論文の概要: Predicting cell phone adoption metrics using satellite imagery
- arxiv url: http://arxiv.org/abs/2006.07311v5
- Date: Tue, 8 Jun 2021 20:52:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-15 22:14:18.197797
- Title: Predicting cell phone adoption metrics using satellite imagery
- Title(参考訳): 衛星画像を用いた携帯電話利用の予測
- Authors: Edward J. Oughton and Jatin Mathur
- Abstract要約: 世界の人口の約半数はインターネットにアクセスできないが、デジタル接続は経済発展の機会に革命をもたらすことによって貧困を減らすことができる。
モバイルネットワーク事業者と政府は、特に需要が不明なグリーンフィールド地域で、インフラ投資が有効かどうかを効果的に判断するのに苦労している。
本稿では,携帯電話の普及やモバイルサービスへの支出など通信需要の指標を予測するために,公開衛星画像を用いた機械学習手法を提案し,その手法をマラウイとエチオピアに適用する。
- 参考スコア(独自算出の注目度): 1.2691047660244335
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Approximately half of the global population does not have access to the
internet, even though digital connectivity can reduce poverty by
revolutionizing economic development opportunities. Due to a lack of data,
Mobile Network Operators and governments struggle to effectively determine if
infrastructure investments are viable, especially in greenfield areas where
demand is unknown. This leads to a lack of investment in network
infrastructure, resulting in a phenomenon commonly referred to as the `digital
divide`. In this paper we present a machine learning method that uses publicly
available satellite imagery to predict telecoms demand metrics, including cell
phone adoption and spending on mobile services, and apply the method to Malawi
and Ethiopia. Our predictive machine learning approach consistently outperforms
baseline models which use population density or nightlight luminosity, with an
improvement in data variance prediction of at least 40%. The method is a
starting point for developing more sophisticated predictive models of
infrastructure demand using machine learning and publicly available satellite
imagery. The evidence produced can help to better inform infrastructure
investment and policy decisions.
- Abstract(参考訳): 世界の人口の約半数はインターネットにアクセスできないが、デジタル接続は経済発展の機会に革命を起こすことで貧困を減らすことができる。
データ不足のため、Mobile Network Operatorsと政府は、特に需要が不明なグリーンフィールド地域で、インフラ投資が有効かどうかを効果的に判断するのに苦労している。
これにより、ネットワークインフラストラクチャへの投資が不足し、一般的には‘デジタル分割’と呼ばれる現象が発生する。
本稿では,携帯電話の普及やモバイルサービスへの支出などの通信需要指標を予測するために,公開衛星画像を用いた機械学習手法を提案し,その手法をマラウイとエチオピアに適用する。
我々の予測機械学習アプローチは、人口密度または夜間光度を使用するベースラインモデルより一貫して優れており、データの分散予測は少なくとも40%向上している。
この方法は、機械学習と公開衛星画像を用いて、インフラ需要のより洗練された予測モデルを開発するための出発点である。
得られた証拠は、インフラ投資と政策決定をよりよく知らせる助けになる。
関連論文リスト
- DRL-based Dolph-Tschebyscheff Beamforming in Downlink Transmission for Mobile Users [52.9870460238443]
学習可能なDolph-Tschebyscheffアンテナアレイを用いた深部強化学習に基づくブラインドビームフォーミング手法を提案する。
シミュレーションの結果,提案手法は最良値に非常に近いデータレートをサポートできることが示唆された。
論文 参考訳(メタデータ) (2025-02-03T11:50:43Z) - Smooth Handovers via Smoothed Online Learning [48.953313950521746]
まず、欧州の商用モバイルネットワークオペレータ(MNO)から4000万人以上のユーザを対象に、HOに対する重要な特徴とパフォーマンスへの影響を理解し、明らかにするために、広範なデータセットを分析した。
本研究は, HO故障/遅延と無線セルとエンドユーザーデバイスの特徴の相関関係を明らかにする。
本稿では,HO最適化にデバイスとセルの機能を組み込むことで,既存のアプローチを拡張したスムーズで高精度なHOのための現実的なシステムモデルを提案する。
論文 参考訳(メタデータ) (2025-01-14T13:16:33Z) - Predicting Internet Connectivity in Schools: A Feasibility Study Leveraging Multi-modal Data and Location Encoders in Low-Resource Settings [1.7111728540102638]
EOとMLを用いた学校インターネット接続予測に関する研究について述べる。
EOおよび地上データを用いたMLは, 精度, F1スコア, 偽陽性率において, 両国で最高の成績を示した。
我々の研究は、低リソース環境でのデータ駆動型デジタルインフラ開発を支援する実践的なアプローチを示します。
論文 参考訳(メタデータ) (2024-12-13T20:20:29Z) - Interpreting wealth distribution via poverty map inference using
multimodal data [0.0]
本稿では,複数の人口にまたがる富の平均および標準偏差を推論する機械学習モデルのパイプラインを提案する。
これらのモデルは、衛星画像と、オンラインのクラウドソーシングとソーシャルメディアを通じて収集されたメタデータに基づいて、7つの独立した、自由に利用可能な機能ソースを利用する。
その結果, 富の局所的平均と変動が回復し, 正の非単調な相関関係を正しく捉えた。
論文 参考訳(メタデータ) (2023-02-17T11:35:44Z) - Using Satellite Imagery and Machine Learning to Estimate the Livelihood
Impact of Electricity Access [4.006950662054732]
世界の多くの地域では、主要な経済成果に関する疎結合なデータが公共政策の発展、ターゲティング、評価を阻害している。
衛星画像と機械学習の進歩は、これらのデータと推論の課題を改善するのにどのように役立つかを実証する。
本稿では,衛星画像とコンピュータビジョンを組み合わせることで,生活環境への電気アクセスの因果的影響を推定し,地域レベルの生活環境計測を行う方法について述べる。
論文 参考訳(メタデータ) (2021-09-07T06:14:08Z) - On Telecommunication Service Imbalance and Infrastructure Resource
Deployment [95.80185574417428]
本稿では,通信サービス不均衡,通信インフラ,人口分布の関係を定量的に関連付けることを目的とした,細粒度で計算が容易な不均衡指数を提案する。
また,この指標に基づいて,任意の地理的セグメントの平均不均衡指数を最小化することにより,インフラ資源の展開戦略を提案する。
論文 参考訳(メタデータ) (2021-04-08T17:45:32Z) - Object Recognition for Economic Development from Daytime Satellite
Imagery [0.1779398251245519]
本稿では,高解像度衛星画像からインフラ特徴を抽出する新しい手法を提案する。
我々は、アフリカの21か国にまたがる1kmの格子セル500万kmの高解像度衛星画像を収集した。
論文 参考訳(メタデータ) (2020-09-11T14:07:12Z) - Utilizing Satellite Imagery Datasets and Machine Learning Data Models to
Evaluate Infrastructure Change in Undeveloped Regions [0.0]
本研究の目的は、鉄道などの大規模インフラプロジェクトを対象とした自動監視により、建設の方向性を定義し予測するための信頼性の高い指標を決定することである。
利用可能な衛星データを用いて3Dメッシュとデジタル表面モデル(DSM)を作成することにより、輸送経路を効果的に予測できることを期待する。
論文 参考訳(メタデータ) (2020-09-01T02:11:14Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳(メタデータ) (2020-08-29T15:14:03Z) - Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G
Networks [84.2155885234293]
まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。
このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
論文 参考訳(メタデータ) (2020-02-22T14:38:11Z) - Generating Interpretable Poverty Maps using Object Detection in
Satellite Images [80.35540308137043]
衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。
対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
論文 参考訳(メタデータ) (2020-02-05T02:50:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。