論文の概要: Examining Data Imbalance in Crowdsourced Reports for Improving Flash Flood Situational Awareness

• arxiv url: http://arxiv.org/abs/2207.05797v1
• Date: Tue, 12 Jul 2022 19:26:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 09:50:24.882372
• Title: Examining Data Imbalance in Crowdsourced Reports for Improving Flash Flood Situational Awareness
• Title（参考訳）: フラッシュフラッド状況意識向上のためのクラウドソーシングレポートにおけるデータ不均衡の検討
• Authors: Miguel Esparza, Hamed Farahmand, Samuel Brody, Ali Mostafavi
• Abstract要約: 我々は,2019年の熱帯低気圧イメルダと2021年のハリケーン・アイダの余波から収集された3-1-1,Wazeの報告,FEMAの被害データを解析した。 2つの地理的アグリゲーションを見ると、より大きな空間アグリゲーション、国勢調査トラクションが結果に不均衡を示さないことがわかった。 3-1とWazeの報告では、少数民族が居住する地域ではデータ不均衡の制限があることがわかった。
• 参考スコア（独自算出の注目度）: 0.965964228590342
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The use of crowdsourced data has been finding practical use for enhancing situational awareness during disasters. While recent studies have shown promising results regarding the potential of crowdsourced data for flood mapping, little attention has been paid to data imbalances issues that could introduce biases. We examine biases present in crowdsourced reports to identify data imbalances with a goal of improving disaster situational awareness. Sample bias, spatial bias, and demographic bias are examined as we analyzed reported flooding from 3-1-1, Waze reports, and FEMA damage data collected in the aftermaths of Tropical Storm Imelda in 2019 and Hurricane Ida in 2021. Integrating other flooding related topics from 3-1-1 reports into the Global Moran's I and Local Indicator of Spatial Association (LISA) test revealed more communities that were impacted by floods. To examine spatial bias, we perform the LISA and BI-LISA tests on the three datasets at the census tract and census block group level. By looking at two geographical aggregations, we found that the larger spatial aggregations, census tracts, show less data imbalance in the results. Finally, one-way analysis of Variance (ANOVA) test performed on the clusters generated from the BI-LISA shows that data imbalance exists in areas where minority populations reside. Through a regression analysis, we found that 3-1-1 and Waze reports have data imbalance limitations in areas where minority populations reside. The findings of this study advance understanding of data imbalances and biases in crowdsourced datasets that are growingly used for disaster situational awareness.
• Abstract（参考訳）: クラウドソースデータの利用は,災害時の状況把握の促進に活用されている。 最近の研究では、洪水マッピングのためのクラウドソースデータの可能性に関する有望な結果が示されているが、バイアスをもたらすデータ不均衡問題にはほとんど注意が払われていない。 クラウドソースレポートに現れるバイアスを調査し,災害状況認識の改善を目的としたデータ不均衡を特定する。 2019年の熱帯嵐イメルダと2021年のハリケーン・アイダの余波で収集された3-1-1の洪水とFEMAの被害データを分析した結果、サンプルバイアス、空間バイアス、人口統計バイアスについて検討した。 グローバルモランのI and Local Indicator of Space Association (LISA) の3-1の報告から他の洪水関連トピックを統合すると、洪水によって影響を受ける多くのコミュニティが明らかになった。 空間バイアスを調べるために, 国勢調査区域および国勢調査ブロック群レベルでの3つのデータセットについてlisaおよびbi-lisaテストを行った。 2つの地理的アグリゲーションを見ると、より大きな空間アグリゲーション、国勢調査トラクションが結果に不均衡を示さないことがわかった。 最後に、BI-LISAから生成されたクラスター上で行われたANOVA試験の一方向分析により、少数民族が居住する地域ではデータの不均衡が存在することが示された。 回帰分析により,少数民族が居住する地域では,3-1とWazeの報告はデータ不均衡の限界があることがわかった。 本研究の成果は,災害状況認識に広く利用されているクラウドソーシングデータセットにおけるデータ不均衡とバイアスの理解を深めるものである。

関連論文リスト

• BiasBuster: a Neural Approach for Accurate Estimation of Population Statistics using Biased Location Data [6.077198822448429]
  統計的偏りは有用である場合もあるが,精度が向上しない場合が多い。 次に、人口統計と位置特性の相関を利用して、人口統計の正確な推定を行うニューラルネットワーク手法であるBiasBusterを提案する。
  論文  参考訳（メタデータ） (2024-02-17T16:16:24Z)
• A Bayesian Spatial Model to Correct Under-Reporting in Urban Crowdsourcing [1.850972250657274]
  意思決定者は、しばしば報告プロセスを通じてイベントの発生を観察する。 イベントが空間的に相関しているという事実を活用することで、この課題を克服する方法を示す。
  論文  参考訳（メタデータ） (2023-12-18T23:40:56Z)
• Tackling Diverse Minorities in Imbalanced Classification [80.78227787608714]
  不均衡データセットは、様々な現実世界のアプリケーションで一般的に見られ、分類器の訓練において重要な課題が提示されている。 マイノリティクラスとマイノリティクラスの両方のデータサンプルを混合することにより、反復的に合成サンプルを生成することを提案する。 提案するフレームワークの有効性を,7つの公開ベンチマークデータセットを用いて広範な実験により実証する。
  論文  参考訳（メタデータ） (2023-08-28T18:48:34Z)
• Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
  航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。 本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。 シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
  論文  参考訳（メタデータ） (2023-05-17T09:37:07Z)
• Imputation of Missing Streamflow Data at Multiple Gauging Stations in Benin Republic [1.9173188470245428]
  本研究は,GEOGloWS ECMWFストリームフローサービス予測のバイアス補正により,ストリームフロー時系列データを再構成する。 テスト期間中に,GESS予測に有意な偏りがあり,ベニナ10駅での予測能力の低下が示唆された。 本研究の成果は,グローバルなGESSストリームフローデータを早期警戒型意思決定システムに統合するための基盤となる。
  論文  参考訳（メタデータ） (2022-11-17T22:44:13Z)
• D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling Algorithmic Bias [57.87117733071416]
  D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。 ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。 それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
  論文  参考訳（メタデータ） (2022-08-10T03:41:48Z)
• Predicting Seriousness of Injury in a Traffic Accident: A New Imbalanced Dataset and Benchmark [62.997667081978825]
  本稿では,交通事故における傷害の重大性を予測するために,機械学習アルゴリズムの性能を評価する新しいデータセットを提案する。 データセットは、英国運輸省から公開されているデータセットを集約することで作成される。
  論文  参考訳（メタデータ） (2022-05-20T21:15:26Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)
• Equitable Community Resilience: The Case of Winter Storm Uri in Texas [0.0]
  本研究では,テキサス州のウィンター・ストーム・ウリの余波におけるコミュニティのレジリエンスに関連する株式の側面について検討した。 衛星画像は、ヒューストン市の国勢調査領域に焦点を当てた、より高度な地理的解像度でデータを調べるために使用された。 その結果,非ヒスパニック系白人の郡の割合と世帯収入中央値との間には,機能停止率と統計的に有意な相関が認められた。
  論文  参考訳（メタデータ） (2022-01-17T22:54:07Z)
• Leveraging Administrative Data for Bias Audits: Assessing Disparate Coverage with Mobility Data for COVID-19 Policy [61.60099467888073]
  管理データのリンクによって,バイアスに対するモビリティデータの監査が可能かを示す。 我々は、高齢者や非白人の有権者が移動データによって捕えられる可能性が低いことを示した。 このような移動データに基づく公衆衛生資源の配分は、高リスク高齢者や少数民族に不当に害を与える可能性があることを示す。
  論文  参考訳（メタデータ） (2020-11-14T02:04:14Z)

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。