211service.com
Brug af Foursquare-data til at omdefinere et kvarter
Det kan være vanskeligt at definere sammensætningen af et bestemt nabolag. Lokalbefolkningen kan være enige om det generelle område og karakter af for eksempel Manhattans Upper West Side, men vi har alle forskellige meninger om, hvad der virkelig foregår der, eller endda hvad dets præcise grænser er.
Med dette i tankerne har et forskningsprojekt kaldet Livehoods, fra Carnegie Mellon University's School of Computer Science, til formål at kaste lidt lys over, hvordan folk virkelig bebor deres byer – og hvordan dette ændrer sig over tid – ved at kortlægge data indsamlet fra 18 millioner Foursquare check- ins, der er sendt ud via Twitter.
Projektet grupperer check-in efter fysisk nærhed og måler social nærhed ved, hvor ofte forskellige mennesker tjekker ind på lignende slags steder. De resulterende områder - som måske ikke svarer til, hvad de lokale typisk tænker på som deres kvarter - er døbt levevilkår. Efterhånden som flere mennesker bruger smartphones og tjenester, der logger deres placeringsdata, vil interessen for at udvinde disse oplysninger sandsynligvis vokse - både på grund af den kulturelle indsigt, den kunne vise, og mulighederne for annoncering og andre muligheder for at tjene penge.
I øjeblikket, Levegrundlag tilbyder kort over kun tre steder - Pittsburgh, San Francisco Bay Area og New York City (plus lidt af New Jersey) - på sin hjemmeside. Gruppen håber at tilføje flere byer snart, og siger, at besøgende kan stemme på dem, de gerne vil se kortlagt.
Norman Sadeh, professor i datalogi ved Carnegie Mellon, som arbejder på Livehoods, siger, at sociale medier kan hjælpe med at definere et byrums karakteristika, fordi det virkelig taler på et så finere niveau end de data, folk tidligere har stolet på, såsom folketælling data.
At se på Livehoods-kortet over New York er lidt forvirrende i starten, med klynger af farvede prikker overalt, hvor hver nuance indikerer en specifik levevej. Du kan klikke på en hvilken som helst prik i en klynge for at se de grænser, som Livehoods-algoritmen har bestemt for det pågældende levebrød, såvel som det indtjekningssted, der svarer til det pågældende punkt.
I stedet for at påtage sig eksisterende nabolagsnavne (hvilket ikke ville fungere, da et enkelt levebrød i mange tilfælde kan strække sig ind i mere end ét kvarter), har hver levevej et nummer, samt detaljer om de mest populære destinationer og aktiviteter i det levebrød. Der er også data om, hvornår folk oftest tjekker ind og hvor (ikke chokerende, mange mennesker tjekker ind i weekenden, og restaurantindtjekning er blandt de mest populære). Til sidst kan Livehoods crowdsource navnene på levebrødene, siger Jason Hong, et forskningsteammedlem og lektor ved Carnegie Mellon.
At knuse alle disse data betyder også, at Livehoods-teamet kan bestemme de mest relaterede levevilkår - det vil sige de områder, der er mest besøgt af de samme mennesker.
Det er en virkelig interessant måde at se et øjebliksbillede af byens struktur på, siger Livehoods-teammedlem og Carnegie Mellon-kandidatstuderende Justin Cranshaw.
Nogle gange er der også overraskelser. Jeg bor i Livehood #44 i San Francisco, som dækker meget mere jord end hvad jeg normalt tænker på som mit nabolag, nær det berømte kryds Haight og Ashbury. Og de kvarterer, der er mest relateret til mit, er heller ikke lige, hvad jeg regnede med.
Udover blot at være en ressource for nysgerrige, kan Livehoods give beboerne bedre indsigt og forståelse for deres by, siger forskerne. Sadeh foreslår, at dataene kan bruges til at hjælpe butikker med at bestemme, hvor deres kunder virkelig kommer fra, så de ved, hvor de skal annoncere, eller til at komme med forudsigelser om, hvordan ændringer - f.eks. tilføjelsen af et Whole Foods-supermarked - kan påvirke et nabolag.
Allerede har byplanlæggere i Pittsburgh vist interesse for at arbejde med Livehoods, siger Sadeh.
De ser tydeligvis mange forskellige anvendelsesmuligheder for denne analyse, siger han.