Big Data afslører spøgelsesbyer i Kina

700 millioner mennesker har deltaget i en stor Big Data-undersøgelse, som afslører, om indbyggere rent faktisk bor i en by - eller bare er turister.

I de senere år har Kina gennemgået en byudvikling, der er uden fortilfælde i menneskehedens historie. Antallet af kvadratkilometer, der afsættes til nye byområder, voksede fra 8.800 i 1984 til 41.000 i 2010.

Samtidig har Kina anvendt mere beton mellem 2011 og 2013, end USA brugte i hele det 20. århundrede.

Men i flere områder i Kina har entreprenører opført så mange boliger så hurtigt, at det har overhalet efterspørgslen selv i verdens mest folkerige land. Derfor ligger en del af de nye områder øde hen.

Resultatet er de meget omtalte spøgelsesbyer.

En stor del af afrapporteringen om udviklingen i antallet af og størrelsen på spøgelsesbyerne er anekdotisk eller baseret på upålidelige målinger såsom en simpel optælling af omfanget af lys i lejlighederne om natten.

Det er imidlertid en særdeles unøjagtig metode, ikke mindst fordi den ignorerer sæsonudsving forårsaget af turismen. Mange steder er der fuldt besat i turistsæsonen, men tomt i lavsæsonen. Det kan altså være vanskeligt at skelne en sæsontom by fra en egentlig spøgelsesby.

Det rejser et interessant spørgsmål, nemlig hvor slemt problemet med spøgelsesbyer i Kina er i virkeligheden.

Big Data Lab hos Baidu giver et nyt svar

Men et slags svar er nu givet takket være det arbejde, som er gennemført af ph.d. Guanghua Chi fra Big Data Lab i selskabet Baidu, som er Kinas version af Google og et af de største web-selskaber i verden.

Herfra har man anvendt lokaliseringsdata, Baidu samler om sine brugere, til at finde ud af, præcis hvor Kinas spøgelsesbyer ligger. Og ved at spore folk over tid kan Baidu-holdet skelne mellem spøgelsesbyer og byer, der bare er ramt af en sæsonmæssig nedtur, skriver Technology Review

Baidu har en ekstraordinær database at trække på. Ca. 700 millioner mennesker har tilmeldt sig de tjenester, som selskabet tilbyder - altså en ikke uvæsentlig del af Kinas 1,36 milliarder indbyggere.

Selvfølgelig er disse brugere overvejende yngre, og data er derfor ikke bredt repræsentative for det kinesiske samfund. De kan dog give en idé om den bymæssige befolkningstæthed, og hvordan dette varierer både i tid og i hele landet med en opløsning målt i måske 20 meter.

Baidu har sporet brugere hele dagen hver dag i mere end seks måneder i 2014 og 2015 og anvender en algoritme til at beregne brugernes aktuelle faste opholdssteder. Derefter korreleres disse data med et andet datasæt om registrerede boliger for at skabe oversigt over, hvor borgerne rent faktisk bor. Derefter beregnes den urbane tæthed - eller antallet af mennesker, der lever på hver 100 x 100 meter.

Faste definitioner afgør Big Data-resultat

Ifølge det kinesiske boligministerium skal en standard urbaniseret region med et areal på en kvadratkilometer huse 10.000 mennesker. Man definerer samtidig et spøgelsesby som et område med halvdelen af denne tæthed.

Resultaterne af forskningen er interessant læsning. Ikke alene har teamet identificeret mere end 50 spøgelsesbyer i Kina, de er også i stand til at analysere deres geografiske udbredelse - og hvordan den relaterer til omgivende geografi og bymiljøer.

Et eksempel er byen Rushan, som er placeret tæt ved havet og har en meget smuk kystlinje, der har været stærkt udbygget med boliger. Data viser, at husene står tomme det meste af året, men at de er tæt befolket i turistsæsonen. Det angiver klart, at Rushan er et
turismecentrum og ikke en spøgelsesby.

Derimod viser det sig, at der i byen Kangbashi er en stor forandring af befolkningsniveauet i løbet af ugen, dog med en meget lav koncentration af beboere. Det er et tydeligt tegn på, at dette er en spøgelsesby.

»I stedet for blot at tælle antallet af boliger med lys om natten i udvalgte boligområder som indikation for spøgelsesbyer kan Big Data fra Baidu gennemføre en optælling af befolkningen præcist, i realtid og på landsplan,« siger Guanghua.

Data findes på flg. hjemmeside: www.bdl.baidu.com/ghostcity

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Kommentarer (3)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Log ind eller Opret konto for at kommentere