The Emerging Science of Computational Anthropology

Den stigende tilgængelighed af big data fra mobiltelefoner og lokationsbaserede apps har udløst en revolution i forståelsen af ​​menneskelige mobilitetsmønstre. Disse data viser ebbe og flow af den daglige pendling ind og ud af byer, rejsemønstret rundt om i verden og endda hvordan sygdomme kan spredes gennem byer via deres transportsystemer.

Så der er en betydelig interesse i at se nærmere på menneskelige mobilitetsmønstre for at se, hvor godt det kan forudsiges, og hvordan disse forudsigelser kan bruges i alt fra sygdomsbekæmpelse og byplanlægning til trafikprognose og lokationsbaseret annoncering.

I dag får vi et indblik i den slags detaljer, der er mulige takket være arbejdet fra Zimo Yang hos Microsoft research i Beijing og et par venner. Disse fyre starter med den hypotese, at folk, der bor i en by, har et mobilitetsmønster, der er væsentligt anderledes end dem, der blot er på besøg. Ved at opdele rejsende i lokale og ikke-lokale, forbedres deres evne til at forudsige, hvor folk sandsynligvis vil besøge, dramatisk.

Zimo og co begynder med data fra et kinesisk lokationsbaseret socialt netværk kaldet Jiepang.com. Dette svarer til Foursquare i USA. Det giver brugerne mulighed for at optage de steder, de besøger, og at forbinde med venner på disse steder og finde andre med lignende interesser.

Datapunkterne er kendt som check-ins, og holdet downloadede mere end 1,3 millioner af dem fra fem storbyer i Kina: Beijing, Shanghai, Nanjing, Chengdu og Hong Kong. De brugte derefter 90 procent af dataene til at træne deres algoritmer og de resterende 10 procent til at teste dem. Jiapang-dataene inkluderer brugernes hjembyer, så det er nemt at se, om en person tjekker ind i deres egen by eller et andet sted.

Spørgsmålet, som Zimo og co ønsker at besvare, er følgende: givet en bestemt bruger og deres nuværende placering, hvor er det mest sandsynligt, at de besøger i den nærmeste fremtid? I praksis betyder det, at man analyserer brugerens data, såsom deres hjemby og de lokaliteter, der er besøgt for nylig, og kommer med en liste over andre lokationer, som de sandsynligvis vil besøge baseret på den type mennesker, der tidligere har besøgt disse steder.

Zimo og co brugte deres træningsdatasæt til at lære mobilitetsmønstret for lokale og ikke-lokale og populariteten af ​​de steder, de besøgte. Holdet anvendte derefter dette på testdatasættet for at se, om deres algoritme var i stand til at forudsige, hvor lokalbefolkningen og ikke-lokalbefolkningen sandsynligvis ville besøge.

De fandt ud af, at deres bedste resultater kom fra at analysere et bestemt individs adfærdsmønster og vurdere, i hvilket omfang denne person opfører sig som en lokal. Det producerede en vægtning kaldet indigeniseringskoefficienten, som forskerne derefter kunne bruge til at bestemme de mobilitetsmønstre, som denne person sandsynligvis ville følge i fremtiden.

Faktisk siger Zimo og co, at de kan spotte ikke-lokale på denne måde uden selv at kende deres hjemsted. Fordi ikke-indfødte har en tendens til at besøge populære steder, såsom det kejserlige palads i Beijing og Bund i Shanghai, mens indfødte normalt tjekker ind omkring deres hjem og arbejdspladser, tilføjer de.

Holdet siger, at denne tilgang betydeligt overgår de blandede algoritmer, der kun bruger individuel besøgshistorie og placeringspopularitet. Til vores overraskelse overgår en hybridalgoritme vægtet af indigeniseringskoefficienterne den blandede algoritme, der tegner sig for yderligere demografisk information.

Det er let at forestille sig, hvordan en sådan algoritme kan være nyttig for virksomheder, der ønsker at målrette mod bestemte typer rejsende eller lokale mennesker. Men der er også en mere interessant applikation.

Zimo og co siger, at det er muligt at overvåge, hvordan et individs mobilitetsmønstre ændrer sig over tid. Så hvis en person flytter til en ny by, burde det være muligt at se, hvor lang tid det tager dem at bosætte sig i.

En måde at måle dette på er i deres mobilitetsmønstre: om de er mere som en lokal eller en ikke-lokal. Vi kan muligvis vurdere, om en ikke-indfødt person vil opføre sig som en indfødt person efter en tidsperiode, og i givet fald, hvor lang tid det i gennemsnit tager for en person at blive en indfødt, siger Zimo og co.

Det kan have en fascinerende indflydelse på den måde, antropologer studerer migration på, og den måde, indvandrere bliver en del af et lokalsamfund. Dette er beregningsantropologi, en videnskab, der tydeligvis er i sine tidlige stadier, men som har et enormt potentiale for fremtiden.

Ref: arxiv.org/abs/1405.7769 : Indigenisering af bymobilitet

skjule