นักวิจัยสหรัฐฯ เปิดตัวแผนที่ประชากรโลกใหม่ ใช้ข้อมูลอาคารติดตามการเคลื่อนไหวของผู้คน

นักวิจัยชาวสหรัฐเปิดเผยแผนที่ประชากรโลกฉบับใหม่ ซึ่งสามารถติดตามตำแหน่งที่ผู้คนมีแนวโน้มอยู่ในแต่ละช่วงเวลาของวัน โดยอาศัยข้อมูลการใช้งานและการเข้าพักอาศัยของอาคาร แผนที่ดังกล่าวมีชื่อว่า LandScan Mosaic พัฒนาโดยห้องปฏิบัติการโอกริดจ์ (Oak Ridge National Laboratory: ORNL) สังกัดกระทรวงพลังงานสหรัฐ (DOE) รายงานระบุว่า แผนที่นี้ผสานข้อมูลอาคาร ข้อมูลการใช้ที่ดิน และการเรียนรู้ของเครื่อง เพื่อสร้างแผนที่การกระจายตัวของประชากรโลกความละเอียดสูง แผนที่ประชากรแบบดั้งเดิมมักอาศัยภาพถ่ายดาวเทียมและแบ่งเป็นพิกเซล แต่ระบบใหม่นี้ใช้ข้อมูลอาคารเพื่อประมาณตำแหน่งที่ผู้คนอยู่

ดร.แอนดรูว์ ซิมเมอร์ (Andrew Zimmer) นักวิทยาศาสตร์เชิงภูมิสารสนเทศจาก ORNL อธิบายโดยละเอียดว่า อาคารถูกนำมาใช้ระบุลักษณะเชิงประชากรที่สำคัญ เขาระบุว่า "ตัวอย่างเช่น คนในช่วงวัยหนึ่งจะไปโรงเรียน ดังนั้น เมื่อเราสร้างชุดข้อมูลประชากร เราสามารถใช้ประโยชน์จากหน้าที่ของอาคาร เพื่อบอกถึงการกระจายตัวของประชากรกลุ่มนี้ในพื้นที่เฉพาะด้วยความละเอียดเชิงพื้นที่ที่สูง และจับพลวัตทั้งในเวลากลางวันและกลางคืน"

คุณสมบัติของ LandScan Mosaic

LandScan Mosaic เป็นส่วนขยายของชุดข้อมูล LandScan ระดับโลกที่มีอยู่เดิม ซึ่งเป็นระบบแผนที่ที่มีการอัปเดตทุกปี ตามรายงาน ระบบนี้คาดการณ์ตำแหน่งเฉลี่ยของผู้คนภายใน 24 ชั่วโมง โดยคำนึงถึงที่อยู่อาศัย สถานที่ทำงาน และการเดินทาง ชุดข้อมูลระดับโลกมาตรฐานมีความละเอียดประมาณ 0.6 ไมล์ (ราว 1 กิโลเมตร) ขณะที่จุดแตกต่างสำคัญของ Mosaic คือการเน้นที่อาคาร เมื่อข้อมูลอาคารไม่สามารถหาได้ นักวิจัยสามารถใช้การเรียนรู้ของเครื่องเพื่อประมาณลักษณะต่าง ๆ รวมถึงความสูงของอาคาร จำนวนชั้น หน้าที่ใช้งาน และประเภทการใช้งาน

ข้อมูลเหล่านี้แสดงสถานการณ์การเข้าพักอาศัยของอาคารที่พักอาศัย อาคารพาณิชย์ อาคารอุตสาหกรรม และอาคารอื่น ๆ

LandScan Mosaic ผสานข้อมูลเหล่านี้เข้ากับข้อมูลการใช้ที่ดินและรูปแบบการเข้าพักอาศัย เพื่อวาดภาพการกระจายตัวของประชากรตลอดทั้งวัน ไม่เพียงแสดงถึงที่อยู่อาศัยของผู้คนเท่านั้น แต่ยังสะท้อน "ประชากรเชิงสิ่งแวดล้อม" หรือจำนวนคนเฉลี่ยในสถานที่หนึ่งภายใน 24 ชั่วโมง ทำให้ชุดข้อมูลสามารถคำนึงถึงการเคลื่อนย้ายในชีวิตประจำวันระหว่างบ้าน ที่ทำงาน โรงเรียน และสถานที่อื่น ๆ ORNL ระบุว่า วิธีการนี้ให้ความจำเพาะเชิงเวลาและเชิงตำแหน่งสูงกว่า LandScan ระดับโลก รวมทั้งสามารถวัดความไม่แน่นอน โดยแสดงระดับความเชื่อมั่นของนักวิจัยต่อการประมาณการประชากร เพื่อมอบข้อมูลเชิงบริบทเพิ่มเติมแก่ผู้กำหนดนโยบาย

แผนพัฒนาในอนาคต

แดเนียล อดัมส์ (Daniel Adams) นักวิทยาศาสตร์วิจัยและพัฒนาของ ORNL กล่าวว่า LandScan Mosaic เป็นชุดข้อมูลประชากรระดับโลกชุดแรกที่มีลักษณะเหล่านี้ เขาเสริมในข่าวประชาสัมพันธ์ว่า "นี่เป็นโครงการที่สำคัญมาก ซึ่งแสดงให้เห็นว่าปัญญาประดิษฐ์และการวิเคราะห์เพื่อการตัดสินใจสามารถผสานเข้าด้วยกันอย่างน่าเชื่อถือได้อย่างไร" การผสมผสานระหว่างการคำนวณขั้นสูงและการเรียนรู้ของเครื่องกับการวิเคราะห์ความไม่แน่นอน จะทำให้ข้อมูลมีความเป็นประโยชน์มากขึ้นในสถานการณ์ที่ต้องตัดสินใจอย่างเร่งด่วน รวมถึงการรับมือภัยพิบัติและการวางแผนโครงสร้างพื้นฐาน

เวอร์ชันถัดไปของทีมวิจัยชื่อ LandScan Mosaic Timeseries (LSM-TS) จะครอบคลุมการกระจายตัวของประชากรเป็นเวลา 50 ปี ตั้งแต่ปี 1975 ถึง 2024 ระบบนี้จะใช้ LandScan Mosaic เป็นข้อมูลนำเข้า และประยุกต์วิธี "การย้อนกลับเชิงคำนวณ" (retrodiction) เพื่อสร้างการกระจายตัวของประชากรในอดีต ซิมเมอร์อธิบายว่า กรอบเวลา 50 ปีจะช่วยตรวจสอบการเติบโตของเมืองและถิ่นฐาน โดยเฉพาะอย่างยิ่งก่อนที่จะถูกจัดตั้งขึ้น "กรอบเชิงอาคาร ตลอดจนข้อมูลช่วงกลางวันและกลางคืน เปิดโอกาสให้ดูรายละเอียดเชิงเวลาภายในหนึ่งวัน และตรวจสอบว่าสิ่งเหล่านี้เปลี่ยนแปลงไปอย่างไรเมื่อเวลาผ่านไป"

เขาสรุป

ทีมงานยังอยู่ระหว่างการเพิ่มลักษณะเชิงประชากรให้กับ LandScan Mosaic โดยข้อมูลระดับอาคารก็สามารถมีส่วนช่วยในเรื่องนี้ได้เช่นกัน งานวิจัยดังกล่าวได้รับการตีพิมพ์ในวารสาร Scientific Reports

เทคโนโลยีใหม่เปลี่ยนการวิเคราะห์ข้อมูลประชากรอย่างไร

การเปิดตัว LandScan Mosaic ถือเป็นความก้าวหน้าครั้งสำคัญของการวิเคราะห์ข้อมูลประชากร โดยใช้ประโยชน์จากหน้าที่ของอาคารเพื่อยกระดับความแม่นยำและความเป็นประโยชน์ของข้อมูล วิธีการนี้ไม่เพียงสะท้อนถึงที่อยู่อาศัยของผู้คน แต่ยังจับพลวัตของผู้คนในกิจกรรมประจำวัน ซึ่งมีความสำคัญต่องานด้านการวางผังเมืองและการรับมือภัยพิบัติ ด้วยแผนการพัฒนา LandScan Mosaic Timeseries จะทำให้สามารถเข้าใจการเปลี่ยนแปลงของประชากรในอดีตได้ดียิ่งขึ้น พร้อมมอบข้อมูลสนับสนุนที่ครอบคลุมยิ่งขึ้นแก่ผู้กำหนดนโยบาย