A hybrid analysis of LBSN data to early detect anomalies in crowd dynamics

要約

間違いなく、位置ベースのソーシャル ネットワーク (LBSN) は、都市部全体の群衆の動態のパターンを取得するために以前に使用した地理位置データの興味深いソースを提供します。
以前の結果によると、LBSN の活動は都市の実際の活動を反映しています。
したがって、ソーシャルメディア活動における予期せぬ行動は、都市における活動の予期せぬ変化の信頼できる証拠となります。
このペーパーでは、LBSN から収集したデータに対して、エントロピー分析とクラスタリング技術の使用という 2 つのアプローチの組み合わせを適用することに基づいて、これらの変化を早期に検出するハイブリッド ソリューションを紹介します。
特に、私たちはニューヨーク市で 7 か月間 Instagram から収集したデータセットに対して実験を実施し、有望な結果を得ました。

要約(オリジナル)

Undoubtedly, Location-based Social Networks (LBSNs) provide an interesting source of geo-located data that we have previously used to obtain patterns of the dynamics of crowds throughout urban areas. According to our previous results, activity in LBSNs reflects the real activity in the city. Therefore, unexpected behaviors in the social media activity are a trustful evidence of unexpected changes of the activity in the city. In this paper we introduce a hybrid solution to early detect these changes based on applying a combination of two approaches, the use of entropy analysis and clustering techniques, on the data gathered from LBSNs. In particular, we have performed our experiments over a data set collected from Instagram for seven months in New York City, obtaining promising results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google