Nighttime lights satellite imagery has been used for decades as a uniform, global source of data for studying a wide range of socioeconomic factors. Recently, another more terrestrial source is producing data with similarly uniform global coverage: anonymous and aggregated smart phone location. This data, which measures the movement patterns of people and populations rather than the light they produce, could prove just as valuable in decades to come. In fact, since human mobility is far more directly related to the socioeconomic variables being predicted, it has an even greater potential. Additionally, since cell phone locations can be aggregated in real time while preserving individual user privacy, it will be possible to conduct studies that would previously have been impossible because they require data from the present. Of course, it will take quite some time to establish the new techniques necessary to apply human mobility data to problems traditionally studied with satellite imagery and to conceptualize and develop new real time applications. In this study we demonstrate that it is possible to accelerate this process by inferring artificial nighttime satellite imagery from human mobility data, while maintaining a strong differential privacy guarantee. We also show that these artificial maps can be used to infer socioeconomic variables, often with greater accuracy than using actual satellite imagery. Along the way, we find that the relationship between mobility and light emissions is both nonlinear and varies considerably around the globe. Finally, we show that models based on human mobility can significantly improve our understanding of society at a global scale.

中文翻译：

---

从人类活动推断夜间卫星图像

几十年来，夜间灯光卫星图像一直被用作研究各种社会经济因素的统一全球数据来源。最近，另一个更多的地面来源正在生成具有类似统一全球覆盖范围的数据：匿名和聚合的智能手机位置。这些数据衡量的是人和人口的运动模式，而不是他们产生的光，在未来几十年可能会证明同样有价值。事实上，由于人类流动性与所预测的社会经济变量更直接相关，因此它具有更大的潜力。此外，由于可以在保护个人用户隐私的同时实时汇总手机位置，因此可以进行以前不可能进行的研究，因为它们需要当前的数据。当然，建立将人类移动数据应用于传统上通过卫星图像研究的问题以及概念化和开发新的实时应用程序所需的新技术需要相当长的时间。在这项研究中，我们证明可以通过从人类移动数据推断人工夜间卫星图像来加速这一过程，同时保持强大的差异隐私保证。我们还表明，这些人工地图可用于推断社会经济变量，通常比使用实际卫星图像更准确。在此过程中，我们发现移动性和光发射之间的关系既是非线性的，而且在全球范围内变化很大。最后，我们表明基于人类流动性的模型可以显着提高我们在全球范围内对社会的理解。在这项研究中，我们证明可以通过从人类移动数据推断人工夜间卫星图像来加速这一过程，同时保持强大的差异隐私保证。我们还表明，这些人工地图可用于推断社会经济变量，通常比使用实际卫星图像更准确。在此过程中，我们发现移动性和光发射之间的关系既是非线性的，而且在全球范围内变化很大。最后，我们表明基于人类流动性的模型可以显着提高我们在全球范围内对社会的理解。在这项研究中，我们证明可以通过从人类移动数据推断人工夜间卫星图像来加速这一过程，同时保持强大的差异隐私保证。我们还表明，这些人工地图可用于推断社会经济变量，通常比使用实际卫星图像更准确。在此过程中，我们发现移动性和光发射之间的关系既是非线性的，而且在全球范围内变化很大。最后，我们表明基于人类流动性的模型可以显着提高我们在全球范围内对社会的理解。通常比使用实际卫星图像具有更高的准确性。在此过程中，我们发现移动性和光发射之间的关系既是非线性的，而且在全球范围内变化很大。最后，我们表明基于人类流动性的模型可以显着提高我们在全球范围内对社会的理解。通常比使用实际卫星图像具有更高的准确性。在此过程中，我们发现移动性和光发射之间的关系既是非线性的，而且在全球范围内变化很大。最后，我们表明基于人类流动性的模型可以显着提高我们在全球范围内对社会的理解。