Framework integra datos móviles y de teledetección para mapas de población

El equipo de investigación del Departamento de Geografía de SUNY Buffalo ha desarrollado un marco innovador que utiliza una combinación de 34 modelos para mapear distribuciones de población mensuales con alta resolución. Al integrar datos de teléfonos móviles, áreas de construcción y clasificación residencial detallada, crearon mapas de población de alta precisión.

Los modelos más exitosos utilizaron regresión de mínimos cuadrados ordinarios (OLS), incorporando datos de ubicación de teléfonos móviles y una clasificación de edificios en siete clases, como viviendas unifamiliares y edificios residenciales de uso mixto. El modelo demostró una alta precisión (R² = 0,82) y capturó eficazmente la variación mensual de la población.

Este enfoque proporciona una forma práctica y replicable para que los planificadores e investigadores urbanos realicen un seguimiento en detalle de la dinámica de la población. el estudio fue publicado El 23 de agosto de 2024. Revista de teledetección,

El marco aprovecha ortoimágenes de teledetección, datos de parcelas fiscales SIG y datos del panel de inicio de SafeGraph. Se utilizaron fuentes de datos de teledetección, como LiDAR y Landsat 8, para aumentar el detalle espacial mediante el mapeo de áreas de construcción y cobertura vegetal. A través de la comparación de diferentes modelos, la investigación identificó el área de construcción como una variable clave en la distribución de la población. También se probaron modelos de aprendizaje automático para mejorar aún más la precisión en la predicción de tendencias demográficas.

"Este marco proporciona una nueva solución para rastrear la dinámica de la población urbana. Al integrar datos móviles con sensores remotos, ahora podemos crear mapas de población mensuales que son más precisos y oportunos, lo que puede ayudar en la planificación urbana y en la gestión de desastres", dijo. Le Wang, coautor del estudio y profesor del departamento de geografía de SUNY Buffalo.

En la investigación se utilizó un método híbrido de dos pasos. Primero, los datos de los teléfonos móviles se combinaron con variables relacionadas con la población para actualizar las estimaciones de población a nivel de grupo de bloques censales (CBG). Luego, se creó una capa ponderada utilizando modelos estadísticos y técnicas de aprendizaje automático, que refinaron los datos de población hasta el nivel de bloque censal (CB). La validación del modelo utilizó un muestreo aleatorio y mostró una alta precisión con un valor R² de 0,82.

La prueba de drogas en orina muestra concentraciones elevadas de fentanilo, metanfetamina y cocaína.

Este enfoque híbrido que combina sensores remotos y datos de teléfonos móviles se puede aplicar para rastrear los cambios demográficos en diferentes ciudades. Las aplicaciones futuras pueden extender el modelo a áreas más grandes e integrar fuentes de datos dinámicos adicionales, como tráfico en tiempo real o datos de servicios públicos, para mejorar aún más la precisión y la escalabilidad de las predicciones. Esta puede ser una herramienta valiosa para la gestión de la ciudad, la respuesta a emergencias y la formulación de políticas, ya que proporciona información sobre la población más detallada y actualizada.

Proporcionado por Transspread