Topological Patterns in Human Mobility and Interaction Networks

Aliaksandr Bely, Ph.D.

Disertační práce

Anotace:

V této práci vyvíjíme nové a aplikuji stávající metody datové vědy a analýzy sítí ke studiu vzorců v komplexních sítích lidské mobility a interakcí lidí. Analýzou těchto vzorců zkoumáme existující vztahy mezi místy nebo jednotlivci a jejich dynamiku. Práce vychází z článků, na kterých jsem se podílel. Nejprve navrhujeme nové metody pro odkrývání struktury komunity v sítích maximalizací funkce kvality oddílu nazývané modularita. Je to NP-těžký problém a vyvíjíme přibližné a přesné algoritmy řešení. Ukázali jsme, že naše metody fungují konkurenceschopně ve srovnání s jinými algoritmy při dosahování vysokého skóre modularity a navíc si zachovávají krátké doby provádění. Poté analyzujeme dva fenomény: turistické toky a vzájemnou závislost lidské mobility, interakce a socioekonomický status. Pomocí velkých datových souborů geograficky lokalizovaných médií jsme odhadli turistické toky a atraktivitu různých míst. Ukázali jsme výhody použití různých zdrojů dat a vícevrstvého síťového přístupu při aplikaci komunitních metod detekce na mezinárodní mobilní síť. Našli jsme také různé režimy škálování turistické atraktivity na úrovni zemí, států a měst. Když jsme analyzovali mobilitu zahraničních turistů v Jižní Koreji, zjistili jsme pozoruhodnou heterogenitu atraktivity destinací a vzorců návštěvnosti. Nakonec jsme navrhli použít ceny bydlení jako proxy pro socioekonomický status a zároveň jsme použili podrobné výpisy hovorů k rekonstrukci mobility a komunikačních vzorců uživatelů mobilních telefonů v Singapuru a Bostonu. Na základě těchto dat jsme vyvinuli novou metodiku měření segregace ve městech. Naše výsledky přispívají k vědě o sítích, teorii grafů, urbánním studiím a geografické informační vědě. Mohli by informovat zainteresované agentury o tom, jak vyhovět různým potřebám cestujících, nebo navrhnout místa, kde lze zvýšit konkurenceschopnost destinace. Navíc výsledky pomáhají pochopit, jak se socioekonomický status, mobilita a interakce navzájem ovlivňují, co může vést k účinnějším městským politikám, které zlepší život ve městech po celém světě.

Abstract:

In this thesis, we develop new and apply existing data science and network analysis methods to study patterns in complex human mobility and interaction networks. By analysing these patterns, we examine existing relations between places or individuals and their dynamics. The thesis is based on the collection of articles I have co-authored. First, we propose new methods for uncovering community structure in networks by maximising a partition quality function called modularity. It is an NP-hard problem, and we develop approximate and exact solution algorithms. We showed that our methods perform competitively with other algorithms in achieving high modularity scores while maintaining a short execution time. Then, we analyse two phenomena: touristic flows and interdependence of human mobility, interactions, and socioeconomic status. Using large datasets of geo-located media, we estimated the touristic flows and attractiveness of different places. We showed the advantages of using different data sources and a multi-layer network approach when applying community detection methods to the international mobility network. We also found different scaling regimes for the touristic attractiveness at the levels of countries, states, and cities. When we analysed the mobility traces of foreign tourists in South Korea, we found a notable heterogeneity of destination attractiveness and visitation patterns. Finally, we proposed using housing prices as a proxy for socioeconomic status while employing call detail records to reconstruct mobile phone users' mobility and communication patterns in Singapore and Boston. We developed a novel methodology for measuring segregation in cities using these data. Our results contribute to network science, graph theory, urban studies, and geographical information science. They could inform interested agencies on how to accommodate the varying needs of travellers or suggest places where destination competitiveness can be enhanced. Moreover, they help understand how socioeconomic status, mobility, and interactions affect each other, which can lead to more effective urban policies that will improve cities around the globe.

Keywords

Network Analysis, Complex Networks, Graph Neural Networks, Community Detection, Optimization, NP-hard problems, Modularity Maximisation, Clique Partitioning Problem, Topological patterns, Human Mobility, Communications, Socioeconomic Status, Segregation, Big Data

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 29. 7. 2022

Obhajoba závěrečné práce

• Obhajoba proběhla 5. 9. 2022
• Vedoucí: DrSc. Stanislav Sobolevsky, Ph.D.
• Oponent: Assoc. Prof. Chaogui Kang, Prof. Renaud Lambiotte

Masarykova univerzita

Přírodovědecká fakulta

Doktorský studijní program / obor:
Matematika a statistika / Pravděpodobnost, statistika a matematické modelování