論文の概要: Uncovering commercial activity in informal cities
- arxiv url: http://arxiv.org/abs/2104.04545v1
- Date: Fri, 9 Apr 2021 18:12:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-13 13:47:23.061197
- Title: Uncovering commercial activity in informal cities
- Title（参考訳）: 非公式都市における商業活動の解明
- Authors: Daniel Straulino, Juan C. Saldarriaga, Jairo A. G\'omez, Juan C.
Duque, Neave O'Clery
- Abstract要約: 街路ビュー画像を用いて「可視企業」と呼ぶものを検出するアルゴリズムを提案する。
コロンビアのメデランをケーススタディとして、このアプローチがこれまで見つからなかった経済活動の解明にどのように使用できるかを説明します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Knowledge of the spatial organisation of economic activity within a city is
key to policy concerns. However, in developing cities with high levels of
informality, this information is often unavailable. Recent progress in machine
learning together with the availability of street imagery offers an affordable
and easily automated solution. Here we propose an algorithm that can detect
what we call 'visible firms' using street view imagery. Using Medell\'in,
Colombia as a case study, we illustrate how this approach can be used to
uncover previously unseen economic activity. Applying spatial analysis to our
dataset we detect a polycentric structure with five distinct clusters located
in both the established centre and peripheral areas. Comparing the density of
visible and registered firms, we find that informal activity concentrates in
poor but densely populated areas. Our findings highlight the large gap between
what is captured in official data and the reality on the ground.
- Abstract（参考訳）: 都市内の経済活動の空間的組織に関する知識は、政策上の懸念の鍵となる。
しかし、高水準の非公式性を持つ発展途上国では、この情報はしばしば利用できない。
機械学習の最近の進歩とストリートイメージの可用性は、安価で簡単に自動化できるソリューションを提供する。
本稿では、ストリートビュー画像を用いて、私たちが「見える企業」と呼ぶものを検出するアルゴリズムを提案する。
コロンビアのメデル・イン(Medell\'in)をケーススタディとして、これまで目に見えない経済活動を明らかにするためにこのアプローチをどのように利用できるかを説明する。
データセットに空間分析を適用することで、確立された中心領域と周辺領域の両方に5つの異なるクラスターを持つ多中心構造を検出する。
可視・登録企業の密度を比較すると、非公式な活動は貧しいが人口密度の高い地域に集中していることが分かる。
我々の発見は、公式データと地上の現実との間の大きなギャップを浮き彫りにしている。
関連論文リスト
- Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。
私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
論文 参考訳（メタデータ） (2024-07-22T12:32:09Z) - Granularity at Scale: Estimating Neighborhood Socioeconomic Indicators
from High-Resolution Orthographic Imagery and Hybrid Learning [1.8369448205408005]
オーバーヘッド画像は、コミュニティ情報が不足しているギャップを埋めるのに役立つ。
機械学習とコンピュータビジョンの最近の進歩により、画像データのパターンから素早く特徴を抽出し、検出することが可能になった。
本研究では, 人口密度, 中央値世帯所得, 教育達成率の2つのアプローチ, 教師付き畳み込みニューラルネットワークと半教師付きクラスタリングについて検討する。
論文 参考訳（メタデータ） (2023-09-28T19:30:26Z) - There is a Time and Place for Reasoning Beyond the Image [63.96498435923328]
画像は人間の目へのピクセルだけでなく、他のソースからのコンテキスト情報から推論、関連付け、推論して、推論することで、より完全な画像を確立することができる。
我々は、ニューヨーク・タイムズ(NYT)から自動的に抽出された16k画像と関連するニュース、時間、位置のデータセットTARAと、WITから離れた監視対象として追加で61k例を紹介した。
我々は、最先端のジョイントモデルと人間のパフォーマンスの間に70%のギャップがあることを示し、これは、セグメントワイズ推論を用いて高レベルな視覚言語ジョイントモデルを動機づける提案モデルによってわずかに満たされている。
論文 参考訳（メタデータ） (2022-03-01T21:52:08Z) - GANmapper: geographical content filling [0.0]
本稿では,GAN(Generative Adversarial Network)を用いた空間データ生成手法を提案する。
当社のコントリビューションでは、粗大で広く利用可能な地理空間データを使用して、構築された環境のより細かいスケールで、あまり利用できない機能のマップを作成しています。
我々は、土地利用データと道路ネットワークを入力として、建物のフットプリントを生成し、世界中の9都市で実験を行う。
論文 参考訳（メタデータ） (2021-08-07T05:50:54Z) - Learning Neighborhood Representation from Multi-Modal Multi-Graph:
Image, Text, Mobility Graph and Beyond [20.014906526266795]
本稿では,マルチモーダルジオタグ入力をノードまたはエッジの特徴として統合する新しい手法を提案する。
具体的には、ストリートビュー画像とpoi特徴を用いて、近傍(ノード)を特徴付け、人間移動を用いて近隣(方向エッジ)間の関係を特徴付ける。
トレーニングした埋め込みは、ユニモーダルデータのみを地域入力として使用するものよりも優れています。
論文 参考訳（メタデータ） (2021-05-06T07:44:05Z) - Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。
我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。
フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文 参考訳（メタデータ） (2021-04-30T12:47:52Z) - Deep-learning coupled with novel classification method to classify the
urban environment of the developing world [4.819654695540227]
本稿では,機械解析に容易に利用できる新しい分類法を提案し,開発途上国における方法論の適用性を示す。
周辺を考慮に入れた非公式・形式的な空間の観点から都市部を分類する。
このモデルは75%の精度と60%のMean IoUでセグメント化できる。
論文 参考訳（メタデータ） (2020-11-25T16:08:07Z) - 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) - Placepedia: Comprehensive Place Understanding with Multi-Faceted
Annotations [79.80036503792985]
Placepediaは、240万のユニークな場所から3500万枚以上の写真を集めた大規模な場所データセットです。
写真に加えて、各場所にはGDP、人口など、膨大な多面的な情報も付属している。
このデータセットは大量のデータと豊富なアノテーションを持ち、様々な研究を行うことができる。
論文 参考訳（メタデータ） (2020-07-07T20:17:01Z) - Predicting Livelihood Indicators from Community-Generated Street-Level
Imagery [70.5081240396352]
本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。
全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
論文 参考訳（メタデータ） (2020-06-15T18:12:12Z)
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。