Statistics on migration flows are often derived from census data, which suffer from intrinsic limitations, including costs and infrequent sampling. When censuses are used, there is typically a time gap - up to a few years - between the data collection process and the computation and publication of relevant statistics. This gap is a significant drawback for the analysis of a phenomenon that is continuously and rapidly changing. Alternative data sources, such as surveys and field observations, also suffer from reliability, costs, and scale limitations. The ubiquity of mobile phones enables an accurate and efficient collection of up-to-date data related to migration. Indeed, passively collected data by the mobile network infrastructure via aggregated, pseudonymized Call Detail Records (CDRs) is of great value to understand human migrations. Through the analysis of mobile phone data, we can shed light on the mobility patterns of migrants, detect spontaneous settlements and understand the daily habits, levels of integration, and human connections of such vulnerable social groups. This Chapter discusses the importance of leveraging mobile phone data as an alternative data source to gather precious and previously unavailable insights on various aspects of migration. Also, we highlight pending challenges that would need to be addressed before we can effectively benefit from the availability of mobile phone data to help make better decisions that would ultimately improve millions of people's lives.


翻译:有关移徙流动的统计数据往往来自普查数据,这些数据存在内在局限性,包括成本和不常见的抽样;在使用普查时,数据收集过程与相关统计数据的计算和公布之间通常存在时间差距,最长为几年;这一差距对分析持续和迅速变化的现象是一个重大缺陷;调查、实地观察等替代数据来源也存在可靠性、成本和规模限制;移动电话的普及性使得能够准确和有效地收集与移徙有关的最新数据;事实上,移动网络基础设施通过汇总、化名调详细记录(CDRs)被动收集的数据对于了解人类移徙具有重大价值;通过分析移动电话数据,我们可以说明移徙者的流动模式,检测自发住区,了解这些脆弱社会群体的日常习惯、融合程度和人际联系;本章讨论了利用移动电话数据作为替代数据来源收集宝贵和以前无法了解的关于移徙各个方面的最新数据的重要性;此外,我们强调,通过综合、假名化的CDRs(CDRs)收集的数据,对于了解人类移徙具有重大价值;通过分析移动电话数据,我们可以了解移徙者的流动模式,发现自发住区,了解这些脆弱社会群体的日常习惯、融合程度和人与人的联系;本章讨论了利用移动电话数据的重要性,以收集关于移徙各个方面的宝贵和以前无法获得的见解。此外,我们还必须需要解决有待解决的挑战,以便从移动电话的决策最终改善数百万人的生活。

0
下载
关闭预览

相关内容

专知会员服务
39+阅读 · 2020年9月6日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
已删除
将门创投
8+阅读 · 2019年6月13日
Arxiv
7+阅读 · 2021年4月30日
A Survey on Edge Intelligence
Arxiv
50+阅读 · 2020年3月26日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
VIP会员
相关资讯
已删除
将门创投
8+阅读 · 2019年6月13日
Top
微信扫码咨询专知VIP会员