来源：Insee、REU；斯特拉斯堡市政厅

[asimd3]

请注意，跨部门数字理事会 (Dinum) 还提供了一个用 Python 编写的计算机工具，该工具是对Mapvot R 的补充，用于利用 INSEE 分发的地址数据库。

一些市镇已经公布了其投票站的概况，这使得他们可以将其市镇划分与MapvotR生成的投票站概况进行比较。以斯特拉斯堡为例（图 2），INSEE 做出的近似值通常与市政厅公布的市中心人口密集地区的轮廓线非常吻合（即使它们在视觉上不太和谐，因为它们没有与道路线隔离）。尽管如此，仍然可以观察到差异（例如，在斯特拉斯堡地图 尼日利亚 Whatsapp 数据 的东北部，在河港周围的大型工业区），但这些差异基本上位于人口密度非常低的地区，少数家庭的地理位置可以极大地影响轮廓的范围。因此，即使分区范围有所不同，等值线也会将非常相似的人口聚集在一起，从而形成接近社会人口总量的群体。例如，图3显示了根据斯特拉斯堡市政厅的轮廓线和MapvotR近似的轮廓线计算出的平均收入 ：差异通常非常小。

图 2 – 斯特拉斯堡投票站轮廓图（根据市政厅提供）（顶部）和 REU 地址近似值（底部）
斯特拉斯堡投票站的轮廓根据市政厅（顶部）和 REU 地址估算（底部）
图 3 – 斯特拉斯堡的近似轮廓包含中等收入人口，与市政厅发布的轮廓非常相似
斯特拉斯堡的大致轮廓包含中等收入人口，与市政厅公布的轮廓非常相似
来源：Insee REU，Filosofi 2019；斯特拉斯堡市政厅。
…然后用数据修饰这些“轮廓”，以阐明公众辩论
一旦确定了投票站的轮廓，就有可能描述常住人口的特征并比较他们的投票行为。