Cluster-basiertes Geolocation-Profiling auf Basis von Mobilfunkdaten
Cluster-based geolocation profiling based on mobile phone data
- Die Strafverfolgungsbehörden verwenden zunehmend Mobilfunkdaten, um Tathergänge zu rekonstruieren und daraufhin Tatverdächtige überführen zu können. Die Mobilfunkdaten erhalten die Strafvervolgungsbehörden auf Anfrage und richterlichen Beschluss von den Telekommunikationsanbietern. Die Anfragen sind sowohl zeitlich als auch regional stark eingegrenzt. Trotzdem ist das Datenvolumen erheblich. Auf Grund des Datenvolumens und der Heterogenität der Datenformate zwischen den Mobilfunkanbietern, gestaltet sich die Auswertung der Daten sehr aufwändig. Diese Masterarbeit adressiert die genannten Aspekte mit einer auf die Mobilfunkdaten abgestimmten Datenintegrations- und -analyse-Pipeline. Die Pipeline überführt die Mobilfunkdaten in ein harmonisiertes Datenformat und reichert sie mit einer Annotation zur Bodennutzungsklassifizierung an. Letztere sind für die Datenanalyse relevant. Grundlegend greift die Pipeline auf eine Graphdatenbank zurück, in die die Daten eingefügt werden. Anhand der Anfragesprache Cypher können relevante Daten für diverse Auswertungsfragen selektiert und zur Verfügung gestellt werden. Diese Grundlage ermöglicht eine iterative Vorgehensweise bei der Datenauswertung, so dass aus Ergebnissen einer vorangegangenen Frage, neuen Auswertungszielen schnellstmöglichst begegnet werden kann. Die in der Arbeit gezeigten Auswertungen stehen beispielhaft für das große Spektrum an Auswertungsmöglichkeiten. Insbesondere wurden Personenkreise mit speziellen Bewegungsprofilen anhand der den Funkmasten zugeordneten Landnutzungsklassen ermittelt. Die in der Arbeit verwendeten Daten wurden mit diesem Ansatz um 99% reduziert. Damit können Analyst:innen sich auf die relevanten Aussagen konzentrieren. Zudem konnte eine Korrelation zwischen Mobilität und dem Nutzungsverhalten hergestellt werden. Jedoch zeigt sich auch, dass die hohe Variabilität und Individualität der Personen in einem zeitlich und regional eng begrenzten Datenraum, der Ermittlung von allgemeinen Bewegungsprofilen entgegensteht.
- Law enforcement authorities are increasingly using cell phone data to reconstruct crime scenes and subsequently convict suspects. The law enforcement authorities receive the mobile communications data from the providers on request and with a court order. The requests are strictly limited in terms of both time and region. Nevertheless, the volume of data is extensive. Due to the data volume and the heterogeneity of the data formats between the mobile providers, the analysis of the data is very complex. This master thesis addresses the aforementioned aspects with a data integration and analysis pipeline tailored to the mobile data. The pipeline transforms the mobile data into a harmonized data format and enriches it with an annotation for land use classification. The latter are relevant for data analysis. Primarily, the pipeline uses a graph database into which the data is inserted. Using the query language Cypher, relevant data for various evaluation questions can be selected and made available. This basis allows an iterative approach to data evaluation, so that from results of a previous question, new evaluation goals can be met as quickly as possible. The evaluations shown in the work are exemplary for the large spectrum of evaluation possibilities. In particular, groups of persons with special movement profiles were identified on the basis of the land use classes assigned to the cell towers. The data used in the paper was reduced by 99% using this approach. This allows analysts to focus on the relevant statements. In addition, a correlation between mobility and usage behavior could be established. However, it is also evident that the high variability and individuality of people in a temporally and regionally narrowly limited data space stands in the way of determining general movement profiles.
Author: | Sabrina Kiwitt |
---|---|
Advisor: | Toralf Kirsten, Oliver Tschirner |
Document Type: | Master's Thesis |
Language: | German |
Year of Completion: | 2021 |
Granting Institution: | Hochschule Mittweida |
Release Date: | 2024/03/15 |
GND Keyword: | Mobilfunk; Datenanalyse |
Note: | Printexemplar Präsenzbestand |
Institutes: | Angewandte Computer‐ und Biowissenschaften |
DDC classes: | 621.38456 Mobilfunk |
Open Access: | Innerhalb der Hochschule |
Licence (German): | Urheberrechtlich geschützt |