50萬、100萬、200萬+1，遊行人數越來越多。「民陣報大數」、「警察報細數」之說不絕於耳。於是有學者「上街」，希望以科學方法，計算出較準確的遊行人數，可是不同機構，計算出來的數字仍有相當大落差。
究竟一個遊行的真實數字真的重要嗎﹖學者坦言遊行生態有助了解社會狀況，而未來在大數據和人工智能的幫助下，數字將會越計越準。
文﹕羅偉健
今年7.1遊行在各種政治的紛紛擾擾下，加上反《逃犯條例》嚴重對立的社會氛圍，究竟會引發多少人上街？這個數字注定會非常矚目，更會受到各方嚴格檢視。7.1遊行的數字一直是各大學術和非學術機構點算人數的「實驗場」，當日民陣號稱遊行人數55萬，警方則公布只有19萬。由「香港發展中心」委託香港科技大學前經濟系主任雷鼎鳴教授作出的估算則為21.5萬；而由港大、美國德州州立大學、AI公司及兩個傳媒機構合作做的統計，則得出24至29萬人；由鍾庭耀主理的「香港民意研究所」得出的數字則有37.4萬人。
不同的數字相差頗大，究竟那一個數字才最準確，相信只有上帝才知道。究竟這些數字是如何估算出來？不同的假設，是否會得出不同的答案？
雷鼎鳴： 面積、密度、梯隊估算
香港科技大學前經濟系主任雷鼎鳴教授，多年來都有為香港的遊行計算人數，他向《堅雜誌》分享了他的計算方法，當中使用的主要有兩種，他會將兩個結果互相引證比較，增加精準度。
第一種方法是流動式，即在遊行路線上設監察點，通常會在天橋上，每人看守一條行車線，以實時點算該站每分鐘或每小時有幾多人走過。第二種方法，是以大量拍照及錄影的方式，將遊行過程拍下來作估算。雷教授表示，有人會認為要以「逐個數」的方法去計算，但問題是數以十萬計的人流是數不出來的，他指全世界都是以簡化及科學的方式去數，就是用算式去算。
這些估算方法的精準程度，主要掌握在三樣數據，即「面積」、「密度」、「梯隊」。面積即遊行街道的總面積；密度是遊行時每平方米所佔人數；至於梯隊，即是遊行的起點至終點都站滿了人為一個梯隊。
按雷教授的算法，只要知道當日總共有幾多「梯隊」，再乘以總面積及密度，即可以得到當天的遊行人數。比如面積為10萬平方米，密度是每平方米2.8人，就會有28萬人。這三者中每一樣都會有變化，比如7.1遊行路線最後臨時改了遮打花園做終點，總路線即長了0.7公里左右。密度方面，不同路段同一位置在不同時間會有不同密度。比如7.1遊行的密度是下午4、5時後才開始增加，而6.16遊行則是「持續高密度」，所以需要大量拍照及錄影才可以加強運算的精準度。
人群數字判斷難 眼見未必為真
雷教授強調，作為一個普通市民的話，有時候未必「見得到真相」，因為單純目測是十分誤導的，即使他們站到天橋高處看，角度也是傾斜的，會看到人與人之間的密度好像好高，但若果真的要看密度：「必須要垂直看，才知道到底有多少空位。」
雷教授說，有時候用手數也會出現問題，比如民陣表示其方法是設監察點，人員每看到十個人就按一次點算機，但這其實很困難，因為太多人，一個人看2至3個人還好，但當一個人看10個人，而且對方不斷移動，時間長了會眼花繚亂，同時亦可能與旁邊的人重疊，重複計算。
另外，雷教授認為最怕的不是中途加入或離開，因為一個地方的密度還是有限的，最大的變數其實是在遊行路線以外的群眾，因為很難得知他們是普通的路人還是遊行人士，所以通常得到的結果都會往上調整。
葉兆輝： 目測配合人工智能判斷
除了雷鼎鳴的團隊外，香港大學社會工作及社會行政學系教授葉兆輝、亦和美國德州州立大學地理學系副教授鄒之喬以及人工智能（AI）公司合作，以傳統目測加電腦人工智能﹙AI﹚點算遊行人數。
據了解，團隊在7.1遊行當日，分成多個小組搜集資料，其中由葉兆輝率領的十多人團隊，分別在軒尼斯道和波斯富街以及軍器廠街兩個觀察點，以目測點算人數。團隊會每分鐘取一次人流實數為基準，再推算整個遊行人數。
同一時間，「AI團隊」則會使用最少7部流動裝置，例如手機及平板電腦，在同一觀測點拍攝遊行情況，再將影像送到電腦系統分析。參與計劃的君宇人工智能有限公司策劃總監黃君保向傳媒表示，這些裝置每1秒垂直向下拍攝3張高清照片，每張圖片成為一個影格（Frame），再由系統辨識出遊行人士，而系統亦會比對不同影格，以便追蹤同一人的步行路徑作核實。
電腦數人頭＋ 現場抽查「插隊」人士
為了讓電腦「學習」識別出遊行人士，團隊早將由世界各地拍攝的數萬張公眾場所的人群照片輸入電腦，電腦以深層神經網絡（Deep Neural Network）「學習」，更可從背面「認出」遊行人士，故在遊行時可拍攝遊行人士的背面，以兼顧私隱的考慮。為了增加測量準確度，遊行開始後首半小時，整個團隊會先比對兩組收集回來的數據，以掌握初步可信度。
因應有遊行人士「插隊」，為推算出中途加入的人數，人手統計的團隊再派人在軍器廠街進行問卷抽查，詢問他們的插隊情況，從而推算出插隊人數用以調整總人數估算的偏差，團隊在遊行結束後當晚便可得出估算數字。
數據送美國 德州州立大學再分析
最後，有關數據會交給美國德州州立大學地理學系副教授鄒之喬，他會透過地理資訊系統的虛擬「個體為本模型」（Agent-Based Model），加入遊行人士步行速度等元素，模擬遊行實况，再與當日收集到的數據作比對調整，但或需要數日至數星期才會有最終結果。
結果他們初步計算出，今年7.1遊行人數為26.5萬人，即為民陣公布55萬人的一半，但又較警方稱高峰時有19萬人多約40%。團隊認為當日點算流程順暢，即使有不少市民中途加入，仍已計算在內。
未來趨勢： 人工智能結合大數據
現時計算遊行人數的方法各有好壞，而最好的方法當然是逐個數，但面對大量群眾，人手點算反而會出現最大落差，所以現時世界各地亦陸續出現用人工智能（AI）幫忙點算，比如用衞星，在高空中拍攝完整照片，精確度可到達2厘米，而電腦即可以在數秒內把圖中人數點算出來，而且電腦的穩定性及精準度都比人類高，相信會成為未來主要的點算工具。
不過，現時這種技術仍未成熟，還是有盲點的存在，比如對「何謂人頭」的辨析，在擠擁的情況下，電腦未必能把人頭和背包區分開來，這需要一個大數據的學習過程，比如給上數以千計的人頭特徵給電腦學習，讓它日後能區分。另外，一但到了夜晚，在漆黑環境中，也可能會影響到電腦的辨析。下雨天時，市民打開雨傘亦有可能令電腦計算不了。
遊行數字是學術更是政治
這些年來，不少學者都努力為遊行數字尋找終極答案，但這些數字意義何在呢﹖中大地理及資源管理學系教授伍美琴說，在沒有民主的地方，遊行生態可以有助了解社會的狀況。而對於AI或進行統計的人來說，遊行本身也是一個跨學科研究的場所。
「試想如果我們的手機統統有我們的行動紀錄，又有各樣信息可供參考，那麼遊行人士的情緒就可以即時分析。遊行對商舖生意的影響和遊行人士身心靈的影響，都可以是大學問！所以不能只看數字。」
李美玲更指出，政治與研究是不可分割的，用「大數據」去研究城市已經是現實，實質上已超越傳統的地理資訊系統﹙GIS﹚，不過「大數據」會引伸出很多私隱和各類社會公義問題，亦是學界需要注意的事。
至於警察方面，過往派員於多個高點觀察，以及點算某一時段在不同區域所聚集人數，從而評估參與人數。警方強調，他們的計算只是一個「粗略估計」數字，旨在保障人群安全及維持人群秩序，若人數遠超場地所容，會按情况實施特別的人群管理措施以作疏導。
