Скрытая квазиколлективность человеческих сообществ: о чем говорит анализ Big Data

2015-02-24 Дмитрий Столяренко

Вместе с распространением мобильных устройств и появлением приложений, осуществляющих сбор той или иной информации, работа с большими массивами данных стала, пожалуй, главным информационным трендом 2010-х. Одной из ключевых особенностей собираемых данных стала привязка к геолокации: т.е., на выходе исследователь получал не только цифровые данные, но и их, если можно так выразиться, положение в пространстве.

Поэтому неизбежно, что одной из сфер, где анализ Big Data совершил переворот, стала урбанистика, изучение пространства города, планирование транспортных потоков и размещения элементов сферы обслуживания.

Одним из открытий, которое было сделано в ходе анализа перемещений людей в городе, стало то, что территориально люди объединяются не в административные районы (логично, что они в абсолютном большинстве случаев вообще не имеют ничего общего с реальным положением вещей) и не только в локальные, не отмеченные на карте общепринятые сообщества. В городских сообществах существует еще один скрытый «слой» - то, что исследователи из Mobile Commerce Lab Университета Карнеги-Меллон назвали livehoods. Традиционно, до появления возможности исследовать эти «слои», речь шла о neighborhoods как о территориальных единицах, где проживает сообщество людей, связанных определенной культурой или как о сообществах людей, объединенных проживанием на одной территории, общей культурой и социальными связями. Livehoods же – это своеобразные кластеры людей, объединенных общим культурным контекстом, стилем жизни и паттернами поведения, они достаточно подвижны и текучи, а люди в них объединены не только территориально. Несмотря на крайнюю зыбкость их границ, изменения в них легко отследить. Границы livehoods, с одной стороны, диктуются уже сложившимися условиями, реальной физической архитектурой города. С другой – определяются тем, что принято называть «ментальной картой» города, способом жизни каждого из его жителей. Люди в таких кластерах являются друг для друга «знакомыми незнакомцами»: несмотря на то, что они даже не знают о существовании друг друга, на над-индивидном уровне они образуют квазиколлективное объединение.

Также «знакомых незнакомцев» исследовали специалисты из сингапурской лаборатории Future Cities. Благодаря системе электронных билетов они проанализировали массив данных о пассивных взаимодействиях среди 3 миллионов людей, которые пользуются сетью автобусов в Сингапуре. В результате, выяснилось, что повторяющиеся паттерны поведения объединяют отдельных людей в некоторое подобие «социальной сети» – притом, как во времени, так и в пространстве. При этом, как показывает исследование массивов данных, с течением времени связь между этими «знакомыми незнакомцами» становится сильнее, хотя мы лишь с большой натяжкой можем говорить об этом как о неком подобии квазиколлективности.

В России подобные исследования проводились институтом «Стрелка» – например, в рамках курса SENSEable City проводились исследования «смысловых слоев» Москвы, и того, что выше мы назвали Livehoods.

Наиболее очевидное применение результатов таких исследований – планирование городов: распределение нагрузок транспортной системы, расположение объектов инфраструктуры, культурных заведений и т.п. не стихийно, а целесообразно, исходя из того, каким образом реально внутри большего сообщества люди объединяются в локальные субкультуры.

На сегодняшний день эти данные по большей части применяются в маркетинговых целях, т.к. исследование больших массивов данных позволяет максимально точно выяснять потребительские предпочтения людей, «индивидуализировать» рекламу, делать ее адресной. Однако в этом можно найти и положительную сторону в том, что называется «планированием потребностей»: исследование больших данных предоставляет, например, плановой экономике, еще один инструмент, позволяющий прогнозировать потребности людей и разумно организовывать города.