从图拉到柏林：Instagram的城市分析

在Instagram上您可以找到任何主要城市的照片已不是什么秘密。 如果我们尝试从片段中重建整个图片怎么办？ 收到的信息将有助于理解陌生地点的概念，并且将对传统旅行指南的补充对旅行者有用。

通过照片分析城市的想法通常并不新鲜[ 1,2,3 ]，但是坦率地说，发现的文章并没有真正说明。

如何从instagram收集数据是一个反复讨论的主题，本文不予考虑。 可以通过API提取某些内容，但是如果无法访问它，则可以使用其他 选项 。

我们的基本工具将是Python和Plotly。 最后，有指向不同城市的GitHub和Jupyter笔记本电脑的链接（图形是交互式的，因此它们包含更多信息，建议您面对面结识）。 存储库中还包含用于数据收集的脚本。

在本文中，我们将在柏林四处走走。 本文考虑的数据集包含大约2万个位置的约10万张照片。

对于每个位置，我们将需要：

1. 职称
2. 座标
3. 照片（10-100个）
4. 帖子数（位置页面上的edge_location_to_media变量，它没有出现在文档中，但是通过间接指示，它的含义就是这样）

第一次走

将数据放在地图上。 为了突出显示最繁忙的地方，我们将同一条街上的位置合并为一个标记。 地图将使用Mapbox绘制。


柏林地图。 标记显示位置数

让我们熟悉主要的地名。 为此，我们需要将地点的坐标转换为地址-这是反向地理编码的任务。 为了解决这个问题，使用了Google Geocoding API。 收集地理数据后，我们根据位置数对街道和区域进行排序。


对于诸如莫斯科之类的城市，有关地区的信息不是很重要，中心的内容几乎相同，但是柏林的异构性更高，因此区分例如克罗伊茨贝格和普伦茨劳贝格很有用。

让我们看一下按受欢迎程度排序的地点列表。


它将“正式”场所（纪念碑，博物馆，美术馆）与“非正式”场所（俱乐部，酒吧，商店）混合在一起。 为了使彼此分开，我们需要来自Wikipedia的数据。 与instagram不同，它的API可供所有用户使用。 一方面，我们推迟instagram上的帖子数量，另一方面，推迟查看有关该地点的Wikipedia文章的次数。 在此图中，更多的“正式”场所将位于更高，更受欢迎的地方。

为了减少错误，我们将沿着街道分组位置，如地图上所示。 在选择位置文章时，一些数据会丢失，因此图片包含的点数少于地图。
Insta-Wiki图表。 在几条街道上，会标出最重要的地方。 有关更多信息，请参阅笔记本电脑。

去哪里拍照？ 估计包含面部的照片的比例。 OpenCV和Haar级联将为我们提供帮助。
分享包含面孔的照片。 图片右侧的点是自拍照的热门地点（井或名利场）

更深入

接下来，我们应用神经网络来确定照片中的环境。 我们使用了在MIT [4]上编译的数据集上经过训练的CNN Places365 。 选择最适合此任务的标签。 找出哪些更常见：
标签等级。 名称保留原始名称。 不需要从字面上理解它们：martial_arts_gym更像是一间健身房，而迪斯科舞厅的标签可以简单地标记一个黑暗的房间

让我们看看哪些标签与街道相对应：

在地图上相同：


最具特色的柏林地图。 看看右边的迪斯科舞厅标签-它是充满活力的夜生活区弗里德里希斯海恩（Friedrichshain）

你好哈罗哈罗

了解新城市的一种方法是将其与您所知道的城市进行比较。 我们针对两个城市的位置获取特征向量，并使用t-SNE获得二维坐标。 为了清楚起见，该图隐藏了位于对手城市区域内的位置。

比较柏林和莫斯科的位置。 标签表明该领域的主要特征。 彼此相邻的不同颜色的群集指示城市之间的接触点，即相似的地方

让我们看一下符号的区别：
柏林和莫斯科之间的标志差异。 似乎在我们首都，更经常在体育馆和试衣间拍照

文章
1. 如何在Instagram上学习城市
2. 我们的Instagram：Instagram照片内容和用户类型的初步分析
3. 放大Instagram城市：通过社交媒体阅读当地信息
4. 地点：用于场景识别的1000万个图像数据库

手提电脑
图拉 ， 莫斯科 ， 圣彼得堡 ， 柏林 ， 罗马 ， 香港

Github
github.com/pskryuchkov/voyage