論文の概要: Towards Modeling Road Access Deprivation in Sub-Saharan Africa Based on a New Accessibility Metric and Road Quality

• arxiv url: http://arxiv.org/abs/2512.02190v1
• Date: Mon, 01 Dec 2025 20:33:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.598346
• Title: Towards Modeling Road Access Deprivation in Sub-Saharan Africa Based on a New Accessibility Metric and Road Quality
• Title（参考訳）: 新たなアクセシビリティ指標と道路品質に基づくサハラ以南のアフリカにおける道路アクセス遮断のモデル化に向けて
• Authors: Sebastian Hafner, Qunshan Zhao, Bunmi Alugbin, Kehinde Baruwa, Caleb Cheruiyot, Sabitu Sa'adu Da'u, Xingyi Du, Peter Elias, Helen Elsey, Ryan Engstrom, Serkan Girgin, Diego F. P. Grajales, Esther Judith, Caroline Kabaria, Monika Kuffer, Oluwatoyin Odulana, Francis C. Onyambu, Adenike Shonowo, Dana R. Thomson, Mingyu Zhu, João Porto de Albuquerque,
• Abstract要約: 本研究では,新たなアクセシビリティ指標を組み込んだ道路アクセス遮断モデルを提案する。 このモデルは開地空間データセットを用いてナイロビ(ケニア)、ラゴス(ナイジェリア)、カノ(ナイジェリア)に適用された。 3つの都市全体では、ビルトアップされた地域の大半は低地と中西部の道路アクセス遮断レベルに該当するが、高度に遮断された地域は比較的限られている。
• 参考スコア（独自算出の注目度）: 1.428761166876711
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Access to motorable roads is a critical dimension of urban infrastructure, particularly in rapidly urbanizing regions such as Sub-Saharan Africa. Yet, many urban communities, especially those in informal settlements, remain disconnected from road networks. This study presents a road access deprivation model that combines a new accessibility metric, capturing how well buildings are connected to the road network, with road surface type data as a proxy for road quality. These two components together enable the classification of urban areas into low, medium, or high deprivation levels. The model was applied to Nairobi (Kenya), Lagos (Nigeria), and Kano (Nigeria) using open geospatial datasets. Across all three cities, the majority of built-up areas fall into the low and medium road access deprivation levels, while highly deprived areas are comparatively limited. However, the share of highly deprived areas varies substantially, ranging from only 11.8 % in Nairobi to 27.7 % in Kano. Model evaluation against community-sourced validation data indicates good performance for identifying low deprivation areas (F1 > 0.74), moderate accuracy for medium deprivation in Nairobi and Lagos (F1 > 0.52, lower in Kano), and more variable results for high deprivation (F1 ranging from 0.26 in Kano to 0.69 in Nairobi). Furthermore, analysis of grid cells with multiple validations showed strong agreement among community members, with disagreements occurring mainly between adjacent deprivation levels. Finally, we discussed two types of sources for disagreement with community validations: (1) misalignment between the conceptual model and community perceptions, and (2) the operationalization of the conceptual model. In summary, our road access deprivation modeling approach demonstrates promise as a scalable, interpretable tool for identifying disconnected areas and informing urban planning in data-scarce contexts.
• Abstract（参考訳）: 自動車道路へのアクセスは、特にサハラ以南のアフリカのような急速な都市化地域において、都市インフラの重要な次元である。 しかし、多くの都市コミュニティ、特に非公式の集落は、道路網から切り離されている。 本研究では,新たなアクセシビリティ指標を組み込んだ道路アクセス遮断モデルを提案する。 これら2つの構成要素は、都市部を低、中、高レベルに分類することを可能にする。 このモデルは開地空間データセットを用いてナイロビ(ケニア)、ラゴス(ナイジェリア)、カノ(ナイジェリア)に適用された。 3つの都市全体では、ビルトアップされた地域の大半は低地と中西部の道路アクセス遮断レベルに該当するが、高度に遮断された地域は比較的限られている。 しかし、その割合はナイロビの11.8%から狩野の27.7%まで様々である。 コミュニティソースによるバリデーションデータに対するモデル評価では, 低減量域(F1 > 0.74), 中減量域(F1 > 0.52, 加納)の適度な精度(F1 > 0.52, 加納), 高減量区(F1 は加納0.26, ナイロビ0.69)が得られた。 さらに,複数のバリデーションを施したグリッドセルの解析では,コミュニティメンバー間で強い一致を示した。 最後に,(1)概念モデルとコミュニティ認知の相違点,(2)概念モデルの運用方法の相違点について考察した。 まとめると、我々の道路アクセス遮断モデリングアプローチは、非接続領域を識別し、データ共有の文脈で都市計画を通知するためのスケーラブルで解釈可能なツールとしての可能性を実証している。

関連論文リスト

• VisitHGNN: Heterogeneous Graph Neural Networks for Modeling Point-of-Interest Visit Patterns [3.545082819007165]
  VisitHGNNは、個々の関心点(POI)の確率を予測するために設計された関係性特化グラフネットワークである。 ビジターHGNNは平均KL偏差0.287、MAE0.008、Top-1精度0.853、R-square0.853で高い予測性能を達成している。 都市計画、交通政策、移動システム、公衆衛生におけるモデルによる意思決定支援の可能性。
  論文  参考訳（メタデータ） (2025-10-03T03:42:58Z)
• Paved or unpaved? A Deep Learning derived Road Surface Global Dataset from Mapillary Street-View Imagery [39.10390786976492]
  このデータセットは、グローバルな道路表面情報を300万km以上拡張する。 ほとんどの地域は中程度から高い舗装道路被覆率 (60-80%) を示したが、アフリカやアジアの特定の地域では顕著なギャップが見られた。 本稿では,SWIN-Transformerに基づく道路表面予測とCLIP- and-DLセグメンテーションを併用したハイブリッドディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-10-24T09:32:53Z)
• A utility-based spatial analysis of residential street-level conditions; A case study of Rotterdam [1.2289361708127877]
  本稿では,都市規模での住宅地選択における街路レベルの条件から導かれるユーティリティの空間分布について検討する。 街路レベルの条件から派生したユーティリティは,高度に局所化されたスケールで大きく変化することがわかった。 また,都市中心部の不動産価格が高いのは,街並みの魅力的な条件によるものではないことも明らかにした。
  論文  参考訳（メタデータ） (2024-10-23T13:52:22Z)
• From Pixels to Progress: Generating Road Network from Satellite Imagery for Socioeconomic Insights in Impoverished Areas [22.782323200872366]
  本稿では,エンコーダ・デコーダアーキテクチャと衛星画像における形態的操作を組み合わせた系統的道路抽出フレームワークを提案する。 F1スコアの42.7%向上を実現している。 また,中国382県の約794,178km2と17.048万人を対象に,包括的道路ネットワークデータセットを提案する。
  論文  参考訳（メタデータ） (2024-06-17T07:40:13Z)
• Predicting Traffic Congestion at Urban Intersections Using Data-Driven Modeling [0.0]
  本研究は,米国の主要都市の交差点における混雑予測モデルの構築を目的とする。 データセットには、座標、通り名、日時、トラフィックメトリクスを含む27の機能が含まれている。
  論文  参考訳（メタデータ） (2024-04-12T22:53:41Z)
• UB-FineNet: Urban Building Fine-grained Classification Network for Open-access Satellite Images [7.435848987082052]
  オープンアクセス衛星画像を用いた都市建物のきめ細かい分類のためのディープ・ネットワーク・アプローチを提案する。 クラス不均衡の問題を緩和するために,カテゴリ情報バランスモジュール (CIBM) とコントラストスーパービジョン (CS) 技術を用いた新たなきめ細かい分類網を提案する。 11の細い建物を持つ香港のデータセットの実験では、Top-1の平均精度が60.45%の有望な分類結果が示された。
  論文  参考訳（メタデータ） (2024-03-04T15:40:31Z)
• Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for Cross-City Semantic Segmentation using High-Resolution Domain Adaptation Networks [82.82866901799565]
  我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。 単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。 高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
  論文  参考訳（メタデータ） (2023-09-26T23:55:39Z)
• Automating global landslide detection with heterogeneous ensemble deep-learning classification [44.99833362998488]
  地すべりは道路、鉄道、建物、人間の生活などのインフラを脅かす。 危険に基づく空間計画と早期警戒システムは、地すべりから社会へのリスクを減らすための費用対効果の戦略である。 近年,中～高解像度の衛星画像を入力として,深層学習モデルを陸地マッピングに適用している。
  論文  参考訳（メタデータ） (2023-09-12T10:56:16Z)
• Graph-based Village Level Poverty Identification [52.12744462605759]
  Webインフラストラクチャとそのモデリングツールの開発は、貧しい村を識別するための新しいアプローチを提供する。 地理的距離を通して村の接続をグラフとしてモデル化することにより,村の貧困状況とグラフトポロジ的位置との相関関係を示す。 貧しい村を識別する最初のグラフベース手法を提案する。
  論文  参考訳（メタデータ） (2023-02-14T06:58:40Z)
• 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。