211service.com
Använda Foursquare-data för att omdefiniera en stadsdel
Det kan vara svårt att definiera sammansättningen av en viss stadsdel. Lokalbefolkningen kan vara överens om det allmänna området och karaktären på, säg, Manhattans Upper West Side, men vi har alla olika åsikter om vad som verkligen händer där, eller till och med vad dess exakta gränser är.
Med detta i åtanke syftar ett forskningsprojekt som heter Livehoods, från Carnegie Mellon Universitys School of Computer Science, till att belysa hur människor verkligen bor i sina städer – och hur detta förändras över tiden – genom att kartlägga data som samlats in från 18 miljoner Foursquare-kontroller. ins som har skickats ut via Twitter.
Projektet grupperar incheckningar efter fysisk närhet och mäter social närhet efter hur ofta olika personer checkar in på liknande typer av platser. De resulterande områdena – som kanske inte överensstämmer med vad lokalbefolkningen vanligtvis tänker på som deras grannskap – är kallade livsformer. När fler människor använder smarta telefoner och tjänster som loggar deras platsdata, kommer intresset för att utvinna denna information sannolikt att växa – både för de kulturella insikter den kan visa och möjligheterna till reklam och andra möjligheter att tjäna pengar.
För närvarande, Levnadsmöjligheter erbjuder kartor över bara tre platser - Pittsburgh, San Francisco Bay Area och New York City (plus lite av New Jersey) - på sin webbplats. Gruppen hoppas kunna lägga till fler städer snart och säger att besökare kan rösta på de som de skulle vilja se kartlagda.
Norman Sadeh, professor i datavetenskap vid Carnegie Mellon som arbetar med Livehoods, säger att sociala medier kan hjälpa till att definiera egenskaperna hos ett stadsrum eftersom det verkligen talar på en så finare nivå än de uppgifter som folk har förlitat sig på tidigare, som folkräkning data.
Att titta på Livehoods-kartan över New York är till en början lite förvirrande, med kluster av färgade prickar överallt, varje nyans indikerar ett specifikt liv. Du kan klicka på valfri prick i ett kluster för att se gränserna som Livehoods-algoritmen har bestämt för den försörjningen, såväl som incheckningsplatsen som motsvarar den specifika punkten.
Istället för att ta på sig befintliga stadsdelar (vilket inte skulle fungera eftersom, i många fall, en enstaka försörjning kan sträcka sig till mer än en stadsdel), har varje försörjning ett nummer, samt detaljer om de mest populära destinationerna och aktiviteterna i det försörjning. Det finns också uppgifter om när människor oftast checkar in och var (inte chockerande, massor av folk checkar in på helgerna och restaurangincheckningar är bland de mest populära). Så småningom kan Livehoods crowdsource namnen på livehoods, säger Jason Hong, en forskargruppsmedlem och docent vid Carnegie Mellon.
Att krossa all denna data innebär också att Livehoods-teamet kan bestämma de mest relaterade livsvillkoren – det vill säga de områden som är mest besökta av samma människor.
Det är ett riktigt intressant sätt att se en ögonblicksbild av stadens struktur, säger Livehoods-teammedlemmen och Carnegie Mellon-studenten Justin Cranshaw.
Ibland blir det överraskningar också. Jag bor i Livehood #44 i San Francisco, som täcker mycket mer mark än vad jag brukar tänka på som mitt grannskap, nära den berömda korsningen Haight och Ashbury. Och de kvarter som är mest relaterade till mina är inte precis vad jag trodde heller.
Utöver att bara vara en resurs för nyfikna kan Livehoods ge invånarna bättre insikt och förståelse om sin stad, säger forskarna. Sadeh föreslår att data kan användas för att hjälpa butiker att avgöra var deras kunder verkligen kommer ifrån så att de vet var de ska annonsera, eller för att göra förutsägelser om hur förändringar – till exempel en Whole Foods stormarknad – kan påverka en stadsdel.
Stadsplanerare i Pittsburgh har redan visat intresse för att arbeta med Livehoods, säger Sadeh.
De ser helt klart många olika möjliga tillämpningar för den här analysen, säger han.