數人頭的科學方法丨混亂博物館_風聞

某些歷史記載中關於人數的部分常常引起後人的爭議。比如一場青銅時代的戰爭有上百萬人規模、一次性殺死幾十萬俘虜，諸如此類。

不過這種有組織的軍事活動，大家還是願意通過各種辦法研究，真相總歸會越來越清楚。相比下，老百姓自發的聚集於廟會、燈會等場所，其人數就沒有那麼好待遇了。記錄者無非是用各種修辭和虛數誇大一番，數以千計、數以萬計、數以十萬計、揮汗成雨、集腋成裘，並不能提供任何有用信息。

我們發現似乎在過去幾千年裏都沒有人對這個問題產生什麼興趣。一直到現代以來，人數的展示，成為了一種極為重要的力量。晚至上世紀六十年代末，終於有人用科學的方法解決了這個問題。

－文字稿－

在古代，統計大波聚集者的數量似乎從來不是一個難題。數以萬計、遮天蔽日、恆河沙數等等，都是大家常用的計量單位。

進入現代，因為某些原因，統計羣眾規模才逐漸變成一個需要動腦子的問題。

1967年的某天，新聞學教授赫伯特·雅各布斯從辦公室的窗口向下望去，學生們正聚集在一起反對越戰。廣場的地面恰好被水泥伸縮縫劃分成許多大小相同的格子。

於是他挑出幾個站滿了人的格子，數出人數，計算每個方格內的平均人數，再用這個數字乘以方格總數，就得到了集會總人數的近似值。

簡單，有效。

甚至為了省去數人頭的功夫，雅各布斯還將人羣密度劃分為三個等級（鬆散人羣：1人/㎡，密集人羣：2人/㎡，非常密集人羣：4人/㎡），方便粗略估算。這是歷史上第一個有效統計密集人羣數量的方法，被稱為雅各布斯方法，相對標準誤差10%到20%。

在這之後，人們對雅各布斯方法進行了各種改進並沿用至今，但本質上講，和最初並沒有什麼不同，也就是説，分格子，數格子，然後加起來。

比如2010年，著名媒體人格蘭·貝克（Glenn Beck）在林肯紀念碑發動集會遊行，哥倫比亞廣播公司僱傭了一家叫DDIS（Digital Design and Imaging Service ）的公司來計算參與人數。

他們首先繪製出劃好格子的3D地圖，在活動當天升起一個帶着攝像機的牽引氣球，從幾十米到數百米的不同高度、不同角度，拍攝活動人羣合成360度全景影像。

最後，DDIS將合成的影像覆蓋在3D地圖上，開始重複雅各布斯的方法：數格子裏的人數，相同密度的格子數，人數乘以格子數，得出總人數。

科技繼續發展，衞星圖像、GIS地理信息系統都被應用於統計集會人數。而通過機器學習，從監控圖像裏可以對個體進行識別，進而直接統計出人數；

人羣密集較大時，相互遮擋非常嚴重，更常見的方法還是通過提取圖像的Harris角點特徵，或者像素特徵，紋理特徵，建立圖像特徵和人羣密度的迴歸模型，進而得到人羣密度。

在統計人數這件事上，科技進步的本質，其實是訓練人工智能替我們數格子。

如果考慮人羣不斷移動，精確統計將更加困難。但解決辦法卻很簡單，那就是到羣眾中去，設置數據採集點。只有一個採集點的話可能會漏掉太多人。因此，更好的方式是……設置兩個採集點。

兩個點的研究人員分別記錄通過人數，並隨機採訪參與者，詢問他們是否通過另一個採集點。通過分析受訪者行為，可以推測出整個遊行隊伍的行為比例，進而修正數據中的錯誤。

至於為何不設置更多數據採集點，那是因為人們通過實踐發現，觀測點超過兩個，除了增加經費，對數據質量並沒有什麼幫助。

然而，更具有挑戰性的其實還是人類的屁股。

還是以2010年的林肯紀念碑集會為例，DDIS估算集會總人數為8.7萬，其他各方的估算的數字則相去甚遠。每一方都堅信自己的數字更加科學、準確。

可見，想讓人類在數格子時也保持理性，的確是一種奢求。

內容來自微信公眾號：混亂博物館，ID：chaosmuseum