evlampiev_mv_primenenie-indeksa-schastya-v-upravlenii-gorodskimi-proektami_27132

пешеходныхпрогулок

– большаяуверенточдвиженияность

общественноготранспприводитк ,чтомуртальзователиготовып

ройти

пешком дополнительныепаруостановок

[Ferris et al., 2010]. Приложение

Mapumental позволяетвычисливремя,кототрроедляьтого,чтобыбуется

добратьсяизоднойточкиЛондонавдругуюразличныхвидах

общественноготранспорта.

Российскимпримеро

мявляютсятехнологии

картрирования,используемыеЯндляоценкиексомситуациидорожного

движе,гдеконтент,создаваемыйияпольз, зволяетболватлями

оператреагироватьнавнезапныевнод рожныеизменения,позвол я

прокладыватьмар

шрутыдвиженияболе

еоптимально.

Дан,геныеерирупользователямиреальногомыежимевр мени

(далее – UGC, user generated content),могутбытьисточникоминформации

дляоценкисоциально

-экономического иэмоционального состоянияжителей

города.Традиционныеоценкиспом

ощьюстатлиопросовбостикивсечаще

сталкиваютсяп

роблемойнедостаточностиданных

– сэтозренияйчки,

использразличногодв ние

UGC позволяетиспользовать

болееточные

данные посравнениюдоступныпоитогамопросов. и

Взарубежныхисточниках

социальныесети,геоинформационные

системы

UGC

являютсяосновойдляразвитияконцепции«

smart

city»,

котораяпредусманепросиллюстрациюгородскойриваетситуациина

устр,нивнедрениеойствахгородскуюсредуадапрактиктивных

управлениянаоснов

еразныхисточниковданных,чтоп зволяетповысить

эффективностьгородскогоуправления[

Greenfield,

2013;

Kitchin,

2014].

Массивыданных,выгружаемыеиспользурежимереальногомые

времени,являютсяосновойавтоматическихсистучгородскогота

потребленияэлектроэнергии,анализадорожнойситуациидругих

процессжизнеобеспечег ,навродаосновекоторыхпринимаются

решенияпоуправлениюразличнымигородсксистемамипроцессами

какнакраткосрочном,таинадолгоризо.Дан,созданыетеом

ные

пользователями,применяютсяво ехферах

–

отприложенийдля

смартф,позвсоновляющихбиратьинформациюсостояниидорожного

покрытия,чтозволяетприорабитпоетыдомзи,доронтуватьг

программпонаблюдениюзаактивнафростью

-американскихподростков

социальнсетях,чтобпротиводейстыхформолировдежныховатьанию

бандвпригородахкрупныеамериканскихгородов

[Crawford, 2013; Leonard,

2014]. Использование UGC такимобразнепрпозволястом

етпролитьсвет

на ежедневныерутинныегородс

киепрактики,нопрямымобразомвлиять

нагородскоеуправление.

Данныесоциальныхсетей,привязанныекгеотэгам,являютсяобъ ктом

исследованийцеломрядеработ,посвященныхпоискулингвистических

разлвданныхиразличийобусловленныхрелигией

[Graham & Zook,

пространственно

– временныеизме

ненияконтентасобытийнымрядом

пользователя,например,ежедневнымритмомжизнистудентов,которые

зако,нпередвигаютсячивятияпогоровозможностейдуискахотдыха

[Li & Shan, 2013; Goodchild, & Xu, 2013]. Goodschild (2007, 2009) и Graham

(2010)утв ерждают,чтоплатформы,позволяющиеьзователямразмещать

информврежимеаврцльногосоциальныеюменисети,создают

беспрецедентныевозмкодировжностилокальногознанияместах,

ранеенеизвлибоестныхд,оступныхкнимрываятомчисле

дистанциондоступпозволяявыстраиватьныйграницахыеязи

однойитойжелок.Тданныецкциеивтомннычиследляразвития

туризмаповышентуристическойпривлекательностияранеенеизвестных

мест.Проект«

Livehoods» [Creanshaw et al., 2012] используетданные

регистрациинаресурсе

Foursquare дляпереопределенияграниц

Вработе Shelton et al. (2015)использподх,сочетающийсоциованд

-

пространственнуюеориюм

етодами GIS,чтоп зволяетпоместитькаждую

конкретнуюточкунакартегорвб широкийдалеесоциальный

пространсконтекст.Автфокусируютсявенныйрынавопросахоценки

неравенстваисег егацииайонахЛуисвилля,Ке,носновеатукки

UGC,

подчеркиваяс

етеисвязнуюприродугородскойсреды.Используя

визуализациюкартрирование,ониисследуютнефограницымальные

городскихрай,формируяносновенатвитовжите

лейизразных

социальныхгрупп[

Shelton et al., 2015].

Данныесоциальныхсетей

UGC – мощныйисточникинформациидля

развитияпривлекательностигородих .Такдвиженияназываемые

точкипритяжения

– меставгор,популярныедетурисжи,мтоелейгутв

бытьлегкоопределенынаосновеанализа

UGC,котпорыйзувидетьоляет

динамику изменинтгоениярзначитесовожанбыст, другиемльноее

источникиданных.

Фотографии,снабженныегеометками,такж

персональкоммепользонымитартэгами,яватямиляютсяценнымлей

источникомданныхпредпочтенияхгорожтуристов,атакжеоб

основныхгородскихактивностях[

Dunkel, 2015]. Такнаосновеанализа

пользфотографийвательскихсетиИнстаграм

[T.H. Silva et al.,

2014]

оценилипространственно

-временнуюсетьактивностипользователей,выявив

неравномерностьиспользованииразличныхгор

одскихмест;оценив

временныепараметрыразм щения

UCG,авторыпришлик томводу,что

городскдинамикаможетх рактеризоватьсятомчискультурными

аспектами,связаннымиразмещевидовгородаИнием.стаграме

Инстаграм

–

мобильныйсервис,котор

ыйпозволяетснимать

размещатьдляпросмдругимиользтрафвидеотователями.Он

позволяетмоменразместитьфотографиюальнолюбогожизненногом мента

всети,дополнительнобработавееспомощьюцветфильтров.Свых

моментазапускавоктябре2010го

да,сервпрболееивс150миллионовк

Инстаграмаисследователиобъяснтем,чтодлсовременныхяют

пользователейфото

ивидео

– этосвоеобразнаяобществеонлайвалюта, нная

эквиповсемуалентнаямиру

[Rainie, Brenner, and Purcell 2012]. Простота

использоваоформления,возможфотографииность,кросс

-

платф,возмрмендобавлятьтекстыж,носзаголовки,геотэг,

хэштегиупоминатьдругихпользователейделаютприложениеудобным

использовании.Инстаграмтакжепозволяобеспечитьсоциальныесвязи,

добавляяпольз« вателейследователи» (

followers),приэтсомциальная

сетьасимметрична

– инымисловами,еслипользо

ватеАявльяется

последователемпользВ,последнийневателяобязательноявляется

последователпользователяА.Кр,пользователигом могут

устанавлнастройприваттаобразомки,ностичтобыьихфотографии

ивидеовиделит последователилько,

амодобавлениеэтугруппу

осуществлялтолькоразрешениясампользователягось.Поумолчанию,

пользфотоивидватматериалывидныольсприложенииемкиеилина

сайтеИнстаграма.Пользователиосновномпросмалентриваюту

– поток

фотографийтех,н

акопгонидписаны,котпоследнегорыйвремени

былупорядоченхронологически.Фотографлайкамим жнотмечать« »

комментировать – этодействиевидноавтфотографийрам,такимобразом

можнотслеживать,какпользователисетиреагируютнаразмещенн

ый

контент.

ЗарубежныеисследотноИнствактакятназываемымелиграм

социальнымпотокамосведомления(

social awareness stream) поаналогиис

такимиплатформамикак

Facebook и Twitter (Naaman, Boase, and Lai 2010).

Важноотметить,чтос зданиеконтента

и,вчастности,фотоконтента,во

многомобъясняетсямотивамипольз,которыевателейтличаются

простогоэмоциональноговысказыва« сети»Вчаст. , остиия

Ames и

Naaman (2007),исследуямотивациюпользсхпофункционалувателейдных

сетревыхсурсовпр

ишликвыводу,чтосуществуетспекмо, ивовр

связанныхкакразмещениемфотографустановкой,такс наих

Таблица1

Функциягеотэга

Геотэгкакфункция

Организационная

Коммуникационная

Хранение,упорядочение

Запоминание

Геотэгкак

«Длясебя»

фотографий;

Формированиеконтекста

Упрощениеиска

событийдлясебя

отражение

Обращениечьего

-либо

социальных

внимания

Описаниеконтента

мотивов

«Длядругих»

Целевоеразмещение

Соцсиальныйгнал

фотографий

Согласноданномуподходу,ф тографии,снабженныегеотэгами,кото

рыми

пользоделятся, вляютсясоциаателигналоибослужатьныминой

организационнойиликоммуникационнойцели.

Вработе

[Manikonda et al.

2014] проводанализмассива5млнтся.фотографий7 ,изкоторых18,8%

снабженыгеотегами.Сравнполученныевая

данные

сданнымиTwitter,

авторыделаютвыв,чтподльзователииспользуютИнстаграмкачестве

дневн,отмечтеилииныекаточкивяпространствеиделя

сьэтой

инфосдр.узьямимацией

Такимобр, зомссив

UGCв

Инстаграм

проанализированныйпредметсо

держанияфотографий,можетсообщить

намотехилииныхаспектахсоциальнжиз,от ктесеилиойнныхой

точкевпространстве.

Исслеподро,ваниямбдаогоеплизутогосредственно,что

размещаютпользователисети

Instagram вразныхгеографическ

ихрегионах,

Москвы,Нью

-Йорка,Сан

-ПаулоиТокио,размещенныхвпериодс5по11

декабря2013года.Проект«

Selfiecity» содрержитзультатыкомпьютерного

анал650изображен,что000с ставпримерно20%отобщегойло

количествафотографий.Порезультатамобрданныхисследователиботки

выделилитриконтентапа

– casual, professional и designed фотографии,

различающиесякакпохарактеризображений,такпоцелямстикамих

размещения.

Помимовизуальконте,дазачастуюнногоИнстаграмыевключают

коммихеш,которыен обычноарэгсоотносии визуальнымря.домтся

Хэштэгипозволяютискасходныеьематикефо

тогр,инасрядуфии

комментприддополнительнуюариямиютэмоциональнуюокраску.Анализ

самыхупотребляемыххэштэгов,проработееденный[

Manikonda et al.

2014] позволвыявитьсамыераспространенныелхэштегиванглоязычном

сегментеИнстаграмавыгрузка(

– 5млн.7.фотографий, 2.3

млн.комментариев):

Таблица2

ВстречаемхэштэгванглсегментеостьвязычномИнстаграма

Хэштег

Частота

#love

152 930

#follow

101 048

#instagood

72 658

#me

61 303

#like

59 995

#tbt

56 636

#cute

54 736

#photooftheday

54 444

#beautiful

50 602

#happy

49 027

связтаэмоциейкойнныхкаксчастьевмассивеоколо2%

- вданномслучае

пользователисамиидентифипростасвоиэмо, ции валиив

соответсхэштвующий

ег.

Глава2

. Исследованиевозможниспользованияк тентай

Instagram

исследования

Задачаоценкиуровнясчастьянаосноведанных,получен

ныхбез

намервмешательстваисследоватнногонеискаженныхсоциальноля

-

одобряповедениемреспондентовмым

– ключеваядляслучаев,когда

необходимополучитьоценку,отражающуюсубъективноеиндивидуальное( )

восприятиегорода.Длярешенияданнойзадачимы

реализовали

последоватшаговопределеисточльностьвыгрузкеданныхни, каю

цельюпоследующейразрабоархиндексатектурыгородскогокисчистья

егооценки.Врамкахпостз мыдачивленнойсконцентрировалисьна

выгрузкеиобработке

UGC,которыйвкл

ючалбыразныетинформациипы

–

кактекстовуюинформац,такколичественвизуалью. ную

Комбининформациис знымисвойстцияпознамволяетзглянутьамина

проблемуценкиуровнясчастьяболеекомплексно.

Першагомвнашемымисследовстоялз ании

адачавыбрать

социальнуюсеть,изкоторойвдальнейшеммыбудемвыкданные.чиватьПо

статистикекомпании

TNS самыепопулярныесоциальныесетиРоссии

– это

Вконтакте,Одноклассники,

Facebook, Livejournal, Instagram, Twitter.

Рис.Аудитория2 социальных

етейзамесяц

Одинизос критериевовныхвыборасоциальныхсетей

– большойрост

пользвРоиоднородностьссиивателейконтентадляболееудобного

выкианализачивания.Первыесетей5

(Рисунок 2) обладаютвозможностью

посовершеннотингаразнконотпростогоента

екстадомузыкальных

файлов.Изтакихсетейдостаточносложновыкачавеськон,которыйенть

генерируютпользователи

.Подэтоткритерийподходят

TwitterиInstagram.

В

Twitter пользователивыкладываютбольшеразличнтекстовой

информации,социальнаясет

ь Instagram изначально

создляавалась

фотографий,такжепользовм жетставитькизображениюелькакой

-либо

комме.Одн,соцтаоврактивеменальнаяйпозволяетнолучитьсть

количествданныенные

– преждевсего,этооценки

Like

дляразличного

роднав

изуальконтента.Дляашегоогоисследования

Instagram подходитв

наибольшейстепени

– каквозмсожностьютричетаконтентапатак, и

большимколичествомпольз.Пданнымкомпаниивателей

TNS наконец

2015годавРоссииоколонасчитываетсяоколо12,3м

лнпользователей,из

них10,6млнактивныхпользователей,котхобыразтявылф. жилито

Instagramостаженмойетсяизв койехоциальныхсетейРоссии,зимой

2015-16гг средиактавтороввных77,1%

— представительницы женского

пола.

Навторомшагеис

следованиянамнеобходимобылонайтиспособ

получениеинформациииз

Instagram. Дляэтойцелиусетисуществуетсвой

API

(application

program interface),

спомощьюнего

мыможемв

автоматрежвыкиразличнуюскоммеинформациювать

пользвбольшвателях

омобъеме.Дляцелейнашегоисследованиямы

отбираемизобщейсовокупнтехпользователей, хстибыразтяые

вылфосгежилитовпределахметкойПерми.Техническиданнзадаяча

реализованаследующимобраз:былавыбранаобласть,огр мя4ниченная

координатами,котораявключосновныерайоныПермиетРисунок( )На.

основанииэтихданныхбыласозданаспециальнаяпрограммабазе

API

Instagram,котпзадоркритераяннвыкачивалафотомсоциальнойемз

сети.Важнобылполучиименнофотизгоогьродафии

аПерми,поэтому

выкачивалисьтолькотефотографииукоторыхбылагеометкавзаданной

области.

(Рисунок3

)

Рис.Вы3обдляластиорвыкачиванияданныхиз

Instagram

Следующаязадачасостоялавтом,чтобынайтиспособ

автоматическогоанализаконтента,получе

нногоиз

Instagram.

Нам

требовалисьименнотакиемет,котмдыобырыепровестиглианализ

помкомпьютерныхщьюалгоритмов,посколькуобъемполученногоассива

непозволяаналитическиепримпривычныеятьсервисы.

Поля

полученнамибазыданныхсодержой

атдлякаждойфотографииследующие

записи:локацияфото,

id

пользова,ссылканафот,количествоографиюеля

лайков,хештэгикомментарийподфотографией.

Былоприняторешениеиспользовать

2способаанализа.Первый

– это

анализ тональности комментария,для

чего былаиспользованапрограмма,

котораяобученараспознавать

иопределятьегоэмоциокраскутнальную

позитивногодонегативного

.С

использованиемданногоалгоритмамы

можемпонять

количмеруэмоцииственнуюпользоват,выражелянную

черезтексткоммент

ария.

Дляэтого

былпримененсемантическийализ

лемматизидлясозданияпервойстепеовасловпомощьюноткрытогныи

о

программногообеспечен

ия"mystemотЯндексаСайт[.exe"

Mystem].

Пользконтент,аименновательскийкомментафотог,имеетрафиямии

многоспецифическсловразныефигурыречи,которыеусложняютх

пробученияцессмодели. [

M. Lv, A. Li, T. Liu, and T. Zhu, 2015, p. e1455]

Дляуменьшпогрвподгоешнния сти

товкеопорныхвекторовмодели

определениянастроениякомментари(SVM)былипр специальныененыв

словарисоциальныхсетей.Дляэтогобылприобретенсловарьсайта

studyв.которmokoronнах144911одитсямположительных.com,"111923"

"отрицательных"с

ообщенийTwitter. [

Сайт Mokoron]Испобоихльзование

SVMклассифнаосновебипринципак рноготорхор вдшоляхдит

полученияправдорезультатовпридобныхбучениидлядальнейшего

выявленияположительных" "отрицательных"комментариев

фотографиям. [

S. Liu, at al., 2013, pp. 2079–2088] SVMанализв R

-пакете

возвращаетдвеоценки: позитивнегативные1) "," "" «ейтральные»

категории2)веснастр.Весаоздаютсяениявозможностьювстречислова

«полож»илнегативном« тельном»комментарии.Нап,грубыесловаимер

частоможновстретить

«негативных»комментариевзамечанияс

большимколичествомгрубыхсловимеютбольшенегативный« ». с

Но то,чтопишетчеловек,невсегдаявляетсяописаниемего

реальной

эмоции.Будетнеправильностроитьвыводыпооценкетолькокомментария,

поэтомумырешили,ч акжебудеманализироватьфотографии

польз.Нфотогвателей

рафиидолжныанализирнелюди,потчтоватьму

онимогутдобавитьоценкусвоесубъективноемнение,амашинные

алгоритмы.Ссегодняшнимразвитнейронныхсетеймашинного

обученияэтостановитсявозможным.Таккомпания

Microsoft

запустила

проект Oxford Project, которыйобъедразличныеинструментыяет

машинногообучвсеэтиияструментынаходятвоткрыдо. яупеом

Одинизтаких

– этопрограммапоопределениеэмоциичеловеканафото

Emotion Recognition. Emotion

Recognition — сервис Microsoft,

который