211service.com
Hoe Google Street View-afbeeldingen de demografische samenstelling van de VS onthullen
Elk jaar besteedt het US Census Bureau $ 1 miljard aan het onderzoeken van de bevolking. Deze enquêtes zijn bedoeld om de demografische samenstelling van het land uit elkaar te houden door een representatieve groep mensen te vragen naar hun ras, geslacht, opleiding, beroep, enzovoort. Dit is een belangrijke oefening omdat het een cruciaal overzicht geeft van de populatie en hoe deze verandert.
Maar het is niet gemakkelijk. Om te beginnen zijn de gegevens relatief grootschalig: het belangrijkste onderzoek van het Census Bureau, de American Community Survey, geeft resultaten voor alle steden en provincies met een bevolking van meer dan 65.000. Kleinere gebieden komen niet voor.
Bovendien is het bevolkingsonderzoek een tijdrovende bezigheid; zo erg zelfs dat sommige gegevens vijf jaar oud kunnen zijn tegen de tijd dat ze worden gepubliceerd. En omdat andere gegevens veel nieuwer zijn, kunnen vergelijkingen problematisch zijn.
Dus demografen zouden dolgraag een snellere, efficiëntere en hogere resolutie manier hebben om de bevolking te bestuderen.
Ga naar Timnit Gebru van Stanford University en een paar vrienden, die Google Street View-afbeeldingen hebben gebruikt om opmerkelijk nauwkeurige beoordelingen te maken van de demografische verdeling in een groot aantal Amerikaanse steden. Hun techniek laat zien hoe demografen betrouwbare gegevens kunnen verzamelen op een geheel nieuwe manier die de huidige methoden aanvult en verbetert.
Gebru en co beginnen met 50 miljoen Street View-afbeeldingen verzameld door Google's auto's in 200 Amerikaanse steden. Het team gelooft dat het type auto dat mensen bezitten een sterke indicator is voor hun ras, inkomen, opleidingsniveau, beroep, enzovoort.
Dus heeft Gebru een reeks machine-vision-algoritmen getraind om auto's in deze afbeeldingen te herkennen en vervolgens elk in een van de 2.657 verschillende categorieën te classificeren die niet alleen afhankelijk zijn van het merk en model van de auto, maar ook van de leeftijd. Dit geeft een nauwkeurig beeld van de waarde van de auto.
In totaal classificeerden ze zo'n 22 miljoen voertuigen, ongeveer een derde van alle voertuigen op de weg in deze steden. En het kostte hun machine ongeveer twee weken om de taak uit te voeren met een snelheid van ongeveer 0,2 seconden per voertuig. Een menselijke expert zou, uitgaande van 10 seconden per afbeelding, meer dan 15 jaar nodig hebben om dezelfde taak uit te voeren, zeggen Gebru en co.
Maar hoe verhoudt het aantal voertuigen in een gebied zich tot de lokale demografie? Om daar achter te komen, heeft het team een ander diepgaand lerend algoritme getraind om de correlatie te leren tussen voertuigtypen en de gegevens van de Amerikaanse volkstelling en de stempatronen van de presidentsverkiezingen in elk district (een gebied van ongeveer 1.000 mensen). Deze trainingsdataset bestond uit de gegevens van 35 steden.
Vervolgens gebruikten ze de rest van de gegevens om het deep-learning-algoritme te testen. De vraag die ze wilden beantwoorden was: zou het algoritme, gezien het patroon van voertuigen in een gebied, nauwkeurig de demografie kunnen voorspellen zoals vastgelegd in de Amerikaanse volkstelling en presidentiële stemgegevens?
Het blijkt dat het deep-learning algoritme dit opmerkelijk goed kan. Met behulp van de geclassificeerde motorvoertuigen in elke buurt, leiden we een breed scala aan demografische statistieken, sociaaleconomische kenmerken en politieke voorkeuren van de bewoners af, zeggen ze.
Sedans worden bijvoorbeeld het meest geassocieerd met Democraten, terwijl verlengde cabine-pickups nauwer worden geassocieerd met terreinen die Republikein hebben gestemd. We ontdekten dat door 15 minuten door een stad te rijden en daarbij sedans en pick-up trucks te tellen, het mogelijk is om betrouwbaar te bepalen of de stad democratisch of republikeins heeft gestemd, zeggen Gebru en co.
Een belangrijke vraag is hoe goed deze conclusies overeenkomen met de conclusies die op de conventionele manier zijn verzameld door middel van enquêtes. Om daar achter te komen, vergeleken Gebru en co hun resultaten met die van de eigen gegevens van het US Census Bureau van de American Community Survey. En ze vonden een sterke correlatie met demografische factoren zoals inkomen, opleiding, beroep, enzovoort. Ze waren zelfs in staat om fijnmazige voorspellingen te doen over kiezersvoorkeuren op het niveau van districten, die ongeveer 1.000 mensen omvatten.
De American Community Survey zal waarschijnlijk voorlopig de gouden standaard voor gegevensverzameling blijven. Maar de mogelijkheid om snel hoogwaardige gegevens te verzamelen met Google Street View heeft een groot potentieel om veranderingen in de populatie bijna realtime te volgen.
En natuurlijk is Google niet de enige organisatie die afbeeldingen van de straten verzamelt - het is niet moeilijk voor te stellen dat hetzelfde proces wordt toegepast op afbeeldingen van Facebook, Twitter of andere sociale-medianetwerken met geotags en datumstempels.
Referentie: arxiv.org/abs/1702.06683 : Deep Learning en Google Street View gebruiken om de demografische samenstelling van de VS te schatten