Анализ качества городской среды и качества жизни в городе на основании анализа данных из социальных медиа

Ненько А. Е. , Сухарев К., Петрова М.

 

В рамках промежуточного отчета о научно-исследовательской работе по теме “Создание научно-технологических основ проектирования и разработки ИТ-инфраструктуры умных городов на основе ценностно-ориентированного подхода”.

 

 

 

Городская среда, как и глобальный контекст, которой она принадлежит, преимущественно воспринимается и оценивается в соответствии с объективными характеристиками, хотя на это восприятие влияют субъективные черты людей, их ожидания и потребности (De?bek, 2014).     Взаимодействие между людьми и средой их проживания - классический сюжет средовой психологии (Lawrence, 2002): только когда объективная реальность и ее субъективное восприятие индивидами сталкиваются, возникают значимые психологические состояния и феномены (например, субъективное качество жизни, привязанность к месту и идентичность). Многие исследователи рассматривают феномены, которые образуются внутри системы “человек-среда” (см., напр., обзор Gifford, 2007). В силу сложности проблемы, существуют множественные понятия для обозначения данных субъективно-объективных феноменов, такие как резидентная удовлетворенность (residential satisfaction) (Ramkissoon, Graham Smith, Liam David, & Weiler, 2013; Smith, 2011; Stedman, 2002), привязанность к месту (place attachment) (Lewicka, 2008; Manzo & Devine-Wright, 2014), чувство места (sense of place) (Campelo, Aitken, Thyne, & Gnoth, 2014; Jackson, 1994; Jorgensen & Stedman, 2001), локальная (местная) идентичность (place identity) (Kalandides, 2011; Lalli, 1992; Stedman, 2002), и качество городской жизни (quality of urban life) (Marans & Stimson, 2011; van Kamp et al., 2003). 

Резидентная удовлетворенность (residential satisfaction) или удовлетворенность местом проживания - это многомерное понятие, которое основывается на теоретических предпосылках транзакционно-контекстуального подхода к системе человек-среда (Altman, Rogoff, and Stokols 1987). Удовлетворенность местом проживания определяется исследователями как “опыт удовольствия или наслаждения, получаемых в результате жизни в определенном месте” (Canter, 1977;  Fornara et al., 2010, p. 172). Существует две основных модели резидентной удовлетворенности (Ame?rigo, 2002): (а) как зависимой переменной, на которую влияют различные средовые факторы и (б) как независимой переменной, которая позволяет предсказывать поведенческие практики, например, резидентную мобильность или резидентный выбор. Америго и Аарагонес (Amerigo & Aragones, 1997) также описывают три измерения резидентной удовлетворенности:

(1) Аффективное измерение: факторы, которые могут воздействовать на резидентную удовлетворенность, которая рассматривается как зависимая переменная. Среди них объективные факторы, такие как особенности жилищных условий и района, плотность, здоровье, количество зелени, субъективные атрибуты (скученность, охрана, социальные отношения) и личные качества (возраст, гендер, доход).          

(2) Когнитивное измерение: моделирование “когнитивного взгляда” на резидентную удовлетворенность и качество среды проживания, или определение внутренних субъективных показателей, с помощью которых резиденты оценивают качество среды проживания.    

(3) Поведенческое измерение: поведенческие последствия резидентной удовлетворенности. Резидентная удовлетворенность рассматривается как независимая переменная или предиктор возможных поведенческих последствий, такие как резидентная мобильность, уход за домом или соседством/районом проживания, добрые отношения с соседями, участие в соседских мероприятиях.

Основываясь на этих теоретических предпосылках, Бонаиуто и его коллеги (Bonaiuto et al. 1999) разработали методологию оценки воспринимаемого качества среды проживания (Perceived Residential Environment Quality) и привязанности к соседству (Neighborhood Attachment), и вывели 11 значимых измерений среды проживания, которые нужно оценивать субъективно: (1) архитектурное и градостроительное пространство, (2) организация доступности и дорог, (3) зеленые зоны, (4) люди и социальные отношения, (5) услуги здравоохранения и социальные услуги, (6) культурные и рекреационные услуги, (7) коммерческие услуги, (8) транспорт, (9) стиль жизни, (10) загрязненность среды, и (11) забота/уход за средой.

Удовлетворенность местом проживания значимо и положительно коррелирует с темпоральными аспектами резидентного опыта, то есть с тем, как долго жители проживают в данном месте и как часто они с ним сталкиваются (Bonaiuto et al., 1999). Этот процесс определяется через понятие привязанности к месту (place attachment), которое связано с темпоральным измерением взаимодействий между человеком и средой. Привязанность к месту - это “положительно оцениваемые связи, которые возникают неосознанно, с течением времени вследствие поведенческих, аффективных и когнитивных контактов между индивидами и/или группами и их социально-физическим окружением” (Bonaiuto et al., 1999, p. 332).

Традиционно теоретические и эмпирические исследования по средовой психологии анализировали пространство резиденции в трех масштабах – город, район и дом (Bonaiuto et al., 1999; Fornara et al., 2010). Тем не менее, исследователи используют еще один масштаб анализа - соседство как базовую территориальную единицу; кроме того, может быть эффективным анализ резидентных единиц подобного масштаба, например, жилищные комплексы или муниципальный округ. Соседство - это промежуточный уровень анализа, который может быть интересен по нескольким причинам: (1) позволяет рассматривать приватные и публичные структуры и процессы, тогда как масштаб “дома” или “города” преимущественно рассматривают только первые или вторые соответственно; (2) исследования показывают, что соседство - это соединительное звено между “городом” и “домом” в восприятии и действиях людей относительно среды проживания (Bonaiuto & Bonnes, 1996). Литература по средовой психологии выделяет три компонента оценки соседства: (Canter, 1983; Ame?rigo, 2002): пространственный (архитектурные и градостроительные характеристики), человеческий (социальные отношения) и функциональный (услуги и инфраструктура); эти компоненты взаимосвязаны.

Для успешного планирования и реализации стратегий городского развития, которые принимаются правительством города, необходима оценка социального восприятия городской среды и выявление тех районов и тех городских проблем, которые вызывают неудовлетворенность горожан. Сегодня имеется уникальная возможность осуществлять подобный анализ с помощью спонтанных данных, которые являются частью универсума больших данных (Batty, 2012). Большие данные - эта серия подходов, инструментов и методов обработки структурированных и неструктурированных объемных и разнообразных данных, которые создаются в виртуальном пространстве и поддерживаются за счет компьютерных сетей (Batty, 2013; Bettencourt, 2014). Каждое действие, которое предпринимается в Интернете, оставляет цифровой отпечаток - бит добровольно распространяемой информации, например, фотографии в социальных сетях, утверждения на форумах, лайки и репосты, и так далее. Цифровые следы оставляют также такие неосознанные действия в Интернете, как посещение сайтов и онлайн покупки. Многообразие подобной информации позволяет исследователями формировать профили потребностей и предпочтений различных социальных групп. Несмотря на актуальность анализа спонтанных данных для принятия управленческих решений, на данный момент стратегии оценки восприятия качества жизни и качества городской среды, основанные на разнообразии доступных сегодня данных, генерируемых пользователями, практически не разработаны.

Преимущества использования спонтанных данных таковы:

  1. Покрытие. Данные генерируются все большим количеством пользователей, вследствие распространения персональных компьютеров и гаджетов.
  2. Доступность. Данные социальных медиа хранятся на серверах и в онлайн архивах и более доступны для публичного использования, в отличие от GPS данных мобильных операторов или CDR данных о транспорте, которые находятся в собственности государства и государственных или частных компаний.
  3. Детали. Данные, генерируемые пользователями, дают детальное представление о поведении горожан на индивидуальном уровне, например, о треке перемещений по городу отдельного пользователя, о предпочтениях и практиках в городском пространстве, об отношении к городским местам, а также социальные и демографические характеристики пользователя.
  4. Богатство. Социальные медиа предоставляют исчерпывающую информацию о различных аспектах городских поведенческих практик: мобильности, использовании пространства (виды активностей в пространстве), оценки и установки по отношению к пространству и тому подобные. Городские пространства, о которых можно узнавать с помощью анализа данных из социальных медиа, не ограничены и включают формальные и неформальные среды, пространства работы, отдыха и повседневной жизни, пространства транзита и третьи места, и другие (см. Zhan, Ukkusuri & Zhu, 2014).

Данные о городе формируются авторами постов и пользователями пабликов ВКонтакте, Twitter, Instagram, facebook и других социальных сетей. Эти данные позволяют изучать пространственные паттерны социального поведения: пользователи действуют в городском пространстве, посещая те или иные места, обмениваются о них информацией и выносят им оценки, рекомендуют места друг другу. Посты о городских пространствах содержат разнообразные слои данных: (а) тип активности, который происходит в определенном пространстве, например, празднование важной даты, выпивание кофе, работа на ноутбуке, встреча с друзьями, отдых; (б) отношение пользователей к пространству, выражаемое в лайках или отсутствии лайков, эмотиконах, цветах фотографий, эмоционально нагруженных комментариях; (в) смыслы, которые приписываются локациям посредством комментариев или невербальных символов. 

Кроме пространственных паттернов, онлайн данные позволяют прослеживать социальные практики жителей города, которые формируют онлайн сообщества: группы по интересам, по видам деятельности, по месту жительства, которые соответствуют множественности идентичностей жителей мегаполисов.

Анализ онлайн данных может быть качественным, когда подробно анализируются детали содержания постов или треки отдельных индивидов; одновременно возможен количественный анализ поведения различных социальных групп за счет обобщения данных и агрегации данных из разных источников. Тысячи постов, которые создаются в городе, - неисчерпаемый источник и мощный ресурс информации о состоянии различных городских локаций. База данных, собранная в масштабе всего города или региона, позволяет осуществить глубокий и многомерный анализ, который отражает не просто мнение нескольких экспертов, но тысяч и миллионов людей, среди которых могут быть выделены социальные группы с различными нуждами. Такая база данных дает основание для объективного и социально обоснованного анализа города и планирования городских процессов. Этот подход также минимизирует расходы на масштабные репрезентативные исследования городской среды и городских сообществ.

 

Алгоритм анализа восприятия качества городской жизни и качества среды на основании данных из социальных сетей

Учитывая актуальность изучения восприятия качества городской жизни и качества городской среды и убеждаясь в целесообразности использования для анализа данных, генерируемых пользователями, мы предлагаем следующую методологию.

       I.            Анализ восприятия качества городской жизни через артикулированное общественное мнение.

Анализ общественного мнения по поводу качества городской среды и качества городской жизни предлагается проводить посредством анализа городских онлайн сообществ и обсуждаемых ими тем. Городские онлайн сообщества в социальных сетях представлены как паблики и их подписчики. Для анализа предлагается следующий алгоритм.

  1. Выбор релевантных для конкретного города социальных сетей, в которых содержатся многочисленные паблики и которые являются(наиболее репрезентативными с точки зрения количества пользователей, например, ВКонтакте, facebook, Одноклассники. Например, для Санкт-Петербурга наиболее релевантным является ВКонтакте, тогда как для Москвы facebook по данным агентства PRT. Выбор социальной сети также может быть проведен, исходя из понимания той целевой аудитории, которая должна быть охвачена, например, Одноклассники в больше степени репрезентативна для лиц среднего и выше среднего возраста.
  2. Выбор типа онлайн сообщества. Онлайн городские сообщества могут быть разных типов: (а) по масштабу: от сообщества соседства (например, жилого комплекса) до общегородского (или даже регионального) сообщества; (б) по тематике: от узконаправленных сообществ, например, профессиональных онлайн сообществ, сообществ практики, до сообществ широкого профиля; (в) по численности: от малочисленных онлайн сообществ, представляющих узкую выборку индивидов до массовых сообществ, репрезентирующих население города или региона. Типология пабликов может быть представлена в форме древа с указанием интересующих параметров. Выбор типа онлайн сообщества зависит от исследовательских задач, например, если исследователь изучает проблему доступности городской среды и его интересует мнение такой социальной группы, как маломобильное население, ему следует обратить внимание на соседские сообщества родителей с детьми (в основном, представленных молодыми матерями). Если же исследователь задается целью определить наиболее характерные проблемы городской среды, обсуждаемые горожанами, ему стоит обратить внимание на общегородские и районные массовые паблики.  Осуществив выбор паблика (пабликов), исследователь формирует базу данных, скачивая данные - сообщения, обсуждения, комментарии, а также невербальные средства (эмотиконы, лайки, репосты) - за тот период времени, который его интересует.
  3. Тематический анализ сообщений. Для выявления тем, обсуждаемых в выбранных пабликах, например, наиболее актуальных проблем городской среды и городской жизни, необходимо провести тематический анализ текстов. Предлагается совмещать автоматизированный тематический анализ текстов, например,  LDA анализ, и качественный анализ сообщений. Автоматизированный тематический анализ позволяет проанализировать большой массив данных и получить общую картину тематик; тогда как качественный анализ текстов позволяет проинтерпретировать выявленные топики. Выборка сообщений для тематического анализа может быть создана с помощью тематического словаря, в случае, если он уже существует у исследователя. Выборку сообщений можно создавать на основании анализа эмоциональной тональности (описанного ниже), в случае, если исследователя интересуют эмоционально нагруженные темы, например, проблемы городской среды, которые обсуждаются с негативной окраской. 
  4. Анализ тональности сообщений. Анализ тональности позволяет, в сочетании с анализом тематик,  получить представление об эмоциональном отношении представителей онлайн сообществ к тем или иным вопросам. Тональность сообщений может быть определена автоматически как позитивная, негативная или нейтральная, а также проверена качественными методами, через содержательный анализ эмоционально нагруженных сообщений. Тональность сообщений подсказывает, какие городские онлайн сообщества, живущие в определенных районах города, чувствуют себя счастливее, а какие несчастнее, иными словами, оценить субъективную удовлетворенность сообществ. Сообщения определенной тональности можно брать в качестве выборки для изучения определенных задач, например, сообщения негативной тональности в большей мере подойдут для анализа городских проблем, чем позитивные. Анализ эмоциональной тональности также можно осуществлять по эмотиконам (эмоциональным символам), выражающим то или иное настроение.
  5. Визуализация результатов. Визуальное представление полученных данных на карте позволяет наглядно представить распределение тематик или тональности в рамках анализируемой территории, а также провести сравнительный анализ. Например, при проведении исследования в масштабе города, можно осуществить визуализацию результатов по районам и сформулировать сравнительные выводы по ним. Распределения тематик на карте возможно после определения пространственных единиц, в рамках которых можно локализовать данные, и интенсивности (распространенности) тематик для каждой из единиц. Вес тематики для пространственной единицы может рассчитываться как отношение количества постов определенной тематики в масштабе данной единицы ко всем постам данной тематики в общем масштабе (города). Примером визуализации сообщений с различной эмоциональной нагрузкой может служить рисунок, созданный по результатам проекта “Мониторинг социальных активностей в Самаре в преддверии чемпионата мира по футболу в 2018 году”, проведенного Центром стратегических разработок “Северо-Запад” с участием авторов отчета.
  6. Таргетированный онлайн опрос о восприятии качества жизни и качества городской среды. Онлайн опрос в пабликах, которые включены в исследование, позволяют получить социальные оценки альтернативным путем и поставить респондентам целенаправленные вопросы по поводу качества городской жизни. Получаемая таким путем оценка отличается от оценки, полученной в результате анализа обсуждений в пабликах, которые являются волюнтаристскими, спонтанными и не контролируемыми исследователем.
  7. Кейс-стади - средовое исследование локаций, которые наиболее негативно или положительно оцениваются жителями (по результатам анализа тональности), и являются наиболее и наименее “проблематичными” (по результатам тематического анализа).

7.1. Определение “объективных” параметров качества среды.

7.2. Непосредственное наблюдение и анализ локаций в соответствии с объективными параметрами.

Рис. 1. Положительные и негативные сообщения в историческом центре Самары (по данным чекинов в ВКонтакте, twitter и Instagram за 2015 год).

 

II. Анализ восприятия качества среды через пространственные паттерны

Пространственное поведение людей, выраженное онлайн, также может раскрыть их отношение к городскому пространству. Отмечаясь онлайн (check-in) в тех или иных городских местах, давая оценки пространствам в социальных сетях жители и гости города   генерируют множество геотегированных данных. Так, известное выражение о том, что “люди голосуют ногами” можно дополнить так “люди голосуют ногами и сообщают об этом в Интернете”. Подобные данные не отражают мнение “онлайн сообществ”, как паблики, однако демонстрируют поведенческие паттерны людей в пространстве и их отношение к нему. Алгоритм анализа подобен алгоритму анализа онлайн городских пабликов, рассмотренному выше:

  1. Выбор релевантных социальных сетей. В данном случае, важен выбор социальной сети, которая стимулирует именно “пространственное” поведение и в которой большинство сообщений имеет геопривязку, например, Instagram и Foresquare. ВКонтакте и facebook также разрешают геопривязку сообщений, но геотегированные сообщения меньше свойственны этим сетям.
  2. Пространственный анализ данных. На основании анализа чекинов (отметок), которые пользователи ставят в различных местах города, можно проследить их пространственное поведение, например, популярные и непопулярные места, типы активностей в этих местах. Сочетая пространственный анализ с анализом доступных социально-демографических характеристик пользователей, можно делать выводы о различиях и сходствах в пространственных паттернах разных социальных групп, например, мужчин и женщин  (Рис. 2). 
  3. Тематический анализ геотегированных сообщений.
  4. Анализ эмоциональной тональности  геотегированных сообщений (Рис. 3)
  5. Визуализация результатов анализа, формирование карт.
  6. Кейс-стади для изучения локаций, которые значительным образом отличаются от других (наиболее/наименее популярные, наиболее/наименее эмоционально оцененные и другое).
  7. Сравнительный анализ результатов исследования социальных сетей и кейс-стади.

 

Рис. 2. Пространственное поведение мужчин и женщин в историческом центре Самары (по данным чекинов в ВКонтакте, twitter и Instagram за 2015 год).

 

Формирование насыщенной базы данных на основании социальных сетей

Данные из социальных сетей имеют различную природу и характер, и описывают различные социальные процессы и явления. Наиболее успешной стратегией является сочетания различных типов данных для проверки гипотез в рамках исследований городских проблем. Кроме того, данные из социальных сетей можно рассматривать как отражение городских онтологий, например, типов городских сообществ. Различные онлайн репрезентации городских сообществ, равно как и других городских феноменов, можно исследовать путем сравнительного анализа.

I. Данные о check-in’ах

Виды данных: семантические данные по check-in’у (текст, образы) и данные о географии по check-in’у (геотег).

Данные социальных сетей, которые стимулируют именно “пространственное” поведение и в которой большинство сообщений имеет геопривязку, например, Instagram и Foresquare. ВКонтакте и facebook также разрешают геопривязку сообщений, но геотегированные сообщения меньше свойственны этим сетям.

Назначение: Для анализа пространственного поведения людей: отмечаясь онлайн (check-in) в тех или иных городских местах, давая оценки пространствам в социальных сетях жители и гости города генерируют множество геотегированных данных. Так, известное выражение о том, что “люди голосуют ногами” можно дополнить так “люди голосуют ногами и сообщают об этом в Интернете”.

II. Данные из онлайн сообществ (пабликов)

Виды данных: семантические данные (текст, образы), данные о социальной структуре (друзья, посты, репосты, лайки) и данные о географии (геотег).

Источники данных: ВКонтакте и facebook (для СПб релевантнее ВКонтакте. Возможен также анализ тематических блогов, форумов)

Назначение и типология

(а) паблики - “виртуальные соседства”

Паблики, имеющие географическую привязку, являются виртуальной репрезентацией районов/округов/соседств/зон возле станций метро/улиц. Кроме того, они являются сообществами активных жителей или интересантов данных территорий, которые представляют свои интересы по поводу данной территории с помощью виртуальных медиа. Данные паблики можно называть “виртуальными соседствами”.

Виды пабликов:

1.      Районные паблики, напр., “Адмиралтейский район”. Соответствующие административным районам.

2.      Паблики кварталов/округов/исторических районов, соседств, например, “Купчино”, “Кудрово”, “Коломна”. Учитывать формальные и  неформальные названия.

3.      Паблики Жилых комплексов, например, ЖК “...”.

4.      Паблики “станций метро”, например, “Просвет”. Учитывать формальные и неформальные названия станций метро.

(б) паблики, репрезентирующие институции (относящиеся к государственному сектору)

Данные паблики - “атомы” общественного мнения по поводу конкретных сфер качества жизни, которые могут регулироваться за счет государственной политики (в частности, внедрения технологий умного города)

-          Здравоохранение (больницы Адмиралтейского района)

-          Образование начальное (детский сад № 14, относящийся к такому-то району)

-          Образование среднее (школы)

(в) паблики общегородские, связанные с городскими проблемами

Данные паблики являются специализированными информационными средами, в которых активисты и активные жители выражают свое мнение по поводу конкретных проблем городской среды - общественной инфраструктуры, .

-          Общественная инфраструктура: Велосипедизация, ВелоПитер

-          Безопасность и криминальная ситуация: паблик по ДТП и ЧП Санкт-Петербурга (чрезвычайные происшествия)

-          Нарушение городских правил, обращения в правительство - “Красивый Петербург” по районам

III. Спонтанные данные

Все данные, имеющие пространственную привязку (не только check-in, поэтому различаются содержательно и функционально). Источники данных: Instagram, Foresquare. ВКонтакте, facebook, Twitter.

Виды данных: семантические данные (текст, образы) и данные о географии по

Назначение: сравнительный анализ пространственных характеристик массовых социальных процессов, например, сравнительный анализ посещаемости общественных пространств

 

Процедура сбора данных из социальных сетей

Для сбора «спонтанных» данных и данных из онлайн сообществ целесообразно использовать стандартные API запросы в применении к социальным сетям. В рамках данного исследования в качестве источника данных использовались три наиболее распространенные в России социальных медиа: Twitter, Instagram, ВКонтакте. Данные о «местах», в которых происходят практики горожан, собираются из социальной сети ВКонтакте при помощи стандартного метода API запроса places.search. Данный метод позволяет выявить места, которые обозначены модераторами сайта и текущими пользователями. В качестве основных параметров ввода могут быть указаны точка координат и радиус территории поиска.

Для насыщения выборки данных о «местах» из социальной сети ВКонтакте рекомендуется использовать метод places.getById, с помощью которого определяются данные о количестве чекинов и типе места, и метод places.getCheckins, который позволяет собрать данные о самих сообщениях, привязанных к “местам”. Запросы для обоих методов также осуществляются на основании географических координат.

Для сбора данных из социальной сети Instagram рекомендуется использовать два метода – locations/search, который позволяет определить места, которые обозначены в Instagram, locations/media/recent, который был использован для получения текстовых данных из комментариев к постам.

Данные из Твиттера были собраны при помощи пакета “twitteR”, работающего на языке программирования R, и метода searchTwitter, с помощью которого можно задать данные в виде геолокационной точки и радиуса, в пределах которого нужно собрать «твиты».

 

Анализ городских проблем на основании данных онлайн сообществ

В процессе исследования данных социальных сетей по Санкт-Петербургу была собрана база данных по более чем 20 тыс. пабликов ВКонтакте, репрезентирующим все пространство Санкт-Петербурга. ВКонтакте был выбран как тестовая платформа для Петербурга, так как эта социальная сеть обладает наибольшим охватов в городе. Паблики ВКонтакте типизированы - от наиболее масштабных, соответствующих административным районам, до наиболее локальных, соответствующих станциям метро.

Тематический анализ геотегированных постов за сентябрь 2016 года, которые имеют отметку по локации, автоматически присваиваемую в ВКонтакте, не дал интерпретируемых результатов: не было выявлено консистентной классификации городских проблем. Не в последнюю очередь этот результат был обусловлен обширным количеством рекламы и спама, который содержится в собранных данных. Чтобы решить эту проблему и создать тематический словарь “городских проблем”, обсуждаемых пользователями Санкт-Петербурга, было проанализировано тематическое онлайн сообщество “Красивый Петербург”[1]. “Красивый Петербург” - это общественное движение, которое занимается анализом и решением проблем городской среды и является одним из наиболее массовых в России (более 53 тысячи подписчиков). Движение началось с Петербурга, а затем “красивыми” стали другие города России. Выбор сообщества “Красивый Петербург” обоснован тем, что: (а) сообщество представлено во всех 16 районах Санкт-Петербурга (есть отдельный паблик для каждого из районов); (б) подписчики сообщества имеют признаки “сообщества” - тесное общение между городскими активистами; (в) онлайн сообщество является тематическим - работает с решением городских проблем исследованиями городской среды и обращениями граждан по поводу городского неблагоустройства.

LDA анализ проблем по сообществу “Красивый Петербург” по всем районным пабликам сообщества, позволил выделить 10 проблем, которые волнуют подписчиков сообщества и которые в разной степени свойственны районам Санкт-Петербурга:

  1. Нарушение законодательства по благоустройству территорий.
  2. Проблема переработки отходов.
  3. Участие в планировании бюджета округа.
  4. Проблема газонов - стихийные парковки и собаки.
  5. Проблема благоустройства зеленых зон.
  6. Проблема безопасности придомовых территорий.
  7. Проблема благоустройства дворов.
  8. Защита детей, благоустройство детских садов и площадок.
  9. Проблема чрезмерного количества автомобилей в жилой среде.
  10. Нехватка удобного общественного транспорта.

 

Визуализация данных LDA анализа позволяет увидеть характерность данных проблем для разных районов Санкт-Петербурга.

Описание: 1 (1).jpg

Рис 5. Интенсивность проблемы нарушение законодательства по благоустройству территории по районам Санкт-Петербурга

Описание: 7.jpg

Рис. 6. Интенсивность проблемы благоустройства дворов по районам Санкт-Петербурга

 

 

 

Описание: 2 (1).jpg

Рис. 7. Интенсивность проблемы переработки отходов по районам Санкт-Петербурга

 

Описание: 5.jpg

Рис. 8. Интенсивность проблемы благоустройства зеленых зон по районам Санкт-Петербурга

Анализ данных сообщества “Красивый Петербург” позволил проверить применимость инструментария анализа данных из социальных сетей - методов тематического LDA анализа и анализа тональности, а также создать тематический словарь “городских проблем”. В будущем данный словарь будет применен к обширной базе данных из других пабликов Санкт-Петербурга.

 

Таким образом, категория качества городской среды, составной частью которой является благоустройство территорий в Санкт-Петербурге имеет наибольший вес. Исходя их этого, а также из того, что категория качества городской среды требует детализации будем рассматривать следующие его составляющие:

−     Безопасность

−     Доступность

−     Привлекательность.

Каждая из указанных составляющих может быть декомпозирована глубже, как это изображено на рисунке 9.

Описание: Описание: D:\8_ИДУ\5_Проекты\1_Умный город\Отчетность по НИР\Сендер\Критерии качества среды.jpg

Рис. 9. Иерархия составляющих качества городской среды.

 

Список использованной литературы:

1.      Altman, I., & Rogoff, B. (1987). World views in psychology: Trait, interactional, organismic and transactional perspectives. In D. Stokols & I. Altman (Eds.), Handbook of environmental psychology (pp. 1−40). New York: Wiley.

2.      Amerigo, M., Aragones, J.I. (1997). A theoretical and methodological approach to the study of residential satisfaction. J. Environ. Psychol. 17, 47–57.                                   

3.      Ame?rigo, M. (2002). A psychological approach to the study of residential satisfaction. In: Aragones, J.I., Francescato, G., Ga?rling, T. (Eds.), Residential Environments. Choice Satisfaction and Behavior. Bergin & Garvey, Westport, CT, pp. 81–100.

4.      Batty. M.  (2013 a). Urban Informatics and Big Data. A Report to the ESRC Cities Expert Group.

5.      Batty, M. (2013 b). Big data, smart cities and city planning. Dialogues in Human Geography, MIT Press.

6.      Bettencourt, L. M. (2014). The uses of big data in cities. Big Data, Santa Fe Institute.

7.      Bonaiuto, M. (2004). Residential satisfaction and perceived residential environment quality. In C. D. Spielberger (Ed.), Encyclopedia of applied psychology (pp. 267−272). Amsterdam: Elsevier.

8.      Bonaiuto, M., Aiello, A., Perugini, M., Bonnes, M., Ercolani, A.P. (1999). Multidimensional perception of residential environment quality and neighbourhood attachment in the urban environment. J. Environ. Psychol. 19, 331–352.

9.      Bonaiuto, M., Bonnes, M. (1996). Multiplace analysis of the urban environment: a comparison between a large and a small Italian city. Environ. Behav. 28, 699–747.

10.  Campelo, A., Aitken, R., Thyne, M., & Gnoth, J. (2014). Sense of place: the importance for destination branding. Journal of Travel Research, 53(2), 154−166.

11.  Canter, D. (1977). The Psychology of Place. Architectural Press, London.

12.  Canter, D. (1983). The purposive evaluation of places: a facet approach. Environ. Behav. 15, 659–698.

13.  De?bek, M. (2014). Towards people’s experiences and behaviours within their worlds: The integrative-transactional framework for studying complex people-environment interactions. Social Space, 8(2), 1−55.

14.  Fornara, F., Bonaiuto, M., & Bonnes, M. (2010). Cross-Validation of Abbreviated Perceived Residential Environment Quality (PREQ) and Neighborhood Attachment (NA) Indicators. Environment and Behavior, 42(2), 171−196.

15.  Gifford, R. (2007). Environmental psychology: Principles and practice (4th ed.): Optimal Books.

16.  Jackson, J. B. (1994). A sense of place, a sense of time. New Haven: Yale University Press.

17.  Jorgensen, B. S., & Stedman, R. C. (2001). Sense of place as an attitude: Lakeshore owners attitudes toward their properties. Journal of Environmental Psychology, 21(3), 233−248. 

18.  Kalandides, A. (2011). The problem with spatial identity: revisiting the “sense of place”. Journal of Place Management and Development, 4(1), 28−39.

19.  Lalli, M. (1992). Urban-related identity: Theory, measurement, and empirical findings. Journal of Environmental Psychology, 12(4), 285−303.

20.  Lawrence, R.J. (2002). Healthy residential environments. In: Bechtel, R., Churchman, A. (Eds.), Handbook of Environmental Psychology. Wiley, New York, pp. 394–412.

21.  Lewicka, M. (2008). Place attachment, place identity, and place memory: Restoring the forgotten city past. Journal of Environmental Psychology, 28(3), 209−231.

22.  Manzo, L., & Devine-Wright, P. (Eds.). (2014). Place attachment: Advances in theory, methods, and applications: New York: Routledge.

23.  Marans, R. W., & Stimson, R. J. (Eds.). (2011). Investigating quality of urban life: Theory, methods and empirical research. Dordrecht: Springer.

24.  Ramkissoon, H., Graham Smith, Liam David, & Weiler, B. (2013). Testing the dimensionality of place attachment and its relationships with place satisfaction and pro-environmental behaviours: A structural equation modelling approach. Tourism Management, 36, 552−566.

25.  Rosenberg, M.J., Hovland, C.I. (1960). Cognitive, affective and behavioural components of attitudes. In: C.I. Hovland, M.J. Rosenberg (Eds.), Attitude, Organization and Change. Yale University Press, New Haven, CT, pp. 1–14.

26.  Stedman, R. C. (2002). Toward a social psychology of place: Predicting behavior from place-based cognitions, attitude, and identity. Environment and Behavior, 34(5), 561−581.

27.  van Kamp, I., Leidelmeijer, K., Marsman, G., & Hollander, A. de. (2003). Urban environmental quality and human well-being. Landscape and Urban Planning, 65(1−2), 5−18.

28.  Zhan, X., Ukkusuri, S. V., & Zhu, F. 2(014). Inferring urban land use using large-scale social media check-in data. Networks and Spatial Economics, Springer US.

29.  PRT Agency  http://prt.ru/en/



[1] https://vk.com/peterburg_krasiv

 

 

 

 

Информация © 2015-2017 Университет ИТМО
Разработка © 2015 Департамент информационных технологий