"Mãe, ele me contou!", Ou onde crescem as pernas a partir da análise do tráfego de pedestres

Recentemente, houve notícias de que os EUA lançaram um programa para coletar dados de pedestres com outdoors para determinar seu público-alvo. Imediatamente começou uma discussão sobre a ética da coleta de dados GSM e sobre quais dados privados vazariam. Mas não quero que, no começo da discussão, fale completamente sobre a história do problema e como usar as informações reunidas de uma maneira ou de outra sobre a multidão de rua em benefício da cidade e de seus habitantes.



Vamos começar desde o começo. Os métodos para analisar o tráfego de pedestres apareceram no século passado e, em vez das torres GSM, eles usaram uma força de trabalho gratuita de estudantes que, como parte de seus trabalhos escolares, rabiscavam e plotavam milhares de folhas por quadrado, listrado e A4. Só aqui está o problema, todas as pessoas são tão diferentes e todas estão envolvidas na rua com seus assuntos obscuros particulares. Essas informações díspares são inconvenientes para o processamento e onde capturar padrões significativos; serão iguais em diferentes casos?

Como unificar dados sobre a massa desorganizada de pessoas? A opção mais fácil é descartar os "dados privados" que são tão caros para seus proprietários. Por exemplo, você pode usar a metodologia do cientista soviético A. V. Krasheninnikov: foco na densidade das pessoas no território (eixo horizontal) e na intensidade de seus movimentos (eixo vertical). Isso resultará em um "diagrama de comportamento ambiental", no qual haverá um local para qualquer tipo de atividade humana:


esses quatro pequenos quadrados, por exemplo, não têm relação um com o outro. Em uma situação real, são obtidas imagens mais complexas e reconhecíveis:


Surpreendentemente, mesmo com apenas dois parâmetros, você pode fazer um “retrato” do local, entender o que as pessoas querem dele, se o ambiente é satisfatório e o que vale a pena mudar. A forma, tamanho do espaço, obstáculos à visibilidade ou passagem afetam fortemente os gráficos: lugares diferentes atraem pessoas diferentes e estimulam atividades diferentes. Se possível, esses esboços são usados ​​na reconstrução de bairros antigos e no design de novos - controle de padrões espaciais desenvolvidos em sua base.

No nível atual de processamento de informações, você pode adicionar facilmente mais 2 parâmetros: sexo e idade. Codificamos o piso com a forma da marca no diagrama e envelhecemos com a cor. Um retrato de um pátio comum pode ser algo assim:

Muito provavelmente, o resultado da "vigilância" dos outdoors será aproximadamente esses "retratos" do ambiente urbano ao seu redor. Um tipo de código rapidamente legível, "nada pessoal". Fácil de processar e encontrar padrões. E - diferentemente dos onipresentes códigos QR - este pode ser lido a olho nu.

Se você adicionar um quinto parâmetro - hora -, poderá acompanhar que em diferentes horas do dia, dias da semana, estações do ano, os mesmos locais atraem pessoas diferentes. Um campo tão promissor da ciência como a análise de ritmo lida com isso. Existem exemplos do uso prático da análise de ritmo, por exemplo, a Califórnia Santa Cruz introduziu um programa, que compõe a rota dos carros-patrulha, com base nas estatísticas de criminalidade nas ruas, levando em consideração os dias da semana, a hora do dia, as partidas de futebol na TV etc. Existem exemplos disso em dados celulares . De qualquer forma, a previsão de crimes agora é uma área muito popular.


Mapa da previsão do crime de Santa Cruz.

É interessante que, inicialmente, uma das aplicações da metodologia de Krasheninnikov fosse precisamente a melhoria da situação criminal em áreas residenciais: o algoritmo que ele desenvolveu tornou possível encontrar lugares atraentes para cidadãos sociais e "transcodificá-los". No entanto, em um momento em que os computadores eram grandes e os programas pequenos, o programa que ele propôs nunca foi escrito. É bem possível analisá-lo manualmente, mas é longo e chato. Além disso, os dados que podem ser obtidos no mapa geralmente não são suficientes: as pessoas realmente gostam de "girar" espaços desconfortáveis, usando-os para outros fins, mas para descobrir, você precisa de observação direta a longo prazo. Mas ainda não zomba de estudantes pobres? No estágio atual de desenvolvimento da tecnologia, tornou-se possível automatizar essa parte do trabalho, por exemplo,analisando vídeos ou focando em dados celulares.


Um mapa construído manualmente das zonas de controle social de um quarto grande em uma grade de 25x25 m. Beleza, você pode pendurar na parede. Abstracionismo clássico Pete Mondrian aprova.

Se é possível operar com dados da torre GSM, é possível rastrear “fatias” não estáticas, mas “trilhas” dinâmicas, e os resultados se tornam mais interessantes. Por exemplo, em um laboratório de Pesquisa da IBM em Dublin, eles escreveram um algoritmo para analisar o tráfego de pessoas que usam transporte público, que foi percorrido no exemplo da cidade de Abidjan, com 4,5 milhões de habitantes, e permitiu melhorar a situação do transporte, reduzindo o tempo de espera e viajando em média 10% para todos os residentes. As informações de dezembro de 2011 a abril de 2012 foram coletadas e fornecidas para pesquisa científica pela operadora Orange. O banco de dados inclui 2,5 bilhões de registros e é liberado de qualquer informação pessoal.


Na figura superior - tempo de espera nas paradas, na parte inferior - rotas de congestionamento.

Em geral, o diabo não é tão terrível quanto é pintado: realmente existem resultados positivos significativos da vigilância total. Obviamente, as empresas de publicidade estão reivindicando o papel do mal no mundo e já estão se aproximando do nível crítico descrito por E. Griffith em seu "Listen, Listen", G. Kuttner no livro "O dia não conta", F. Paul em "Merchants of Venus" ou R. Russell na "Sala". Claro geomarketing isso não vai a lugar nenhum em nossas vidas, mas há uma probabilidade de que os dados coletados pelos outdoors se tornem de domínio público, como é o caso de Abidjan, e todos que criam um novo algoritmo de análise podem experimentá-lo, aprender algo novo sobre o rosto cidades - e até mudar sua expressão para melhor.

Source: https://habr.com/ru/post/pt391519/