BIG MOBILE DATA AND NETWORK SCIENCE FOR THE CORONAVIRUS EMERGENCY

Espressione di interesse dell’NPTLab – del Dipartimento di Informatica dell’Università degli Studi di Milano

L’NPTLab è attivo da 10 anni nel tracciamento, modellazione e predizione della mobilità e socialità di popolazioni urbane e nello studio delle reti mobili con progetti, pubblicazioni e collaborazioni universitarie e aziendali italiane e internazionali. Il gruppo che esprime l’interesse per questa call è composto da: Prof. Gian Paolo Rossi, Prof. Maria Luisa Damiani, Prof. Sabrina Gaito, Dott. PhD Matteo Zignani e Dott. PhD Christian Quadri. Il lab ospita inoltre un gruppo molto numeroso di studenti triennali, magistrali e di PhD impegnati nello svolgimento di tesi su temi attinenti alla proposta.

Scopo di questa proposta è di mettere a immediata disposizione della comunità oltre alle conoscenze, competenze e disponibilità delle persone del lab, anche la suite di algoritmi per il tracciamento, la modellazione e la predizione della rete dei contatti epidemiologici di una larga popolazione sviluppata dal laboratorio e già testata su grandi dataset di telefonia mobile e di social networks con geo-tagging.

Contesto

E’ noto che l’unico modo per monitorare, modellare e prevedere un’epidemia è conoscere la rete temporale dei contatti della popolazione ed è anche nota l’impossibilità o quasi di ricostruirla esattamente, mentre vi sono soluzioni che ne forniscono una buona approssimazione.

Si possono suddividere i contatti epidemiologici in due grandi categorie:

  • Contatti sociali. Nella seconda rientrano i contatti epidemiologici dovuto all’incontro ravvicinato di persone con un legame sociale che quindi spendono del tempo insieme quali sono i legami familiari o di amicizia.
  • Contatti di co-locazione. Nella prima rientrano i contatti casuali tra persone che condividono un luogo pur non avendo tra loro relazioni sociali quali assembramenti per eventi, in luoghi pubblici, feste etc.

L’analisi di big data fornisce le informazioni necessarie a tracciare la rete dei contatti epidemiologici, mentre la data e network science e l’AI ne supportano la modellazione e la predizione.

Indubbiamente la fonte di dati più utile è quella dei dati da dispositivo mobile in quanto il telefono è ormai un’estensione del nostro braccio, ottenibili in due modalità:

  • mediante l’uso dei dati già in possesso degli operatori telefonici che includono i legami sociali tracciati dalle comunicazioni telefoniche (chiamate e messaggi) e la posizione geografica, data dalla cella telefonica.
  • mediante lo sviluppo di una app che traccia la posizione tramite GPS e i contatti sociali tramite survey dell’utente o tecnologie di prossimità.

Tali dati possono poi essere integrati con dati di geotagging social network, quali, ad esempio, Foursquare per l’identificazione di contatti di co-locazione.

 

Suite di algoritmi già testata e pubblicata su dati di telefonia mobile.

Il laboratorio, nei 10 anni di attività dedicata agli argomenti oggetto di questa proposta, ha sviluppato competenze, metodi e algoritmi che è in grado di mettere a disposizione dell’emergenza immediatamente. Fra gli algoritmi sviluppati, indichiamo soprattutto quelli che hanno l’obiettivo di monitorare, modellare e prevedere nel tempo i contatti sociali, la mobilità, l’identificazione dei luoghi di interesse delle singole persone, delle coppie di persone e dei loro familiari e amici più stretti (cerchie di Dunbar). Inoltre identifica gruppi di persone che hanno elevata coesione sociale, le loro abitudini di incontro sul territorio e i ruoli che ognuno svolge all’interno di un gruppo (leader e follower).

Gli algoritmi sono stati sviluppati e testati principalmente su un dataset di telefonia mobile di grandi dimensioni grazie a una collaborazione con un operatore telefonico nazionale. Il dataset consiste dei Call Detail Record (CDR) di tutti gli utenti dell’area di Milano per 67 giorni, dal 26 Marzo al 31 Maggio 2013, per un totale di 63 milioni di call e 20 milioni di SMS e di quelli dell’intera Lombardia per 15 giorni, oltre che su dataset pubblici quali quelli del Telecom Contest. Sono stati valutati anche su dati GPS (GeoLife project by Microsoft Research Asia) e su dati di online social networks quali Foursquare. Infine il tracciamento dei contatti è stato studiato tramite device opportunamente progettati e applicazioni mobile.

Di seguito una breve descrizione della suite degli algoritmi:

  1. Costruzione della rete temporale dei contatti della popolazione per il monitoraggio dei contatti epidemici, basato sulla seguente pipeline:

Algoritmo di identificazione della co-locazione di persone

Algoritmo di costruzione del multigrafo della rete sociale della popolazione

Algoritmo di costruzione del multigrafo temporale sociale e di co-locazione delle persone

Algoritmo di costruzione della rete dei contatti

  1. Identificazione, caratterizzazione e previsione degli incontri di piccoli gruppi di persone socialmente coesi e con abitudini di incontro basato sulla seguente pipeline

Algoritmo di identificazione dei gruppi di persone (basato sul multigrafo socio-geospaziale e tecniche di community e group identification su reti complesse)

Algoritmo di identificazione dei luoghi abitudinari e non di incontro del gruppo

Algoritmo di identificazione del ruolo di leader all’interno del gruppo

 

  1. Modellazione della mobilità di singoli individui, previsione dei loro spostamenti e identificazione di percorsi fuori routine

Algoritmo di identificazione della home e work delle persone

Algoritmo di identificazione dei luoghi di interesse rispetto ai luoghi di semplice passaggio delle persone

Algoritmo di identificazione dei luoghi e percorsi abitudinari e di quelli fuori routine delle persone

  1. Identificazione delle cerchie sociali delle persone (cerchie di Dunbar) per ricostruirne la probabilità di contatto

 

Studi epidemiologici in corso (tesi di lauree triennali, magistrali,  PhD e collaborazioni di ricerca)

  • Costruzione della rete temporale dei contatti epidemiologici di Milano e Lombardia da un dataset di telefonia mobile di tutta la Lombardia risalente al 2013
  • Valutazione se zone diverse della Lombardia corrispondono a caratteristiche di mobilità e socialità diverse e il loro impatto sulla epidemia (dati telefonici e di social networks)
  • Valutazione dell’andamento epidemico rispetto a diverse soluzioni di contenimento:
    • contenimento geo-spaziale (centro città rispetto hinterland, area di Bergamo/Brescia rispetto a Milano)
    • semantico grazie a un algoritmo che identifica le funzionalità delle aree urbane da dati di online social network con geo-tagging
    • per stratificazione della popolazione
  • Studio epidemiologico da dati di Foursquare

 

Pubblicazioni relative alle tematiche in oggetto

  1. Zignani, Matteo, Quadri, Christian, Gaito, Sabrina, Rossi, Gian Paolo (2019). Urban groups : behavior and dynamics of social groups in urban space. EPJ DATA SCIENCE, vol. 8, p. 1-21, ISSN: 2193-1127, doi: 10.1140/epjds/s13688- 019-0187-7
  2. Damiani M. L., Quadri C., Hachem F., Gaito S. (2019). Location relevance and diversity in symbolic trajectories with application to telco data. In: SSTD ’19 : Proceedings. p. 41-50, ACM, ISBN: 9781450362801, Wien, 2019, doi: 10.1145/3340964.3340980
  3. Contributo in Atti di convegno Quadri, Christian, Zignani, Matteo, Gaito, Sabrina, Rossi, Gian Paolo (2018). On Non-Routine Places in Urban Human Mobility. In: 2018 IEEE 5th International Conference on Data Science and Advanced Analytics (DSAA). p. 584-593, IEEE, ISBN: 9781538650905, Torino, 2018, doi: 10.1109/DSAA.2018.00075
  4. Quadri, Christian, Zignani, Matteo, Gaito, Sabrina, Rossi, Gian Paolo (2018). Feature-Rich Ego-Network Circles in Mobile Phone Graphs: Tie Multiplexity and the Role of Alters. In: (a cura di): U. Brandes;C. Reddy;A. Tagarelli, 2018 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM). p. 1280-1285, IEEE, ISBN: 9781538660515, Barcelona, 2018, doi: 10.1109/ASONAM.2018.8508560 9 2018
  5. Quadri, Christian, Zignani, Matteo, Gaito, Sabrina, Rossi, Gian Paolo (2018). Gathering behavior of groups of people in a city. In: 2018 IEEE International Conference on Smart Computing (SMARTCOMP). p. 333-338, IEEE, ISBN: 9781538647059, Taormina, 2018, doi: 10.1109/SMARTCOMP.2018.00025 11 2018
  6. Quadri, Christian, Zignani, Matteo, Gaito, Sabrina, Rossi, Gian Paolo (2018). Feature-Rich Ego-Network Circles in Mobile Phone Graphs: Tie Multiplexity and the Role of Alters. In: (a cura di): U. Brandes;C. Reddy;A. Tagarelli, 2018 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM). p. 1280-1285, IEEE, ISBN: 9781538660515, Barcelona, 2018, doi: 10.1109/ASONAM.2018.8508560 9 2018
  7. Zignani, C. Quadri, M. Del Vicario, S. Gaito, G. P. Rossi (2017). Temporal communication motifs in mobile cohesive groups. In: Complex networks & their applications. STUDIES IN COMPUTATIONAL INTELLIGENCE, vol. 689, p. 490-501, New York:Springer, ISBN: 9783319721491, ISSN: 1860-949X, Lyon, 2017, doi: 10.1007/978-3-319-72150-7_40
  8. KERAMAT JAHROMI, KARIM, ZIGNANI, MATTEO, GAITO, SABRINA TIZIANA, ROSSI, GIAN PAOLO (2017). Predicting encounter and colocation events. AD HOC NETWORKS, vol. 62, p. 11-21, ISSN: 1570-8705, doi: 10.1016/j.adhoc.2017.04.004
  9. Keramat Jahromi, M. Zignani, S. Gaito, G.P. Rossi (2016). Simulating human mobility patterns in urban areas. SIMULATION MODELING PRACTICE AND THEORY, vol. 62, p. 137-156, ISSN: 1569-190X, doi: 10.1016/j.simpat.2015.12.002 6 2016
  10. Nika, A. Ismail, B.Y. Zhao, S. Gaito, G.P. Rossi, H. Zheng (2016). Understanding and Predicting Data Hotspots in Cellular Networks. MOBILE NETWORKS AND APPLICATIONS, vol. 21, p. 402-413, ISSN: 1383-469X, doi: 10.1007/s11036-015-0648-6 7 2016
  11. Papandrea, K. Keramat Jahromi, M. Zignani, S. Gaito, S. Giordano, G.P. Rossi (2016). On the properties of human mobility. COMPUTER COMMUNICATIONS, vol. 87, p. 19-36, ISSN: 0140-3664, doi: 10.1016/j.comcom.2016.03.022 8 2014
  12. Quadri, Christian, Zignani, Matteo, Gaito, Sabrina, Rossi, Gian Paolo (2016) Proximity-aware offloading of person-to-person communications in LTE networks. In: Consumer Communications & Networking Conference (CCNC), 2016 13th IEEE Annual. p. 608-613, IEEE, ISBN: 9781467392921, Las Vegas, 2016, doi: 10.1109/CCNC.2016.7444848 23 2016
  13. Quadri, S. Gaito, G.P. Rossi (2016). Big-Data inspired, proximity-aware 4G/5G service supporting urban social interactions. In: Smart Computing (SMARTCOMP), 2016 IEEE International Conference on. p. 1-8, IEEE, ISBN: 9781509008988, Saint Louis, 2016, doi: 10.1109/SMARTCOMP.2016.7501680
  14. Quadri, M. Zignani, S. Gaito, G.P. Rossi (2016). Clique-aware mobile social clouds. In: IFIP Networking Conference (IFIP Networking) and Workshops, 2016. p. 512-517, IEEE, ISBN: 9783901882838, Wien, 2016, doi: 10.1109/IFIPNetworking.2016.7497195
  15. Zignani, C. Quadri, S. Gaito, G.P. Rossi (2015). Calling, texting, and moving : multidimensional interactions of mobile phone users. COMPUTATIONAL SOCIAL NETWORKS, vol. 2, p. 1-24, ISSN: 2197-4314, doi: 10.1186/s40649- 015-0020-9
  16. Quadri, M. Zignani, L. Capra, S. Gaito, G.P. Rossi (2014). Multidimensional human dynamics in mobile phone communications. PLOS ONE, vol. 9, p. 1-12, ISSN: 1932-6203, doi: 10.1371/journal.pone.0103183
  17. Zignani, M. Papandrea, S. Gaito, S. Giordano, G.P. Rossi (2014). On the key features in human mobility : relevance, time and distance. In: 2014 IEEE international conference on pervasive computing and communication workshops, PERCOM WORKSHOPS : Budapest, Hungary, 24-28 march 2014. p. 260-265, Piscataway:Institute of electrical and electronics engineers, ISBN: 9781479927364, Budapest, 2014, doi: 10.1109/PerComW.2014.6815214
  18. Nika, A. Ismail, B.Y. Zhao, S. Gaito, G.P. Rossi, H. Zheng (2014). Understanding data hotspots in cellular networks. In: Heterogeneous Networking for Quality, Reliability, Security and Robustness (QShine), 2014 10th International Conference on. p. 70-76, IEEE, ISBN: 9781631900259, Rodhes, 2014, doi: 10.1109/QSHINE.2014.6928662
  19. Gaito, G. Manta, C. Quadri, G.P. Rossi, M. Zignani (2014). Groo-Me : handling the dynamics of our sociality on mobile phone. In: 7th IFIP wireless and mobile networking conference(WMNC, may 20-22, 2014, Vilamoura, Portugal. p. 1-4, Piscataway:IEEE, ISBN: 9781479930609, Vilamoura, Portugal, 2014, doi: 10.1109/WMNC.2014.6878868 36 2013
  20. Zignani, S. Gaito, G.P. Rossi (2013). Extracting human mobility and social behavior from location-aware traces. WIRELESS COMMUNICATIONS AND MOBILE COMPUTING, vol. 13, p. 313-327, ISSN: 1530-8677, doi: 10.1002/wcm.2209 37 2013
  21. Papandrea, M. Zignani, S. Gaito, S. Giordano, G.P. Rossi (2013). How many places do you visit a day?. In: 2013 IEEE international conference on pervasive computing and communications workshops. p. 218-223, Piscataway:IEEE Computer Society, ISBN: 9781467350754, San Diego, Usa, 2013, doi: 10.1109/PerComW.2013.6529485
  22. Gaito, E. Pagani, G.P. Rossi, M. Zignani (2012). Sensing multi-dimensional human behavior in opportunistic networks. In: MobiOpp ’12 : proceedings. p. 89- 90, New York:ACM, ISBN: 9781450312080, Zurich, 2012, doi: 10.1145/2159576.2159599
  23. Gaito, C. Quadri, G.P. Rossi, M. Zignani (2012). THINPLE – the new online Sociality is built on top of NFC-based contacts. In: IFIP Wireless Days 2012 : 21-23 november 2012, Dublin, Ireland : proceedings. Piscataway:Institute of electrical and electronics engineers, ISBN: 9781467344043, Dublin, 2012, doi: 10.1109/WD.2012.6402817 44 2012
  24. Gaito, G.P. Rossi, M. Zignani (2012). Facencounter : bridging the gap between offline and online social networks. In: SITIS 2012 : The 8th International Conference on signal image technology & Internet based systems : november 25th – november 29th 2012 : Sorrento, Italy : proceedings. p. 768-775, Piscataway:Institute of electrical and electronics engineers, ISBN: 9781467351522, Sorrento, Italia, 2012, doi: 10.1109/SITIS.2012.116
  25. Gaito, E. Pagani, G.P. Rossi (2011). Strangers help friends to communicate in opportunistic networks. COMPUTER NETWORKS, vol. 55, p. 374-385, ISSN: 1389-1286, doi: 10.1016/j.comnet.2010.10.006 14 2010
  26. Zignani, S. Gaito (2010). Extracting human mobility patterns from GPSbased traces. In: 2010 IFIP wireless days : Venice (Italy), october 20-22, 2010. Piscataway:IEEE, ISBN: 9781424492305, Venice, Italy, 2010, doi: 10.1109/WD.2010.5657695
  27. GAITO, SABRINA TIZIANA, PAGANI, ELENA, ROSSI, GIAN PAOLO (2009). Opportunistic forwarding in workplaces. In: WOSN ’09 : Proceedings. p. 55-60, New York:ACM, ISBN: 9781605584454, Barcelona, 2009 58 2009
  28. Gaito, E. Pagani, G.P. Rossi (2009). Fine-grained tracking of human mobility in dense scenarios. In: 2009 6th Annual IEEE Communications Society Conference on Sensor, Mesh and Ad Hoc Communications and Networks workshops, (SECON workshops 2009) : Rome, Italy, 22 – 26 June 2009. p. 40- 42, Piscataway:IEEE Communication Society, ISBN: 9781424439386, Roma, 2009, doi: 10.1109/SAHCNW.2009.5172935