谷歌看到的比你想象得多

你們城市有多少人投票支持巴拉克·奧巴馬？多少人擁有大學學位？每個人賺多少錢？如果沒有谷歌地圖，收集這些數據可能需要幾年時間。在一項新研究中，研究人員下載了 5000 萬張由該科技公司的交通工具拍攝的街景照片，基于此谷歌繪制了美國 200 個城市的地圖。

然后，研究人員使用了一些機器學習算法——能從范例中學習的軟件工具——來確定圖像中 2200 萬輛汽車的分布、樣式和生產年份。(該算法能以 52% 的準確率進行分類和建模。)

從這一點上，其他算法可以通過了解某些車輛類型在人口普查和選舉數據顯示的地區分布情況來估計當地人口統計數據資料，例如更富有或更保守的地區。

結果顯示，這種算法在確定該地區家庭收入中值；白人、黑人和亞裔的比例；受教育程度不同的人的比例，以及 2008 年奧巴馬與約翰·麥凱恩競選總統時各自的支持率等方面出人意料地準確。近日，研究人員在美國《國家科學院院刊》上發表了一份研究報告。

研究人員還將汽車數據與實際人口統計數據進行比較，并發現了一些有趣的模式。例如，與皮卡車相比有更多的轎車的選區中有 88% 支持奧巴馬，相反，皮卡車多的選區中有 82% 的更偏愛麥凱恩。

此外，研究人員還注意到，在未來，自動駕駛汽車上的攝像頭可以增加數據收集的便利和頻率，幫助決策者獲得幾乎實時的圖像，以更好地了解勞動力和住房供應，從而為道路和學校分配資源，并為緊急情況制定計劃。

來自: 科學網