绘制投票站的轮廓

[asimd3]

最终，用户现在拥有一个标准化的文件，其中包括地理定位地址列表、描述地理定位质量的变量以及每个地址所属的投票站（创建该文件的技术文档和用 Python 编程语言编写的相关代码可供使用）。请注意，REU 是一个动态目录，不断更新：今天发布的地址文件是根据 2022 年 9 月该目录的照片制作的。

该地理定位地址数据库可以接近投票站的“区域”或“轮廓”，这些区域对应于将同一投票站的所有选民地址分组在一起的地理区域。

实践中，有多种方法可以近似地描绘投 尼日利亚 Whatsapp 数据 票站的轮廓，而投票站通常没有正式的布局。 INSEE 已经建立了一种基于 Voronoi 多边形、通过BAN 从REU 的地理定位地址自动生成这些轮廓的方法，以帮助开展统计研究。 Voronoi 多边形是以某个地理定位地址为边界的几何区域，它包含空间中距离该地址比距离其他任何地理定位地址都近的所有点（图 1）。首先，Voronoi 多边形可以对所研究的市镇进行分区。其次，按投票站对这些多边形进行分组可以近似地得出投票站的轮廓。

图 1 – 点分布的 Voronoi 多边形（细线）示例
点分布的 Voronoi 多边形（细线）示例
来源：Insee REU，Filosofi 2019；斯特拉斯堡市政厅。
该方法通过在名为MapvotR的库中发布 R 语言计算机程序来实现，该程序可在 Insee 代码传播平台上免费访问。所使用的假设和技术以完全透明的方式进行解释（特别是识别和处理可能位置不佳的地址的方式）。用户可以自由地改进和调整代码以适应他的使用情况，如果需要，他也可以提出修改意见。