Comment les images de Google Street View révèlent la composition démographique des États-Unis

Chaque année, le U.S. Census Bureau dépense 1 milliard de dollars pour enquêter sur la population. Ces enquêtes sont conçues pour démêler la composition démographique du pays en interrogeant un groupe représentatif de personnes sur leur race, leur sexe, leur éducation, leur profession, etc. Il s'agit d'un exercice important car il donne une vue d'ensemble cruciale de la population et de son évolution.

Mais ce n'est pas facile. Pour commencer, les données sont à relativement grande échelle - l'enquête principale du Census Bureau, l'American Community Survey, donne des résultats pour toutes les villes et tous les comtés de plus de 65 000 habitants. Les petites zones ne figurent pas.

De plus, sonder la population est un exercice chronophage ; à tel point que certaines données peuvent avoir cinq ans au moment de leur publication. Et parce que d'autres données sont beaucoup plus récentes, les comparaisons peuvent être problématiques.

Les démographes aimeraient donc beaucoup disposer d'un moyen plus rapide, plus efficace et à plus haute résolution d'étudier la population.

Entrez Timnit Gebru à l'Université de Stanford et quelques amis, qui ont utilisé les images de Google Street View pour faire des évaluations remarquablement précises de la répartition démographique dans un large éventail de villes américaines. Leur technique montre comment les démographes peuvent collecter des données fiables d'une manière entièrement nouvelle qui complète et améliore les méthodes actuelles.

Gebru and co commence avec 50 millions d'images Street View recueillies par les voitures de Google dans 200 villes américaines. L'équipe pense que le type de voiture que les gens possèdent est un indicateur fort de leur race, de leur revenu, de leur niveau d'éducation, de leur profession, etc.

Gebru a donc formé un ensemble d'algorithmes de vision artificielle pour reconnaître les voitures dans ces images, puis les classer dans l'une des 2 657 catégories différentes qui dépendent non seulement de la marque et du modèle de la voiture, mais aussi de son âge. Cela donne une idée précise de la valeur de la voiture.

Au total, ils ont classé quelque 22 millions de véhicules, soit environ un tiers de tous les véhicules en circulation dans ces villes. Et il a fallu environ deux semaines à leur machine pour effectuer la tâche à un rythme d'environ 0,2 seconde par véhicule. Un expert humain, en supposant 10 secondes par image, mettrait plus de 15 ans pour effectuer la même tâche, disent Gebru et co.

Mais comment la population de véhicules dans une zone est-elle liée à la démographie locale ? Pour le savoir, l'équipe a formé un autre algorithme d'apprentissage en profondeur pour apprendre la corrélation entre les types de véhicules et les données du recensement américain et les modèles de vote des élections présidentielles dans chaque circonscription (une zone d'environ 1 000 personnes). Cet ensemble de données de formation comprenait les données de 35 villes.

Ils ont ensuite utilisé le reste des données pour tester l'algorithme d'apprentissage en profondeur. La question à laquelle ils voulaient répondre était la suivante : compte tenu de la configuration des véhicules dans une zone, l'algorithme pouvait-il prédire avec précision les données démographiques enregistrées dans le recensement américain et les données de vote présidentiel ?

Il s'avère que l'algorithme d'apprentissage en profondeur peut le faire remarquablement bien. En utilisant les véhicules à moteur classés dans chaque quartier, nous déduisons un large éventail de statistiques démographiques, d'attributs socio-économiques et de préférences politiques de ses habitants, disent-ils.

Par exemple, les berlines sont plus étroitement associées aux démocrates, tandis que les camionnettes à cabine allongée sont plus étroitement associées aux circonscriptions qui ont voté républicain. Nous avons constaté qu'en traversant une ville pendant 15 minutes tout en comptant les berlines et les camionnettes, il est possible de déterminer de manière fiable si la ville a voté démocrate ou républicain, disent Gebru et co.

Une question importante est de savoir dans quelle mesure ces conclusions correspondent à celles recueillies par les enquêtes de la manière conventionnelle. Pour le savoir, Gebru et co ont comparé leurs résultats avec ceux des propres données du U.S. Census Bureau de l'American Community Survey. Et ils ont trouvé une forte corrélation avec des facteurs démographiques tels que le revenu, l'éducation, la profession, etc. Ils ont même pu faire des prédictions précises sur les préférences des électeurs au niveau des circonscriptions, qui englobent environ 1 000 personnes.

L'American Community Survey restera probablement la référence en matière de collecte de données, du moins pour le moment. Mais la capacité de collecter rapidement des données de haute qualité à l'aide de Google Street View a un grand potentiel pour fournir un suivi presque en temps réel des changements dans la population.

Et bien sûr, Google n'est pas la seule organisation à collecter des images des rues - il n'est pas difficile d'imaginer que le même processus soit appliqué aux images de Facebook, Twitter ou d'autres réseaux sociaux qui sont géolocalisées et horodatées.

Réf : arxiv.org/abs/1702.06683 : Utilisation du Deep Learning et de Google Street View pour estimer la composition démographique des États-Unis

cacher