[论文解读] Developing synthetic individual-level population datasets: The case of contextualizing maps of privacy-preserving census data

Yue Lin, Ningchuan Xiao|arXiv (Cornell University)|Jun 9, 2022

demographic modeling and climate adaptation被引用 4

一句话总结

本文提出了一种方法，通过优化人口分布以匹配已发布的普查统计数据，生成开放、逼真的个体级人口合成数据集，从而在保护隐私的普查数据环境中实现地图的上下文化呈现。以俄亥俄州两个县为案例研究，该方法将合成数据与真实普查数据之间的差异最小化，展示了其在教学和分析隐私保护数据环境中的地图制图成果方面的实用性。

ABSTRACT

The purpose of this paper is to describe the development of a synthetic population dataset that is open and realistic and can be used to facilitate understanding the cartographic process and contextualizing the cartographic artifacts. We first discuss an optimization model that is designed to construct the synthetic population by minimizing the difference between the summarized information of the synthetic populations and the statistics published in census data tables. We then illustrate how the synthetic population dataset can be used to contextualize maps made using privacy-preserving census data. Two counties in Ohio are used as case studies.

研究动机与目标

• 开发一种逼真、可公开访问的个体级合成人口数据集，使其与真实普查统计数据相匹配。
• 促进在隐私保护数据环境中对地图制图过程和成果的理解。
• 通过优化减少合成人口数据与已发布普查统计数据之间的差距。
• 展示合成数据在上下文化呈现基于隐私保护普查数据生成的地图方面的实用性。
• 提供一个可复现的框架，用于生成支持地理空间教育与研究的合成人口数据。

提出的方法

• 构建一个优化模型，以最小化合成人口汇总统计与已发布普查数据表之间的差异。
• 该模型使用源自已知普查统计数据的约束条件，确保合成个体反映真实的人口分布。
• 优化过程在保留汇总统计数据的同时，分配个体层面的属性（例如年龄、种族、住房状况）。
• 合成数据集以个体级别生成，支持详细的时空与人口统计分析。
• 在俄亥俄州两个县的案例研究验证了该模型在街区组级别重现真实普查模式的能力。
• 该方法通过提供用于比较的参考合成数据集，支持在隐私保护数据中创建逼真地图。

实验结果

研究问题

• RQ1 如何生成一个与已发布普查统计数据高度匹配的个体级合成人口数据集？
• RQ2 在特定地理区域内，合成数据在多大程度上能够复制真实的人口分布？
• RQ3 合成数据集如何提升对使用隐私保护普查数据生成的地图的上下文理解？
• RQ4 哪些优化技术在使合成人口数据与真实普查汇总数据对齐方面最为有效？
• RQ5 合成数据能否作为评估隐私保护数据生成的地图制图成果的可靠基准？

主要发现

• 优化模型成功生成了与俄亥俄州两个县已发布普查统计数据高度一致的合成人口数据集。
• 该合成数据集能够准确实现使用隐私保护普查数据生成的地图的上下文化呈现，提升了可解释性。
• 该方法在街区组级别有效最小化了合成数据与真实普查数据之间的差异，表现出高度保真度。
• 该合成数据集通过提供地图制图成果的真实参照，支持教育与分析应用。
• 该方法具有可复现性和可扩展性，为其他地理区域和数据类型提供了适用的框架。
• 结果表明，合成数据可作为理解隐私保护普查数据中数据抑制与扰动影响的宝贵代理工具。