A survey of results on mobile phone datasets analysis
本文综述了近年来手机数据集研究的一些进展。这一研究领域出现于十年前，随着大规模匿名数据集的日益可用，并已发展成为一个独立的主题。我们将调查的贡献，到目前为止，对社交网络，可以构建这样的数据，个人流动性的研究，地理分区，城市规划，并帮助发展以及安全和隐私问题。
2015-02-11 cs.SI physics.soc-ph
Exploring the Mobility of Mobile Phone Users
移动电话数据集允许以前所未有的规模分析人类行为。手机用户的社会网络，时间动态和移动行为往往是独立的分析彼此使用手机数据集。在本文中，我们将探索从大型移动电话数据集中提取的人类行为的各种特征之间的联系。我们的观察是基于10万匿名和随机选择的个人在葡萄牙的通信数据集的通信数据的分析。我们表明，聚类和主成分分析允许一个显着的降维有限的信息损失。最重要的特征与地理位置有关。特别是，我们观察到，大多数人只在少数几个地点花费大部分时间。在聚类方法的帮助下，我们稳健地识别家庭和办公地点，并将结果与官方人口普查数据进行比较。最后，我们分析了用户的频繁位置的地理分布，并表明通勤距离可以合理地解释重力模型。
2012-11-26 cs.SI physics.soc-ph
Mobile phone data's potential for informing infrastructure planning in developing countries
发展中国家并非总能获得高质量的普查数据。相反，移动电话数据正在成为评估人口密度、活动和社会特征的趋势代理。它们为基础设施规划提供了额外的优势，例如实时更新，包括移动信息和记录游客活动。我们结合了来自塞内加尔的各种数据集，以评估移动电话数据取代发展中国家基础设施规划中不充分的人口普查数据的潜力。作为一个应用案例，我们测试他们在预测家庭用电量的能力。我们发现，与普遍的看法相反，平均手机活动与人口密度并没有很好的相关性。然而，它可以提供比基本普查数据更好的电力消耗估计。更重要的是，我们使用曲线和网络聚类技术，以提高预测的准确性，恢复良好的人口映射的潜力，并减少所需的数据收集，大大减少样本。
2019-09-17 cs.SI physics.soc-ph
A comparative analysis of the statistical properties of large mobile phone calling networks
手机通话是现代社会中使用最广泛的通信方式之一。手机用户之间的通话记录为我们了解社交网络中的人类交流模式提供了一个有价值的代理。移动电话用户相互呼叫，形成有向呼叫网络。如果只考虑相互呼叫，我们得到一个无向相互呼叫网络。两个连接的用户之间的优先通信行为可以进行统计测试，它导致两个Bonferroni网络具有统计验证的边缘。我们对这四个网络的统计特性进行了比较分析，这四个网络是由上海900多万人在110天内的通话记录构建的。我们发现，这些网络有许多共同的结构特性，也表现出特质的功能相比，以前研究的大型移动电话网络。实证研究结果为我们提供了一个有趣的图片，一个有代表性的大型社交网络，可能会揭示新的光大型社交网络的建模。
2014-05-07 cs.SI physics.soc-ph
Analyzing the Behavior of Soccer Fans from a Mobile Phone Network Perspective: Euro 2016, a Case Study
在这项研究中，我们分析了2016年6月布达佩斯一个月的通话详细记录。在此期间，2016年欧洲足球锦标赛举行，匈牙利国家足球队表现出色，超出预期。本案例研究从移动电话网络数据的角度，重点研究了布达佩斯球迷在匈牙利比赛期间和之后的行为。紧张的扎根，进球的喜悦，因为小组胜利而忘我的庆祝。所有这些都对数据产生影响，可以简单地显示出来。我们使用描述性统计方法来分析现有的数据集，并设法证明这种数据在社会感知方面的潜力。我们发现，手机网络活动反映了球迷的行为，即使比赛是在另一个国家进行。
2021-08-17 cs.SI physics.soc-ph
Circadian pattern and burstiness in mobile phone communication
人类个体的时间通信模式是不均匀的或突发的，这反映为事件间时间分布的重尾行为。作为这种突发行为的原因，已经提出了两个主要机制：a）由于昼夜节律和每周活动模式的不均匀性和b）植根于人类任务执行行为的不均匀性。在这里，我们调查这些机制的作用，通过开发，然后应用系统的去老化方法，以消除个人的手机通信事件的时间序列的昼夜节律和每周模式。我们发现，在事件间的时间分布中的重尾保持稳健相对于这个过程，这清楚地表明，基于人类任务执行的机制是一个可能的原因，在时间移动电话通信模式剩余的突发性。
2011-10-17 cs.SI physics.soc-ph
Inference of Demographic Attributes based on Mobile Phone Usage Patterns and Social Network Topology
移动电话的使用提供了丰富的信息，可用于更好地了解人口的人口结构。在本文中，我们专注于墨西哥手机用户的人口。我们首先根据性别和年龄组对手机使用情况进行了观察性研究。我们能够检测到人口的不同亚组之间的电话使用的显着差异。然后，我们研究了不同的机器学习（ML）方法的性能，通过利用个人呼叫模式以及通信图的结构来预测未标记用户的人口统计特征（即年龄和性别）。我们展示了一个扩散模型的具体实现，利用图形结构，比其他基于节点的标准ML方法具有更好的性能。我们提供的方法的细节，连同我们的结果的鲁棒性分析模型参数的变化。此外，通过仔细检查训练节点（种子节点）的拓扑关系，在网络中的其余节点，我们发现拓扑度量有一个直接影响算法的性能。
2019-01-09 cs.SI physics.soc-ph
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
Communication cliques in mobile phone calling networks
现代社会中的人们通过众多的交流方式形成了不同的社交网络。这些通信网络反映了人类社会结构的不同方面。移动电话用户之间的通话计费记录，使我们能够构建一个有向呼叫网络（DCN）和Bonferroni网络（SVDCN），其中的优惠通信是统计验证。在这里，我们进行了比较调查的原始DCN和它的SVDCN从超过900万人在上海的通话记录，在110天内构建的集团。我们发现，两个呼叫网络的集团的统计性质是定性相似的，集团成员在DCN和SVDCN表现出定量的特质行为。大集团中的成员被发现在空间上彼此接近。基于每个移动电话用户的团度分布，可以将两个呼叫网络中的最活跃的用户分成若干组。发现不同群组的用户具有不同的呼叫行为。我们的研究揭示了手机用户之间相互紧密联系的有趣的通信行为。
2016-01-16 cs.SI physics.soc-ph
Clean up or mess up: the effect of sampling biases on measurements of degree distributions in mobile phone datasets
近年来，手机数据被广泛用于研究社会行为。然而，这些研究大多是基于部分数据，其覆盖范围在空间和时间上都是有限的。在本文中，我们指出的观察，由于有限的覆盖范围在时间上的偏差可能有一个重要的影响进行的分析的结果。特别是，我们观察到显着的差异，定性和定量，在网络的度分布，取决于数据集的预处理方式，我们提出了一个可能的解释出现双帕累托对数正态（DPLN）度分布的时间数据。
2016-09-29 cs.SI physics.soc-ph
PocketCare: Tracking the Flu with Mobile Phones using Partial Observations of Proximity and Symptoms
University at Buffalo（布法罗大学）；Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）
移动电话提供了一个强大的传感平台，研究人员可以采用它来了解人与人之间的接近互动以及通过这些互动传播疾病，行为和意见。然而，它仍然是一个挑战，跟踪整个社区的基于邻近的互动，然后从一小部分志愿者群体的观察开始，对疾病和行为的社会传播进行建模。在本文中，我们提出了一种新的方法，试图连接在一起，这些稀疏的意见，使用一个模型的个人如何相互作用，以及如何发生社会互动的一系列接近的相互作用。我们应用我们的方法来跟踪流感在3000人的大学校园的空间邻近网络中的传播，动员300名志愿者通过蓝牙扫描监控附近的手机，并每天报告流感症状。我们的目标是根据一个人的日常生活与志愿者的日常生活交叉的频率来预测他/她患流感的可能性。因此，我们使用志愿者的日常工作来建立志愿者和非志愿者的模型。我们的研究结果表明，我们可以提前两周预测流感感染，根据信息量的不同，平均精度从0.24到0.35不等。这种精度比随机猜测模型高6到9倍。在人口水平上，我们可以预测两周内的传染性人口，r平方值为0.95（随机猜测模型的r平方值为0.2）。这些结果指出了一种创新的方法，用于跟踪与出现症状的人互动的个人，使我们能够警告那些有感染危险的人，并告知健康研究人员接触性疾病的进展。
2019-05-07 cs.LG cs.SI
Tracking Employment Shocks Using Mobile Phone Data
来自移动电话的数据能否用于观察经济冲击及其在多个尺度上的后果？在这里，我们提出了新的方法来检测大规模裁员，识别受影响的个人，并预测总失业率的变化，使用手机的通话详细记录（CDR）。以一家大型制造业工厂的倒闭为例，我们首先描述了一个结构性断裂模型，以正确地检测大规模裁员的日期并估计其规模。然后，我们使用贝叶斯分类模型，以确定受影响的个人通过观察呼叫行为的变化，工厂的关闭。对于这些受影响的人，我们观察到失业后社会行为和流动性显着下降。使用在微观层面上确定的功能，我们表明，这些调用行为的相同变化，在区域层面上汇总，可以提高宏观失业率的预测。这些方法和结果突出了新的数据资源的承诺，以衡量微观经济行为和改善关键经济指标的估计。
2015-05-26 cs.SI physics.soc-ph
Measures of Human Mobility Using Mobile Phone Records Enhanced with GIS Data
在过去的十年中，大规模的移动电话数据已成为人类运动模式的研究。这些数据为大规模了解人类行为提供了巨大的希望，并且具有人口普查，调查或其他现有数据收集技术前所未有的精确度和准确性。已经有大量的文献使用这一令人兴奋的新数据源在理解人类流动方面取得了重要进展，并且已经使用了几种不同的流动性测量方法。然而，现有的移动电话为基础的移动性措施是不一致的，不准确的，并与当地的社会特点混淆。最好立即制定新的措施，因为它们将影响未来使用移动电话数据进行的流动性研究。在本文中，我们正是这样做的。我们讨论现有的移动电话为基础的措施的流动性和描述新的方法来测量流动性，解决这些问题。我们的流动性的措施，其中包括手机记录和详细的GIS数据，旨在解决人类流动的空间性质，保持独立的社会特征的背景下，并在地理区域和时间的可比性。我们也贡献了各种用途的讨论，这些新的措施，在发展一个更好地了解人类流动如何影响微观层面的人类行为和福祉，以及宏观层面的社会组织和变化。
2014-08-20 cs.SI physics.soc-ph stat.AP
Exploiting all phone media? A multidimensional network analysis of phone users' sociality
越来越多的人意识到，人类的通信和社会互动假设分层结构，由于多种技术通信渠道，包括在线社交网络，移动电话，短消息（SMS）和电子邮件的可用性，最近导致了多维网络的研究，作为进一步的经典社会网络分析。一些论文已经致力于发展理论框架来处理这样的多元化网络，并分析一些多维社交网络的例子。在这种情况下，我们进行的第一次研究的多元化移动社交网络，从一个大型移动电话运营商的数百万用户在12周内的通话和短信活动的记录收集。虽然近年来由移动电话数据集构建的社交网络引起了极大的关注，但到目前为止，研究分别处理短信和通话数据，提供了人们在电话上表达的社交性的非常局部的视图。在这里，我们分析了呼叫和文本消息维度如何重叠，显示了仅考虑单个层就可能丢失多少关于链路和节点的信息，以及用户如何采用不同的媒体渠道与他们的邻居进行交互。
2014-01-14 cs.SI physics.soc-ph
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
Detecting criminal organizations in mobile phone networks
在当今社会，利用来自异构通信媒介的痕迹来研究犯罪网络越来越重要。电话和在线社交网络等通信媒体的使用以元数据的形式留下了数字痕迹，可用于此类分析。这项工作的目标是双重的：首先，我们提供了一个理论框架的问题，从电话记录重建网络中的犯罪组织的检测和特征。然后，我们介绍了一个专家系统，以支持执法机构在揭开隐藏在通信数据中的犯罪网络的底层结构的任务。该平台允许对移动电话网络数据进行统计网络分析、社区发现和可视化探索。它使法医调查人员能够深入了解犯罪组织内部的等级制度，发现发挥核心作用的成员，并提供子群体之间的联系。我们的工作的结论说明了通过我们的计算框架，为现实世界的刑事调查。
2014-04-03 cs.SI physics.soc-ph
Spatiotemporal Detection of Unusual Human Population Behavior Using Mobile Phone Data
为了促进对灾害和暴力事件的人道主义反应，科学家们提议开发分析工具，利用移动电话数据实时识别紧急事件。其假设是，用移动电话数据测量的行为的戏剧性和离散变化将表明极端事件。在这项研究中，我们提出了一个有效的系统，从手机数据的行为异常的时空检测和比较网站的行为异常，在卢旺达的紧急和非紧急事件的广泛的数据库。我们的方法成功地捕捉了与各种事件相关的异常行为模式，从宗教和官方假期到地震，洪水，针对平民的暴力和抗议活动。我们的研究结果表明，人类对极端事件的行为反应是复杂和多维的，包括呼叫和运动行为的极端增加和减少。我们还发现显着的时间和空间变化的极端事件的反应。我们的行为异常检测系统和广泛的讨论结果是一个长期的项目，创建一个有效的实时事件检测系统与手机数据的重大贡献，我们讨论了我们的研究结果对未来的研究，为此目的的影响。关键词：大数据、通话详细记录、紧急事件、人类流动
2014-11-22 cs.SI physics.soc-ph stat.AP
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
Harnessing Mobile Phone Social Network Topology to Infer Users Demographic Attributes
我们研究了墨西哥手机用户的社交图结构，重点关注用户的人口统计属性（更具体地说是用户的年龄）。我们研究了图中的重复性模式，并观察到一个强大的年龄同质性的通信偏好。我们提出了一个基于图的算法的手机用户的年龄预测。该算法利用移动电话网络的拓扑结构，连同已知用户年龄（种子）的子集，推断剩余用户的年龄。我们提供的方法的细节，并显示在网络GT超过70万用户的实验结果。通过仔细检查的拓扑关系的种子，其余的节点在GT，我们发现拓扑度量有直接影响算法的性能。特别是，我们描述了用户的子集，当预测4个年龄类别之间时，算法的准确性为62%（而纯粹的随机猜测将产生25%的准确性）。我们还表明，我们可以使用该算法计算的概率信息，以进一步提高其推理能力的72%的一个重要的用户子集。
2015-11-23 cs.SI physics.soc-ph
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
Understanding Human Mobility Flows from Aggregated Mobile Phone Data
在本文中，我们处理的旅行流量和模式的人在大人口稠密地区的研究。从粗粒度聚合蜂窝网络数据中提取有关人员移动的信息，而无需单独跟踪移动设备。移动电话数据由意大利电信公司TIM提供，包括某一地区不同时刻的人口密度概况（即空间分布）。通过计算两个连续密度分布之间的Wasserstein距离的适当近似，我们能够提取人们遵循的主要方向，即了解人们的质量如何在空间和时间中分布。所提出的技术的主要应用是日常流量的通勤者的监控，大型活动的组织，以及更一般的交通管理和控制。
2018-03-02 cs.SI physics.soc-ph
Link-centric analysis of variation by demographics in mobile phone communication patterns
我们提出了一个链接为中心的方法来研究个人的移动电话通信模式的变化。与之前大多数针对通话详细记录的研究（重点关注单个用户之间电话使用的变化）不同，我们研究了从通话详细记录中获得的通话和短信模式在成对用户之间的变化，以及这些模式如何受到关系性质的影响。用户。为了证明这个链接为中心的角度来看，我们提取的因素，有助于在移动电话通信模式的变化和预测人口统计相关的数量对用户。一天中的时间和沟通渠道（电话或短信）被发现可以解释经常互相呼叫的配对之间的大部分差异。此外，我们发现，这种变化可以用来预测用户对之间的关系，从他们的年龄和性别，以及一对年轻用户的年龄推断。从不同年龄和性别群体的分类器性能以及贝叶斯误差界限估计所建议的固有类重叠，我们可以深入了解不同关系中通信模式的相似性和差异。
2019-12-16 cs.SI physics.soc-ph
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
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
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
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
A Comparison of Spatial-based Targeted Disease Containment Strategies using Mobile Phone Data
流行病爆发是一项重要的卫生保健挑战，特别是在发展中国家，它们是死亡的主要原因之一。能够迅速针对亚群进行监测和控制的方法对于在流行病期间加强遏制进程至关重要。使用来自象牙海岸的真实世界数据集，这项工作提出了一种尝试，揭示疾病传播动态的社会地理异质性。通过采用一个空间显式的元人口流行病模型来自移动电话通话详细记录（CDR），我们调查的流动性模式的差异可能会影响一个现实的传染病爆发的过程。我们认为不同的现有措施的空间维度的人类流动性和相互作用，我们分析它们的相关性，在确定最高风险的子人群的个人，作为最佳候选人的隔离对策。本文提出的方法提供了进一步的证据，手机数据可以有效地利用，以促进我们的个人的空间行为及其与传染病的传染风险的关系的理解。特别是，我们表明，CDR为基础的个人的空间活动和相互作用的指标持有的承诺，深入了解传染异质性，从而制定遏制战略，以支持决策，在国家一级的流行病。
2018-07-03 cs.SI physics.soc-ph
Producing population-level estimates of internal displacement in Ukraine using GPS mobile phone data
基于2500万移动设备的匿名高频GPS数据，提出一种利用手机数据生成人口层级估计的方法，量化了2022年俄乌冲突早期乌克兰境内流离失所的程度与地理模式，为实时监测和灾害管理提供支持。
2025-03-11 cs.SI physics.soc-ph stat.AP
Time as a limited resource: Communication Strategy in Mobile Phone Networks
我们使用了一个包含2000万移动用户90亿次通话的大型数据库，来研究在电话上花费的总时间、个人网络规模、联系强度以及用户在网络中分配有限时间的方式（差异）之间的关系。与那些拥有较小网络的人相比，那些拥有大型网络的人并没有投入更多的时间进行沟通，平均而言，联系较弱（以花费的沟通时间来衡量）。此外，个人之间的差异程度没有实质性差异，因为移动用户往往在其网络中分配非常不均匀的时间，大部分呼叫都是针对少数人的。总之，这些结果表明，有时间的限制，限制领带强度在大型个人网络，即使是高水平的移动通信不从根本上改变跨网络的时间分配的差距。
2013-01-11 cs.SI physics.data-an physics.soc-ph
Peer relations with mobile phone data: Best friends and family formation
由于缺乏数据，早期试图调查友谊在不同人生阶段的作用变化失败了。我们使用一个欧洲国家在2007年的移动电话呼叫的大型数据集，以研究人们的呼叫模式，他们的密切的社会联系与年龄和性别的来电者，以缩小这一差距。我们假设：（一）与同龄人（定义为年龄相仿的来电者）的沟通在家庭形成期间是最重要的;（二）最好的朋友（定义为年龄完全相同的同性来电者）的重要性，女性比男性更强。结果表明，在这一人群中，与同性同龄人打电话的频率在男性和女性的一生中都相对稳定。与第一个假设一致，30至40岁的呼叫者的电话通话时间显著增加。与第二个假设部分一致的是，电话的增加在女性中尤为明显，尽管在通话频率上只有微小的性别差异。此外，女性倾向于与同龄的女性朋友以及年龄稍大的同龄人进行长时间的电话交谈。总之，我们从大数据中提供了成年人生活阶段的证据，在这些阶段，同伴是最重要的，并表明最好的朋友似乎在人类社会中有自己的利基。
2017-08-25 cs.SI physics.soc-ph
A set of R packages to estimate population counts from mobile phone data
在本文中，我们介绍了在ESSnet大数据二项目期间，为将移动电话数据纳入官方统计数据的现有生产链而设计的方法框架的软件实施情况。我们提出了一个概述的软件栈的架构，它的组件，它们之间的接口，并显示如何使用它们。我们的软件实现包括四个R包：用于估计移动设备空间分布的destim，用于将设备分类为1：1或2的去重：1与其所有者的通信，- 聚合，用于从地理位置概率和重复概率开始估计由网络检测到的个体的数量，以及推断，其将由先前包提供的个体的数量与其他信息（如来自官方登记的人口计数和移动运营商渗透率）组合，以提供目标人群很重要。
2021-11-04 cs.MS cs.SI stat.AP
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
COMONet: Community Mobile Network
近年来，移动电话的密度迅速增加。当前移动电话技术的一个缺点是，即使主叫方和被叫方在彼此的无线电范围内，它也迫使所有呼叫通过蜂窝基站。已经提出了混合蜂窝网络和非授权移动接入（UMA）作为使移动电话用户能够绕过蜂窝基站的解决方案。然而，这些技术要么需要特殊的硬件，要么在某些情况下必须依赖服务提供商。我们发现，大多数现成的移动电话都支持Wi-Fi（和蓝牙）。我们提出了一个社区移动网络（COMONet），它利用Wi-Fi（和蓝牙）建立移动电话用户之间的ad hoc网络，以绕过GSM基站尽可能。COMONet不依赖于特殊的非商品硬件，它是一个基于软件的解决方案。COMONet监视自组织网络上的所有可用路径，并且如果自组织网络上的路径不可用，则COMONet透明地切换到服务提供商的GSM基站上的常规路径。在COMONet中，主叫方和被叫方不必在彼此的Wi-Fi或蓝牙范围内进行呼叫，因为COMONet能够通过参与COMONet的其他移动节点路由呼叫。
2020-09-13 cs.NI cs.SI
A spatiotemporal knowledge graph-based method for identifying individual activity locations from mobile phone data
本文提出基于时空知识图谱的STKG方法，通过构建个体停留时空图并应用社区检测识别活动位置，在上海案例中相比基线方法在空间精度和时间一致性上均有显著提升。
2024-10-17 cs.SI physics.soc-ph
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
In A Society of Strangers, Kin Is Still Key: Identified Family Relations In Large-Scale Mobile Phone Data
本文利用含双姓氏信息的大规模手机数据区分亲属关系类型，验证了亲属间通话更频繁、更持久且随生命历程变化更大的假设，并提供了在无姓名信息时从通话数据识别亲属关系的方法。
2023-07-07 cs.SI physics.soc-ph q-bio.QM
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
