【技术创新】新制图技术可以帮助对抗极度贫困
来源: https://cacm.acm.org/news/223597-new-mapping-technique-can-help-fight-extreme-poverty/fulltext
被阅读 187 次
2018-03-27

2017年12月12日

研究人员使用计算工具生成的塞内加尔贫困区地图(552个社区)

 

多年来,决策者一直依靠调查和人口普查数据跟踪并响应极端贫困问题。

虽然有效,但是收集这些信息既昂贵又费时,而且往往缺乏帮助组织和政府进行最优资源配置的详细信息。

这种情况可能很快可以改变。

《美国国家科学院学报(PNAS)》2017年11月14日版上所展示的一种新技术描述了研究人员正在开发的,通过将手机记录、卫星和地理信息系统数据结合起来的计算工具,高效地创建了非常详细的贫困地图。

该研究论文主要作者之一,布法罗大学计算机科学与工程学院博士研究生Neeti Pokhriyal提到,尽管最近几十年取得了很大的进步,但是世界上仍有超过10亿人缺乏食物、住所和其他基本生活必需品。

该研究论文的题目是:结合不同数据来源,提高贫困预测和制图水平。

一些组织将极端贫困定义为严重缺乏食物、卫生保健、教育和其他基本需求。其他一些角度是将它与收入联系起来,例如世界银行指出,每人每天少于1.25美元(基于2005年物价水平)的人们达到极度贫困程度。

虽然世界上大多数地区的人口贫困度都在下降,但仍有大约12亿人生活在极端贫困之中。大部分贫困人口集中在亚洲、非洲撒哈拉以南和加勒比海地区。援助组织和政府机构指出,及时准确的数据对于终结极度贫困至关重要。

这项研究的重点面向塞内加尔,一个贫困率很高的撒哈拉以南非洲国家。

第1组数据集来源于900多万手机用户的110亿次通话和短信。所有信息都匿名,它记录了人们手机交流的方式、时间、地点和对象。

第2组数据集来自卫星图像、地理信息系统和气象站。它提供了对食品安全、经济活动以及服务和其他贫困指标的洞见。这些数据可以通过电力使用、铺设的道路、农业和其他发展迹象进行收集。

这两组数据集通过一个基于机器学习的框架进行组合。

利用这个框架,研究人员绘制了反映塞内加尔552个社区详细贫困水平的地图。目前的贫困地图把该国划分成4个地区。该框架还有助于从某些角度预测贫困,如教育、生活水平和健康水平降低的问题。

与可能需要花费数年时间,花费数百万美元进行调查或人口普查制图不同的是,这些地图可以快速、高效地产生。而且它们可以随着数据源的更新而更新。此外,它们的诊断性质可以帮助决策者设计更好的干预措施应对贫困。

Pokhriyal在2015年就开始了这个项目,并已经去过塞内加尔。他说,研究目标不是要取代人口普查和调查,而是在2个循环调查之间补充这些信息来源。这种方法在战争和冲突地区以及偏远地区证明是行之有效的。

 

原文题目:

New mapping technique can help fight extreme poverty

资料来源:

https://cacm.acm.org/news/223597-new-mapping-technique-can-help-fight-extreme-poverty/fulltext

 

(王化编译,殷永元审核)