Wykorzystanie danych Foursquare do przedefiniowania sąsiedztwa

Zdefiniowanie składu konkretnej okolicy może być trudne. Miejscowi mogą być zgodni co do ogólnego obszaru i charakteru, powiedzmy, Manhattanu Upper West Side, ale wszyscy mamy różne opinie na temat tego, co tak naprawdę się tam dzieje, a nawet jakie są jego dokładne granice.

Mając to na uwadze, projekt badawczy o nazwie Livehoods z Carnegie Mellon University School of Computer Science ma na celu rzucić nieco światła na to, jak ludzie naprawdę zamieszkują swoje miasta – i jak to się zmienia w czasie – poprzez mapowanie danych zebranych z 18 milionów testów Foursquare. ins, które zostały wysłane za pośrednictwem Twittera.

Projekt grupuje zameldowanie według bliskości fizycznej i mierzy bliskość społeczną na podstawie tego, jak często różni ludzie meldują się w podobnych miejscach. Powstałe obszary – które mogą nie odpowiadać temu, co miejscowi zwykle uważają za swoją okolicę – są nazywane miejscami zamieszkania. Ponieważ coraz więcej osób korzysta ze smartfonów i usług, które rejestrują dane o ich lokalizacji, zainteresowanie wyszukiwaniem tych informacji prawdopodobnie wzrośnie — zarówno ze względu na kulturowe spostrzeżenia, jakie mogą one pokazać, jak i możliwości reklamy i innych możliwości zarabiania pieniędzy.

W tej chwili, Żywotność oferuje mapy tylko trzech miejsc — Pittsburgha, rejonu zatoki San Francisco i Nowego Jorku (plus trochę New Jersey) — na swojej stronie internetowej. Grupa ma nadzieję wkrótce dodać więcej miast i twierdzi, że odwiedzający mogą głosować na te, które chcieliby zobaczyć na mapie.

Norman Sadeh, profesor informatyki w Carnegie Mellon, który pracuje nad Livehoods, mówi, że media społecznościowe mogą pomóc w zdefiniowaniu cech przestrzeni miejskiej, ponieważ tak naprawdę przemawia na tak precyzyjnym poziomie niż dane, na których ludzie polegali w przeszłości, takie jak spis ludności dane.

Patrzenie na mapę Nowego Jorku z mieszkańcami jest początkowo trochę mylące, z skupiskami kolorowych kropek w całym miejscu, każdy odcień wskazuje na konkretny sposób życia. Możesz kliknąć dowolną kropkę w klastrze, aby zobaczyć granice, które algorytm Livehoods określił dla tego życia, a także lokalizację zameldowania, która odpowiada tej konkretnej kropce.

Zamiast przyjmować istniejące nazwy dzielnic (co nie działałoby, ponieważ w wielu przypadkach jedno życie może rozciągać się na więcej niż jedną dzielnicę), każde miejsce zamieszkania ma numer, a także szczegóły dotyczące najpopularniejszych miejsc i działań w tym życie. Istnieją również dane o tym, kiedy ludzie najczęściej się meldują i gdzie (co nie jest szokujące, wiele osób melduje się w weekendy, a meldunki w restauracjach należą do najpopularniejszych). W końcu Livehoods może pozyskiwać nazwy osób, które żyją, mówi Jason Hong, członek zespołu badawczego i profesor nadzwyczajny w Carnegie Mellon.

Analiza wszystkich tych danych oznacza również, że zespół Livehoods może określić najbardziej powiązane źródła utrzymania — czyli obszary najczęściej odwiedzane przez te same osoby.

To naprawdę interesujący sposób, aby zobaczyć migawkę struktury miasta, mówi członek zespołu Livehoods i absolwent Carnegie Mellon, Justin Cranshaw.

Czasami zdarzają się też niespodzianki. Mieszkam w Livehood #44 w San Francisco, które zajmuje znacznie więcej terenu niż to, co zwykle uważam za moją dzielnicę, w pobliżu słynnego skrzyżowania Haight i Ashbury. A dzielnice najbardziej powiązane z moimi też nie są dokładnie tym, o czym myślałem.

Naukowcy twierdzą, że nie tylko jako źródło informacji dla ciekawskich, Livehoods może zapewnić mieszkańcom lepszy wgląd i zrozumienie ich miasta. Sadeh sugeruje, że dane można wykorzystać, aby pomóc sklepom określić, skąd naprawdę pochodzą ich klienci, aby wiedzieli, gdzie się reklamować, lub przewidywać, w jaki sposób zmiany – na przykład dodanie supermarketu Whole Foods – mogą wpłynąć na sąsiedztwo.

Sadeh mówi, że urbaniści z Pittsburgha już wyrazili zainteresowanie współpracą z Livehoods.

Wyraźnie widzą wiele różnych możliwych zastosowań tej analizy, mówi.

ukryć