Aktualności

Przełomowy krok w kierunku ochrony prywatności danych lokalizacyjnych

24-09-2020

Powszechność urządzeń mobilnych wszelkiego rodzaju rodzi nieograniczone możliwości w tworzeniu inteligentnych rozwiązań zwiększających ich skuteczność w wielu dziedzinach. Przykładowo, lokalizacja smartfonów informuje gdzie i kiedy jego użytkownik się znajdował, co pozwala na symulacje scenariuszy rozprzestrzeniania się chorób zakaźnych, tworzenie efektywnych planów kryzysowych lub szybkie przewidywanie tworzących się zatorów drogowych. Te rozwiązania, choć przełomowe, często spotykają się z krytyką związaną z ochroną prywatności danych osobowych. Ochrona prywatności i regulacje prawne uniemożliwiają powszechne stosowanie takich danych w tworzeniu innowacyjnych rozwiązań.

Ochrona prywatności kosztem potencjału danych lub odwrotnie, poświęcanie prywatności ludzi na potrzeby tworzenia nowych rozwiązań wkrótce nie będzie już problemem. Pokazują to naukowcy z Uniwersytetu Przyrodniczego we Wrocławiu we współpracy z University of Auckland w swoim najnowszym artykule opublikowanym w czasopiśmie Computers, Environment and Urban Systems.

Prezentowane rozwiązanie dostarcza danych o lokalizacji ludności o pełnym potencjale, które może być wykorzystany w dowolnej dziedzinie, jednocześnie chroniąc prywatność populacji. Pomysł opiera się na generacji sztucznych trajektorii ruchu, których cechy są zbliżone do danych oryginalnych wykorzystywanych do kalibracji modelu generującego dane. W ten sposób sztuczne trajektorie nie pokrywają się z prawdziwym ruchem populacji, a dostarczają tych samych informacji.

Opracowany model, nazwany WHO-WHERE-WHEN (3W) jest jednocześnie modelem mobilności ludzi, który w trakcie kalibracji tworzy obraz mobilności danego obszaru, dzięki czemu możliwe jest także generowanie hipotetycznych scenariuszy. Ocenić można na przykład wpływ budowy nowego osiedla na przedmieściu dużych ośrodków urbanistycznych na powstawanie zatorów drogowych. W porównaniu do najlepszych rozwiązań w tej dziedzinie, model 3W uzyskał 35% lepszą dokładność w replikacji charakterystyki trajektorii ruchu jednocześnie zwiększając elastyczność rozwiązania i zakres odzwierciedlanych cech mobilności populacji.


Rys. 1. Mapa przedstawiająca porównanie zagęszczenia ludności w wybranym momencie na obszarze stanu Nowy Jork obliczonego z danych generowanych (lewy panel) i prawdziwych (prawy panel). Autorka mapy: Barbara Kasieczka

Konflikt pomiędzy internetem rzeczy i ochroną prywatności jest największą siłą hamującą dalszy rozwój wielu dziedzin. Model 3W ma w przyszłości rozwiązać ten problem tworząc powszechny dostęp do danych lokalizacyjnych. Tym samym otwierając nowy rynek usług opartych na mobilności, w którym możliwość udziału nie będzie ograniczona niedostępnością danych, wyrównując szanse korporacji, średnich i małych firm oraz jednostek naukowych.

Artykuł "Population mobility modelling for mobility data simulation", autorzy: Kamil Smolak, Witold Rohm, Krzysztof Knop i Katarzyna Siła-Nowicka, dostępny jest pod adresem https://doi.org/10.1016/j.compenvurbsys.2020.101526.