Multi-source data fusion for the analysis of mobility
Fusion de données multi-sources pour l'analyse de la mobilité
Résumé
This thesis focuses on generating and using safe and accurate data to describe the mobility of people in an urban environment. The main focus of this work is the Origin-Destination (OD) matrices obtained from mobile phone data, which describe the flows of population between the zones of a city. These data are characterized by huge volumes, which call for light-weight processing solutions, and a high variety, which imply a privacy risk for outliers.In a first part, we develop an algorithm to efficiently guarantee the k-anonymization of such OD matrices via generalization and suppression. Our method implements a hard constraint on the number of trips that can be suppressed, in order to maintain the representativity of the data. The spatial generalization is formalized as a knapsack problem with a dependency tree, whose dual can be efficiently solved using the Some Breakpoints Algorithm. We also study the solving of the relaxation of the problem, which does not guarantee a maximum number of suppressed trips but instead a maximum level of generalization. We compare our approaches to an extensive benchmark of the state of the art in anonymization on a collection of large-scale OD matrices. In a second part, we propose two steps to generate more realistic synthetic travel using dynamic OD matrices. In the first step, we calibrate the temporal distribution of trips made during the day by formalizing it as hierarchical population problem. In the second step, we draw activity locations using the OD matrices as transition probabilities in a probabilistic graph model. We illustrate a pitfall in the estimation of such a model when implementing basic agenda constraints, such as the fact that the ``home'' locations must share the same value. These added dependencies create cycles in the graph which invalidate the direct use of the OD matrices as maximum likelihood estimators. Instead, we propose an heuristic adaptation to estimate the parameters of the model. Then, we implement a variety of approaches corresponding to different trade-offs between matching the OD matrices and matching the surveys. This allows us to give a quantitative measure of the discrepancies between the OD matrices and the HTS, which are known to exist but hard to measure as the two sources do not describe the same objects. This work is part of a context of a recent multiplication of available data sources for transportation studies. In particular, passive sources such as mobile phone data collect traveler's information without input on their part and mostly without their knowing. They carry invaluable insights into the dynamics of transportation networks due to their unequalled penetration rate, but are also an ethic liability due to their monitoring potential. By guaranteeing a foolproof anonymization of the data and illustrating its use in travel demand synthesis, we aim at addressing its problem of privacy while at the same time leveraging it to produce a realistic, exhaustive overview of urban transportation
Cette thèse se concentre sur la génération et l'utilisation de données sûres et précises pour décrire la mobilité des personnes en environnement urbain. Une attention particulière est donnée aux matrices Origine-Destination (OD) obtenues à partir des données de téléphonie mobile, qui décrivent les flux de population entre les zones d'une ville. Ces données sont caractérisées par de gros volumes, qui nécessitent des solutions de traitement légères, et une grande variété, impliquant un risque pour la vie privée des personnes effectuant des déplacements peu communs. Dans une première partie, nous développons un algorithme pour garantir efficacement la k-anonymisation de telles matrices OD par généralisation et suppression. Notre méthode implémente une contrainte dure sur le nombre de déplacements pouvant être supprimés, afin de maintenir la représentativité des données. La généralisation spatiale est formalisée comme un problème de sac à dos avec arbre de dépendances, dont le dual peut être résolu efficacement à l'aide du ``Some Breakpoints Algorithm''. Nous étudions également les propriétés de la relaxation du problème, qui ne garantit pas un nombre maximum de déplacements supprimés mais plutôt un niveau maximum de généralisation. Nous comparons nos approches à un benchmark extensif de méthodes d'anonymisation sur une collection de matrices OD à grande échelle. Dans une deuxième partie, nous proposons deux étapes pour générer des déplacements synthétiques plus réalistes à l'aide de matrices OD dynamiques. Dans un premier temps, nous calibrons la répartition temporelle des déplacements effectués dans la journée en la formalisant comme un problème de population hiérarchique. Dans un second temps, nous tirons les emplacements d'activité en utilisant les matrices OD comme probabilités de transition dans un modèle graphique probabiliste. Nous illustrons un écueil dans l'estimation d'un tel modèle lors de la mise en œuvre de contraintes d'agendas, qui créent des cycles invalidant l'utilisation directe des matrices OD comme estimateurs du maximum de vraisemblance. En réponse, nous proposons une adaptation heuristique pour estimer les paramètres du modèle. Ensuite, nous mettons en œuvre diverses approches correspondant à différents compromis entre le respect des matrices OD et le respect des enquêtes. Cela permet de donner une mesure quantitative des écarts entre les matrices OD et les enquêtes de transport, dont l'existence est connue mais difficile à mesurer comme les deux sources ne décrivent pas les mêmes objets. Ce travail s'inscrit dans un contexte de multiplication récente des sources de données disponibles pour les études de transports. En particulier, les sources passives telles que les données mobiles collectent des informations sur les voyageurs sans intervention de leur part et généralement à leur insu. Elles apportent des informations précieuses sur la dynamique des réseaux de transport en raison de leur taux de pénétration inégalé, mais constituent également une responsabilité éthique en raison de leur potentiel de surveillance. En garantissant une anonymisation à toute épreuve des données et en illustrant leur utilisation dans la synthèse de demande de déplacement, nous visons à répondre au problème de la vie privée tout en les exploitant pour produire un aperçu réaliste et exhaustif des transports urbains
Domaines
Base de données [cs.DB]| Origine | Version validée par le jury (STAR) |
|---|