Saat ini, kota-kota besar menghadapi masalah besar seperti kemacetan lalu lintas, polusi udara, dan konsumsi energi. Masalah-masalah besar di kota-kota besar ini dapat diatasi dengan menggunakan data besar (yang berarti perlakuan terhadap volume data yang besar).
Inilah yang dimaksud dengan komputasi urban. Hal ini dapat didefinisikan secara sederhana sebagai penggunaan big data untuk mengatasi masalah besar di kota-kota besar.
Mari kita uraikan lebih lanjut tentang hal itu.
Komputasi Perkotaan melibatkan proses akuisisi, integrasi, dan analisis data yang besar dan heterogen yang dihasilkan oleh beragam sumber di ruang perkotaan. Sumber data tersebut termasuk sensor, perangkat seluler, kendaraan, bangunan, dan manusia.
Apa yang dimaksud dengan Komputasi Perkotaan?
Dalam makalah yang berjudul "Komputasi perkotaan: konsep, metodologi, dan aplikasi", para penulis memperkenalkan kerangka kerja umum untuk mengimplementasikan Komputasi Perkotaan.
Komputasi Perkotaan menghubungkan teknologi penginderaan yang tidak mengganggu dan ada di mana-mana, manajemen data yang canggih, model analitik, dan metode visualisasi baru untuk menciptakan solusi yang meningkatkan lingkungan perkotaan, kualitas hidup manusia, dan sistem operasi kota.
Kita juga harus menyoroti bahwa Komputasi Perkotaan adalah bidang interdisipliner. Bidang ini mengintegrasikan ilmu komputasi dengan bidang-bidang lain seperti transportasi, teknik sipil, ekonomi, ekologi, dan sosiologi dalam konteks ruang kota.
Mungkin pertanyaan besar yang menghantui pikiran Anda adalah: bagaimana cara mengimplementasikan komputasi urban untuk mengatasi masalah-masalah di kota-kota besar?
Kabar baiknya, ada kerangka kerja untuk itu!
Kerangka Kerja Komputasi Perkotaan
Dalam makalah yang berjudul "Komputasi perkotaan: konsep, metodologi, dan aplikasi", para penulis memperkenalkan kerangka kerja umum untuk mengimplementasikan Komputasi Perkotaan.
Kerangka kerja ini terdiri dari empat lapisan: Penginderaan Perkotaan, Manajemen Data Perkotaan, Analisis Data, dan Penyediaan Layanan. Setiap lapisan memiliki fungsi tertentu.
The Penginderaan Perkotaan Lapisan ini bertugas untuk mengumpulkan data dari ruang perkotaan. Pengumpulan data ini dapat dilakukan dengan berbagai teknik seperti penginderaan partisipatif, penginderaan kerumunan, dan penginderaan bergerak.
The Manajemen Data Perkotaan memungkinkan pengorganisasian data dengan beberapa struktur pengindeksan yang menggabungkan informasi Spatio-temporal dan teks untuk mendukung analisis data yang efisien.
Di dalam Lapisan Analisis Datateknik yang berbeda seperti Penambangan Data, Pembelajaran Mesindan Visualisasi Data digunakan untuk mengidentifikasi pola dalam data dan mendapatkan informasi berharga darinya untuk pengambilan keputusan selanjutnya.
The Penyediaan Layanan Lapisan ini terdiri dari berbagai solusi dan layanan yang bertujuan untuk meningkatkan pengalaman berkendara masyarakat, mengurangi kemacetan lalu lintas, polusi udara, dan konsumsi energi. Sebagai contoh, jika mendeteksi adanya anomali lalu lintas, informasi ini akan dikirimkan ke otoritas transportasi untuk menyebarkan lalu lintas dan mendiagnosis anomali tersebut.
Jadi, tantangan apa saja yang dihadapi oleh Urban Computing?
Untuk implementasi yang ideal, Urban Computing menghadapi tiga tantangan besar:
1.Penginderaan dan akuisisi data.
Tantangan ini adalah tentang bagaimana mengumpulkan data perkotaan dengan cara yang tidak mengganggu dan terus menerus mengingat keterbatasan jumlah sensor yang didistribusikan di kota.
Membangun infrastruktur penginderaan baru dapat mencapai tujuan tersebut, namun hal ini akan menambah beban kota.
Manusia sebagai sensor adalah konsep baru yang dapat membantu mengatasi tantangan ini dengan menggunakan unggahan mereka di media sosial atau jejak GPS untuk memahami peristiwa yang terjadi di sekitar mereka.
Manusia sebagai sensor membawa tantangan baru seperti:
- Meningkatkan penggunaan energi perangkat;
- Privasi informasi pribadi;
- Data yang bias karena pengguna tidak terdistribusi secara seragam dan mereka tidak mengirimkan pembacaan sensor dengan frekuensi yang sama;
- Data yang tidak terstruktur, implisit, dan berisik dikontribusikan oleh pengguna. Sebaliknya, data yang dihasilkan oleh sensor tradisional terstruktur dengan baik, eksplisit, bersih, dan mudah dipahami.
2. Data yang heterogen.
Teknik Data Mining dan Machine Learning biasanya menangani satu jenis data. Namun, menyelesaikan tantangan perkotaan melibatkan berbagai faktor (misalnya, mengeksplorasi polusi udara melibatkan studi simultan tentang arus lalu lintas, meteorologi, dan tata guna lahan).
3. Sistem hibrida.
Tidak seperti mesin pencari atau permainan digital yang datanya dihasilkan dan dikonsumsi di dunia digital, komputasi perkotaan biasanya mengintegrasikan data dari kedua dunia tersebut (menggabungkan lalu lintas dengan media sosial).
Desain sistem hibrida jauh lebih menantang daripada sistem konvensional, karena sistem perlu berkomunikasi dengan banyak perangkat dan pengguna secara bersamaan serta mengirim dan menerima data dengan format yang berbeda.
Apa saja aplikasi utama Komputasi Perkotaan?
Aplikasi Komputasi Perkotaan bisa jadi tak terhitung jumlahnya.
Aplikasi-aplikasi tersebut dapat dikelompokkan ke dalam tujuh kategori: perencanaan kota, transportasi, lingkungan, keselamatan dan keamanan publik, energi, ekonomi, ekologi, dan sosial.
Berikut ini penjelasan singkat mengenai masing-masingnya:
- Perencanaan kota.
Perencanaan merupakan hal yang penting dalam membangun kota cerdas. Kategori ini mencakup deteksi masalah mendasar dalam jaringan transportasi, penemuan wilayah fungsional di kota (seperti area yang mendukung berbagai kebutuhan masyarakat dan berfungsi sebagai teknik pengorganisasian seperti area pendidikan atau distrik bisnis), dan deteksi batas-batas kota untuk memahami evolusinya.
- Transportasi.
Kategori ini meliputi: meningkatkan pengalaman berkendara, layanan taksi, dan sistem transportasi umum.
- Lingkungan.
Kemajuan urbanisasi yang pesat akan menjadi ancaman potensial bagi lingkungan kota. Komputasi perkotaan untuk lingkungan meliputi: meningkatkan kualitas udara di kota dan mengurangi polusi suara.
- Keselamatan dan keamanan publik.
Di sini kami dapat mencantumkan aplikasi berikut ini: deteksi anomali lalu lintas, deteksi bencana, dan deteksi kecelakaan.
- Konsumsi energi.
Kemajuan urbanisasi yang cepat menghabiskan lebih banyak energi. Aplikasi dalam kategori ini adalah pengurangan konsumsi gas dan listrik.
- Ekonomi.
Dinamika sebuah kota dapat mengindikasikan tren ekonomi kota tersebut. Contoh aplikasi dalam kategori ini adalah memprediksi tren pasar saham.
- Sosial.
Aplikasi yang termasuk dalam kategori ini adalah rekomendasi lokasi, perencanaan perjalanan, rekomendasi lokasi-aktivitas, dan memahami dinamika kota.
Apakah ada beberapa teknologi yang memungkinkan Komputasi Perkotaan?
Ada beberapa teknologi pendukung untuk Komputasi Perkotaan yang dikelompokkan ke dalam beberapa kategori. Kategori yang lebih sering digunakan adalah:
Teknik Penginderaan Perkotaan. Penginderaan dan pengukuran tradisional melalui pemasangan sensor, penginderaan kerumunan pasif yang menggunakan infrastruktur yang ada untuk mengumpulkan data yang dihasilkan oleh kerumunan, dan penginderaan partisipatif di mana orang secara aktif berkontribusi dengan informasi di sekitar mereka;
Teknik Manajemen Data Perkotaan memungkinkan pengorganisasian berbagai sumber data heterogen untuk proses Data Mining berikut;
Teknik Knowledge Fusion memungkinkan penggabungan pengetahuan yang dipelajari dari berbagai sumber data yang heterogen secara efektif;
Teknik Visualisasi Data Perkotaan seharusnya tidak hanya menampilkan data mentah dan menyajikan hasil, tetapi juga, teknik ini harus memungkinkan untuk mendeteksi dan menggambarkan pola, tren, dan hubungan dalam data.
Seperti yang Anda lihat, Komputasi Perkotaan dapat menjadi alat yang sangat berguna untuk memecahkan masalah utama kota-kota modern.
Tantangan-tantangan yang dihadapi Urban Computing pada akhirnya akan diatasi, sehingga memungkinkan kita untuk memiliki masa depan yang lebih baik untuk kota-kota kita.
Referensi
T. Kindberg, M. Chalmers, dan E. Paulos. 2007. Pengantar editor tamu: Komputasi perkotaan. Komputasi yang Meresap 6, 3, 18-20
Klik gambar di bawah ini untuk melihat ilustrasi komputasi perkotaan Mind the Graph kami.
Berlangganan buletin kami
Konten eksklusif berkualitas tinggi tentang visual yang efektif
komunikasi dalam sains.
