY cs.GR cs.HC
The Wonderful Toy of 20th Century can be a Disaster in 21st Century:Scenario and Policies Regarding Mobile Waste in India
移动电话的用户群在全球范围内迅速增长。移动电话的销售量已超过个人电脑。就无线连接数量而言，印度是世界上第二大电信网络，仅次于中国。电信公司准备以利润丰厚的产品开发印度巨大的未开发市场。智能手机销售正处于顶峰。3G技术也准备发挥主导作用在移动革命中。由于移动电话的平均寿命较短，用户缺乏意识和缺乏政府政策，移动废物在印度大量积累。没有适当的回收系统，不安全的处置造成了各种环境和健康问题。本文讨论了与全球移动电话增长有关的各种问题，印度的不安全的处置方式和法规政策，并提出了一些挑战和建议。
2013-08-21 cs.CY
Mobile Data Science: Towards Understanding Data-Driven Intelligent Mobile Applications
Swinburne University of Technology（斯威本科技大学）
由于智能手机和上下文感知技术的普及，与用户使用手机的各种活动相关的各种上下文数据在我们周围可用。这使得研究移动电话数据和上下文感知计算，建立数据驱动的智能移动应用程序的目的，不仅在一个单一的设备上，而且在一个分布式环境中的最终用户的利益。基于手机数据的可用性，以及数据驱动应用的实用性，本文讨论了移动数据科学，涉及从各种来源收集手机数据，并使用机器学习技术构建数据驱动模型，以便在用户的各种日常情况下智能地做出动态决策。为此，我们首先讨论了移动数据科学的基本概念和潜力，以构建智能应用程序。我们还强调了关键要素，并解释了移动数据科学过程中涉及的各种关键模块。本文是该领域第一篇对移动数据科学进行宏观描述和思考的文章，它在开发各种数据驱动的智能移动应用中的潜力。我们相信这项研究将有助于研究人员和应用程序开发人员构建智能数据驱动的移动应用程序，以帮助终端手机用户的日常活动。
2018-10-15 cs.CY cs.LG
Evaluating socio-economic state of a country analyzing airtime credit and mobile phone datasets
可靠的统计资料对于在健全的基础上作出政治决定和帮助衡量政策的影响十分重要。不幸的是，发展中国家的统计局资源匮乏，因此统计普查只是零星进行。基于移动电话通信和通话时间信用购买的历史，我们估计个人的相对收入，收入的多样性和不平等，以及非洲国家细粒度地区的社会经济隔离指标。我们的研究展示了如何使用移动电话数据集作为了解一个国家社会经济状况的起点，这在资源很少的国家进行大型调查特别有用。
2013-09-17 cs.CY cs.SI physics.soc-ph
Analyzing the Spread of Chagas Disease with Mobile Phone Data
我们使用移动电话记录来分析两个拉丁美洲国家的流动模式和检测南美锥虫病的可能风险区。我们发现，地理定位的通话记录中有丰富的社会和个人信息，可以用来推断一个人是否生活在流行地区。我们提出了两个案例研究，在阿根廷和墨西哥，从每个国家的移动电话公司提供的数据。我们生成的风险地图可供健康运动管理人员用于针对特定领域并更有效地分配资源。
2017-07-04 cs.CY cs.SI physics.soc-ph
Pill Identification using a Mobile Phone App for Assessing Medication Adherence and Post-Market Drug Surveillance
TruMedicines Ai；University of Waterloo（滑铁卢大学）；University of Washington（华盛顿大学）
目的：药物不依从性是临床实践和研究方法论中的一个重要因素。有许多衡量遵守的方法，但没有公认的遵守标准。在这里，我们进行了一项软件研究的有用性和有效性的手机应用程序来衡量药物的依从性，使用照片的药物和自我报告的健康措施的手机应用程序。结果如下：应用程序询问参与者“是否有助于跟踪您的药物”，他们的回答表明92.9%的人认为应用程序“您是否每天都使用此应用程序”以提高他们的药物依从性。该应用程序还询问受试者是否“每天都会拍摄他们的药丸”。63%的受访者表示，他们每天都会使用该应用程序。通过使用收集的数据，我们确定每天使用该应用程序的受试者更有可能遵守规定的方案。结论：药丸照片是一个有用的措施，遵守，允许更准确的时间措施和更频繁的遵守评估。考虑到移动电话的普遍使用，以及这种依从性测量方法的相对容易性，我们认为这是一种有用且具有成本效益的方法。然而，我们认为使用手机拍摄药丸照片的“手动”性质具有个体差异性，需要一种“自动”方法来减少数据不一致性。
2020-04-23 cs.CV cs.CY cs.HC
Assessing the quality of home detection from mobile phone data for official statistics
移动电话数据是官方统计的一个有趣的新数据来源。然而，在这些数据能够提供信息、支持甚至成为统计编制过程的一个组成部分之前，需要解决多种问题和不确定性。在本文中，我们专注于可以说是最重要的问题，阻碍了移动电话数据在官方统计中的应用：检测家庭位置。我们认为，目前的努力，以检测家庭的位置遭受盲目部署的标准来定义一个居住地和有限的验证可能性。我们通过分析五种家庭检测算法（HDA）的性能来支持我们的论点，这些算法已应用于一个大型的法国电话详细记录（CDR）数据集（约1800万用户，5个月）。我们的研究结果表明，HDAs的标准选择影响了高达约40%的用户的家庭位置的检测，HDAs表现不佳时，与验证数据集（35°的差距）相比，他们的表现是敏感的时间段和观察的持续时间。根据我们的调查结果和经验，我们对官方统计提出了几项建议。我们的建议如获采纳，将有助于确保相对于官方统计数据而言，更可靠地使用移动电话数据。
2018-09-20 cs.CY
An Examination And Report On Potential Methods Of Strategic Location-Based Service Applications On Mobile Networks And Devices
移动技术在过去几年中显著增长。移动技术在软件和硬件方面都实现了许多新的功能和增强。如今，手机不仅仅是用来打电话或发送短信，然而，手机背后的技术大大扩展，这使它们能够提供各种类型的服务。基于位置的服务是新一代手机中最流行的移动技术之一。本文的主要重点是审查移动网络和设备上的各种战略性的基于位置的应用。
2015-07-05 cs.CY
A Machine Learning based Robust Prediction Model for Real-life Mobile Phone Data
Chittagong University of Engineering and Technology（吉大港工程技术大学）；Swinburne University of Technology（斯威本科技大学）
现实生活中的移动电话数据可能包含噪声实例，这是构建具有许多潜在负面后果的预测模型的基本问题。推断模型的复杂性可能增加，可能出现过拟合问题，从而模型的整体预测精度可能降低。本文针对这些问题，提出了一种针对个人用户真实手机数据的鲁棒预测模型，以提高模型的预测精度。在我们的鲁棒模型中，我们首先通过使用朴素贝叶斯分类器和拉普拉斯估计器确定动态噪声阈值来有效地识别和消除训练数据集中的噪声实例，根据用户独特的行为模式，动态噪声阈值可能因用户而异。之后，我们采用最流行的基于规则的机器学习分类技术，即，决策树，对无噪声质量数据集建立预测模型。在现实生活中的移动电话数据集上的实验结果（例如，电话通话记录）的个人移动电话用户，显示我们的鲁棒模型的精度，召回率和f-措施的有效性。
2019-02-11 cs.CY cs.LG cs.SI
Brief survey of Mobility Analyses based on Mobile Phone Datasets
Grandata Labs（Grandata实验室）
这是Grandata Labs与世界各地众多学术团体合作进行的关于人类流动性主题的研究的简要调查。这些项目的一个驱动主题是使用和改进数据科学技术来理解移动性，因为它可以通过手机数据集的镜头来观察。我们描述的应用程序的流动性分析城市规划，预测数据流量的使用，建立延迟容忍网络，生成流行病学风险地图和测量人类流动的可预测性。
2018-12-03 cs.CY cs.LG cs.SI
Mobile Phone Metadata for Development
移动电话现在被世界上大多数人广泛使用。每次拨打电话（或发送短信）时，电信公司都会生成一个呼叫详细记录（CDR）用于计费目的。这些元数据提供了关于我们何时、如何、从何处以及与谁通信的信息。从概念上讲，它们可以被描述为一个地理空间的、动态的、加权的和有向的网络。CDR用于开发的应用是众多的。它们被用来模拟传染病的传播，研究道路交通，支持电气化规划战略或绘制人口的社会经济水平。尽管CDR数量庞大，但由于几个偏倚来源（市场、使用、空间和时间分辨率），CDR在统计学上不能代表整个人群。此外，移动电话元数据由电信公司持有。因此，获取这些数据不一定是直截了当的，可能严重妨碍任何实际应用。最后，在使用敏感数据（如CDR）时，隐私和实用性之间存在权衡。开放算法等新举措可能有助于解决这些基本问题，允许研究人员对安全存储在提供商防火墙后面的数据运行算法。
2018-06-08 cs.CY
Performance and sensitivities of home detection from mobile phone data
大规模基于位置的痕迹，如移动电话数据，已被确定为补充甚至丰富官方统计的有前途的数据来源。在许多情况下，部署大量收集的数据的先决条件是检测各个用户的家庭位置。问题是，很少有研究存在的验证（与地面实况数据集比较）或不确定性估计的家庭检测方法，而不是在个人用户的水平，也不是在全国范围内的水平。在本文中，我们提出了一个广泛的实证分析时，从法国全国范围内的移动电话数据集进行的家庭检测方法。我们分析了9种不同的家庭检测算法（HDAs）的有效性，并评估了不同来源的不确定性。基于225个不同的设置为家庭检测约1800万用户，我们讨论了不同的措施进行验证，并调查用户的选择，如HDA参数选择和观察期限制的敏感性。我们的研究结果表明，全国范围内的家庭检测性能最好是中等的，与地面真相的相关性最大化仅为0.60。此外，我们发现，观察的时间和持续时间对性能有明显的影响，HDA标准和参数选择的效果是相当小的其他不确定性相比。我们的调查结果和讨论为其他希望在类似数据集上应用家庭检测的从业人员提供了令人欢迎的见解，或者需要评估与调动移动电话数据用于官方统计有关的挑战和不确定性。
2018-09-26 cs.CY
Mobile phone data and COVID-19: Missing an opportunity?
本文件描述手机数据如何指导政府及公共卫生当局确定控制COVID-19大流行的最佳行动方案，以及评估物理距离等控制措施的有效性。它确定了关键的差距和为什么这种数据很少使用的原因，尽管它们在类似流行病中的价值已经在一些用例中得到了证明。它提出了克服这些差距的方法和采取紧急行动的关键建议，最值得注意的是在国家和区域层面建立混合专家组，以及在早期纳入政府和公共当局并提供支持。人口学家和移动网络运营商的代表，他们共同致力于全球抗击COVID-19疫情的努力。
2020-03-27 cs.CY
D4D-Senegal: The Second Mobile Phone Data for Development Challenge
D4 D-Senegal Challenge是一项关于塞内加尔Orange手机用户匿名通话模式的开放式创新数据挑战。挑战的目标是通过促进塞内加尔人民的社会经济发展和福祉，以新的方式帮助解决社会发展问题。挑战的参与者可以访问三个移动电话数据集。本文介绍了这三个数据集。这些数据集基于2013年1月1日至2013年12月31日期间塞内加尔900多万Orange客户之间的电话和文本交换的呼叫详细记录（CDR）。这些数据集是：（1）每小时1666个天线的天线到天线业务量，（2）大约300，000个随机抽样用户的在个人水平上具有袋狸行为指示符的一年的滚动2周的细粒度移动性数据，（3）大约150个用户的在个人水平上具有袋狸行为指示符的一年的区水平上的粗粒度移动性数据，000名随机抽样的用户
2014-07-30 cs.CY cs.SI physics.soc-ph
Individualized Time-Series Segmentation for Mining Mobile Phone User Behavior
Swinburne University of Technology（斯威本科技大学）；Charles Sturt University（查尔斯史都华大学）
手机可以记录个人的日常行为数据作为一个时间序列。在本文中，我们提出了一个有效的时间序列分割技术，提取最佳的时间段，利用他们的手机数据的个人的相似的行为特征。个人行为的决定因素之一是在一天中的不同时间和一周中的不同日子进行的各种活动。在许多情况下，这种行为将遵循时间模式。目前，研究人员使用基于等间隔或不等间隔的时间分割来挖掘手机用户的行为。其中大多数考虑到24小时一天的静态时间范围，很少考虑到时间序列数据中的发病率。然而，这样的分割不一定映射到个体用户活动和后续行为的模式，因为没有考虑个体在一周时间内的不同行为。因此，我们提出了一个面向行为的时间分割（BOTS）技术，不仅考虑到了一周的时间覆盖范围，但也有不同的行为发生的数量动态产生类似的行为时间段在一周内利用时间序列数据。在真实手机数据集上的实验表明，我们提出的分割技术可以更好地捕捉用户在一天中不同时间和一周中不同日子的主导行为，从而生成高置信度的时间规则，以挖掘单个手机用户的行为。
2018-11-15 cs.CY cs.LG stat.ML
Feel Old Yet? Updating Mode of Transportation Distributions from Travel Surveys using Data Fusion with Mobile Phone Data
针对传统交通数据过时的问题，提出利用移动电话数据融合更新交通方式分布的方法，通过应用使用轨迹推断难识别交通方式，经智利圣地亚哥案例验证有效并揭示交通模式变化。
2023-05-30 cs.CY
Estimating individual employment status using mobile phone network data
这项研究首次证实，个人就业状况可以预测标准的移动电话网络日志外部验证家庭调查数据。个人福利和家庭对冲击的脆弱性与养家糊口者的就业状况和职业密切相关。在社会一级，失业是经济表现的一个重要指标。通过推导出一套广泛的新的移动电话网络指标，反映用户的财务，社会和移动模式，我们展示了如何机器学习模型可以用来预测18类专业在南亚发展中国家。该模型预测个人失业状况的准确率为70.4%。我们进一步展示了失业如何从个人层面进行汇总，并以蜂窝塔分辨率进行地理映射，提供了一种有前途的方法来映射劳动力市场经济指标，以及人口普查之间经济生产率和脆弱性的分布，特别是在异质性城市地区。该方法还提供了一个有希望的办法，以支持关于弱势群体的数据汇集，而这些群体在官方调查中往往代表性不足。
2016-12-12 cs.CY cs.SI
A systematic machine learning approach to measure and assess biases in mobile phone population data
针对手机人口数据因数字鸿沟存在偏差、缺乏标准评估框架的问题，本研究提出结合覆盖指标与可解释机器学习的可复现框架，基于英国数据验证发现其覆盖度优于全国调查但仍存偏差，为相关数据的公平可靠使用提供工具。
2025-08-29 cs.CY stat.AP
Behavior Revealed in Mobile Phone Usage Predicts Loan Repayment
本文研究缺乏正规金融历史人群的信贷评分问题，提出利用手机通话记录中的行为特征预测贷款违约，并证明其表现可优于征信信息模型，从而为无银行账户人群获得新型信贷提供基础。
2019-12-04 cs.CY q-fin.RM
Big Data for Social Sciences: Measuring patterns of human behavior through large-scale mobile phone data
通过七个出版物，本论文展示了匿名手机数据如何有助于社会公益，并提供大规模的人类行为的见解。分析的数据集规模从5亿到3000亿条电话记录不等，覆盖数百万人。主要贡献有两个方面：1。大数据为社会公益服务：通过预测算法，研究结果显示了移动电话数据如何有助于预测发展中国家的收入、文盲和贫困等重要社会经济指标。这些知识可用于确定社会中的弱势群体，减少经济冲击，并且是长期监测贫困率的一个关键组成部分。此外，论文演示了如何移动电话数据可以用来更好地了解人类的行为在社会中的大冲击，例如从挪威的恐怖袭击和孟加拉国南海岸的自然灾害的数据分析。这项工作使人们更加了解信息是如何传播的，以及数百万人是如何移动的。其目的是比现有的基于调查的方法更快、更便宜、更准确地识别流离失所者。2.有效营销的大数据：最后，论文提供了一个洞察如何匿名的手机数据可以用来映射出大型社交网络，覆盖数百万人，了解产品如何在这些网络中传播。结果表明，通过在亚洲的大规模营销实验中引入社交模式和机器学习技术，与经验丰富的营销人员使用的方法相比，采用率提高了13倍。数据驱动和科学的营销方法，通过更有针对性的活动，有助于为客户提供更少的不相关产品，并为公司提供更好的成本效益。
2017-02-27 cs.CY cs.SI
How to Measure Sessions of Mobile Device Use? Quantification, Evaluation, and Applications
关于手机使用的研究通常从一个问题开始，即“用户花多少时间使用手机？".这个问题涉及到一个等长的措施，捕捉移动电话使用的持续时间，但不解决用户行为的其他时间特征，如频率，时间和序列。在这项研究中，我们提出了一个可变长度的测量称为“会话”，以揭示不可测量的时间特性。我们使用一个开放的源数据来演示如何量化会话，将会话聚合到用户内部和用户之间的更高分析单元，评估结果，并将测量应用于理论或实践目的。
2017-11-26 cs.CY
Gharibi_FaceCard for Contacts and Easy Personal - Information Exchange
在本文中，我们讨论了一种新的接触方式，交换个人信息使用手机。本发明的思想取决于为每个个人移动电话分配称为Gharibi码（GC）的特殊码，并创建称为Gharibi脸卡（GFC）的个人信息文件，该个人信息文件具有移动电话用户的所有指定的个人数据。当您请求某人的GC代码时，对方的手机将向您发送此人的GFC。我们认为这种方式将促进沟通和交换指定的个人数据的过程，特别是在熟人之间。例如，手机号码，电话和电子邮件地址将在几秒钟内发送，使用不超过六个字符长的简单代码，通过移动设备传输大量个人数据，而不是使用传统的商务或名片。
2014-10-18 cs.CY
Using mobile phone sensor technology for mental health research: Integrated analysis to identify hidden challenges and potential solutions
背景：移动电话传感器技术在提供心理健康的行为标记方面具有很大的潜力。然而，这一承诺尚未兑现。目的：我们研究的目的是研究开发应用程序所面临的挑战，以从被动传感器数据中提取心理健康的行为标记。研究方法：基于文献综述和可行性研究获得的结果，评估了心理健康研究被动数据汇集的技术挑战和可接受性。Socialise是Black Dog Institute开发的一款手机应用程序，用于收集传感器数据（蓝牙、全球定位系统和电池状态），并调查一群有心理健康挑战经历的人的观点和经历（N=32）。结果：平均而言，55%（Android）和45%（iPhone OS）的预定扫描获得了传感器数据。当每5分钟扫描一次时，电池寿命从21.3小时减少到18.8小时，减少了2.5小时或12%。尽管这一减少相对较小，但大多数参与者报告说，该应用程序对他们的电池寿命有明显的影响。除电池寿命外，数据汇集的目的、对收集数据的组织的信任以及对隐私的感知影响被确定为可接受性的主要因素。结论：根据可行性研究和文献审查的结果，我们建议致力于开放科学和透明的报告，并加强与用户的伙伴关系和沟通。传感技术有可能大大提高精神卫生保健的提供和影响。要实现这一点，就需要对手机传感器技术的各个方面进行严格的评估。
2018-07-18 cs.CY
Tracing patients' PLOD with mobile phones: Mitigation of epidemic risks through patients' locational open data
在公共卫生当局确认患者患有高度传染性疾病的情况下，他们会发布有关患者位置和旅行信息的摘要。然而，由于隐私问题，这些发布不包括详细的数据，通常只包括有关患者使用的商业设施和公共交通的信息。我们解决了这个问题，并提出了释放病人的位置数据作为开放的数据表示在新闻稿中描述的信息的结构化形式。因此，居民将能够使用这些数据，结合存储在手机中的位置信息，自动估计接触的潜在风险。本文提出了基于资源描述框架（RDF）的开放数据的设计，并进行了初步评估的规范的初稿，随后讨论了可能的未来方向。
2020-03-13 cs.CY cs.IR
Managing travel demand: Location recommendation for system efficiency based on mobile phone data
休闲旅游的增长在经济、社会和环境方面变得越来越重要。然而，灵活但不协调的出行行为加剧了交通拥堵。移动电话记录不仅揭示了人类的移动模式，还使我们能够管理出行需求，提高系统效率。在本文中，我们提出了一个位置推荐系统，推断个人喜好，同时考虑到道路容量的限制，以管理出行需求。我们首先使用机器学习技术从电话记录中推断出未观察到的偏好。然后，我们制定了一个优化方法，以提高系统的效率。结合手机数据与交通计数和道路网络基础设施收集在安道尔，这项研究表明，不协调的出行行为导致较长的平均出行延误，这意味着在管理出行需求的机会，集体决策。在广泛的模拟中观察到的拥堵缓解和整体满意的位置偏好之间的相互作用表明，个人效用的适度牺牲导致显着的旅行时间节省。具体而言，结果显示，在完全遵守率下，旅行延误下降了52%，满意度下降了31%。在60%的合规率下，减少了41%的旅行延误，满意度降低了17%。本文强调了集体行为之间的协同在提高系统效率方面的有效性。
2016-10-21 cs.CY cs.SI
Behavioral response to mobile phone evacuation alerts
本研究通过分析智利山火期间58万台设备的移动数据，发现手机疏散警报引发即时响应但效果递减，且存在区域差异和社会经济不平等，为优化应急通信策略提供依据。
2025-03-27 cs.CY cs.SI
Data for Development: the D4D Challenge on Mobile Phone Data
Orange“数据促进发展”（D4D）挑战赛是一项关于Orange在科特迪瓦移动电话用户匿名呼叫模式的开放数据挑战赛。挑战的目标是通过促进科特迪瓦人民的社会经济发展和福祉，以新的方式帮助解决社会发展问题。参与者的挑战是获得四个移动电话数据集，本文的目的是描述这四个数据集。网站http://www.d4d.orange.com包含有关参与规则的更多信息。这些数据集基于2011年12月1日至2012年4月28日期间科特迪瓦500万Orange客户之间的电话和短信交换的匿名呼叫详细记录（CDR）。这些数据集是：（a）每小时的天线到天线通信量，（b）具有天线位置信息的两周时间窗口的50，000个客户的个体轨迹，（3）具有县位置信息的整个观察期内的500，000个客户的个体轨迹，以及（4）5，000个客户的通信图的样本
2013-01-28 cs.CY cs.SI physics.soc-ph
Mobile Money: Understanding and Predicting its Adoption and Use in a Developing Economy
在发展中经济体，特别是穷人，很难利用金融机构。然而，移动电话的广泛采用使得能够开发通过移动电话网络提供金融服务的移动货币系统。尽管移动货币取得了成功，但缺乏定量研究来揭示哪些因素有助于这些服务的采用和持续使用。在本文中，我们描述了一项定量研究的结果，该研究分析了来自世界领先的移动货币服务M-Pesa的数据。我们分析了一个非洲国家的数百万匿名手机通信和M-Pesa交易。我们的贡献有三个方面：（1）我们分析了客户对M-Pesa的使用情况，并报告了大规模的行为模式;（2）我们提出了应用机器学习模型预测移动货币采用的结果（AUC=0.691）和移动货币支出（AUC=0.619）使用多个数据源：移动电话数据、M-Pesa代理信息、用户社交网络中的M-Pesa好友数量以及用户地理位置的特征;（3）我们讨论了两种模型中最具预测性的特征，并得出了发展中国家移动货币服务设计的关键含义。我们发现，最具预测性的功能与手机活动，M-Pesa用户在客户的自我网络和移动性的存在。我们相信，我们的工作将有助于了解在发展中经济体采用和持续使用移动货币服务方面发挥作用的因素。
2018-12-08 cs.CY physics.soc-ph
Measurement of human activity using velocity GPS data obtained from mobile phones
在现代社会中，人类运动被用作人类活动的指标。根据从移动电话获得的位置信息计算移动的人的速度。人类活动的水平，如速度所记录的，在一天中是变化的。因此，速度可用于识别最高和最低活动的间隔。更具体地说，我们从日本人口密度最高的东京涩谷车站周围的人那里获得了手机GPS数据。从这些数据中，我们观察到，速度往往随着社会活动的变化而不断增加。例如，2016年4月熊本县地震时，当天的活动量远低于平时。在本研究中，我们专注于地震等自然灾害，因为它们对日本等发达国家的人类活动产生了重大影响。在另一个发达国家发生自然灾害时，考虑到灾害发生时人类行为的变化（例如，2016年熊本大地震）的速度的观点，使我们能够改善我们的减灾措施的规划。因此，我们分析了人类活动的变化，通过速度计算在涩谷，东京，并比较灾害的时间与正常时间。
2017-06-14 cs.CY physics.soc-ph
Predicting Well-Being with Mobile Phone Data: Evidence from Four Countries
U.C. San Diego（加州大学圣地亚哥分校）；U.C. Berkeley（加州大学伯克利分校）；World Bank（世界银行）
该研究利用手机数据预测幸福感，发现财富指数和多维贫困指标预测效果优于消费，且样本异质性显著影响模型准确性。
2026-02-02 cs.CY econ.EM
Measuring Spatial Subdivisions in Urban Mobility with Mobile Phone Data
城市人口不断增长。到2050年，世界人口的三分之二将居住在城市地区。这种增长比城市衡量和规划其可持续性的能力更快、更复杂。为了理解是什么让一个城市对所有人都具有包容性，我们定义了一种方法来识别和表征空间细分：特定人口群体代表性过高和过低的区域，分别称为热点和冷点。使用汇总的移动电话数据，我们将这种方法应用到巴塞罗那市，以评估三组人的流动性：妇女，老年人和游客。我们发现，在这三个群体中，冷点的设施和服务的多样性低于热点。此外，妇女和游客的冷点往往人口收入较低。这些见解适用于巴塞罗那的流动人口，从而扩大了如何在城市中分析包容性的范围。
2020-02-20 cs.CY cs.SI
Country-wide mobility changes observed using mobile phone data during COVID-19 pandemic
于二零二零年三月，奥地利政府为应对COVID-19疫情而实施广泛封锁。根据主观印象和轶事证据，奥地利的公共和私人生活突然停止。在这里，我们评估了奥地利所有地区的锁定效果，并使用近实时匿名手机数据分析了奥地利各地人员流动的日常变化。我们描述了一个有效的数据聚合管道，并通过量化特定兴趣点（POI）的移动电话流量，分析个人轨迹和调查的起源-目的地图的集群结构来分析移动性。我们发现，维也纳地铁站的通勤者减少了80%以上，回转半径小于500米的设备数量几乎翻了一番。研究人群运动行为的结果突出了移动网络结构的巨大变化，这一变化体现在更高的模块化程度和从12个增加到20个检测到的社区。我们通过显示伊施格尔镇（早期COVID-19热点）的流出量与报告的COVID-19病例之间存在8天的时间滞后，证明了流动性数据与流行病学研究的相关性。这项研究表明，移动电话使用数据允许移动行为的每时每刻的量化为整个国家。我们强调，有必要改善匿名形式的此类数据的可用性，以增强快速应对COVID-19和未来大流行病的能力。
2020-08-23 cs.CY cs.SI stat.AP
Unveiling Spatial Epidemiology of HIV with Mobile Phone Data
越来越多的地理参考移动电话数据使人们能够识别行为模式、习惯和移动。有了这些数据，我们可以提取对许多应用潜在有用的知识，包括本研究中所解决的问题-了解流行病的空间变化。我们探索了手机服务提供商收集的数据集，并将其与公开调查中估计的空间艾滋病毒流行率联系起来。为此目的，224个功能提取的流动性和连通性的痕迹，并在50个象牙海岸省的艾滋病毒流行的水平。通过回归模型，我们评估了提取的特征的预测能力。几个模型预测的艾滋病毒流行率与实际值高度相关（>0.7）。通过贡献分析，我们确定了影响感染率的关键因素。我们的研究结果表明，夜间连接和活动，用户覆盖的空间区域和整体迁移与艾滋病毒密切相关。通过可视化的通信和流动，我们努力解释流行病的空间结构。我们发现，通信和流动性方面的强有力联系和枢纽与艾滋病毒热点相一致。
2015-03-23 cs.CY cs.SI stat.AP
Social Events in a Time-Varying Mobile Phone Graph
在过去十年中，移动电话在城市人口中的大规模使用大大加强了对人类流动性的大规模研究。研究手机的活动不仅可以让我们推断个体之间的社交网络，还可以观察这些个体在空间和时间上的运动。在这项工作中，我们研究如何将这两个相关的信息源整合在检测和分析大型社会事件的背景下。我们发现，大型社会活动的特点不仅可以通过异常增加活动的天线在附近的事件，但也通过增加社会关系的出席者在事件中。此外，在通过增加的天线活动检测到大型社交事件后，我们可以使用网络连接来推断未观察到的用户是否出现在事件中。更确切地说，我们解决了以下三个挑战：（i）通过增加天线活动自动检测大型社交事件;（ii）表征检测到的事件的社会凝聚力;（iii）分析推断未观察到的用户是否在事件中的可行性。
2017-06-20 cs.CY cs.SI physics.soc-ph
An analytical framework to nowcast well-being using mobile phone data
一个有趣的开放性问题是，对记录人类活动的大数据进行测量是否可以为我们提供社会经济发展和福祉的高保真代理。我们是否可以通过大数据的镜头观察其居民的行为来监测和预测一个地区的社会经济发展？在本文中，我们设计了一个数据驱动的分析框架，该框架使用从移动电话数据中提取的移动性指标和社会指标来估计社会经济发展和福祉指标。我们发现，流动性的多样性，定义在熵的个人用户的轨迹，表现出（i）显着的相关性与两个不同的社会经济指标和（ii）最高的重要性，在预测模型建立预测的社会经济指标。我们的分析框架打开了一个有趣的视角，通过大数据的镜头，通过新的统计指标，量化和可能的“nowcast”一个地区的福祉和社会经济发展来研究人类行为。
2016-03-16 cs.CY cs.SI physics.soc-ph
Mapping the Privacy-Utility Tradeoff in Mobile Phone Data for Development
今天的数据时代具有很大的潜力，可以加强我们在发展和人道主义行动领域追求和监测进展的方式。我们研究了大规模行为数据中数据效用和隐私风险之间的关系，重点关注手机元数据作为范式域。为了衡量效用，我们调查了专家在不同的空间和时间粒度级别的移动电话元数据的价值。为了测量隐私，我们提出了一个正式的和直观的测量重识别风险$\unicode{x2014}$的信息比$\unicode{x2014}$，并计算它在每个粒度级别。我们的研究结果证实了数据效用和可重新识别性之间存在明显的权衡，其中最有价值的数据集也最容易重新识别。当数据以邮政编码和小时级别指定时，仅7%的个人数据的外部知识足以重新识别和检索其余93%。相比之下，在市政府和日常级别指定的最不有价值的数据集中，重新识别平均需要51%的外部知识，即31个数据点，一个人的数据，以检索其余的49%。总体而言，我们的研究结果表明，粗化数据直接侵蚀了其价值，并强调了使用数据粗化的必要性，而不是作为独立的机制，而是与提供可调整程度的问责制和安全性的数据共享模型相结合。
2018-08-01 cs.CR cs.CY econ.GN
Daily Stress Recognition from Mobile Phone Data, Weather Conditions and Individual Traits
University of Trento（特伦托大学）；SKIL Telecom Italia Lab（意大利电信SKIL实验室）；Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）；MIT Media Lab（麻省理工学院媒体实验室）
研究表明，压力会降低生活质量，并导致许多疾病。出于这个原因，一些研究人员设计了基于生理参数的压力检测系统。然而，这些系统要求用户持续携带侵扰传感器。在我们的论文中，我们提出了一种替代方法，提供证据表明，日常压力可以可靠地识别基于行为指标，来自用户的移动电话活动和其他指标，如天气条件（有关环境的瞬态属性的数据）和人格特质（有关个人的永久性倾向的数据）。我们的多因素统计模型，这是个人独立的，获得了72.28%的准确率得分为2类日常压力识别问题。该模型是有效的，以实现大多数的多媒体应用程序，由于高度减少低维特征空间（32 d）。此外，我们确定并讨论了具有较强预测能力的指标。
2014-10-21 cs.CY cs.LG physics.data-an
