Comprendre la tendance exploratoire de la mobilité humaine

Understanding individuals' proclivity for novelty-seeking in human mobility

• Auteur / Autrice : Licia Amichi
• Direction : Aline Carneiro Viana
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 23/11/2021
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France). Unité de recherche (Saclay, Ile-de-France) - Inria Saclay - Ile de France
• Partenaire(s) de recherche : établissement opérateur d'inscription : École polytechnique (Palaiseau, Essonne ; 1795-....)
• Jury : Président / Présidente : Isabelle Guérin-Lassous
• Jury : Examinateurs / Examinatrices : Aline Carneiro Viana, Martin Tomko, Nathalie Mitton, Luca Pappalardo
• Jury : Rapporteur / Rapporteuse : Martin Tomko, Nathalie Mitton

Mots clés

Mots clés contrôlés

Théorie de la prévision

Apprentissage automatique

Information, Théorie de l'

Informatique omniprésente

Informatique mobile

Mots clés libres

Mobilité individuelle

Exploration

Profilage

Prédiction

Individual Mobility

Exploration

Profiling

Prediction

Résumé

Comprendre et prédire comment les humains se déplacent dans l'espace et le temps est d'une importance fondamentale pour de nombreux domaines scientifiques tels que la propagation des épidémies (par exemple, la pandémie du COVID-19), les réseaux mobiles, l'urbanisme (par exemple, le contrôle anticipé de la température d'une maison pour la gestion de la consommation énergietique), ou le covoiturage. Or, appréhender la mobilité humaine est intrinsèquement complexe. D'une part, les mouvements humains sont limités par l’obligation de présence physique sur les lieux de travail, les gymnases ou les universités en plus de la participation à des activités routinières et sociales. D'autre part, la grande variété de lieux de loisirs et la disponibilité de moyens de transport modernes permettent aux individus d’interrompre leurs routines pour découvrir de nouveaux lieux. Comprendre la mobilité humaine est un défi de longue date qui remonte au 19 e siècle. Jusqu'au 20 e siècle, les chercheurs se sont concentrés uniquement sur les flux collectifs et migratoires au vu de la qualité des données exploitées (données de recensement ou d'enquêtes). Mais récemment, avec l'omniprésence des appareils mobiles, de la connectivité Internet et des systèmes de positionnement (par exemple, le système GPS), il est devenu possible de capturer les allées et venues quotidiennes des individus à des échelles spatiales et temporelles très fines. Cela offre la possibilité d'observer et d'étudier la mobilité humaine au niveau individuel avec un niveau de détail sans précédent. En particulier, la disponibilité croissante de ces données a conduit à un développement continu dans le domaine de la recherche sur la mobilité. Néanmoins, la littérature scientifique sur la prédiction de la mobilité humaine ignore les tendances des individus à rechercher la nouveauté, c'est-à-dire à explorer et à découvrir de nouveaux endroits. Les prédicteurs conventionnels reposant sur des données géographiques personnelles fonctionnent mal lorsqu'il s'agit de découvrir de nouvelles régions. La raison est expliquée par la prédiction reposant uniquement sur des emplacements précédemment visités/vus (ou connus). Comme effet secondaire, des emplacements qui n'ont jamais été visités auparavant (ou des explorations) par un utilisateur perturbent la prédiction d'un emplacement connu. Négliger à première vue les activités de recherche de nouveauté apparaît sans conséquence sur la capacité à comprendre et à prévoir les trajectoires des individus. Dans ce manuscrit, nous affirmons et montrons le contraire : les visites de type exploration impactent fortement la compréhension et l'anticipation de la mobilité.Cette thèse porte sur les visites exploratoires en mobilité humaine. Elle cherche d'abord à dévoiler les préférences exploratoires de la population. Ensuite, elle évalue les impacts des visites de type exploration sur les étendues de prévisibilité théorique et pratique. Enfin, elle propose un prédicteur de mobilité qui intègre la notion d'exploration.À travers le manuscrit, nous révélons l'existence de trois profils de mobilité distincts en ce qui concerne l'activité d'exploration - Scouters (c'est-à-dire les explorateurs extrêmes qui sont plus enclins à découvrir de nouveaux endroits), Routiners (c'est-à-dire les routiniers extrêmes qui limitent leur mobilité à quelques endroits), et Regulars (c'est-à-dire sans comportement extrême). En outre, nous montrons que le facteur de recherche de nouveauté est un élément essentiel à considérer et ne doit pas être négligé lors de la conception de prédicteurs, en particulier pour des catégories spécifiques d’individus présentant des activités d'exploration élevées. De plus, en intégrant la notion d'exploration dans la prédiction, nous démontrons des améliorations considérables de la précision de la prédiction grâce à la prévision fructueuse des zones à gros grains utilisées pour les activités d'exploration.

Understanding and predicting how humans move within space and time is of fundamental importance for many scientific domains, such as epidemic propagation (e.g., the COVID-19 pandemics), mobile networks, urban planning (e.g., anticipatory temperature control of a home for energy consumption management), or ride-sharing. Yet, apprehending human mobility is intrinsically complex. On the one hand, human movements are constrained by physical presence in workplaces, gyms, or universities, in addition to the involvement in routine and social activities. On the other hand, the large variety of leisure places and the availability of modern means of transportation allow people to break their routinary patterns to discover new places. Understanding human mobility is a longstanding challenge that goes back to the 19th century. Up to the 20th century, scholars focused only on group and migration flows in view of the quality of the leveraged data (Census data or surveys). But recently, with the ubiquity of mobile devices, Internet connectivity, and positioning systems (e.g., GPS system), capturing individuals' daily whereabouts at very fine spatial and temporal scales has become possible. This offers the opportunity to observe and study human mobility at the individual level with an unprecedented level of detail. In particular, the increasing availability of such data has led to ongoing development in the field of mobility research. Nevertheless, the scientific literature on human mobility prediction is oblivious to individuals' tendencies for novelty-seeking, i.e., exploring and discovering new places. Conventional predictors relying on personal geographical data perform poorly when it comes to discoveries of new regions. The reason is explained by the prediction relying only on previously visited/seen (or known) locations. As a side effect, places that were never visited before (or explorations) by a user cause disturbance to known location's prediction. Neglecting novelty-seeking activities at first glance appears to be inconsequential on the ability to understand and predict individuals' trajectories. In this manuscript, we claim and show the opposite: exploration-like visits strongly impact mobility understanding and anticipation.This thesis focuses on exploratory visits in human mobility. It first seeks to unveil the exploratory preferences of the population. Afterward, it evaluates the impacts of exploration-like visits on the theoretical and practical predictability extents. Finally, it proposes an exploration-aware mobility prediction framework that integrates the notion of exploration.Throughout this manuscript, we reveal the existence of three distinct mobility profiles with regard to the exploration activity - Scouters (i.e., extreme explorers who are keener to discover new places), Routiners (i.e., extreme returners who limit their mobility to a few locations), and Regulars (i.e., without extreme behavior). Besides, we show that the novelty-seeking factor is an essential element to consider and should not be overlooked when designing predictors, particularly for specific categories exhibiting high exploration activities. Furthermore, by integrating the notion of exploration in prediction, we demonstrate substantial improvements in prediction accuracy by dint of fruitfully forecasting coarse-grained zones used for exploration activities.