{"id":12991,"date":"2021-06-17T11:00:00","date_gmt":"2021-06-17T14:00:00","guid":{"rendered":"https:\/\/mindthegraph.com\/blog\/?p=12991"},"modified":"2022-10-18T08:09:15","modified_gmt":"2022-10-18T11:09:15","slug":"urban-computing-challenges-big-cities","status":"publish","type":"post","link":"https:\/\/mindthegraph.com\/blog\/nb\/urbane-databehandlingsutfordringer-i-storbyer\/","title":{"rendered":"Urban databehandling: \u00c5 m\u00f8te de store utfordringene i storbyene"},"content":{"rendered":"

I dag st\u00e5r storbyene overfor store problemer som trafikkbelastning, luftforurensning og energiforbruk. Disse store problemene i storbyene kan h\u00e5ndteres ved hjelp av stordata<\/strong><\/a> (som inneb\u00e6rer behandling av store datamengder).<\/p>\n\n\n\n

Det er nettopp det urban computing er. Det kan enkelt defineres som bruk av stordata for \u00e5 h\u00e5ndtere de store problemene i storbyene<\/em>.<\/p>\n\n\n\n

La oss utdype det litt mer.<\/p>\n\n\n\n

Urban Computing inneb\u00e6rer innhenting, integrering og analyse av store og heterogene datamengder som genereres av ulike kilder i urbane omr\u00e5der. Slike datakilder inkluderer sensorer, mobile enheter, kj\u00f8ret\u00f8y, bygninger og mennesker.<\/p>\n\n\n\n

Hva er Urban Computing?<\/strong><\/p>\n\n\n\n

I artikkelen med tittelen \"Urban computing: konsepter, metoder og anvendelser<\/a>\", introduserer forfatterne et generelt rammeverk for implementering av Urban Computing.<\/p>\n\n\n\n

Urban Computing kobler sammen ikke-p\u00e5trengende og allestedsn\u00e6rv\u00e6rende sensorteknologi, avansert datah\u00e5ndtering, analysemodeller og nye visualiseringsmetoder for \u00e5 skape l\u00f8sninger som forbedrer bymilj\u00f8et, livskvaliteten og byens driftssystemer.<\/p>\n\n\n\n

Vi m\u00e5 ogs\u00e5 understreke at Urban Computing er et tverrfaglig felt. Det integrerer datavitenskap med andre fagomr\u00e5der som transport, anleggsteknikk, \u00f8konomi, \u00f8kologi og sosiologi i forbindelse med urbane omr\u00e5der.<\/p>\n\n\n\n

Det store sp\u00f8rsm\u00e5let som sp\u00f8ker i tankene dine, er sannsynligvis: Hvordan kan man implementere Urban computing for \u00e5 l\u00f8se storbyenes problemer?<\/p>\n\n\n\n

Gode nyheter: Det finnes et rammeverk for det!<\/p>\n\n\n\n

Rammeverk for urban databehandling<\/strong><\/p>\n\n\n\n

I artikkelen med tittelen \"Urban computing: konsepter, metoder og anvendelser<\/a>\", introduserer forfatterne et generelt rammeverk for implementering av Urban Computing.<\/p>\n\n\n\n

Rammeverket best\u00e5r av fire lag: Urban Sensing, Urban Data Management, Data Analytics og Service Providing. Hvert lag har en spesifikk funksjon.<\/p>\n\n\n\n

Den Urban sensing<\/strong> laget har ansvaret for \u00e5 samle inn data fra urbane omr\u00e5der. Denne datainnsamlingen kan utf\u00f8res ved hjelp av ulike teknikker, for eksempel deltakende sensing, crowdsensing og mobil sensing.<\/p>\n\n\n\n

Den Urban datah\u00e5ndtering<\/strong> laget gj\u00f8r det mulig \u00e5 organisere data ved hjelp av en indekseringsstruktur som omfatter b\u00e5de spatio-temporal informasjon og tekst for \u00e5 st\u00f8tte effektiv dataanalyse.<\/p>\n\n\n\n

I den Lag for dataanalyse<\/strong>, ulike teknikker som for eksempel Datautvinning<\/a>, Maskinl\u00e6ring<\/a>, og Datavisualisering<\/a> brukes til \u00e5 identifisere m\u00f8nstre i data og hente ut verdifull informasjon fra dem for senere beslutningstaking.<\/p>\n\n\n\n

Den Tjenesteyting<\/strong> laget best\u00e5r av ulike l\u00f8sninger og tjenester som tar sikte p\u00e5 \u00e5 forbedre folks kj\u00f8reopplevelser, redusere trafikkbelastning, luftforurensning og energiforbruk. Hvis det for eksempel oppdages et trafikkavvik, vil denne informasjonen bli levert til transportmyndighetene, som kan fordele trafikken og diagnostisere avviket.<\/p>\n\n\n\n

Hvilke utfordringer st\u00e5r Urban Computing overfor?<\/strong><\/p>\n\n\n\n

For en ideell implementering st\u00e5r Urban Computing overfor tre store utfordringer: <\/p>\n\n\n\n

1.Sensing og datainnsamling.<\/strong><\/p>\n\n\n\n

Denne utfordringen handler om hvordan man kan samle inn urbane data p\u00e5 en ikke-p\u00e5trengende og kontinuerlig m\u00e5te med tanke p\u00e5 begrensningene i antall sensorer som er distribuert i byen. <\/p>\n\n\n\n

M\u00e5let kan n\u00e5s ved \u00e5 bygge ny infrastruktur for sensorer, men det vil \u00f8ke byrden for byene.<\/p>\n\n\n\n

Mennesket som sensor er et nytt konsept som kan bidra til \u00e5 l\u00f8se denne utfordringen ved \u00e5 bruke innlegg p\u00e5 sosiale medier eller GPS-spor for \u00e5 forst\u00e5 hva som skjer rundt dem.<\/p>\n\n\n\n

Mennesket som sensor f\u00f8rer med seg nye utfordringer som f.eks:<\/p>\n\n\n\n