Lägenhetssökande i storstäder använder ofta närvaron av restauranger för att avgöra om ett grannskap skulle vara ett bra ställe att bo på. Det visar sig att det finns mycket med denna tumregel:MIT stadsstudier forskare har nu funnit att i Kina, restaurangdata kan användas för att förutsäga viktiga socioekonomiska attribut för stadsdelar.

Verkligen, använder online restaurangdata, säger forskarna, de kan effektivt förutsäga ett stadsdels befolkning på dagtid, nattbefolkning, antalet företag som finns i den, och de totala utgifterna i grannskapet.

"Restaurangindustrin är en av de mest decentraliserade och avreglerade lokala konsumtionsbranscherna, "säger Siqi Zheng, en professor i stadsstudier vid MIT och medförfattare till en ny uppsats som beskriver resultaten. "Det är starkt korrelerat med lokala socioekonomiska attribut, som befolkning, rikedom, och konsumtion. "

Att använda restaurangdata som en proxy för andra ekonomiska indikatorer kan ha ett praktiskt syfte för stadsplanerare och beslutsfattare, säger forskarna. I Kina, som på många ställen, en folkräkning görs bara en gång per decennium, och det kan vara svårt att analysera dynamiken i stadens ständigt föränderliga områden snabbare. Således kan nya metoder för att kvantifiera bostadsnivåer och ekonomisk aktivitet hjälpa till att vägleda stadens tjänstemän.

"Även utan folkräkningsuppgifter, vi kan förutsäga olika grannskapets egenskaper, vilket är mycket värdefullt, "tillägger Zheng, som är Samuel Tak Lee docent i fastighetsutveckling och entreprenörskap, och fakultetsdirektör för MIT China Future City Lab.

"Idag finns det en stor dataskillnad, säger Carlo Ratti, chef för MIT:s Senseable City Lab, och medförfattare till tidningen. "Data är avgörande för att bättre förstå städer, men på många ställen har vi inte mycket [officiell] data. På samma gång, vi har mer och mer data genererad av appar och webbplatser. Om vi ​​använder den här metoden [kan vi] förstå socioekonomiska data i städer där de inte samlar in data. "

Pappret, "Förutsäga stadsdelars socioekonomiska attribut med hjälp av restaurangdata, "visas i Förfaranden från National Academy of Sciences . Författarna är Zheng, vem är motsvarande författare; Ratti; och Lei Dong, en postdoc som är värd för MIT China Future City Lab och Senseable City Lab.

Studien tar en närmare titt på nio städer i Kina:Baoding, Peking, Chengdu, Hengyang, Kunming, Shenyang, Shenzen, Yueyang, och Zhengzhou. För att genomföra studien, forskarna extraherade restaurangdata från webbplatsen Dianping, som de beskriver som den kinesiska motsvarigheten till Yelp, den engelskspråkiga företagsgranskningssidan.

Genom att matcha Dianpings data till pålitlig, befintlig data för dessa städer - inklusive anonymiserad och aggregerad platsinformation för mobiltelefoner från 56,3 miljoner människor, bankkortposter, företagsregistreringsregister, och några folkräkningsdata - forskarna fann att de kunde förutsäga 95 procent av variationen i dagbefolkningen bland stadsdelar. De förutspådde också 95 procent av variationen i nattbefolkningen, 93 procent av variationen i antalet företag, och 90 procent av variationen i konsumtionsnivåer.

"Vi har använt ny allmänt tillgänglig data och utvecklat nya metoder för dataförstoring för att ta itu med dessa urbana frågor, "säger Dong, som tillägger att studiens modell är ett "nytt bidrag till [användningen] av både datavetenskap för socialt gott, och big data för stadsekonomiska samhällen. "

Forskarna noterar att detta är en mer exakt proxy för att uppskatta demografisk och ekonomisk aktivitet på grannskapsnivå än andra metoder som tidigare använts. Till exempel, andra forskare har använt satellitbilder för att beräkna mängden nattljus i städer, och använde i sin tur mängden ljus för att uppskatta aktivitet på grannskapsnivå. Även om metoden klarar sig bra för befolkningsuppskattningar, restaurangdatametoden är överlag bättre, och mycket bättre på att uppskatta affärsverksamhet och konsumtionsutgifter.

Zheng säger att hon känner sig "övertygad" om att forskarnas modell kan tillämpas på andra kinesiska städer eftersom den redan visar god förutsägbarhet över städerna. Men forskarna tror också att metoden de använde - som använder maskininlärningsteknik för att nollställa betydande korrelationer - potentiellt kan tillämpas på städer runt om i världen.

"Dessa resultat indikerar att restaurangdata kan fånga vanliga indikatorer på socioekonomiska resultat, och dessa gemensamma kan överföras ... med rimlig noggrannhet i städer där undersökningsresultaten inte observeras, "uppger forskarna i tidningen.

Som forskarna erkänner, deras studie observerade samband mellan restaurangdata och grannskapskarakteristika, snarare än att specificera de exakta orsaksmekanismerna i arbetet. Ratti konstaterar att orsakssambandet mellan restauranger och grannskapskarakteristik kan gå åt båda hållen:Ibland kan restauranger fylla efterfrågan i redan blomstrande områden, medan vid andra tillfällen är deras närvaro en förebild för framtida utveckling.

"Det är alltid [både] en push och pull" mellan restauranger och stadsutveckling, Säger Ratti. "Men vi visar att de socioekonomiska uppgifterna återspeglas mycket väl i restauranglandskapet, i städerna vi tittar på. Det intressanta fyndet är att det här verkar vara så bra som en proxy. "

Zheng säger att hon hoppas att ytterligare forskare kommer att ta till sig metoden, som i princip skulle kunna tillämpas på många ämnen inom stadsstudier.

"Själva restaurangdata, liksom de olika grannskapsattributen som den förutspår, kan hjälpa andra forskare att studera alla slags stadsfrågor, vilket är mycket värdefullt, "Säger Zheng.