論文の概要: Crowd-Sourced Geographies of Income: Using Google Maps Points of Interest as High-Frequency Proxies for Sub-Municipal Income Estimation in Sao Paulo, Brazil

• arxiv url: http://arxiv.org/abs/2608.07871v1
• Date: Sat, 08 Aug 2026 02:54:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.541955
• Title: Crowd-Sourced Geographies of Income: Using Google Maps Points of Interest as High-Frequency Proxies for Sub-Municipal Income Estimation in Sao Paulo, Brazil
• Title（参考訳）: 所得のクラウドソース地理:ブラジル・サンパウロにおけるサブムニシパル所得推定のための高頻度プロキシとしてGoogleマップポイントを利用する
• Abstract要約: クラウドソーシングされたGoogle Maps Points of Interestの合成が、家庭所得の高頻度で低コストなプロキシとして機能するかどうかを検証する。 我々は各セクターをPOI数で表現し、これらの高次元のスパースな特徴を分解し、国勢調査由来の収入を予測するために回帰モデルの網羅を訓練する。
• 参考スコア（独自算出の注目度）: 31.694344181489857
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate, up-to-date income data at the sub-municipal scale is essential for social policy in middle-income countries, yet in Brazil it depends on a costly decennial census whose intercensal gap recently exceeded a decade. We test whether the composition of crowd-sourced Google Maps Points of Interest (POIs) can serve as a high-frequency, low-cost proxy for household income across the 26,625 census sectors of the municipality of Sao Paulo. Using a theoretically motivated set of POI categories retrieved from Google Places, we represent each sector by its POI counts, decompose these high-dimensional, sparse features with principal component analysis (PCA) and non-negative matrix factorization (NMF), and train a sweep of regression models to predict census-derived income. Under a data leakage-aware spatial validation design the best model (NMF with gradient boosting) attains a held-out R^2 of 0.65, with performance stable across feature-extraction methods. Interpretable decompositions reveal which POI types carry the income signal. These results suggest that commercial, crowd-sourced geospatial data can complement conventional income statistics during intercensal periods, and we discuss extensions toward multidimensional poverty and the capabilities framework.
• Abstract（参考訳）: 中所得国における社会政策には、精密で最新の所得データが不可欠であるが、ブラジルでは、近年10年以上のセンセーショナルギャップがある、コストのかかる十年ぶりの国勢調査に依存している。 クラウドソーシングされたGoogle Maps Points of Interest(POIs)の合成が、サンパウロ市26,625の国勢調査部門において、高頻度で低コストな家計収入のプロキシとして機能するかどうかを検証する。 理論的に動機づけられたGoogle Placesから得られたPOIカテゴリの集合を用いて、各セクターをPOI数で表現し、主成分分析(PCA)と非負行列分解(NMF)で高次元のスパース特徴を分解し、回帰モデルをトレーニングし、国勢調査由来の収入を予測する。 データリークを意識した空間検証設計では、最高のモデル(勾配を上昇させるNMF)が0.65のホールドアウトR^2に達し、特徴抽出法で性能が安定する。 解釈可能な分解は、どのPOIタイプが収入信号を運ぶかを明らかにする。 これらの結果は,商業的かつクラウドソースな地理空間データが,インターセンサル期間中の従来の収入統計を補完する可能性があることを示唆し,多次元の貧困と能力の枠組みについて論じる。

関連論文リスト

• Explainable Machine Learning for Broadband Adoption Disparities: Tract-Level Prediction and SHAP-Based Factor Profiling [6.076837441966713]
  米国は、ブロードバンド拡大のためのインフラ投資および雇用法を通じて、およそ650億ドルを割り当てている。 本稿では,全国83,359施設を対象に,ブロードバンドの普及格差をプロファイリングするための機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-29T07:39:08Z)
• Joint Utilization of Geospatial and census proxies for Autoencoder-Assisted Downscaling (JUGAAD) of socioeconomic indicators in India [6.076588686970015]
  本研究では,2001年と2011年のインド国勢調査と調査データを事例として,深層学習の枠組みであるJuGAADを紹介した。 人口統計と地理空間データは,騒音の低減と行政境界の変更の定期化のために,中間的な村・クラスター規模のテッセルレーションに平均化される。 オートエンコーダは、高次元の国立サンプル調査局(NSSO)データを低次元の潜在表現に圧縮し、回帰モデルは、大規模国勢調査と地理空間データをこの表現にマッピングする。 この機能は、精密な国勢調査データに適用され、地上に対して検証された高分解能な予測を生成する。
  論文  参考訳（メタデータ） (2026-07-17T21:57:55Z)
• Denoising the US Census: Succinct Block Hierarchical Regression [48.50026671993762]
  我々は、より正確で一貫した見積もりを生成する新しい後処理手法であるBlueDownを紹介する。 アメリカ合衆国国勢調査局が提案する評価指標に基づいて,郡域の集計値とトラクションレベルの精度を特に高めに改善した。
  論文  参考訳（メタデータ） (2026-03-10T17:39:25Z)
• Anticipatory Governance in Data-Constrained Environments: A Predictive Simulation Framework for Digital Financial Inclusion [0.0]
  金融の排除は、資源が制限された旧来の国におけるデジタル公共サービス提供の大きな障壁であり続けている。 本研究では,政府情報システムにおける予測ガバナンスを支援するための予測シミュレーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-13T06:51:45Z)
• 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)
• Bayes-enhanced Multi-view Attention Networks for Robust POI Recommendation [81.4999547454189]
  既存の作業では、ユーザによって報告された利用可能なPOIチェックインが、ユーザ行動の真真正な描写であると仮定している。 実際のアプリケーションシナリオでは、主観的および客観的な原因の両方のため、チェックインデータは信頼性が低い。 本稿では,ユーザチェックインの不確実性に対処するため,ベイズ強化型マルチビュー注意ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-11-01T12:47:38Z)
• Interpreting wealth distribution via poverty map inference using multimodal data [0.0]
  本稿では,複数の人口にまたがる富の平均および標準偏差を推論する機械学習モデルのパイプラインを提案する。 これらのモデルは、衛星画像と、オンラインのクラウドソーシングとソーシャルメディアを通じて収集されたメタデータに基づいて、7つの独立した、自由に利用可能な機能ソースを利用する。 その結果, 富の局所的平均と変動が回復し, 正の非単調な相関関係を正しく捉えた。
  論文  参考訳（メタデータ） (2023-02-17T11:35:44Z)
• Self-supervised Graph-based Point-of-interest Recommendation [66.58064122520747]
  Next Point-of-Interest (POI)レコメンデーションは、ロケーションベースのeコマースにおいて重要なコンポーネントとなっている。 自己教師付きグラフ強化POIレコメンデーション(S2GRec)を次のPOIレコメンデーションのために提案する。 特に,グローバル・トランジション・グラフと局所軌道グラフの両方からの協調的な信号を組み込むために,グラフ強化セルフアテンテート・レイヤを考案した。
  論文  参考訳（メタデータ） (2022-10-22T17:29:34Z)
• Magnify Your Population: Statistical Downscaling to Augment the Spatial Resolution of Socioeconomic Census Data [48.7576911714538]
  重要社会経済的属性の詳細な推定を導出する新しい統計的ダウンスケーリング手法を提案する。 選択された社会経済変数ごとに、ランダムフォレストモデルが元の国勢調査単位に基づいて訓練され、その後、微細なグリッド化された予測を生成するために使用される。 本研究では,この手法を米国の国勢調査データに適用し,ブロック群レベルで選択された社会経済変数を,300の空間分解能のグリッドにダウンスケールする。
  論文  参考訳（メタデータ） (2020-06-23T16:52:18Z)
• 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。