用于按区域估计调查完整性的卫星数据的制作方

本公开中阐述的示例涉及电子记录和数据分析(包括用户提供的内容)的领域。更特别地，但不作为限制，本公开描述了获得卫星数据以估计关于位于区域中的场所(place)的调查的完整性。背景技术：1、地图及地图相关应用包括关于兴趣点的数据。关于兴趣点的数据可以从由用户提交的调查或实地报告中获得，这种做法被称为众包(crowdsourcing)。众包涉及庞大、相对开放且不断演变的用户群体，这些用户可以在没有特殊技能或培训的情况下参与并收集实时数据。众包数据本质上是任意的。与用户较少的区域相比，用户活跃的人口稠密的区域可以生成相对较高数量的实地报告。2、由各种机载仪器捕捉到的卫星数据可以从公共来源中获得，诸如美国地质调查局、noaa和nasa。基于卫星的夜间灯光数据可用于估计某一区域中的人口和经济活动。3、用户当今能够使用许多类型的计算机和电子设备，诸如移动设备(例如，智能手机、平板电脑和膝上型电脑)和可穿戴设备(例如，智能眼镜、数字眼睛佩戴物)，这些设备包括各种各样的相机、传感器、无线收发器、输入系统和显示器。技术实现思路技术特征：1.一种方法，所述方法包括：2.根据权利要求1所述的方法，其中，应用所述预测模型的步骤包括：3.根据权利要求1所述的方法，其中，所识别的一个或多个区域包括一个或多个人口密集区域和一个或多个其他区域，所述方法还包括：4.根据权利要求3所述的方法，其中，所述训练语料库和所述预测模型中的至少一者使用至少一个由决策树组成的随机森林来创建。5.根据权利要求3所述的方法，所述方法还包括：6.根据权利要求5所述的方法，所述方法还包括：7.根据权利要求6所述的方法，其中，测试的步骤还包括：8.一种用于预测与区域相关联的总场所数量的系统，所述系统包括：9.根据权利要求8所述的系统，其中，所述处理器由所存储的指令配置为通过执行以下操作来应用所述预测模型，所述操作包括：10.根据权利要求8所述的系统，其中，所识别的一个或多个区域包括一个或多个人口密集区域和一个或多个其他区域，并且其中所述处理器由所存储的指令配置为执行以下进一步的操作，所述操作包括：11.根据权利要求10所述的系统，其中，所述训练语料库或所述预测模型中的至少一者使用至少一个由决策树组成的随机森林来创建。12.根据权利要求10所述的系统，其中，所述处理器由所存储的指令配置为执行以下进一步的操作，所述操作包括：13.根据权利要求12所述的系统，其中，所述处理器由所存储的指令配置为执行以下进一步的操作，所述操作包括：14.根据权利要求13所述的系统，其中，所述处理器由所存储的指令配置为通过执行以下操作来测试所述改进后的预测模型，所述操作包括：15.一种非暂时性计算机可读介质，存储了程序代码，所述程序代码在被执行时能操作为致使电子处理器执行以下步骤：16.根据权利要求15所述的非暂时性计算机可读介质，其中，所存储的程序代码在被执行时能操作为致使电子处理器通过执行以下步骤来应用所述预测模型：17.根据权利要求15所述的非暂时性计算机可读介质，其中，所识别的一个或多个区域包括一个或多个人口密集区域和一个或多个其他区域，并且其中所存储的程序代码在被执行时能操作为致使电子处理器执行以下进一步的步骤：18.根据权利要求17所述的非暂时性计算机可读介质，其中，所存储的程序代码在被执行时能操作为致使电子处理器执行以下进一步的步骤：19.根据权利要求17所述的非暂时性计算机可读介质，其中，所存储的程序代码在被执行时能操作为致使电子处理器执行以下进一步的步骤：20.根据权利要求18所述的非暂时性计算机可读介质，其中，所存储的程序代码在被执行时能操作为致使电子处理器通过执行以下步骤来测试所述改进后的预测模型：技术总结描述了用于基于由轨道卫星捕捉到的夜间灯光数据来预测特定区域中的场所或兴趣点的总数。该方法包括获得卫星数据集，该卫星数据集包括经校准的夜间灯光数据。卫星数据中的地理位置与地球上多个区域的固定地理位置相关。该过程包括构建预测模型并将其应用于夜间灯光数据，由此预测每个所识别的区域中的总场所数量。在一个示例中，预测机器学习模型包括由决策树组成的随机森林，其被配置为分析基于卫星的夜间灯光数据并产生所预测的总场所数量。该预测模型可以使用来自人口较多区域的夜间灯光数据进行训练和改进，从而在应用于人口较少区域时促进更准确的预测。技术研发人员：克里斯·舒格鲁受保护的技术使用者：斯纳普公司技术研发日：技术公布日：2024/8/16