211service.com
Hvordan Google Street View-bilder avslører den demografiske sammensetningen av USA
Hvert år bruker U.S. Census Bureau 1 milliard dollar på å kartlegge befolkningen. Disse undersøkelsene er utformet for å plage den demografiske sammensetningen av landet ved å spørre en representativ gruppe mennesker om deres rase, kjønn, utdanning, yrke og så videre. Dette er en viktig øvelse fordi den gir et avgjørende fugleperspektiv av bestanden og hvordan den endrer seg.
Men det er ikke lett. Til å begynne med er dataene relativt store – Census Bureaus hovedundersøkelse, American Community Survey, gir resultater for alle byer og fylker med en befolkning på over 65 000. Mindre områder vises ikke.
Dessuten er kartlegging av befolkningen en tidkrevende øvelse; så mye at noen data kan være fem år gamle når de publiseres. Og fordi andre data er mye nyere, kan sammenligninger være problematiske.
Så demografer ville elsket å ha en raskere, mer effektiv og høyere oppløsning måte å studere befolkningen på.
Gå inn på Timnit Gebru ved Stanford University og noen få venner, som har brukt Google Street View-bilder til å gjøre bemerkelsesverdig nøyaktige vurderinger av den demografiske sammenbruddet i et bredt spekter av amerikanske byer. Teknikken deres viser hvordan demografer kan samle pålitelige data på en helt ny måte som utfyller og forbedrer dagens metoder.
Gebru og co begynner med 50 millioner Street View-bilder samlet av Googles biler i 200 amerikanske byer. Teamet mener typen bil folk eier er en sterk indikator på rase, inntekt, utdanningsnivå, yrke og så videre.
Så Gebru trente et sett med maskinsynsalgoritmer for å gjenkjenne biler i disse bildene og deretter klassifisere hver i en av 2657 forskjellige kategorier som ikke bare avhenger av bilens merke og modell, men også dens alder. Dette gir en nøyaktig ide om bilens verdi.
Totalt klassifiserte de rundt 22 millioner kjøretøy, omtrent en tredjedel av alle kjøretøy på veiene i disse byene. Og det tok maskinen deres omtrent to uker å utføre oppgaven med en hastighet på omtrent 0,2 sekunder per kjøretøy. En menneskelig ekspert, som antar 10 sekunder per bilde, ville tatt mer enn 15 år å utføre den samme oppgaven, sier Gebru og co.
Men hvordan forholder befolkningen av kjøretøy i et område seg til den lokale demografien? For å finne det ut, trente teamet en annen dyplæringsalgoritme for å lære korrelasjonen mellom kjøretøytyper og dataene fra amerikanske folketellinger og stemmemønstre for presidentvalget i hvert område (et område på rundt 1000 mennesker). Dette treningsdatasettet besto av data fra 35 byer.
De brukte deretter resten av dataene til å teste dyplæringsalgoritmen. Spørsmålet de ønsket å svare på var: gitt mønsteret av kjøretøy i et område, kunne algoritmen nøyaktig forutsi demografien slik den er registrert i USAs folketelling og presidentvalgdata?
Det viser seg at dyplæringsalgoritmen kan gjøre dette bemerkelsesverdig godt. Ved å bruke klassifiserte motorkjøretøyer i hvert nabolag, utleder vi et bredt spekter av demografisk statistikk, sosioøkonomiske attributter og politiske preferanser til innbyggerne, sier de.
For eksempel er sedaner mest knyttet til demokrater, mens pickuper med utvidet førerhus er nærmere knyttet til områder som stemte republikanere. Vi fant ut at ved å kjøre gjennom en by i 15 minutter mens man teller sedaner og pickuper, er det mulig å pålitelig avgjøre om byen stemte demokratisk eller republikansk, sier Gebru og co.
Et viktig spørsmål er hvor godt disse konklusjonene samsvarer med de som er samlet inn av undersøkelser på konvensjonell måte. For å finne det ut sammenlignet Gebru og co resultatene sine med resultatene fra U.S. Census Bureaus egne data fra American Community Survey. Og de fant en sterk sammenheng med demografiske faktorer som inntekt, utdanning, yrke og så videre. De var til og med i stand til å komme med finkornede spådommer om velgerpreferanser på nivå med distrikter, som omfatter rundt 1000 mennesker.
The American Community Survey vil sannsynligvis forbli gullstandarden for datainnsamling, i det minste foreløpig. Men muligheten til å samle høykvalitetsdata raskt ved hjelp av Google Street View har et stort potensial til å gi nesten sanntidsovervåking av endringer i befolkningen.
Og selvfølgelig er Google ikke den eneste organisasjonen som samler inn bilder av gatene – det er ikke vanskelig å forestille seg at den samme prosessen brukes på bilder fra Facebook, Twitter eller andre sosiale medier som er geotagget og datostemplet.
Ref: arxiv.org/abs/1702.06683 : Bruke Deep Learning og Google Street View for å estimere den demografiske sammensetningen av USA