[论文解读] Virtual Networks and Poverty Analysis in Senegal

Neeti Pokhriyal, Wen Dong+1 more|arXiv (Cornell University)|Jun 10, 2015

Human Mobility and Location-Based Analysis参考文献 7被引用 69

一句话总结

本研究提出一种新方法，利用移动电话通话详单记录（CDRs）为塞内加尔生成高分辨率贫困地图。通过从CDRs构建虚拟社交网络并分析用户行为模式（尤其是通话发起频率），将网络中心性与行为指标同多维贫困指数（MPI）相关联，实现高预测准确度（r = -0.93），并在市辖区级别实现精细化贫困制图。

ABSTRACT

Do today's communication technologies hold potential to alleviate poverty? The mobile phone's accessibility and use allows us with an unprecedented volume of data on social interactions, mobility and more. Can this data help us better understand, characterize and alleviate poverty in one of the poorest nations in the world. Our study is an attempt in this direction. We discuss two concepts, which are both interconnected and immensely useful for securing the important link between mobile accessibility and poverty. First, we use the cellular-communications data to construct virtual connectivity maps for Senegal, which are then correlated with the poverty indicators to learn a model. Our model predicts poverty index at any spatial resolution. Thus, we generate Poverty Maps for Senegal at an unprecedented finer resolution. Such maps are essential for understanding what characterizes poverty in a certain region, and how it differentiates from other regions, for targeted responses for the demographic of the population that is most needy. An interesting fact, that is empirically proved by our methodology, is that a large portion of all communication, and economic activity in Senegal is concentrated in Dakar, leaving many other regions marginalized. Second, we study how user behavioral statistics, gathered from cellular-communications, correlate with the poverty indicators. Can this relationship be learnt as a model to generate poverty maps at a finer resolution? Surprisingly, this relationship can give us an alternate poverty map, that is solely based on the user behavior. Since poverty is a complex phenomenon, poverty maps showcasing multiple perspectives, such as ours, provide policymakers with better insights for effective responses for poverty eradication.

研究动机与目标

• 利用移动电话通信数据为塞内加尔开发一种高分辨率贫困制图方法。
• 探究从CDRs中提取的虚拟网络结构是否与多维贫困指标相关。
• 探讨移动网络中的用户行为统计数据能否独立预测贫困水平。
• 在市辖区级别（高于官方区域数据的分辨率）生成贫困地图，以支持有针对性的政策干预。
• 评估达喀尔对网络中心性的影响，并识别贫困预测模型中的偏差。

提出的方法

• 从CDRs构建虚拟连通网络，模拟塞内加尔14个地区和123个市辖区之间的通话关系。
• 应用网络理论计算每个地区/市辖区的中心性度量，量化其在虚拟网络中的重要性。
• 使用线性回归模型建立网络中心性与MPI各分量（贫困发生率H和贫困强度A）之间的关系。
• 从聚合用户数据中提取33项行为指标，包括发起通话比例（PIC），并计算各地区的中位数值。
• 计算每项行为指标与MPI之间的皮尔逊相关系数，以识别最强预测因子。
• 使用最佳行为指标（PIC）训练线性模型以预测H和A，进而结合估计值在市辖区级别生成最终的MPI预测结果。

实验结果

研究问题

• RQ1 能否基于移动CDRs生成的虚拟网络中心性，以高精度预测塞内加尔各地区的贫困水平？
• RQ2 用户行为模式（如通话发起频率）与各地区多维贫困指标的相关性如何？
• RQ3 达喀尔地区在多大程度上对网络中心性度量造成偏差？这种偏差如何影响贫困预测模型？
• RQ4 仅使用移动数据中的行为指标能否生成与官方MPI数据匹配的高分辨率贫困地图？
• RQ5 像发起通话比例（PIC）这样的行为指标对估算贫困发生率和贫困强度的预测能力如何？

主要发现

• 在发起通话比例（PIC）与多维贫困指数（MPI）之间发现显著负相关（r = -0.93，p = 2×10⁻⁶），表明贫困水平较高的地区，人均发起通话次数更多。
• 即使排除达喀尔后，PIC与MPI的相关性依然稳健（r = -0.89，p = 4×10⁻⁵），表明该行为指标在区域层面无显著偏差。
• 网络中心性度量与MPI呈强相关，但受达喀尔主导地位的显著影响，导致模型预测出现偏差。
• 本研究成功利用网络中心性和行为指标在市辖区级别生成高分辨率贫困地图，实现更精细的政策干预定位。
• 使用PIC的线性回归模型对贫困发生率（H）和平均贫困强度（A）的预测方程为：H̃ᵢ = -302.65×PICᵢ + 119.35 和 Ãᵢ = -151.53×PICᵢ + 78.84。
• 最终生成的市辖区级别贫困地图（图10）证明了利用行为数据实现低资源环境下可扩展、实时贫困监测的可行性。