Wschodząca nauka antropologii obliczeniowej

Rosnąca dostępność dużych zbiorów danych z telefonów komórkowych i aplikacji lokalizacyjnych spowodowała rewolucję w zrozumieniu wzorców mobilności ludzi. Dane te pokazują przypływy i odpływy codziennych dojazdów do i z miast, schemat podróżowania po świecie, a nawet sposób, w jaki choroby mogą rozprzestrzeniać się w miastach za pośrednictwem ich systemów transportowych.

Istnieje więc duże zainteresowanie bliższym przyjrzeniem się wzorcom mobilności ludzi, aby zobaczyć, jak dobrze można je przewidzieć i jak te prognozy mogą być wykorzystane we wszystkim, od kontroli chorób i planowania miast po prognozowanie ruchu i reklamę opartą na lokalizacji.

Dziś mamy wgląd w szczegóły, które są możliwe dzięki pracy Zimo Yanga z Microsoft Research w Pekinie i kilku kumpli. Ci faceci zaczynają od hipotezy, że ludzie mieszkający w mieście mają wzorzec mobilności, który znacznie różni się od tych, którzy tylko je odwiedzają. Dzieląc podróżnych na lokalnych i nielokalnych, ich zdolność do przewidywania, gdzie ludzie prawdopodobnie odwiedzą, znacznie się poprawia.

Zimo i spółka zaczynają od danych z chińskiej sieci społecznościowej o nazwie Jiepang.com. Jest to podobne do Foursquare w Stanach Zjednoczonych. Umożliwia użytkownikom rejestrowanie odwiedzanych miejsc i łączenie się ze znajomymi w tych lokalizacjach oraz znajdowanie innych o podobnych zainteresowaniach.

Punkty danych znane są jako meldunki, a zespół pobrał ich ponad 1,3 miliona z pięciu dużych miast w Chinach: Pekinu, Szanghaju, Nankinu, Chengdu i Hongkongu. Następnie wykorzystali 90 procent danych do trenowania swoich algorytmów, a pozostałe 10 procent do ich przetestowania. Dane Jiapang obejmują rodzinne miasta użytkowników, więc łatwo jest sprawdzić, czy dana osoba melduje się we własnym mieście, czy gdzie indziej.

Pytanie, na które Zimo i spółka chcą odpowiedzieć, brzmi: biorąc pod uwagę konkretnego użytkownika i jego aktualną lokalizację, gdzie najchętniej odwiedzi go w najbliższej przyszłości? W praktyce oznacza to analizę danych użytkownika, takich jak jego rodzinne miasto i ostatnio odwiedzane lokalizacje, oraz wymyślenie listy innych lokalizacji, które prawdopodobnie odwiedzą na podstawie rodzaju osób, które odwiedziły te lokalizacje w przeszłości.

Zimo i spółka wykorzystali swój zestaw danych szkoleniowych, aby poznać wzorce mobilności mieszkańców i nielokalnych oraz popularność odwiedzanych przez nich lokalizacji. Zespół następnie zastosował to do zestawu danych testowych, aby sprawdzić, czy ich algorytm był w stanie przewidzieć, gdzie prawdopodobnie odwiedzą miejscowi i nielokalni.

Odkryli, że najlepsze wyniki uzyskali z analizy wzorca zachowania konkretnej osoby i oszacowania, w jakim stopniu ta osoba zachowuje się jak miejscowy. To dało ważenie zwane współczynnikiem indygenizacji, którego naukowcy mogli następnie użyć do określenia wzorców mobilności, które ta osoba prawdopodobnie będzie podążać w przyszłości.

W rzeczywistości Zimo i spółka twierdzą, że mogą w ten sposób wykryć nielokalnych, nawet nie znając ich lokalizacji domowej. Dodają, że obcokrajowcy zwykle odwiedzają popularne miejsca, takie jak Pałac Cesarski w Pekinie i Bund w Szanghaju, podczas gdy tubylcy zwykle zameldują się w swoich domach i miejscach pracy.

Zespół twierdzi, że to podejście znacznie przewyższa algorytmy mieszane, które wykorzystują tylko indywidualną historię odwiedzin i popularność lokalizacji. Ku naszemu zaskoczeniu algorytm hybrydowy ważony współczynnikami indygenizacji przewyższa algorytm mieszany uwzględniający dodatkowe informacje demograficzne.

Łatwo sobie wyobrazić, jak taki algorytm może być przydatny dla firm, które chcą kierować reklamy do określonych typów podróżnych lub lokalnych mieszkańców. Ale jest też ciekawsza aplikacja.

Zimo i spółka twierdzą, że można monitorować, w jaki sposób wzorce mobilności jednostki zmieniają się w czasie. Jeśli więc dana osoba przeprowadza się do nowego miasta, powinno być możliwe sprawdzenie, ile czasu zajmie jej zaaklimatyzowanie się.

Jednym ze sposobów mierzenia tego jest ich wzorce mobilności: czy są bardziej podobne do wzorców lokalnych czy nielokalnych. Możemy być w stanie oszacować, czy osoba nierodzima po pewnym czasie będzie zachowywać się jak osoba rodzima, a jeśli tak, to ile średnio czasu zajmuje dana osoba, aby stać się taka jak tubylec, powiedzmy Zimo i spółka.

To może mieć fascynujący wpływ na sposób, w jaki antropolodzy badają migrację i sposób, w jaki imigranci stają się częścią lokalnej społeczności. Jest to antropologia obliczeniowa, nauka wyraźnie w początkowej fazie, ale mająca ogromny potencjał na przyszłość.

Nr ref.: arxiv.org/abs/1405.7769 : Indygenizacja mobilności miejskiej

ukryć