大数据与城市专刊︱篇十：把城市幸福众包给网络游戏

在过去十年中城市越来越受到科学研究的关注。尤其是计算机科学家和工程师的青睐： 新的监控技术用于分配城市资源（如电力，水，汽车交通），使之更加高效，也让我们的城市变得’更聪明’。在过去的几年里，我一直在参与一些关注人们如何从心理上体验城市的项目。

我们将在20世纪70年代一些由研究人员和从业人员和评论家提出的假设纳入考虑范围。例如Jane Jacobs (Jacobs, 1961), Stanley Milgram (Milgram et al., 1972), 以及Kevin Lynch (Lynch,1960)。 这也是这些理论这么久以来第一次被检验。我们建立了两类众包网络游戏：一个是以伦敦为例的众包城市意象（Quercia et al.，2013），和其他运用众包形式探索城市那些让人产生幸福的地方（Quercia et al.，2014b）。这两个城市的特点都很重要，原因在于他们与城市居民的幸福生活息息相关。

大家可能都会有疑惑，究竟为什么城市研究需要用到网络游戏？20世纪60年代，许多学者开始设计实验用于捕捉城市居民的心理感知。就拿心象地图来说，为什么心象地图很重要?不仅仅是因为他们是居民对这个城市的主观反应，更是因为他们关系到了居民在这城市中生活的幸福感。人们常常会在那些很容易就能记住或者回忆起心象地图的城市里体会到幸福感。

在1972年，Stanley Milgram提出了一种捕捉这种心象地图的方法。他在纽约召集了一些居民参与他的实验，给他们看了一些城市场景，然后问是他们能不能识别出来这些场景都是哪里。根据最后那些地方被正确识别了出来，他画出了他们这些人的心象地图集合(Milgram et al., 1972)。

不仅仅是心象地图，视觉感知也会影响居民在城市中生活的幸福感。

考虑到“破窗效应”背后的理论——社区所呈现出的样貌对现实中社区的安全有极大影响(Kelling and Coles, 1998)。有一个窗户被打破就会接二连三有窗户被打破，就可能会产生更多的犯罪。这个理论其实并不局限于学术界，在公共政策界也可以应用，最著名的可能是纽约了。因为视觉感知在公共政策界有一定的地位，所以了解其影响才是最重要的。在1967年，Peterson提出了社区视觉感知的定量分析(Peterson, 1967)。他选择了10个可以反映视觉感知的标准（例如开放空间，绿地，安全，美等）并组织了140个人参与这项活动。他给这140个人23张图片，这23张图片全部取材于芝加哥都市区，并要求他们按照10个标准给图片打分。他发现“视觉美”实际上是视觉愉悦的同义词，因此就产生了视觉外观需求。

但是，这些实验也不是完美无缺的，他们很消耗时间，而且因为要付钱给参与者，所以也很费钱，最重要的是参与的人最多就是几百人，不能进行大规模的调查。这就是为什么城市心理感知一向被认为仅仅是一种假设，是一种定性的研究，而从来没有被大规模的进行定量的研究。为了解决这个问题，2012年我们与许多同事组成队伍将一些传统实验转换成了带有目的性的一分钟小游戏。这个游戏之所以被说成是带有目的是因为他们将不那么有趣的活动（比如识别城市场景）用另一种有趣的方式展现给了人们(Von Ahn and Dabbish, 2008)。通过这种游戏我们将会聚集上千个人参与这个游戏。相对于这个研究的参与者，也就是我们的玩家，他们会很高兴投入时间来让我们测试他们对这个城市究竟有多少了解。至于他们为什么这样做，就需要我们聚焦这两个游戏，先介绍产生这种“心象地图”的方法吧。

城市的地理地图一般会包括城市的街道与建筑物，是一种客观性的代表。心象地图则相反是一种主观的表现，是城市居民对他们所居住城市的映像。通常旅游者刚到一个陌生的城市会先记住几个参考点（例如他们居住的宾馆，主要的街道等等），然后在扩展这个城市在他们脑海中的图像。简而言之就是他们慢慢的在脑海中给这个城市画图。如果要了解这个主观表现到底有多重要， 1960年首次发表的Kevin Lynch的著作The Image of the City中提到：研究表明，良好的城市意象性会让城市居民有家的感觉，并增加他们的幸福感(Lynch, 1960)。人们通常会在那些容易辨认的城市中找到家的感觉。一点一滴的努力累积起来也会最终让人产生幸福感，就拿伦敦举个例子，每个伦敦人都对伦敦的某些地方有着长而深远的情愫，这也是为什么许多年来，伦敦一直都保持着人们认为其应该有的样子。所以心象地图应该是清晰的，也是一个城市经济精神上的努力。

Kevin Lynch是第一位正式研究这种心象地图的研究者，并且他还通过采访波士顿居民创造出了波士顿地区的心象地图。基于波士顿参与者手绘出的波士顿的样子，他发现只有一些中心地区是几乎被所有波士顿居民所熟知的，其他很多地区都不是。十年以后，Stanley Milgram 重复做了这项实验，并且在其他地区也做了（例如巴黎，纽约）。

但是手绘地图的缺陷在于需要花时间画，并且有些时候不能很清楚的将地图的布局组合在一起。一种解决方案是在参与者们出图的时候给一些限制条件。按照这个思路，Milgram只给出了一个非常简单的问题：“如果一个人在任意时间被安置在了这个城市的任意一点，他/她怎么才能知道他/她在哪？” (Milgram et al., 1972)。一个人可以寻找认识采样点的居民来衡量城市意象。这样就可以简单理解成给参与者展示他们城市的样貌，然后看他们是否可以认识出来这些地方都是哪里。Milgram确实成功的在各种演讲厅里建立并且进行了这样的实验。每位参与者大概要花90分钟的时间，然后Milgram会收集这些信息。从那时候起，类似的试验计划就很少被重复了。我们最近刚建立了一个但却是以网络游戏的形式（Quercia et al., 2013）。因为大量借鉴了Milgram的成果，他将其取名为“心象地图” (Psychological Maps)，我们就命名我们的为“心象地图2.0”。

我们的众包网络——www.urbanopticon.org——随机在谷歌街景中抽取地点并对使用者进行提问，看他们知不知道这是哪个市或者区域。在不到五个月的时间里，我们收集了来自2255位用户的回答，739位来自伦敦，973位来自英国其他地方，剩下的542位则来自世界其他国家。在这2255位参与者中，有287位提供了自己的个人信息。男女参与者的比例大致为60/40，这个比例根据地区不同也会稍微有些差别。在伦敦，这个男女比例大致为60/40，在整个英国大致为65/35，英国以外的地区大致为45/55。除此之外，整个参与者的平均年龄和伦敦地区的没有差别，为36.4岁。对于受访者的地理分布，我们发现伦敦地区的人口数量和住在该地区的游戏参与者有很强的相关性（与皮尔森相关系数r = 0.82）。在这些玩家完成游戏之后，我们基于各个地区得到的正确答案的分数，绘制出了一张伦敦地区易于辨认的地图。

通过对伦敦五个地区辨识度的研究，我们发现Milgram对纽约得出的结论同样也适用于伦敦。伦敦中心区是最好识别的区域了，但是相对南伦敦的识别度就不是这么高了。图一是大伦敦行政区的数据统计图，一些地理区域因为考虑到行政区的辨识度会有些变形。大部分都集中在伦敦中部，南部并没有出现在此次地图中。我们发现场景的识别度与受访者家的地理位置并没有太大关联。与之相反，受访者比起认出自家行政区的场景，更容易识别出伦敦中心的场景。当伦敦人遇到一个不熟悉的场景的时候通常会回答“西伦敦”，因此“西伦敦”这个词语就会经常出现。

识别场景的能力一般取决于这些居民居住在伦敦的什么位置，但是识别能力的改变则取决于这个人是否还住在英国国内。与住在伦敦市中心的人相比，住在伦敦以外的参与者，他们猜对的数量大幅减少。住在伦敦中心的人们的识别能力大致相同：居住在英国以外的受访者，他们的识别能力一样的好。正因为拥有世界上最著名的景点，许多旅游者在周游世界的时候就会发现，伦敦市中心生动的呈现出世界性的心象地图。

图一、大伦敦行政区数据统计图，一些地理区域因为考虑到行政区的辨识度会有些变形

总之，研究结果给出了两种比较常见的关于人类为什么会识别出一个区域的答案。之所以会识别出来是因为人们就在其中生活，也因为这些地区有明显的建筑或者文化生活特征。因此我们开始测试是否一个人生活在一个区域中可以解释为什么人们就对其有了辨识度。具体而言，我们研究了三种社会媒体服务以及伦敦地下铁乘客。我们收集了一百二十万条Twitter留言，二十二万四千个Foursquare登入信息，七千六百六十六万个地铁行程，以及一百三十万张Flickr照片。我们原本的目标是通过确定哪种社交媒体可以成为我们识别度以及曝光度的代表，从而告知社会媒体。但是实际上这个答案太复杂了，不是所有的媒体，就算是搭载地理信息数据的社会媒体也不能用于地理研究。其内容越与实际相关，我们就越觉得它可以被用于地理研究。例如Twitter一般不和地理参考的有关联，但是上传到Twitter上的照片却有地理信息位置。所以我们得出一个结论，这种可见度更多的是由Flickr/Foursquare用户去曝光的而不是Twitter。

根据Milgram做的有关纽约人的实验，我们还发现心象地图并不一定是一种直接的过程，也可以是间接的，例如电影。在伦敦最著名的景点莫过于Blackfriars，所以我们也不用为它曾经被用于电影电视或者广告取景而感到惊奇，比如最著名的有夏洛克福尔摩斯以及大卫·科波菲尔。

Kevin Lynch在他的著作The Image of the City中曾经假定，一个城市如果有更好的形象，会让他的居民更能体会到家一般的感觉，也就更会增加城市幸福感。我们在图二中呈现了我们对伦敦人心象地图的定量分析，其中社会经济指标都包括有住房不足，租住环境条件以及犯罪率。通过将行政区的回答正确率与其八个社会经济指标相关联，我们可以发现，更容易被识别的区域通常都有更好的居住环境条件，住房条件以及更高的收入。因为之前与城市幸福相关的工作不仅涉及到心理想象，也涉及到了视觉美，我们下一步来介绍一个游戏，它众包了城市视觉美的集合。

图二、辨识度与伦敦市不足之处的相关性

城市环境外貌不管在人的视觉还是体验中都非常重要。视觉要素可以把一个场景与其他场景相互区分，并且可以帮助人们感受到这个城市的独特魅力。之前提到过的“破窗效应”是最早的把城市外貌与社会效应结合在一起的理论(Kelling and Coles, 1998)。社区的外貌与社区的安全也息息相关，一个破掉的窗户会招致另一个窗户也被打破，一来二去就会发生犯罪。

目前最详细的有关城市环境感知以及他们的外貌的研究都是基于采访和城市街区的观察：例如，一些学者基于专家录制视频时的注解(Sampson and Raudenbush, 2004)；其他则让参与者给虚拟街景打分(Lindal and Hartig, 2012)。网络最近可以发问卷或者提问来调查许多人的想法了。Place Pulse 就是这样一个网站。他会问一些类似于“这两个地方你觉得那个更安全？”这样的问题。

我们与剑桥大学合作创立的网络游戏也是这种思路（你可以在http://www.urbangems.org找到）。用户们可以看到10组图片，他们需要在每一组图片中选择他们认为更美丽，安静，幸福的一张，就像我们在图三所展示的。我们选择这三个作为标准来研究我们的经典城市案例，以及更多的有关城市生活的讨论。

图三、众包任务截屏

四个月之后我们收集了3,301位参与者的数据：36%来自伦敦（IP 地址显示为伦敦），35%来自英国剩下地区以及29%来时世界其他国家。其中有515位回应了这个调查，并留下个人信息。在所有调查者中，男女比例为66/34。平均年龄为38岁（范围18-77岁）。与2001年的伦敦人口普查数据相比较，我们的样本是相对来说比较有代表性的。白人参与者稍微超出预计，占到总人数的6.4%，亚洲人，黑人，印度人以及爱尔兰人的参与人数都相对比较平均。参与人数最多的国家是英国，占到65.1%；参与人数最多的城市是伦敦，占到总参与人数的40.3%。职业分布就比较广泛，学生，IT 专业，学者与科学家以及建筑学家和城市规划学家占的比例较大。

基于我们用户的投票，我们发现美与幸福有极高的相关性（r=0.64）,与之相反的是幸福与安静（r=0.29），以及美与安静（r=0.33）。有趣的是这种美与幸福的关系在Stendhal的名为On Love 的书中正好被提到：“美是幸福的承诺” (Stendhal, 1822)。

就像Salesses所用的方法一样，我们也用“安静”，“美”以及“幸福”，这三中标准来评价一个场景。之后我们就可以用图像处理软件把场景分析和打分结合到一起。目的就是希望能找到什么样的社区可以被人们称作安静的、美丽的、幸福快乐的社区。

一篇名为“审美资本：是什么让伦敦如此美丽、安静、幸福？” (Quercia et al., 2014a)的文章中，我们将某些视觉特征与安静，美丽，幸福的分数联系在一起。我们发现一般绿地都会与所有三种属性相关，但是汽车以及钢筋水泥的建筑一般都会与悲伤相关。我们把“悲伤”作为“幸福”指数的底端。与之相反的是，公共花园，维多利亚时期的建筑，红砖房屋却与“幸福”相关。总结起来我们的研究也与Quercia的研究得出的结论基本一致：阻碍社会活动的元素是不可取的，但是那些可以促进社会活动的元素可以被城市规划学者们利用，把我们的城市改进的更加幸福。当我们一开始做这项工作的时候，我们的目标是量化社区的审美资本。基于我们的结论，我们可以假设审美资本是社会资本多种组成部分中的一种：那些被我们参与者们认为是美丽的城市元素，最终都会促进社会活动的增加。

为了得到专业人士的反馈，我们邀请了三位建筑学家（两位男性，一位女性）。这三位不仅要对我们的工作进行评价还会对我们所选择的视觉元素（“美”，“安静”，“幸福”）在实验中做起到的角色进行评判。他们是我们在Skype上亲自面试之后选定的。首先我们对这个项目进行了简介，然后要求这三位专家按照自己的喜好画出或描述出“伦敦的幸福场景”。

其次，我们为他们每人准备了10个黑色圆形贴纸，这些圆形贴纸代表视觉单词（就像图四中的一样）。然后他们会被要求重画或者解释他们会做出怎样的改变。他们也会被问道什么样的视觉要素以及人类的反应在他们的工作中起到一个什么样的作用，以及视觉单词会起到什么样的作用。

图四、美丽——视觉单词。这些黑色圆点贴在与“美丽分数”正相关的视觉词汇旁边

所有三种要素以及视觉单词都会对要素是如何影响人们的反应这个问题起到积极的作用。被问到哪些要素影响最为突出，专家们特别指出了一些：绿地；人行道以及自行车道；颜色的多样性以及材料的种类；许多私人住宅的样子；有人行道的楼房以及建筑物的立面包括窗户以及装饰品；一些让人感觉很舒服很熟悉的物件或者是那些带有伦敦特征的物品，比如红色的信箱，红色的巴士以及红色的电话亭。

他们同时也提到了潜在的商机。他们说知道人们——顾客——喜欢什么，就可以增加什么来营造“快乐，幸福”的感觉。所以可以用此来带动城市景观的商机。

专家还提到了一些缺点。比如视觉特征是挺有用的，但是专家并不会依赖于它们，因为它们可能不能很好的给她存在感。其他的一些缺点比如倾向于反应传统形式的建筑。第三位专家觉得我们的算法可能一开始会把建筑分成许多类，然而她也承认算法会是一个非常有趣的参考，从而打开整个领域的思路。

关于我们参与者的评论，很明显城市不仅仅只是许多建筑的集合体。就像Hillier所说的，“建筑不仅仅是物体，而是物体通过空间的变换” (Hillier, 2006);他们需要被看成是一种系统的空间关系而不是仅仅分离的物体。Jacobs反对共识，并且指出统一设计的元素不应该如此普遍，应该是无效的(Jacobs, 1961)。

与其寻找一种平淡幸福的共识，我们致力于探索用于识别让人有反应的城市特征的众包工具以及视觉分析方法。这些都需要全新的研究以及会有许多争议的学科交叉。总而言之，做这个项目的目的是：如果我们手上有个详细的关于审美特征的列表，我们就更有可能去理解人类对于其周围环境的反应。

现在大家都卯足了劲想让城市变得更智慧，可以提供沟通所需要的实时信息从而使城市变得更美好。这些机构可以提早受到警告并且可以用最少的成本来识别出哪个区域最需要发展。我们已经看到网络游戏也可能帮助我们识别需要进行干预的区域。网络游戏通过分析受访者接受干预前与接收干预后回答的差异来衡量城市干预的影响。这样做的话，就需要不断收集数据，也需要有效的策略。

我们的游戏策略来自于计算机科学中的“游戏化”，包括给点，创造游戏新鲜感以及给予游戏玩家目标。

在两个游戏中：

然而，在任何政策做出变化之前，游戏的数据是需要有其他种类的数据来补充的，并且要通过分析互补因果。

此外，网页游戏的设计需要时间。如果需要的话，其实可以向更加容易获得数据的社交媒体求助。

这篇文章的目的就是介绍一种新的方法，这种方法以计算机科学为工具，在大范围下重复社会科学实验。目前除了已经提及的在学术方面的贡献，我们的研究还很有现实意义。

运用这种城市制图学来衡量人类的情感，我们不仅仅可以看到从A到B 的最短距离路径，还能看到一条美丽的、安静的、幸福的道路。在实验中，受访者所找到的美丽的、安静的、幸福的路往往比最短的路更让人沉醉其中，时间也只差一点点而已。有些受访者还回忆起来那些路芳香的气味与声音。

所以如果我们有制图工具，不仅仅能够帮我们基于审美选择路线，还可以基于气味(Quercia et al., 2015b)或者声音(Aiello et al., 2016)能够捕捉到多种感官层的地图，知道什么才是良好的城市街道以及什么样才是一个好的城市所应该有的样子。知道这些后我们会更新我们的技术，让我们的城市变得更加适合人类居住。