論文の概要: Predicting Household Water Consumption Using Satellite and Street View Images in Two Indian Cities

• arxiv url: http://arxiv.org/abs/2510.26957v1
• Date: Thu, 30 Oct 2025 19:32:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 17:52:15.901013
• Title: Predicting Household Water Consumption Using Satellite and Street View Images in Two Indian Cities
• Title（参考訳）: 衛星画像とストリートビュー画像を用いた2都市における家庭内水消費予測
• Authors: Qiao Wang, Joseph George,
• Abstract要約: 急速な都市化地域での家庭用水利用のモニタリングは、費用がかかる時間集約的な列挙法と調査によって妨げられている。 本研究では,インド・ハバリ=ダルワッドの住宅用水消費予測に,Google Street View (GSV)セグメンテーションが利用できるかを検討した。
• 参考スコア（独自算出の注目度）: 9.85359094656797
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monitoring household water use in rapidly urbanizing regions is hampered by costly, time-intensive enumeration methods and surveys. We investigate whether publicly available imagery-satellite tiles, Google Street View (GSV) segmentation-and simple geospatial covariates (nightlight intensity, population density) can be utilized to predict household water consumption in Hubballi-Dharwad, India. We compare four approaches: survey features (benchmark), CNN embeddings (satellite, GSV, combined), and GSV semantic maps with auxiliary data. Under an ordinal classification framework, GSV segmentation plus remote-sensing covariates achieves 0.55 accuracy for water use, approaching survey-based models (0.59 accuracy). Error analysis shows high precision at extremes of the household water consumption distribution, but confusion among middle classes is due to overlapping visual proxies. We also compare and contrast our estimates for household water consumption to that of household subjective income. Our findings demonstrate that open-access imagery, coupled with minimal geospatial data, offers a promising alternative to obtaining reliable household water consumption estimates using surveys in urban analytics.
• Abstract（参考訳）: 急速な都市化地域での家庭用水利用のモニタリングは、費用がかかる時間集約的な列挙法と調査によって妨げられている。 本研究では,インド・ハバリ=ダルワド州において,公共利用可能なイメージサテライトタイル,Googleストリートビュー(GSV)セグメンテーションおよび簡易な地理空間共変体(夜間強度,人口密度)を用いて家庭用水消費量を予測することができるかを検討する。 調査機能(ベンチマーク)、CNN埋め込み(サテライト, GSV, 組み合わせ)、GSVセマンティックマップ(補助データ)の4つのアプローチを比較した。 規則的な分類の枠組みの下では、GSVセグメンテーションとリモートセンシングの共変体は、調査に基づくモデル(0.59の精度)に近づき、水利用の精度0.55に達する。 誤差解析は, 家庭内水消費分布の極端において高い精度を示すが, 中流階級間での混同は, 重なり合う視覚プロキシによるものである。 また,家計水消費の推計を家計主観所得の推計と比較し比較した。 以上の結果から,極小地理空間データと組み合わさったオープンアクセス画像は,都市分析における調査から,信頼性の高い家庭用水消費量推定の代替となる可能性が示唆された。

関連論文リスト

• 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)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
  高空間分解能水深予測のための異なる深層学習モデルの比較を行った。 深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。 その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2023-02-20T16:08:54Z)
• 3DGazeNet: Generalizing Gaze Estimation with Weak-Supervision from Synthetic Views [67.00931529296788]
  本稿では,適応を伴わない新しい環境に直接適用可能な一般的な視線推定モデルを訓練することを提案する。 視覚的擬似アノテーションを用いた多彩な顔の大規模データセットを作成し、シーンの3次元形状に基づいて抽出する。 本研究では,本手法を視線一般化タスクにおいて検証し,真理データが得られない場合の最先端技術と比較して最大30%の改善を実証する。
  論文  参考訳（メタデータ） (2022-12-06T14:15:17Z)
• Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
  本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。 その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。 ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
  論文  参考訳（メタデータ） (2022-07-28T12:29:39Z)
• Understanding Urban Water Consumption using Remotely Sensed Data [0.0]
  この分析は、エレガントな機械学習アルゴリズムを実装することで、手動で実施することができる。 本調査では,衛星画像で捉えた地域の建物における水消費量を推定する。
  論文  参考訳（メタデータ） (2022-05-03T08:04:12Z)
• IS-COUNT: Large-scale Object Counting from Satellite Images with Covariate-based Importance Sampling [90.97859312029615]
  本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。 提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
  論文  参考訳（メタデータ） (2021-12-16T18:59:29Z)
• Mapping Access to Water and Sanitation in Colombia using Publicly Accessible Satellite Imagery, Crowd-sourced Geospatial Information and RandomForests [0.0]
  本稿では,スケーラブルで低コストなWASH推定ワークフローを提案する。 我々は、コロンビア全土の粒度250m×250mのWASH推定値の地図を生成する。 このモデルでは、給水、下水、トイレへのアクセスを予測できるバリエーションの最大65%を説明できた。
  論文  参考訳（メタデータ） (2021-11-07T17:36:50Z)
• Application of Deep Learning-based Interpolation Methods to Nearshore Bathymetry [0.82354995224692]
  本研究では, 深層学習に基づく深層水深計測手法について, 疎度, マルチスケール計測による評価を行った。 本稿では, 深部ニューラルネットワーク(DNN)を用いて, 深部潜水量計の後方推定を計算し, 後方分布からサンプルを抽出する条件付き生成逆ネットワーク(cGAN)を提案する。
  論文  参考訳（メタデータ） (2020-11-19T08:22:00Z)
• 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。