说明：本案例来源于网络，仅供网络情报分析学习使用，开拓提升情报思维。
前不久，新闻通报以色列发生大规模抗议活动，数万人走上街头抗议。
数以万计，但有多少人参与其中？人群规模通常被用作证据来显示特定原因的支持程度，因此能够确定有多少人参加了示威活动对于那些从事验证工作的人来说是一项重要技能。
上面是新闻媒体公布的一张现场照片，以此照片为例，来分析现场区域大概的人群数量，我们采取 MapChecking来统计公共场所的人群。它由谷歌地图提供支持，允许研究人员绘制一个地理区域，然后计算该空间可容纳的人数。只需遵循三个简单的步骤：MapChecking界面
查找照片现场位置
首先我们需要确定准确的位置。由于广泛的媒体报道和文件，对于公众抗议，上图已告知是在特拉维夫拍摄的，沿着Giv'at HaTahmoshet 街。有网友立马上传到谷歌街景全景照片。
左边高大的圆柱形建筑是政府大楼。参加抗议活动的人已经从该位置上传了一张全景照片，因此验证这是正确的位置非常简单。定义计数区
现在我们已经确定了位置，接下来我们需要做的就是使用 MapChecking 绘制原始照片中我们可以看到人群的区域。我们需要尝试复制这个区域：
为了准确起见，请务必记住，由于建筑物的阻挡，我们无法在此地图中看到人群中的某些人。为了获得更高的准确性，从不同角度组合几张照片会更好，但为了本教程，我们将保持简单。我们已经在地图上确定了位置，所以现在我们需要在 MapChecking 中复制它。这就像导航到地图界面中的位置并使用鼠标绘制我们在照片中看到的人群区域一样简单。
最终的形状看起来像这样：
MapCheck 将使用突出显示的形状来计算有多少人在场。
计算人群密度
在我们大致计算出图像中有多少人之前，还有最后一步。我们需要知道每平方米的人口密度，这样我们才能知道搜索区域内有多少人。MapChecking 允许我们使用滑块调整密度：滑块用于调整人群密度。
最大的挑战是如何首先实际计算出密度。人群分布不均匀，因此我们需要承认我们的答案不会非常精确到一个数字，但通常一个近似值就足够了。为了帮助解决这个问题，该网站提供了几个示例图像，显示不同人群密度的样子，正如Keith Still 在这项研究中所记录的那样（关于人群密度这篇资料，可访问https://www.gkstill.com/Support/crowd-density/CrowdDensity-1.html）。借助Google Photo spheres，我们可以看到额外的人群特写镜头，可以将它们与 Keith Still 的研究中的基线图像进行比较，以形成对密度的粗略概念。这是抗议中间的人群密度：在现场捕获并上传到街景的人群密度。
让我们将它们与基线图像进行比较。人群看起来很拥挤，但人们仍然可以将手机举在面前并举着旗帜，这样他们就不会被挤得动弹不得。它看起来不够密集，每平方米不能容纳 6 人。
不过，它肯定高于每平方米 2 人。图中人群中的人与人之间没有那么大的空间：每平方米 3-4 人之间的某处看起来是一个更好的近似值：为了计算最终数字，我将使用每平方米 3.5 人的数字。人群在中心更密集，但在边缘更分散。使用滑块输入密度值可以告诉我们有多少人在我们为匹配照片而绘制的区域中：在每平方米 3.5 人的密度下，图像中大约有 112,000 人。
为了反映不同人群密度引起的轻微不确定性，能够调整滑块以获得可能的人群规模的上限和下限范围是很有帮助的。在每平方米 2.5 人的情况下，人群规模下降到略低于 80,000，上升到 140,000，密度为每平方米 4.5 人。正确的数字将介于这两者之间。本案例仅供参考分析，并不代表现场实际数据，可以在类似的情况下，借助互联网公开技术，来快速分析现场情况。