使用智能手机GPS数据的家庭位置检测算法比较
Comparison of home detection algorithms using smartphone GPS data
AI总结：
本文比较了五种基于智能手机GPS数据的家庭位置检测算法，提出新算法和三个评估指标，发现时空连续性比数据规模更重要，并验证了算法差异对后续推断的显著影响。
摘要：
利用智能手机基于位置服务数据估计人们的家庭位置是人群移动性评估中的常见任务。然而，常用的家庭位置检测算法（HDAs）往往是随意设定的，且缺乏检验。在本研究中，我们回顾了现有的家庭位置检测算法，并使用八个高质量手机地理定位数据集对五种家庭位置检测算法进行了检验。这些算法包括四种常用的家庭位置检测算法以及本文提出的一种家庭位置检测算法。为了进行定量比较，我们提出了三个新的指标来评估检测到的家庭位置的质量，并在美国四个城市的八个数据集上对其进行了测试。我们发现，三个指标均显示各家庭位置检测算法的性能排序一致，且本文提出的家庭位置检测算法优于其他算法。我们推断，地理定位数据点的时间和空间连续性对准确检测家庭位置的影响大于数据总体规模的影响。我们还发现，性能指标较高（且相似）的家庭位置检测算法往往产生一致性更好、更符合普遍预期的结果。此外，尽管相对性能模式仍然存在，但随着设备数据质量的下降，性能会变差。最后，我们通过两个案例研究展示了家庭位置检测的差异如何导致后续推断中的显著差异——（i）飓风疏散估计，以及（ii）移动模式与社会经济地位的相关性。我们的工作有助于提高大规模人群移动性评估应用的透明度。
英文摘要：
Estimation of people's home locations using location-based services data from smartphones is a common task in human mobility assessment. However, commonly used home detection algorithms (HDAs) are often arbitrary and unexamined. In this study, we review existing HDAs and examine five HDAs using eight high-quality mobile phone geolocation datasets. These include four commonly used HDAs as well as an HDA proposed in this work. To make quantitative comparisons, we propose three novel metrics to assess the quality of detected home locations and test them on eight datasets across four U.S. cities. We find that all three metrics show a consistent rank of HDAs' performances, with the proposed HDA outperforming the others. We infer that the temporal and spatial continuity of the geolocation data points matters more than the overall size of the data for accurate home detection. We also find that HDAs with high (and similar) performance metrics tend to create results with better consistency and closer to common expectations. Further, the performance deteriorates with decreasing data quality of the devices, though the patterns of relative performance persist. Finally, we show how the differences in home detection can lead to substantial differences in subsequent inferences using two case studies - (i) hurricane evacuation estimation, and (ii) correlation of mobility patterns with socioeconomic status. Our work contributes to improving the transparency of large-scale human mobility assessment applications.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
