По всему миру живет 3 млрд человек, которые зарабатывают меньше 2,5 доллара в день. Вопрос бедности особенно остро стоит в развивающихся странах, причем зачастую у властей возникают сложности с тем, чтобы определить, где именно необходима помощь.
Правительства пытаются оказать поддержку, основываясь, среди прочего, на соцопросах. Опросы помогают понять экономическую ситуацию и сделать процесс законотворчества более эффективным. Но такой способ сбора информации отнимает много времени и усилий, к примеру, перепись населения является весьма дорогостоящей и проводится раз в 10 лет.
Кроме того, в развивающихся странах такие методы осложняются криминогенной обстановкой – опасность, которой подвергаются переписчики, влияет на качество собираемой информации.
Компания Orbital Insight применяет алгоритмы глубокого обучения, чтобы анализировать снимки с социально-экономической точки зрения. На фотографиях их программа ищет дома, машины, самолеты и поезда.
Компания сотрудничает с некоммерческими организациями, к примеру, помогает мониторить такие глобальные процессы, как изменение климата, а также с крупным международными организациями. Один из проектов компании, сделанный совместно со Всемирным банком (World Bank, WB), называется Poverty Mapping и посвящен мониторингу динамики бедности.
-
Созданный Orbital Insight алгоритм анализирует снимки и может, к примеру, определить этажность здания по его тени. Фото: сайт Orbital Insight.
Две организации объединили свои усилия, чтобы найти ответ на вопрос, может ли анализ спутниковых снимков заменить данные переписи населения, чтобы дать более актуальные и локализованные данные по динамике бедности. С помощью Всемирного банка были разработаны критерии оценки снимков – что считать признаком достатка, отсутствие чего на снимках будет являться признаком бедности.
Еще по теме: Как дроны помогают решать экологические проблемы в России
Программисты Orbital Insight начали с анализа изображений Шри Ланки – в расчет бралось количество зданий, их этажность, количество автомобилей и сельхозземель. Чем выше здания, тем более вероятно, что на данном участке может увеличиться численность населения, в том числе за счет миграции с других территорий.
Увеличение числа машин могло свидетельствовать о большем достатке жителей, а сельхозугодия – признак здорового питания и производительности. В итоге исследователи пришли к выводу, что наиболее важным показателем с точки зрения мониторинга бедности является плотность застройки, причем как на урбанизированных, так и на сельских территориях. В планах у Orbital Insight – анализ спутниковых снимков Мексики.