大都市におけるアーバンコンピューティングの課題

現在、大都市は交通渋滞、大気汚染、エネルギー消費などの大きな問題を抱えています。これらの大都市における大きな課題に対して ビッグデータ (大量データの扱いを意味する）。

それはまさにアーバン・コンピューティングです。簡単に言えば次のように定義できます 大都市の大きな課題に対応するためのビッグデータ活用について.

そのあたりをもう少し詳しく説明しましょう。

アーバンコンピューティングは、都市空間において多様なソースから生成されるビッグデータや異種データを取得、統合、分析するプロセスです。このようなデータソースには、センサー、モバイルデバイス、車両、建物、人間などが含まれます。

アーバンコンピューティングとは？

というタイトルの論文でアーバン・コンピューティング：コンセプト、方法論、アプリケーション"と題し、アーバン・コンピューティングを実現するための一般的なフレームワークを紹介しています。

アーバンコンピューティングは、非侵入型のユビキタスセンシング技術、高度なデータ管理、分析モデル、新しい可視化手法を結びつけ、都市環境、人間の生活の質、都市運営システムを改善するソリューションを創造しています。

また、アーバンコンピューティングは学際的な分野であることも強調しなければなりません。都市空間というコンテクストにおいて、コンピューティング科学と交通、土木、経済、生態、社会学といった他の分野を統合するのです。

おそらく、皆さんの頭の中にある大きな疑問は、「大都市の問題を克服するために、どのようにアーバン・コンピューティングを導入するか」ではないでしょうか。

さて、朗報です！そのためのフレームワークがあるのです。

アーバンコンピューティングのフレームワーク

このフレームワークは、4つのレイヤーで構成されています。アーバンセンシング、アーバンデータマネジメント、データアナリティクス、サービスプロバイディングの4つのレイヤーで構成されています。各レイヤーは特定の機能を有しています。

があります。 アーバンセンシング 層は、都市空間からデータを収集することを担当します。このデータ収集は、参加型センシング、クラウドセンシング、モバイルセンシングなど、さまざまな手法で行うことができる。

があります。 都市データマネジメント 層は、時空間情報とテキストの両方を含むインデックス構造によってデータを整理し、効率的なデータ分析を支援する。

での データアナリティクス層など、さまざまな技法があります。データマイニング, 機械学習そしてデータの可視化は、データのパターンを識別し、その後の意思決定のためにデータから価値ある情報を得るために使用されます。

があります。 サービス提供 レイヤーは、人々のドライブ体験を向上させ、交通渋滞や大気汚染、エネルギー消費を削減することを目的としたさまざまなソリューションやサービスから構成されています。例えば、交通異常を検知した場合、その情報は交通機関に配信され、交通整理や異常の診断に利用されます。

では、アーバン・コンピューティングはどのような課題を抱えているのでしょうか。

アーバンコンピューティングを理想的に実現するためには、3つの大きな課題に直面します。

1.センシングとデータ取得。

この課題は、都市に分布するセンサーの数の制限を考慮し、いかに非侵入的かつ継続的に都市データを収集するかというものです。

新たなセンシングインフラを構築することで、その目的は達成できるかもしれないが、都市の負担を増やすことになる。

センサーとしての人間は、ソーシャルメディアへの投稿やGPSの痕跡を利用して、自分の周りで起きている出来事を理解することで、この課題に取り組むことができるかもしれない新しい概念です。

センサーとしての人間は、次のような新しい課題をもたらします。

デバイスのエネルギー使用量の増加。
個人情報の保護
ユーザーが一様に分布しておらず、同じ頻度でセンシングデータを送信しないため、データに偏りがある。
ユーザーから提供される非構造化、暗黙的、ノイズの多いデータ。これに対し、従来のセンサーが生成するデータは、構造化されており、明示的で、クリーンで、理解しやすい。

2. ヘテロジニアスデータ。

データマイニングや機械学習の技術は、通常、一種類のデータを扱います。しかし、都市の課題を解決するには、さまざまな要素が関わってきます（例えば、大気汚染の調査には、交通の流れ、気象、土地利用を同時に調査する必要があります）。

3. ハイブリッドシステム。

データがデジタル世界で生成・消費される検索エンジンやデジタルゲームとは異なり、アーバン・コンピューティングでは通常、両世界のデータが統合されます（トラフィックとソーシャルメディアの結合）。

ハイブリッドシステムの設計は、多くの機器やユーザーと同時に通信し、異なるフォーマットのデータを送受信する必要があるため、従来のシステムよりもはるかに困難なものとなっています。

アーバンコンピューティングの主な用途は何ですか？

アーバン・コンピューティングのアプリケーションは数え切れないほどあります。

アプリケーションは、都市計画、交通、環境、公共安全・安心、エネルギー、経済、エコロジー、社会の7つのカテゴリーに分類することができます。

ここでは、それぞれについてごく簡単に説明します。

都市計画.

スマートシティを構築するためには、プランニングが重要です。このカテゴリーには、交通網の根本的な問題の検出、都市の機能領域（教育地区やビジネス地区など、人々の異なるニーズをサポートし、組織化の手法として機能する領域）の発見、都市の進化を理解するための境界の検出が含まれます。

交通手段

このカテゴリーには、運転体験の向上、タクシーサービス、公共交通システムなどが含まれます。

環境

都市化の急速な進展は、都市の環境に対する潜在的な脅威となる。環境に対するアーバン・コンピューティングには、都市の大気質の改善や騒音公害の低減などが含まれます。

公共の安全と安心

ここでは、交通異常の検出、災害の検出、事故の検出などの用途を挙げることができる。

エネルギー消費量。

都市化の急速な進展に伴い、エネルギー消費はますます増大しています。このカテゴリーのアプリケーションは、ガスや電気の消費量を削減することです。

経済

都市の動態は、その都市の経済の動向を示すことがある。このカテゴリーの応用例としては、株式市場の動向を予測することが挙げられる。

ソーシャル

このカテゴリのアプリケーションは、位置推薦、旅程計画、ロケーション・アクティビティ・レコメンダー、都市のダイナミクスを理解することである。

アーバンコンピューティングを実現するための技術はあるのでしょうか？

アーバンコンピューティングを実現するための技術はいくつかあり、それらはカテゴリーに分類されています。より頻繁に使用されるカテゴリは以下の通りです。

アーバンセンシングの手法センサーを設置して計測する従来のセンシング、既存のインフラを利用して群衆が生み出すデータを収集するパッシブなクラウドセンシング、そして人々が周囲の情報を使って積極的に貢献する参加型のセンシングです。

都市データ管理技術は、以下のデータマイニングプロセスのために、複数の異種データソースを整理することを可能にします。

知識融合技術は、複数の異種データソースから学習した知識を効果的に融合させることができます。

都市データの可視化技術は、単に生のデータを表示し、結果を提示するだけでなく、データのパターン、傾向、関係を検出し、記述することができなければならない。

このように、アーバンコンピューティングは、現代の都市が抱える大きな問題を解決するために、非常に有効なツールになるかもしれません。

アーバン・コンピューティングが直面する課題は、いずれ克服され、その結果、都市のより良い未来を手に入れることができるようになるでしょう。

参考文献

Zheng, Y., Capra, L., Wolfson, O., & Yang, H. (2014).アーバン・コンピューティング：コンセプト、方法論、およびアプリケーション。 ACM Transactions on Intelligent Systems and Technology (TIST) （知能システム技術論文誌, 5(3), 1-55.

T. Kindberg, M. Chalmers, and E. Paulos. 2007. ゲストエディターによる紹介。アーバン・コンピューティング.Pervasive Computing 6, 3, 18-20.

Torres-Ruiz, Miguel & Lytras, Miltiadis.(2016).知識社会のためのアーバンコンピューティングとスマートシティ・アプリケーション.インターナショナル・ジャーナル・オブ・ナレッジ・ソサエティ・リサーチ.7.113-119.10.4018/IJKSR.2016010108.

下の画像をクリックすると、Mind the Graph for urban computingのイラストをご覧いただけます。

アーバン・コンピューティング。大都市の大きな課題に挑む

ニュースレターを購読する