Heutzutage stehen Großstädte vor großen Problemen wie Verkehrsüberlastung, Luftverschmutzung und Energieverbrauch. Diese großen Probleme in Großstädten können durch folgende Maßnahmen gelöst werden große Daten (d. h. Verarbeitung großer Datenmengen).
Das ist genau das, was Urban Computing ist. Es kann einfach definiert werden als die Nutzung von Big Data zur Bewältigung der großen Probleme von Großstädten.
Lassen Sie uns das näher erläutern.
Urban Computing umfasst einen Prozess der Erfassung, Integration und Analyse großer und heterogener Daten, die von verschiedenen Quellen im städtischen Raum erzeugt werden. Zu diesen Datenquellen gehören Sensoren, mobile Geräte, Fahrzeuge, Gebäude und Menschen.
Was ist Urban Computing?
In dem Papier mit dem Titel "Urban Computing: Konzepte, Methoden und Anwendungen" stellen die Autoren einen allgemeinen Rahmen für die Implementierung von Urban Computing vor.
Urban Computing verbindet nicht-intrusive und allgegenwärtige Sensortechnologien, fortschrittliches Datenmanagement, Analysemodelle und neuartige Visualisierungsmethoden, um Lösungen zur Verbesserung der städtischen Umwelt, der Lebensqualität der Menschen und der städtischen Betriebssysteme zu entwickeln.
Wir müssen auch betonen, dass Urban Computing ein interdisziplinäres Gebiet ist. Es integriert die Informatik mit anderen Bereichen wie Verkehr, Bauwesen, Wirtschaft, Ökologie und Soziologie im Zusammenhang mit städtischen Räumen.
Wahrscheinlich ist die große Frage, die Ihnen gerade durch den Kopf geht: Wie kann man Urban Computing einsetzen, um die Probleme der Großstädte zu lösen?
Nun, gute Nachrichten, es gibt einen Rahmen dafür!
Urban Computing Rahmen
In dem Papier mit dem Titel "Urban Computing: Konzepte, Methoden und Anwendungen" stellen die Autoren einen allgemeinen Rahmen für die Implementierung von Urban Computing vor.
Der Rahmen setzt sich aus vier Ebenen zusammen: Urban Sensing, Urban Data Management, Data Analytics und Service Providing. Jede Ebene hat eine bestimmte Funktion.
Die Urban Sensing Schicht ist für die Sammlung von Daten aus dem städtischen Raum zuständig. Diese Datenerfassung kann durch verschiedene Techniken wie partizipatives Sensing, Crowdsensing und mobiles Sensing erfolgen.
Die Städtische Datenverwaltung Schicht ermöglicht die Organisation von Daten durch eine Indizierungsstruktur, die sowohl raum-zeitliche Informationen als auch Texte zur Unterstützung einer effizienten Datenanalyse einbezieht.
In der Datenanalyse-Schichtverschiedene Techniken wie Data Mining, Maschinelles Lernenund Visualisierung von Daten werden verwendet, um Muster in Daten zu erkennen und daraus wertvolle Informationen für die spätere Entscheidungsfindung zu gewinnen.
Die Dienstleistende Schicht umfasst verschiedene Lösungen und Dienste, die darauf abzielen, das Fahrverhalten der Menschen zu verbessern und Verkehrsstaus, Luftverschmutzung und Energieverbrauch zu verringern. Wird beispielsweise eine Verkehrsanomalie erkannt, werden diese Informationen an die Verkehrsbehörde weitergeleitet, um den Verkehr zu leiten und die Anomalie zu diagnostizieren.
Vor welchen Herausforderungen steht Urban Computing also?
Für eine ideale Umsetzung steht Urban Computing vor drei großen Herausforderungen:
1.Sensorik und Datenerfassung.
Bei dieser Herausforderung geht es darum, wie städtische Daten auf nicht-intrusive und kontinuierliche Weise gesammelt werden können, da die Anzahl der in der Stadt verteilten Sensoren begrenzt ist.
Der Aufbau neuer Erfassungsinfrastrukturen könnte das Ziel erreichen, würde aber die Belastung der Städte erhöhen.
Der Mensch als Sensor ist ein neues Konzept, das dazu beitragen kann, diese Herausforderung zu bewältigen, indem seine Beiträge in den sozialen Medien oder seine GPS-Spuren genutzt werden, um die Ereignisse um ihn herum zu verstehen.
Der Mensch als Sensor bringt neue Herausforderungen mit sich, wie zum Beispiel:
- Zunehmende Nutzung der Geräteenergie;
- Schutz der persönlichen Daten;
- Verzerrte Daten, da die Nutzer nicht gleichmäßig verteilt sind und ihre Messwerte nicht mit der gleichen Häufigkeit senden;
- Unstrukturierte, implizite und verrauschte Daten, die von den Nutzern beigetragen werden. Im Gegensatz dazu sind die von herkömmlichen Sensoren erzeugten Daten gut strukturiert, eindeutig, sauber und leicht zu verstehen.
2. Heterogene Daten.
Data-Mining- und maschinelle Lerntechniken verarbeiten in der Regel eine bestimmte Art von Daten. Bei der Lösung städtischer Probleme ist jedoch ein breites Spektrum von Faktoren zu berücksichtigen (z. B. erfordert die Untersuchung der Luftverschmutzung die gleichzeitige Untersuchung des Verkehrsflusses, der Meteorologie und der Flächennutzung).
3. Hybride Systeme.
Im Gegensatz zu einer Suchmaschine oder einem digitalen Spiel, bei denen die Daten in der digitalen Welt generiert und konsumiert werden, werden beim Urban Computing in der Regel die Daten aus beiden Welten integriert (Kombination von Verkehr und sozialen Medien).
Der Entwurf hybrider Systeme ist wesentlich anspruchsvoller als bei herkömmlichen Systemen, da das System mit vielen Geräten und Nutzern gleichzeitig kommunizieren und Daten in unterschiedlichen Formaten senden und empfangen muss.
Was sind die wichtigsten Anwendungen des Urban Computing?
Es gibt unzählige Anwendungsmöglichkeiten für Urban Computing.
Die Anwendungen können in sieben Kategorien eingeteilt werden: Stadtplanung, Verkehr, Umwelt, öffentliche Sicherheit, Energie, Wirtschaft, Ökologie und Soziales.
Hier eine ganz kurze Beschreibung jedes einzelnen von ihnen:
- Stadtplanung.
Planung ist wichtig für den Aufbau intelligenter Städte. Diese Kategorie umfasst die Erkennung zugrundeliegender Probleme in Verkehrsnetzen, die Entdeckung funktionaler Regionen in einer Stadt (z. B. Gebiete, die unterschiedliche Bedürfnisse der Menschen erfüllen und als Organisationstechniken dienen, wie z. B. Bildungsgebiete oder Geschäftsviertel) und die Erkennung der Stadtgrenzen, um ihre Entwicklung zu verstehen.
- Transport.
Zu dieser Kategorie gehören: Verbesserung des Fahrverhaltens, Taxidienste und öffentliche Verkehrssysteme.
- Umwelt.
Der rasche Fortschritt der Urbanisierung wird zu einer potenziellen Bedrohung für die Umwelt der Städte. Urban Computing für die Umwelt bedeutet: Verbesserung der Luftqualität in den Städten und Verringerung der Lärmbelästigung.
- Öffentliche Sicherheit und Ordnung.
Hier können wir die folgenden Anwendungen nennen: Erkennung von Verkehrsanomalien, Erkennung von Katastrophen und Unfällen.
- Energieverbrauch.
Der rasche Fortschritt der Urbanisierung verbraucht immer mehr Energie. Anwendungen in dieser Kategorie sind die Reduzierung des Gas- und Stromverbrauchs.
- Wirtschaft.
Die Dynamik einer Stadt kann den Trend der städtischen Wirtschaft anzeigen. Ein Beispiel für eine Anwendung in dieser Kategorie ist die Vorhersage der Entwicklung eines Aktienmarktes.
- Soziales.
Zu den Anwendungen in dieser Kategorie gehören Ortsempfehlungen, Reiseplanung, Empfehlungen für Aktivitäten am Ort und das Verständnis der Dynamik von Städten.
Gibt es Technologien, die Urban Computing ermöglichen?
Es gibt mehrere Grundlagentechnologien für Urban Computing, die in Kategorien eingeteilt sind. Die am häufigsten verwendeten Kategorien sind:
Urban Sensing-Techniken. Traditionelle Erfassung und Messung durch die Installation von Sensoren, passives Crowd-Sensing, bei dem die vorhandene Infrastruktur zur Erfassung der von Menschenmengen erzeugten Daten genutzt wird, und partizipatives Sensing, bei dem die Menschen aktiv mit den sie umgebenden Informationen beitragen;
Urban Data Management-Techniken ermöglichen die Organisation mehrerer heterogener Datenquellen für den nachfolgenden Data-Mining-Prozess;
Wissensfusionstechniken ermöglichen es, das aus mehreren heterogenen Datenquellen gewonnene Wissen effektiv zu fusionieren;
Techniken zur Visualisierung städtischer Daten sollten nicht nur Rohdaten anzeigen und Ergebnisse präsentieren, sondern auch die Erkennung und Beschreibung von Mustern, Trends und Beziehungen in Daten ermöglichen.
Wie Sie sehen, kann Urban Computing ein sehr nützliches Instrument für die Lösung der wichtigsten Probleme moderner Städte sein.
Die Herausforderungen, mit denen Urban Computing konfrontiert ist, werden letztendlich überwunden werden, so dass wir eine bessere Zukunft für unsere Städte haben werden.
Referenzen
T. Kindberg, M. Chalmers, und E. Paulos. 2007. Einleitung der Gastherausgeber: Urban Computing. Pervasive Computing 6, 3, 18-20
Klicken Sie auf das Bild unten, um unsere Mind the Graph für Urban Computing Illustrationen zu sehen.
Abonnieren Sie unseren Newsletter
Exklusive, qualitativ hochwertige Inhalte über effektive visuelle
Kommunikation in der Wissenschaft.
German 
English 
Chinese 
Czech 
Dutch 
French 
Italian 
Indonesian 
Japanese 
Korean 
Polish 
Portuguese 
Russian 
Spanish 
Turkish 
Ukrainian 
Swedish 
Romanian 
Bulgarian 
Finnish 
Greek 
Hungarian 
Norwegian 
Danish 
Estonian 
Slovenian 
Lithuanian 
Latvian 
Slovak