Resumen
Los datos de señalización de red (NSD) tienen el potencial de proporcionar información espacio-temporal continua sobre la presencia, la movilidad y los patrones de uso de los servicios de telefonía móvil por parte de las personas. Dicha información es invaluable para monitorear grandes áreas urbanas y respaldar la implementación de servicios de toma de decisiones. Cuando se analizan en tiempo real, los NSD pueden permitir la detección temprana de eventos urbanos críticos, incluidos incendios, grandes accidentes, estampidas, ataques terroristas y reuniones deportivas y de ocio, especialmente si estos eventos afectan significativamente la actividad de la red de telefonía móvil en las áreas afectadas. Este documento presenta evidencia empírica de que los NSD avanzados pueden detectar anomalías en el consumo de servicios de tráfico móvil, atribuibles a eventos urbanos críticos, con resoluciones espaciales finas (una resolución espacial de unos pocos decámetros) y temporales (minutos). Presentamos dos metodologías para la detección de anomalías en tiempo real a partir de series temporales multivariadas extraídas de NSD a gran escala, utilizando una variedad de algoritmos adaptados del estado del arte en técnicas de aprendizaje automático no supervisado para la detección de anomalías. Nuestra investigación incluye una evaluación cuantitativa integral de estos algoritmos en un conjunto de datos a gran escala del consumo de servicios de NSD para la región de París. La evaluación utiliza un conjunto de datos original de eventos urbanos críticos o inusuales documentados. Este conjunto de datos se ha creado como una base de verdad fundamental para evaluar el rendimiento de los algoritmos. Los resultados obtenidos demuestran que nuestro marco puede detectar eventos inusuales casi instantáneamente y localizar las áreas afectadas con alta precisión, superando ampliamente a los clasificadores aleatorios. Esta eficiencia y eficacia subrayan el potencial de la detección de anomalías basada en NSD para mejorar significativamente las estrategias de respuesta a emergencias y la planificación urbana. Al ofrecer un enfoque proactivo para gestionar la seguridad y la resiliencia urbanas, nuestros hallazgos resaltan el potencial transformador de aprovechar NSD para la detección de anomalías en entornos urbanos.
Introducción
Como sugieren estudios recientes sobre detección de multitudes a través de dispositivos móviles (MCS), la detección de anomalías urbanas y la posterior adaptación de estrategias de gestión de eventos en caso de emergencia son cada vez más realistas (1, 2). MCS es parte del paradigma de detección oportunista, que aprovecha la enorme cantidad de datos generados pasivamente por los usuarios a partir del uso de sus dispositivos móviles (3). En particular, la capacidad de estudiar los cambios en la metabolismo urbano La vía MCS ha surgido con el uso generalizado de los teléfonos móviles.
Muchos servicios y actividades de nuestra vida diaria se gestionan a través del uso de teléfonos móviles. Los datos resultantes de su uso abren nuevas oportunidades para detectar comportamientos individuales, mejorando la comprensión de la movilidad humana.4) o comunicaciones (5) por ejemplo. Estos conocimientos se pueden convertir en información útil para abordar otras cuestiones importantes en campos como la planificación urbana y del transporte.6–9) y censo de población (10).
Más allá de la investigación de las actividades diarias habituales de los individuos, el MCS también ha demostrado ser un recurso valioso para el análisis de situaciones anómalas o críticas como brotes epidémicos potencialmente mortales (11–13), fallas importantes de la infraestructura urbana, desastres naturales o sociales (por ejemplo, terremotos,14–17), inundaciones (18) y conflictos (19)). Estos eventos críticos tienen un profundo impacto en los modelos y procedimientos dinámicos humanos que están diseñados esencialmente en y para situaciones estacionarias (20–23). Estas condiciones inusuales inducen estrés y pueden alterar significativamente el funcionamiento normal de las infraestructuras urbanas o nacionales, precipitando potencialmente su falla (24). Las multitudes urbanas son entidades frágiles y expuestas, y tienen un alto potencial de generar grandes perturbaciones y efectos en cascada que son difíciles de gestionar. Al mismo tiempo, son una forma potencial y eficiente de detectar anomalías.
En tales contextos, los teléfonos móviles funcionan efectivamente como in situ sensores capaces de captar alteraciones en tiempo real en los patrones de movilidad y comunicación de las personas en respuesta a emergencias o condiciones atípicas. Comprender cómo cambia el comportamiento de las personas cuando se exponen a condiciones que evolucionan rápidamente o son desconocidas es un desafío (25, 26). Sin embargo, el análisis en tiempo real del volumen de flujos de datos en las redes de telefonía móvil podría ayudar a identificar y localizar incidentes tempranos o situaciones de emergencia, y/o ampliar los datos de otras fuentes más convencionales (llamadas de emergencia, videovigilancia, etc.).
En su trabajo seminal, Bagrow et al. (25) han demostrado que los voluminosos registros de detalles de llamadas (CDR) de los operadores de redes móviles (MNO) incorporan indicaciones valiosas sobre cómo reaccionan las personas ante emergencias importantes (ataques terroristas, accidentes aéreos, terremotos y fallas importantes de las infraestructuras urbanas), así como ante grandes eventos urbanos no catastróficos (festivales de música, eventos deportivos). Más específicamente, han demostrado que las situaciones de alto riesgo provocan un gran aumento en la actividad de comunicación (llamadas telefónicas y mensajes de texto) en comparación con la actividad diaria, dentro de un área limitada alrededor del evento. El volumen de llamadas comienza a disminuir inmediatamente después de la emergencia, lo que indica que la tendencia a comunicarse es más fuerte al comienzo del evento. Por otro lado, los eventos festivos, que atraen grandes multitudes, muestran un aumento más gradual en la actividad de comunicación, bastante diferente al de los eventos festivos. salto-decaimiento Tipo de anomalía observada en situaciones de emergencia amenazantes. En el aspecto espacial, la amplitud de la anomalía es más fuerte en la proximidad del evento y disminuye rápidamente, con una disminución exponencial en relación con la distancia al epicentro y la naturaleza del evento. En particular, los eventos que amenazan la vida afectan el volumen de llamadas observadas hasta decenas de kilómetros, mientras que otras anomalías se limitan a la escala urbana o periurbana.
Basándose en las conclusiones de Bagrow et al. (25), los investigadores han explorado el potencial de los CDR para caracterizar las consecuencias de eventos trágicos, en su mayoría a gran escala, como un país. Por ejemplo, Lu et al. (14) han analizado el desplazamiento de 2 millones de usuarios de teléfonos celulares en Haití, para evaluar la predictibilidad de su migración a zonas más seguras en caso de terremotos y cuantificar la disminución esperada de la población en las áreas afectadas durante los meses posteriores a un desastre. El análisis temporal de varios indicadores de movilidad y presencia calculados a partir de los datos de teléfonos móviles (por ejemplo, radio de giro estimado, entropía de lugares visitados con frecuencia) confirmó que es posible una mejor comprensión del comportamiento de las personas afectadas por desastres con los datos de teléfonos móviles. Se han llegado a conclusiones similares para los terremotos (17), inundaciones (27) y eventos de gran escala, como conciertos, festivales y manifestaciones (28). Esta mejor comprensión puede ayudar potencialmente a los encargados de tomar decisiones a simular y pronosticar el número de personas evacuadas dentro de áreas urbanas en un tiempo y un costo limitados.
Por otra parte, la literatura sobre el uso de dichos datos para la detección oportuna de eventos es limitada. Más específicamente, hasta donde sabemos, no se han propuesto soluciones para su aplicación en contextos operativos relacionados con el monitoreo urbano, en particular para respaldar la detección temprana de eventos urbanos críticos en escalas temporales muy cortas (es decir, minutos) y con una ubicación precisa (es decir, decenas a cientos de metros). Por ejemplo, Dobra et al. (29) se encuentran entre los primeros autores en proponer un marco metodológico basado en CDR para la detección automática de situaciones de emergencia en Ruanda. Aprovechando una extensa base de datos de eventos de emergencia y no emergencia, prueban cualitativamente el rendimiento del sistema de detección propuesto con una resolución temporal diaria, que captura con éxito patrones de comportamiento anómalos asociados con una amplia gama de eventos. Si bien su trabajo permite identificar días con comportamiento anómalo de llamadas y movilidad, la solución no posee la granularidad temporal y la reactividad necesarias para respaldar la detección rápida y en línea de eventos críticos. Desde una perspectiva espacial, los autores consideran una granularidad extremadamente gruesa, correspondiente a una unidad de celda de cuadrícula de 25 km2En términos más generales, si bien los enfoques existentes basados en CDR pueden proporcionar información valiosa, a menudo presentan limitaciones espaciales (30) y resolución temporal (31) y, por lo general, se realizan de forma retrospectiva en lugar de en tiempo real en contextos urbanos. Los CDR son, de hecho, información procesada que solo está disponible con un cierto retraso.
Como limitación adicional, las soluciones existentes se basan únicamente en evaluaciones cualitativas y a menudo subjetivas de la capacidad de los métodos para detectar comportamientos anómalos, sin una caracterización cuantitativa y objetiva de la capacidad de dichos métodos para detectar con precisión eventos críticos. Esta dependencia de la evaluación cualitativa significa que la eficacia y la fiabilidad de estos métodos no se pueden medir ni comparar rigurosamente, lo que conduce a posibles sesgos e inconsistencias en el proceso de evaluación. En conclusión, estas limitaciones impiden realizar comparaciones significativas con las soluciones existentes por varias razones:
- Resolución temporal:La mayoría de los métodos existentes operan con una resolución temporal diaria, lo que resulta insuficiente para la detección oportuna de eventos que se desarrollan a lo largo de minutos.
- Resolución espacial:La granularidad de los datos espaciales en los enfoques actuales suele ser demasiado basta para localizar con precisión eventos urbanos críticos.
- Evaluación cualitativa:La ausencia de métricas cuantitativas significa que los métodos existentes no están rigurosamente validados, lo que dificulta comparar su desempeño con el de nuevos enfoques.
- Contexto operativo:Muchas de las soluciones propuestas no han sido probadas en contextos urbanos densos del mundo real, lo que limita su aplicabilidad práctica y confiabilidad.
Al abordar estas cuestiones, nuestro método propuesto pretende proporcionar un marco de detección sólido y en tiempo real con una resolución espacial y temporal detallada, garantizando tanto la precisión como la aplicabilidad práctica de la solución.
En concreto, para superar estas limitaciones, se propone en este trabajo basar la detección temprana de anomalías urbanas en el análisis de una forma más rica de datos de telefonía móvil, a saber, los datos de señalización de red (NSD). Los NSD contienen información detallada sobre llamadas, mensajes de texto, iniciaciones y terminaciones de sesiones de datos y eventos de control de red, recopilados sobre la marcha y utilizados por los operadores de telefonía móvil para la supervisión y gestión de sus redes de telefonía móvil. En teoría, los NSD podrían ponerse a disposición y procesarse en tiempo real, ofreciendo una granularidad espacial y temporal extremadamente fina. El conjunto de datos analizado a continuación está anonimizado y contiene únicamente el número de solicitudes de servicio (llamadas, mensajes de texto, sesiones de datos, etc.) agregadas por minuto y por antena. Estos datos únicos de alta resolución permiten un seguimiento y análisis precisos de la actividad de la red móvil. Además, los NSD utilizados en este estudio están relacionados con un territorio urbano denso, la ciudad de París, lo que proporciona un conjunto de datos rico y diverso que es representativo de un entorno urbano complejo. Al centrarse en París, nuestro estudio aprovecha las complejidades de una gran área metropolitana para validar la eficacia de nuestro marco de detección en entornos urbanos densos. El supuesto en el que se basa el método de detección es que los números anómalos de solicitud de servicio de telefonía móvil están relacionados con averías poco frecuentes en la infraestructura o con acontecimientos reales inusuales o críticos, como accidentes de transporte, manifestaciones espontáneas, peligros naturales, etc. La detección temprana y la ubicación de estos últimos podrían acelerar el despliegue de unidades de emergencia en caso de incidentes graves que pongan en peligro la vida.
Las principales contribuciones de este trabajo son las siguientes:
- Se explora el potencial de la detección temprana de anomalías basada en NSD.
- Se han mejorado y probado dos métodos de detección de anomalías existentes utilizando un gran conjunto de datos NSD del mundo real proporcionado…
