論文の概要: Tracking electricity losses and their perceived causes using nighttime
light and social media
- arxiv url: http://arxiv.org/abs/2310.12346v1
- Date: Wed, 18 Oct 2023 21:44:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-20 17:48:17.230708
- Title: Tracking electricity losses and their perceived causes using nighttime
light and social media
- Title(参考訳): 夜間光とソーシャルメディアを用いた電気損失の追跡とその認識要因
- Authors: Samuel W Kerber, Nicholas A Duncan, Guillaume F LHer, Morgan Bazilian,
Chris Elvidge, Mark R Deinert
- Abstract要約: この研究は、衛星画像、ソーシャルメディア、情報抽出がブラックアウトとその認識された原因をいかに監視できるかを示す。
夜間光データ(2019年3月、ベネズエラのカラカスで)は、ブラックアウト地域を示すために使用される。
Twitterのデータは感情やトピックの傾向を決定するのに使われ、統計分析とトピックモデリングはブラックアウトの原因に関する一般の認識を掘り下げた。
- 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: Urban environments are intricate systems where the breakdown of critical
infrastructure can impact both the economic and social well-being of
communities. Electricity systems hold particular significance, as they are
essential for other infrastructure, and disruptions can trigger widespread
consequences. Typically, assessing electricity availability requires
ground-level data, a challenge in conflict zones and regions with limited
access. This study shows how satellite imagery, social media, and information
extraction can monitor blackouts and their perceived causes. Night-time light
data (in March 2019 for Caracas, Venezuela) is used to indicate blackout
regions. Twitter data is used to determine sentiment and topic trends, while
statistical analysis and topic modeling delved into public perceptions
regarding blackout causes. The findings show an inverse relationship between
nighttime light intensity. Tweets mentioning the Venezuelan President displayed
heightened negativity and a greater prevalence of blame-related terms,
suggesting a perception of government accountability for the outages.
- Abstract(参考訳): 都市環境は、重要なインフラの崩壊が経済と社会の健全性の両方に影響を与える複雑なシステムである。
電気システムは、他のインフラにとって不可欠であり、破壊は広範な結果を引き起こす可能性があるため、特に重要である。
典型的には、電力の可用性を評価するには地上レベルのデータが必要である。
本研究は,衛星画像,ソーシャルメディア,情報抽出が,ブラックアウトとその知覚原因を監視できることを示す。
夜間光データ(2019年3月、ベネズエラのカラカス)は停電地域を示すために使用される。
Twitterのデータは感情やトピックの傾向を決定するのに使われ、統計分析とトピックモデリングはブラックアウトの原因に関する一般の認識を掘り下げた。
その結果,夜間光強度の逆相関が認められた。
ベネズエラ大統領に関するツイートは、ネガティリティの高まりと非難関連用語の増加を示し、停電に対する政府の説明責任の認識を示唆した。
関連論文リスト
- Multimodal Power Outage Prediction for Rapid Disaster Response and Resource Allocation [42.97753005297686]
最も影響を受けやすい 過小評価のコミュニティが インフラの整備を受けています
本稿では,夜間照明(LNT)の重症度,停電,大ハリケーン前後の位置を予測するための新しい視覚的時間的枠組みを提案する。
我々の研究は、将来の太陽光発電(PV)の展開など、エネルギーインフラの強化を緊急に必要とする場合、未表示領域に認識をもたらします。
論文 参考訳(メタデータ) (2024-09-14T21:35:29Z) - Differentially Private Data Release on Graphs: Inefficiencies and Unfairness [48.96399034594329]
本稿では,ネットワーク情報公開の文脈における偏見と不公平性に対する差別的プライバシの影響を特徴づける。
ネットワーク構造が全員に知られているネットワークリリースの問題を考えるが、エッジの重みをプライベートにリリースする必要がある。
我々の研究は、これらのネットワーク化された決定問題におけるプライバシーに起因する偏見と不公平性に関する理論的根拠と実証的な証拠を提供する。
論文 参考訳(メタデータ) (2024-08-08T08:37:37Z) - Correlating Power Outage Spread with Infrastructure Interdependencies During Hurricanes [5.2878398959711985]
本研究では, 臨界インフラのネットワークと停電伝播の関係を解析し, ハリケーン時の停電の広がりについて検討した。
分析の結果,いくつかのステップでアクセス可能な重要なインフラストラクチャコンポーネントの量との間には,一貫した正の相関関係が明らかとなった。
この知見は、重要なインフラ要素間の相互接続性を理解することが、極端な気象事象によって間接的に影響を受ける領域を特定する上で重要であることを示唆している。
論文 参考訳(メタデータ) (2024-07-13T18:05:07Z) - CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster
Tweet Classification [51.58605842457186]
半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。
私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
論文 参考訳(メタデータ) (2023-10-23T07:01:09Z) - Investigating disaster response through social media data and the
Susceptible-Infected-Recovered (SIR) model: A case study of 2020 Western U.S.
wildfire season [0.8999666725996975]
ソーシャルメディアは災害時の公衆の懸念や要求を反映することができる。
Twitterデータからトピックをクラスタリングするために、BERT(Bidirectional Representations from Transformers)トピックモデリングを使用しました。
本研究では、ソーシャルメディアデータを用いたSIRモデルとトピックモデリングが、災害対応を定量的に評価するための意思決定者に提供する方法について詳述する。
論文 参考訳(メタデータ) (2023-08-10T01:51:33Z) - Deep learning based black spot identification on Greek road networks [52.77024349608834]
時間的現象であるブラックスポットの識別には、地理的な位置と時間に基づく道路事故の発生の分析が含まれる。
この研究は、警察や政府発行の自動車事故レポートのデータを利用して、ギリシャの道路網の交通事故をブラックスポットの認識に焦点をあてた。
論文 参考訳(メタデータ) (2023-06-19T07:08:30Z) - News and Load: A Quantitative Exploration of Natural Language Processing
Applications for Forecasting Day-ahead Electricity System Demand [0.5432724320036955]
本研究では、電力需要と社会イベントに関するより曖昧な情報との関係について検討する。
成熟した自然言語処理(NLP)と需要予測技術を用いて行われる。
その結果, 日頭予測は, 単語頻度, 公的な感情, 話題分布, 単語埋め込みなどのテキスト的特徴によって改善された。
論文 参考訳(メタデータ) (2023-01-18T13:55:08Z) - Spatial-Temporal Hypergraph Self-Supervised Learning for Crime
Prediction [60.508960752148454]
本研究では,犯罪予測におけるラベル不足問題に対処する空間的ハイパーグラフ自己監視学習フレームワークを提案する。
都市空間全体における犯罪の地域的依存性をエンコードするクロスリージョンハイパーグラフ構造学習を提案する。
また,2段階の自己指導型学習パラダイムを設計し,局所的・世界的空間的犯罪パターンを共同で捉えるだけでなく,地域的自己差別の強化による疎犯罪表現を補う。
論文 参考訳(メタデータ) (2022-04-18T23:46:01Z) - Outing Power Outages: Real-time and Predictive Socio-demographic
Analytics for New York City [0.0]
私たちは、2020年7月以降ニューヨーク市で停電に関するデータを取得し収集するように設計されたツールについて説明する。
電気障害はフロントエンドアプリケーションに表示され、公開されています。
収集した機能停止データを用いて、これらの機能停止とその社会経済的影響を分析する。
論文 参考訳(メタデータ) (2022-02-22T17:51:00Z) - 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) - Information Consumption and Social Response in a Segregated Environment:
the Case of Gab [74.5095691235917]
この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。
疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。
本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
論文 参考訳(メタデータ) (2020-06-03T11:34:25Z)
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。