Dieser Datensatz besteht aus echten Daten, die 2024 von Google Research zur Bewertung von auf Populationsdynamik basierenden Einbettungen veröffentlicht wurden. Es enthält umfassende zusammenfassende Informationen zum menschlichen Verhalten, die aus Karten, Suchtrendzusammenfassungen und Umweltfaktoren wie Wetter und Luftqualität gewonnen wurden. Die relevanten Papierergebnisse sindAllgemeine georäumliche Inferenz mit einem Population Dynamics Foundation Model".

Der Datensatz enthält 3 Dateien:

• conus27 (Interpolation, Superauflösung und Extrapolation): Die conus27-Datei ist ein vielseitiger Datensatz, der Aufgaben unterstützt, die Interpolation (Füllen von Lücken), Superauflösung (Erstellen von Vorhersagen auf feineren räumlichen Skalen) und Extrapolation (Projektion von Daten über große fehlende Bereiche) beinhalten. Die Datei enthält detaillierte Geolokalisierungsinformationen (Standort, Landkreis, Bundesstaat, Breitengrad, Längengrad) und wichtige Indikatoren zur Bevölkerungsgesundheit sowie geografische Merkmale wie Baumbedeckung, Höhe und Nachtbeleuchtung.

• Vorhersage: Die Fähigkeit des Modells, die Zeit vorherzusagen, wird anhand von zwei Datensätzen demonstriert:
  • county_unemployment.csv: Enthält Arbeitslosendaten auf Bezirksebene von 1990 bis 2024, sodass Benutzer Beschäftigungstrends im Zeitverlauf verfolgen können.
  • zcta_poverty.csv: Diese Datei enthält jährliche Armutsschätzungen auf der Ebene der ZIP Code Tabulation Area (ZCTA) von 2011 bis 2022 und bietet Einblicke in wirtschaftliche und soziale Veränderungen auf einer feineren räumlichen Ebene.

Das Google Research-Team verwendete Graph-Neural-Networks, um die komplexen Beziehungen zwischen diesen Daten und Standorten zu modellieren, und kombinierte das PDFM-Modell mit dem fortschrittlichsten Prognosebasismodell TimesFM, um Arbeitslosen- und Armutsraten vorherzusagen und so eine überragende Leistung zu erzielen.