من تولا إلى برلين: التحليل الحضري على إنستغرام

ليس سراً أنه على Instagram يمكنك العثور على صور لأي مدينة رئيسية. ماذا لو حاولنا إعادة بناء الصورة كاملة من الشظايا؟ ستساعد المعلومات الواردة في فهم فكرة الأماكن غير المألوفة وستكون مفيدة للمسافرين ، مع استكمال أدلة السفر التقليدية.

إن فكرة تحليل المدن عن طريق الصورة ليست عمومًا جديدة [ 1 ، 2 ، 3 ] ، ولكن بصراحة ، المقالات الموجودة لا توضح الكثير.

كيفية جمع البيانات من instagram هو موضوع تمت تغطيته بشكل متكرر ولم يتم تناوله في هذه المقالة. يمكن سحب شيء من خلال واجهة برمجة التطبيقات ، ولكن إذا لم يكن هناك وصول إليه ، فهناك خيارات بديلة .

أدواتنا الأساسية ستكون بيثون وبلوتلي. في النهاية ، توجد روابط لأجهزة الكمبيوتر المحمولة GitHub و Jupyter لمدن مختلفة (الرسومات تفاعلية ، وبالتالي فهي تحتوي على مزيد من المعلومات ويوصى بها للتعارف وجهاً لوجه). يتم أيضًا تضمين البرامج النصية الخاصة بجمع البيانات في المستودع.

في هذه المقالة سوف نتجول في برلين. تحتوي مجموعة البيانات التي تم أخذها في الاعتبار في هذه المقالة على حوالي 100 ألف صورة لمواقع ~ 2 كيلو.

سنحتاج إلى كل موقع:

1. اسم
2. إحداثيات
3. صور (10-100 جهاز كمبيوتر شخصى.)
4. عدد المنشورات (متغير edge_location_to_media في صفحة الموقع ، لا يظهر في الوثائق ، لكن من خلال الإشارات غير المباشرة يعني ذلك بالضبط)

المشي الأول

ضع البيانات على الخريطة. لتسليط الضوء على أكثر الأماكن ازدحامًا ، نقوم بدمج المواقع الموجودة في نفس الشارع في علامة واحدة. سيتم رسم الخرائط باستخدام Mapbox.


خريطة برلين. علامات تظهر عدد المواقع

دعونا التعرف على أسماء الأماكن الرئيسية. للقيام بذلك ، نحتاج إلى تحويل إحداثيات الأماكن إلى عناوين - هذه هي مهمة الترميز الجغرافي العكسي. لحلها ، تم استخدام Google Geocoding API. بعد جمع البيانات الجغرافية ، نقوم بتصنيف الشوارع والمناطق حسب عدد المواقع.


بالنسبة للمدن مثل موسكو ، فإن المعلومات حول المناطق ليست مهمة للغاية ، كل شيء في الوسط هو نفسه ، لكن برلين أكثر تجانسًا وبالتالي فمن المفيد التمييز ، على سبيل المثال ، كروزبرج من برينزلوير بيرج .

دعونا نلقي نظرة على قائمة الأماكن مرتبة حسب الشعبية.


إنه يمزج الأماكن "الرسمية" (الآثار والمتاحف وصالات العرض) مع الأماكن "غير الرسمية" (النوادي والحانات والمتاجر). لفصل واحد عن الآخر ، نحتاج إلى بيانات من ويكيبيديا ؛ على عكس instagram ، تتوفر واجهة برمجة التطبيقات لجميع القادمين بالكامل. على أحد المحاور ، نقوم بتأجيل عدد المنشورات على instagram ، وعلى الجانب الآخر ، عدد المرات التي تم فيها مشاهدة مقالة ويكيبيديا حول هذا المكان. في هذا الشكل ، سيتم تحديد أماكن "رسمية" أعلى ، وأكثر شعبية على اليمين.

لتقليل الأخطاء ، سنقوم بتجميع المواقع على طول الشوارع ، كما هو الحال على الخريطة. في عملية اختيار المقالات للمواقع ، يتم فقد بعض البيانات ، وبالتالي ستحتوي الصورة على نقاط أقل من الخريطة.
مخطط إنستا ويكي. لعدة شوارع ، يتم تمييز الأماكن الأكثر أهمية. انظر الكمبيوتر المحمول لمزيد من المعلومات.

إلى أين أذهب لأخذ صورة شخصية؟ تقدير نسبة الصور التي تحتوي على وجوه. سوف OpenCV و Haar تتالي تساعدنا في هذا.
مشاركة الصور التي تحتوي على وجوه. النقاط الموجودة على الجانب الأيمن من الصورة هي أماكن شائعة لصور شخصية (جيدًا ، أو معارض للغرور)

الذهاب أعمق

بعد ذلك ، نطبق شبكة عصبية لتحديد البيئة في الصور. استخدمنا CNN Places365 ، وتم تدريبه على مجموعة بيانات تم تجميعها في MIT [4] . تم اختيار العلامات الأكثر ملاءمة لهذه المهمة. تعرف على أكثرها شيوعًا:
تصنيف العلامة. تركت الأسماء الأصلية. لا يجب أخذهم حرفيًا: إن martial_arts_gym أشبه بصالة ألعاب رياضية ، ويمكن لعلامة ديسكو أن تشير ببساطة إلى غرفة مظلمة

دعونا نرى العلامات التي تتوافق مع الشوارع:

نفس الشيء على الخريطة:


خريطة برلين مع أكثر العلامات المميزة. تحقق من علامة الديسكو على اليمين - إنها فريدريششين ، وهي منطقة حياة ليلية نابضة بالحياة

مرحبا ، مرحبا ، هولا

إحدى الطرق لتعلم شيء عن مدينة جديدة هي مقارنتها بالمدينة التي تعرفها. نأخذ ناقلات المعالم لمواقع مدينتين وباستخدام t-SNE نحصل على إحداثيات ثنائية الأبعاد. للوضوح ، والشخصية المواقع الخفية الكذب في منطقة مدينة الخصم.

مقارنة المواقع في برلين وموسكو. تشير الملصقات إلى السمة السائدة في الحقل. تشير مجموعات الألوان المختلفة الموجودة بجانب بعضها البعض إلى نقاط اتصال بين المدن ، أي أماكن مماثلة

لنلقِ نظرة على اختلاف العلامات:
اختلاف العلامات بين برلين وموسكو. يبدو أنه في عاصمتنا في كثير من الأحيان صورت في صالات رياضية وغرف المناسب

مقالات
1. كيفية دراسة المدينة على Instagram
2. ما نحن عليه Instagram: أول تحليل لمحتوى صور Instagram وأنواع المستخدم
3. التكبير في مدينة Instagram: قراءة المحلية من خلال وسائل التواصل الاجتماعي
4. الأماكن: قاعدة بيانات 10 ملايين صورة للتعرف على المشهد

أجهزة الكمبيوتر المحمولة
تولا ، موسكو ، سانت بطرسبرغ ، برلين ، روما ، هونج كونج

جيثب
github.com/pskryuchkov/voyage