[论文解读] Discrete geometry for electoral geography

Moon Duchin, Bridget Eileen Tenner|arXiv (Cornell University)|Aug 15, 2018

Electoral Systems and Political Participation被引用 14

一句话总结

本文提出基于离散几何的紧凑性度量——具体为剪切得分（cut score）和生成树得分（spanning tree score）——作为红istricting中传统基于轮廓的形状度量的替代方案。通过将选区建模为离散地理单元（如人口普查区块或选区）上的图结构，该方法更好地契合红districting数据的离散本质，减少对任意地图投影的敏感性，从而提供更稳健且计算上更易处理的工具，用于检测杰利蝾螈现象。

ABSTRACT

"Compactness," or the use of shape as a proxy for fairness, has been a long-running theme in the scrutiny of electoral districts; badly-shaped districts are often flagged as examples of the abuse of power known as gerrymandering. The most popular compactness metrics in the redistricting literature belong to a class of scores that we call contour-based, making heavy use of area and perimeter. This entire class of district scores has some common drawbacks, outlined here. We make the case for discrete shape scores and offer two promising ideas: a cut score and a spanning tree score. We use recent United States redistricting history as a source of examples. No shape metric can work alone as a seal of fairness, but we argue that discrete metrics are better aligned both with the grounding of the redistricting problem in geography and with the computational tools that have recently gained significant traction in the courtroom.

研究动机与目标

• 解决传统基于轮廓的紧凑性度量在红districting中的局限性，这些度量依赖于连续几何表示，对地图投影和单位选择敏感。
• 通过将选区建模为以人口普查区块或选区为单位的图结构，将红districting重新定义为离散几何问题，使其与红districting计划的实际数据结构保持一致。
• 开发对操纵更具鲁棒性的紧凑性得分，更好地反映选区计划中地理和人口单位的完整性。
• 通过提供基于离散数学和图论的度量，支持法律与计算工具在红districting中的应用，这些度量如今在法庭挑战中日益被使用。
• 通过使用固定且离散的单位而非任意轮廓，直接应对可变区域单元问题（MAUP）

提出的方法

• 将剪切得分定义为选区计划中不同选区间边（相邻关系）的数量，其中边连接相邻的地理单元（例如人口普查区块）。
• 将生成树得分定义为连接选区内所有单元所需的最少边数，使用选区单元图的生成树。
• 将每个选区建模为表示整个管辖区域的平面图的子图，其中节点为地理单元，边为相邻关系。
• 使用红districting计划的计算集合，分析离散紧凑性得分与其他地图特征（如人口均等性与部分主义偏差）之间的相关性。
• 将这些得分应用于美国历史上的真实红districting计划，包括阿拉巴马州国会选区地图等案例，以评估其性能与鲁棒性。
• 探索不同单位选择（例如选区与普查区）的影响，以确定在检测紧凑性与社区完整性方面最优的粒度。

实验结果

研究问题

• RQ1 基于离散几何的紧凑性得分与传统的基于轮廓的度量相比，在检测杰利蝾螈选区形状方面表现如何？
• RQ2 与基于面积-周长的度量相比，离散得分在多大程度上减少了对地图投影和任意轮廓定义的敏感性？
• RQ3 离散紧凑性得分能否更有效地检测操纵性杰利蝾螈策略，例如通过添加无人口缓冲区来减少周长？
• RQ4 离散得分与利益共同体边界及人口聚类的相关性如何，相较于纯粹的几何度量？
• RQ5 在红districting分析中，计算离散紧凑性得分时，最优的地理单位（例如区块、选区、普查区）是什么？

主要发现

• 剪切得分与生成树得分比基于轮廓的度量对任意地图投影和单位离散化更具鲁棒性，因为后者依赖于连续轮廓。
• 离散度量更好地反映了红districting数据的实际结构，因为这些数据由区块或选区的分配定义，而非理想化的几何形状。
• 本文指出，人口加权周长度量可能被通过添加无人口缓冲区来操纵，而这种漏洞在离散得分中得以避免。
• 生成树得分提供了一种对选区连通性的度量，对碎片化敏感，能够检测非连通或连接不良的选区。
• 初步结果显示，当应用于选区和区块组时，离散得分能保持信号完整性，但应用于更大的单位（如人口普查区）时会损失分辨率。
• 本研究表明，离散几何工具与当前红districting诉讼中使用的计算与法律工具更为契合，为公平度量提供了更具辩护力的基础。