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 代码分发平台上免费访问。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）。 码以适应他的使用情况，如果需要，他也可以提出修改意见。
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 学生数据 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，从而形成接近的社会人口总量。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。