revisiting the generality of the rank-based human mobility model

Revisiting the Generality of the Rank­based Human Mobility Model

Darshan Santani and Daniel Gatica­PerezIdiap Research Institute and EPFL

8 Sept 2013

PURBA @ Ubicomp 2013

2

Motivation

● Human mobility models area of active research and debate!● CDRs to infer aggregated mobility patterns [Song10]

● Human mobility patters using LBSN [Noulas12]

● Urban planning and management

● Disease Contagion● How will be a pathogen, such as influenza, driven by physical proximity, 

spread through urban population?

● A recent work has recently showed that rank­distance distribution for human mobility follows a “universal” power­law. [Noulas12]

[Song10] Limits of predictability in human mobility. Science[Noulas12] A tale of many cities: universal patterns in human urban mobility. PloS one 

3

Research Questions

RQ1: Does the rank­distance follow a power­law like distribution, as suggested in earlier research?

RQ2:  If  it  does  not  follow  a  power­law,  which  other  heavy­tailed distributions can better describe place transitions?

4

Foursquare

3 billion check­ins, 30 million users

Large­scale access to a wider and diverse user­base

Check­in

5

Swiss and NYC Check­in Dataset

NYC dataset generously provided by Texas A&M [Cheng11]

Swiss data collection at Idiap since December 2011

[Cheng11] Exploring millions of footprints in location sharing services. ICWSM

6

7

Zurich

8

Existing Human Mobility Models

● Distance­based Model

● Rank­based Model

s

d

9

Existing Human Mobility Models

● Distance­based Model

● Rank­based Model

Rank­based  model  is  inspired  by  Stouffer’s  theory  of  intervening opportunities, which states that the probability of traveling from source to destination  is directly proportional to the number of opportunities closer to source than destination. [Stouffer40]

[Stouffer40] Intervening opportunities: a theory relating mobility and distance. American Sociological

10

Alternative Models

● Log Normal 

● Power Law with Exponential Cutoff

11

Visual Inspection

12

Visual Inspection

13

Power Law Hypothesis

Non Significant  (KS statistics)

Our statistical analysis follows the seminal work by [Clauset09]

Estimating the Scaling Exponent

[Clauset09] Power­law distributions in empirical data. SIAM Review

14

Power Law Hypothesis

Non Significant (KS statistics)

Our statistical analysis follows the seminal work by [Clauset09]

Estimating the Lower Bound Parameter

[Clauset09] Power­law distributions in empirical data. SIAM Review

15

Alternative Hypothesis

Significant(Likelihood Ratio Test)

Significant(Likelihood Ratio Test)

16

Rank Definition

● Rank­1

s

d

17

Rank Definition

● Rank­1

● Rank­0

s

d

18

Rank Definition

● Rank­1

● Rank­0

19

Visual Inspection

Rank­1 Rank­0

20

Visual Inspection

Rank­1 Rank­0

21

Conclusions

RQ1: Does the rank­distance follow a power­law?

● We have not observed that the rank­distance follows a pure power law in our data. Additional studies with other cities seem necessary

RQ2:  If  it  does  not  follow  a  power­law,  which  other  heavy­tailed distributions can better describe place transitions?

● Human  transitions are  better  explained using a  log­normal and power­law with exponential cutoff model

We  do  not  claim  a  cutoff  power­law  model  as  the  “universal” mobility model to explain human transitions.

22

Q & A

Email: dsantani@idiap.chTwitter: @SabMayaHai