{"id":1150,"date":"2020-05-22T12:24:55","date_gmt":"2020-05-22T15:24:55","guid":{"rendered":"http:\/\/datamining.dc.uba.ar\/predictivos\/?p=1150"},"modified":"2020-05-24T17:47:06","modified_gmt":"2020-05-24T20:47:06","slug":"patrones-de-uso-del-servicio-de-datos-en-una-red-de-telefonia-movil-parte-1","status":"publish","type":"post","link":"https:\/\/datamining.dc.uba.ar\/predictivos\/?p=1150","title":{"rendered":"Patrones de uso del servicio de datos en una red de telefon\u00eda m\u00f3vil-Parte 1"},"content":{"rendered":"

Por Ing. Horacio Gast\u00f3n Arrigo (Especialista en Explotaci\u00f3n de Datos y Descubrimiento del Conocimiento-UBA).<\/strong><\/p>\n

Las empresas de telecomunicaciones que proveen servicio de telefon\u00eda m\u00f3vil, tienen como objetivo proveer un servicio ininterrumpido y de calidad adecuada. El motivo no es solo comercial sino que tambi\u00e9n se deben cumplir con obligaciones contractuales y resoluciones gubernamentales. \u00c9sto motiva que la planificaci\u00f3n, mantenimiento y actualizaci\u00f3n de una red sea un desaf\u00edo con diversos enfoques que excede lo meramente tecnol\u00f3gico. <\/span>\u00a0En otras palabras, la implementaci\u00f3n de nuevas tecnolog\u00edas por s\u00ed sola, no resuelve inconvenientes como: interferencias, condiciones clim\u00e1ticas, acontecimientos sociales que demandan mayor uso de la red y otros eventos que pueden generar diversos tipos de afectaciones en el servicio. Por esto, una adecuada planificaci\u00f3n y conocimiento del comportamiento, es fundamental para tomar acciones proactivas que permitan anticiparse, disminuir o evitar las deficiencias del servicio.\u00a0<\/span><\/p>\n

Los datos obtenidos de la red, pueden combinarse con datos externos que permitan analizar otras problem\u00e1ticas tecnol\u00f3gicas, sociales, ambientales o culturales entre otros. En los \u00faltimos a\u00f1os, grupos interdisciplinarios dedican esfuerzo en el estudio de los datos de las redes m\u00f3viles para obtener informaci\u00f3n que resulta dif\u00edcil de conseguir por medios tradicionales (censos, encuestas, etc.) [4].\u00a0<\/span><\/p>\n

Los resultados presentados son parte de mi trabajo de especialista, el cual puede consultarse completo, con an\u00e1lisis y resultados adicionales, <\/span>aqu\u00ed<\/span><\/a>.\u00a0<\/span><\/p>\n

Red de telefon\u00eda m\u00f3vil<\/b><\/h4>\n

Una red de telefon\u00eda m\u00f3vil o red celular, es una red cuya infraestructura se encuentra distribuida en la ciudad, pueblo o regi\u00f3n geogr\u00e1fica, en la cual se desea proveer servicio. El nombre \u201ccelular\u201d proviene del hecho que la cobertura del servicio se constituye mediante \u201cceldas\u201d o \u201cc\u00e9lulas\u201d, que representan un \u00e1rea geogr\u00e1fica, donde una o m\u00e1s <\/span>radio bases<\/span><\/i> permiten el acceso al servicio. Un diagrama esquem\u00e1tico se muestra en la figura 1.<\/span><\/p>\n

\"\"<\/a>

Figura 1: Diagrama esquem\u00e1tico de una red de celular.<\/p><\/div>\n

Las radio bases se conectan entres s\u00ed y con el sistema central para conformar una red uniforme y transparente al usuario. La actividad de los dispositivos m\u00f3viles es procesada y registrada en primera medida por las radio bases y luego validada por el sistema central.<\/span><\/p>\n

Cada vez que un usuario utiliza su tel\u00e9fono, el sistema le asigna una estaci\u00f3n radio base (RBS) para proveer el servicio. Luego, se crea un registro CDR (Call Detail Records, por sus siglas en Ingl\u00e9s), que registra el tiempo de la interacci\u00f3n y la RBS que lo gestiona.\u00a0<\/span><\/p>\n

Desarrollo\u00a0<\/b><\/h4>\n

Para el trabajo se utiliz\u00f3\u00a0 un subconjunto de los datos provistos por la empresa Telecom Italia para la competencia \u201cBig Data Challenge 2014\u201d [1] [2]. Los datos de la actividad en la red m\u00f3vil se registraron durante una semana (7 d\u00edas), con las interacciones agrupadas cada una hora, para la ciudad de Mil\u00e1n, Italia. En este trabajo, se utilizan \u00fanicamente los datos del servicio de acceso a internet.\u00a0<\/span><\/p>\n

La geolocalizaci\u00f3n se realiza con la grilla de la red celular, compuesta de 1.000 celdas de 235×235 metros cada una y los distritos de la ciudad[3]. Esto se muestra en la figura 2.\u00a0<\/span><\/p>\n

\"\"<\/a>

Figura 2: Ciudad de Mil\u00e1n, grilla de las celdas de la red m\u00f3vil y los distritos de Mil\u00e1n.<\/p><\/div>\n

 <\/p>\n

Mapa de calor y patrones de comportamiento temporal<\/b><\/h4>\n

Como primera aproximaci\u00f3n se crea un mapa de calor en funci\u00f3n del valor medio del periodo completo para cada celda y tambi\u00e9n se agrupan los resultados por distrito. Esto se\u00a0<\/span>muestra en las figuras 3 y 4.<\/span><\/p>\n

\"\"<\/a>

Figura 3: Mapa de calor con valores medios para el servicio de internet. La escala indica el valor medio por hora.
Figura 4: Mapa con valores medios por distrito, para el servicio de internet. La escala indica el valor medio por hora.<\/p><\/div>\n

Se observa que la mayor actividad promedio se registra en el centro de la ciudad y decae hacia los l\u00edmites exteriores. Esto se debe a que la zona c\u00e9ntrica y el casco hist\u00f3rico, poseen mayor actividad comercial y tur\u00edstica, con mayor afluencia de personas hacia los distritos que las componen[4].<\/span><\/p>\n

El uso de los servicios var\u00eda seg\u00fan la zona y el momento del d\u00eda<\/span> [5], por lo que resulta imprescindible hacer un an\u00e1lisis temporal. En la figura 5 se muestra un mapa de calor din\u00e1mico. El tiempo entre im\u00e1genes es expresamente corto para percibir el denominado \u201cpulso\u201d de la ciudad.<\/span><\/p>\n

\"\"<\/a>

Figura 5: Imagen animada con los valores promedios horarios de las celdas. La velocidad de cambio permite percibir el llamado \u201cpulso\u201d de la ciudad.<\/p><\/div>\n

Para la b\u00fasqueda de patrones primero se analizan la evoluci\u00f3n temporal del servicio y la funci\u00f3n de autocorrelaci\u00f3n para series de tiempo. En las figuras 6 y 7, se observa la serie temporal y su autocorrelaci\u00f3n para la celda #5060, ubicada en un punto c\u00e9ntrico de la ciudad.<\/span><\/p>\n

\"\"<\/a>

Figura 6: CDR de internet para la celda #5060.
Figura 7: Autocorrelaci\u00f3n de la se\u00f1al de la figura 5 con un desfasaje m\u00e1ximo de 48hs.<\/p><\/div>\n

De la figura se observa una forma peri\u00f3dica, dominada por un funci\u00f3n del tipo sinusoidal con periodo de 24 horas y relacionada con la din\u00e1mica del comportamiento social (horarios diurnos y nocturnos con mayor y menor actividad respectivamente).\u00a0<\/span><\/p>\n

Se busca entonces un modelo que permita agrupar las celdas en funci\u00f3n de su comportamiento temporal y que ayude a realizar una clasificaci\u00f3n en clases discretas. En este trabajo se realiz\u00f3 la clasificaci\u00f3n de los distritos, agrupando las celdas contenidas en ellos, con el valor promedio. El trabajo es f\u00e1cilmente extrapolable a las celdas individuales.\u00a0<\/span><\/p>\n

Agrupaci\u00f3n <\/b>por serie de tiempo\u00a0<\/b><\/h4>\n

Al no tener un set de entrenamiento, resulta pr\u00e1ctico aplicar el algoritmo no supervisado K-means de agrupamiento (tambi\u00e9n referido ampliamente con el t\u00e9rmino en ingl\u00e9s <\/span>clustering<\/span><\/i>). Para esto, cada muestra horaria se considera como un atributo de la serie (168 atributos: 7 d\u00edas por 24 horas). Esa cantidad de atributos aumenta la probabilidad que se manifieste la \u201cmaldici\u00f3n de la dimensionalidad\u201d, tambi\u00e9n conocida como efecto Hughes (<\/span>El Efecto Hughes o \u201cMaldici\u00f3n de la dimensionalidad\u201d (Hughes 1968), establece que la creciente dimensionalidad disminuye la confiabilidad de las estimaciones de los par\u00e1metros estad\u00edsticos requeridos para calcular las probabilidades).<\/span><\/i><\/p>\n

Se busca el n\u00famero \u00f3ptimo de clusters mediante los m\u00e9todos de Elbow, Silhouette y GAP. Los resultados se muestran en la figura 8.<\/span><\/p>\n

\"\"<\/a>

Figura 8: Resultados de aplicar el m\u00e9todo de Elbow y Silhouette (arriba) y GAP (abajo) para la b\u00fasqueda de cantidad \u00f3ptima de clusters sobre las series de tiempo. Los resultados para GAP fueron obtenidos con un valor de par\u00e1metro de bootstraping de 50 (izquierda) y 500 (derecha).<\/p><\/div>\n

Las gr\u00e1ficas sugieren que el valor \u00f3ptimo de k deber\u00eda estar entre 2 y 9.\u00a0<\/span><\/p>\n

En la figura 9 se comparan los resultados obtenidos en el mapa de calor de promedios de uso (arriba), con los obtenidos en el <\/span>clustering<\/span><\/i> para k igual a 3, 4 y 5 (abajo).\u00a0<\/span><\/p>\n

\"\"<\/a>

Figura 9: (arriba), Valores medios horarios. Escala representada en cuartiles con igual cantidad de ocurrencias. (abajo) Distritos agrupados por serie de tiempo con k=3, 4 y 5.<\/p><\/div>\n

De las figuras vemos que la agrupaci\u00f3n obtenida no est\u00e1 relacionada con el consumo medio. Tambi\u00e9n, que al aumentar k, los grupos se mantienen iguales y las nuevas agrupaciones se desprenden del cluster con mayora cantidad de distritos. Esto podr\u00eda indicar la existencia de agrupaciones inherentes, visibles al realizar una mayor segregaci\u00f3n.<\/span><\/p>\n

En la figura 10 se muestran los perfiles de 4 distritos pertenecientes a distintos clusters (k=4).<\/span><\/p>\n

\"\"<\/a>

Figura 10: Perfiles temporales de 4 distritos pertenecientes a clusters diferentes.<\/p><\/div>\n

Aqu\u00ed concluye la primera parte de esta publicaci\u00f3n. Hasta aqu\u00ed se obtuvo un <\/span>clustering<\/span><\/i> de los distritos, basado en las series de tiempo. La validaci\u00f3n de resultados, resulta dif\u00edcil sin datos externos o alg\u00fan etiquetado. Sin embargo, analizando algunas caracter\u00edsticas de la ciudad, se ve que los resultados encuentran sentido cuando se analiza la ubicaci\u00f3n de puntos tur\u00edsticos, zonas c\u00e9ntricas y residenciales, entre otros.\u00a0<\/span><\/p>\n

En la siguiente y \u00faltima parte, se analiza el agrupamiento con dos m\u00e9todos adicionales. Estos son, agrupamiento por componentes espectrales y agrupamiento por acumulaci\u00f3n de evidencia. Finalmente se obtiene una conclusi\u00f3n de todos los resultados obtenidos.<\/span><\/p>\n

Referencias<\/b><\/h4>\n
    \n
  1. Barlacchi, Gianni, Marco De Nadai, Roberto Larcher, Antonio Casella, Cristiana Chitic, Giovanni Torrisi, Fabrizio Antonelli, Alessandro Vespignani, Alex Pentland, and Bruno Lepri. \u00abA multi-source dataset of urban life in the city of Milan and the Province of Trentino.\u00bb <\/span>Scientific data<\/span><\/i> 2 (2015). <\/span>https:\/\/go.nature.com\/2fcOX5E<\/span><\/a><\/li>\n
  2. kaggle.com\/marcodena\/mobile-phone-activity\/downloads\/mobile-phone-activity.zip\/4, consultado en Julio de 2019.<\/span><\/li>\n
  3. https:\/\/dati.comune.milano.it\/dataset\/e5a0d956-2eff-454d-b0ea-659cb7b55c0b\/resource\/af78bd3f-ea45-403a-8882-91cca05087f0\/download\/nilzone.geojson<\/span><\/a>, consultado en Julio de 2019<\/span><\/li>\n
  4. Naboulsi <\/span><\/a>D., Fiore M., Ribot S., Stanica <\/span>R.<\/span><\/a>, Large-Scale Mobile Traffic Analysis: A Survey. <\/span>IEEE Communications Surveys & Tutorials<\/span><\/a>, Vol. 18, <\/span>Issue\u00a0 1<\/span><\/a>, 124 – 161 (2015).<\/span><\/li>\n
  5. Cs\u00b4aji, B., Browet, A., Traag, V.A., Delvenne, J.-C., Huens, E., Van Dooren, P., Smoreda, Z., Blondel, V.D.: Exploring the mobility of mobile phone users. Physica A: Statistical Mechanics and its Applications 392(6), 1459\u20131473 (2013).<\/span><\/li>\n<\/ol>\n","protected":false},"excerpt":{"rendered":"

    Por Ing. Horacio Gast\u00f3n Arrigo (Especialista en Explotaci\u00f3n de Datos y Descubrimiento del Conocimiento-UBA). Las empresas de telecomunicaciones que proveen servicio de telefon\u00eda m\u00f3vil, tienen como objetivo proveer un servicio ininterrumpido y de calidad adecuada. El motivo no es solo comercial sino que tambi\u00e9n se deben cumplir con obligaciones contractuales y resoluciones gubernamentales. \u00c9sto motiva que la planificaci\u00f3n, mantenimiento y actualizaci\u00f3n de una red sea un desaf\u00edo con diversos enfoques que excede lo meramente tecnol\u00f3gico. <\/p>\n","protected":false},"author":4,"featured_media":1157,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_mi_skip_tracking":false},"categories":[24,22,25],"tags":[21,19,31],"_links":{"self":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1150"}],"collection":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=1150"}],"version-history":[{"count":12,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1150\/revisions"}],"predecessor-version":[{"id":1185,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1150\/revisions\/1185"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/media\/1157"}],"wp:attachment":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1150"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1150"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1150"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}