Hoeveel stroom verbruikt een land? Vraag het maar aan gsm-gebruikers.

Kaart van senegal met de structuur van het mobiele telefoonnetwerk Met dank aan de onderzoekers

Sociaal-economische gegevens zijn over het algemeen duur en moeilijk te verzamelen. De belangrijkste gegevens zijn over het algemeen afkomstig van tellingen en onthullen de omvang van de bevolking, de geografische spreiding, de leeftijds- en geslachtsstructuur en tal van andere details.

Maar een volkstelling vereist een aanzienlijke, kostbare planning, zorgvuldige analyse en een relatief stabiele samenleving. Dat maakt dergelijke studies moeilijk uit te voeren in de ontwikkelingslanden, waar landen vaak worden geteisterd door armoede, oorlog, ziekte en hongersnood.

Dus economen, sociologen en beleidsexperts zouden dol zijn op een goedkopere en snellere manier om gegevens te verzamelen. En de afgelopen jaren is juist zo'n methode ontstaan ​​dankzij mobiele telefoons.

Mobiele telefoons hebben zich wijd verspreid in de derde wereld, sneller dan andere diensten zoals elektrificatie. In Senegal is bijvoorbeeld slechts 24% van de huishoudens geëlektrificeerd, en toch heeft 75% een mobiele telefoon, waarbij mensen ze vermoedelijk opladen via automotoren, buren of waar ze maar kunnen.

Mobiele telefoongegevens zijn een ware schatkamer van details over de samenleving en de menselijke conditie. Onderzoekers hebben het gebruikt om mobiliteitspatronen beter te begrijpen, menselijke reproductieve strategieën te bestuderen en geletterdheidsniveaus te meten. En economen hebben het gebruikt om de welvaart in ontwikkelingslanden in kaart te brengen.

Dat verhoogt de mogelijkheid dat gegevens van mobiele telefoons de volkstellingsresultaten kunnen aanvullen en in sommige gevallen vervangen. Maar hoeveel nuttiger kunnen deze gegevens zijn?

Vandaag krijgen we een gedeeltelijk antwoord dankzij het werk van Hadrien Salat en collega's van het Future Cities Laboratory in Singapore. Deze jongens hebben mobiele-telefoongegevens uit Senegal geanalyseerd en zeggen dat het de potentie heeft om de infrastructuurplanning voor het hele land te helpen.

Het kan ook worden gebruikt om factoren zoals elektriciteitsverbruik te schatten, zelfs als het slechts een fractie van het totale aantal inwoners omvat. Ons doel is om de resulterende gegevens te gebruiken om de logistieke kosten van het verzamelen van informatie voor infrastructuurplanning in ontwikkelingslanden te verlagen, zeggen ze.

De methode van het team was eenvoudig. Ze begonnen met bevolkingsgegevens van de laatste volkstelling in Senegal, daterend uit 2013. Hiermee werd de bevolkingsdichtheid gemeten in de 552 gemeenten of administratieve afdelingen van het land.

Ze verzamelden ook geanonimiseerde gsm-gegevens voor het hele land, waaronder het aantal oproepen en sms'en, de zendmasten van en naar de oproepduur. enzovoorts.

Het team verzamelde ook gegevens over het elektriciteitsverbruik, een belangrijke maatstaf voor de infrastructuurplanning. Deze gegevens zijn moeilijker te verkrijgen. Salat en co hebben het geschat met behulp van satellietbeelden van het land 's nachts en door de hoeveelheid licht te meten die in elke gemeente wordt geproduceerd.

De belangrijkste vraag die ze dan stellen is hoe deze datasets met elkaar gecorreleerd zijn. We combineren verschillende datasets uit Senegal om het potentieel van mobiele telefoongegevens te evalueren om onvoldoende censusgegevens voor infrastructuurplanning te vervangen, zeggen ze.

De resultaten bieden enkele interessante verrassingen. Ze vinden bijvoorbeeld dat de activiteit van mobiele telefoons niet sterk gecorreleerd is met de bevolkingsdichtheid die in de volkstelling wordt gevonden. De activiteit van mobiele telefoons hangt echter sterk samen met het elektriciteitsverbruik. Het is inderdaad een beduidend betere indicator dan de bevolkingsdichtheid.

Dat is op het eerste gezicht een puzzel. Maar Salat en co verklaren het resultaat door te suggereren dat het elektriciteitsverbruik het resultaat is van een reeks onderling verbonden activiteiten die beter gecorreleerd zijn met het gebruik van mobiele telefoons dan met de dichtheid van mensen alleen.

Het team laat ook zien hoe ze de mobiele-telefoongegevens kunnen verwerken om een ​​betere schatting te geven van de bevolkingsdichtheid en het elektriciteitsverbruik, zelfs wanneer de gegevens slechts een derde van de bevolking beslaan.

Dat is interessant werk met een aanzienlijk potentieel. Als proof-of-principledemonstratie laat het zien hoe mobiele telefoongegevens een belangrijke maatstaf zijn voor het elektriciteitsverbruik in ontwikkelingslanden. Het is niet moeilijk voor te stellen hoe planners dat soort inzicht zouden kunnen benutten.

En het is eenvoudig om de gegevens regelmatig bij te werken tegen relatief lage kosten. Dat staat in schril contrast met censusgegevens, die enorm duur zijn om te verzamelen en relatief zelden worden bijgewerkt.

Natuurlijk is de aanpak niet perfect. Een probleem is het begrijpen van het marktaandeel van de aanbieder van mobiele telefonie en hoe dit verschilt van regio tot regio. Dat zou de resultaten een grotere nauwkeurigheid geven.

Desalniettemin suggereren de resultaten tot nu toe dat mobiele-telefoongegevens het potentieel hebben om de manier waarop overheidsinstanties, planners en economen meten en denken over economieën en infrastructuurplanning drastisch te veranderen. Deze gegevens kunnen een belangrijke bijdrage leveren aan het terugdringen van armoede en het vergroten van het ondernemerschap op deze plaatsen.

Referentie: arxiv.org/abs/1907.04812 : Het potentieel van mobiele telefoongegevens voor het informeren van infrastructuurplanning in ontwikkelingslanden

zich verstoppen