Tegenwoordig worden grote steden geconfronteerd met grote problemen zoals verkeersopstoppingen, luchtverontreiniging en energieverbruik. Deze grote problemen in grote steden kunnen worden aangepakt door gebruik te maken van omvangrijke gegevens (wat de behandeling van grote hoeveelheden gegevens betekent).
Dat is precies wat urban computing is. Het kan eenvoudig worden gedefinieerd als het gebruik van grote gegevens om de grote problemen van grote steden aan te pakken.
Laten we daar wat dieper op ingaan.
Urban Computing omvat een proces van verwerving, integratie en analyse van grote en heterogene gegevens die door diverse bronnen in stedelijke ruimten worden gegenereerd. Dergelijke gegevensbronnen omvatten sensoren, mobiele apparaten, voertuigen, gebouwen en mensen.
Wat is Urban Computing?
In het document getiteld "Urban computing: concepten, methoden en toepassingen", introduceren de auteurs een algemeen kader voor de implementatie van Urban Computing.
Urban Computing verbindt niet-intrusieve en alomtegenwoordige sensortechnologieën, geavanceerd gegevensbeheer, analysemodellen en nieuwe visualisatiemethoden om oplossingen te creëren die de stedelijke omgeving, de kwaliteit van het menselijk leven en de werking van de stad verbeteren.
We moeten ook benadrukken dat Urban Computing een interdisciplinair gebied is. Het integreert computerwetenschap met andere gebieden zoals vervoer, civiele techniek, economie, ecologie en sociologie in de context van stedelijke ruimten.
Waarschijnlijk spookt de grote vraag door uw hoofd: hoe kan Urban Computing worden toegepast om de problemen van grote steden op te lossen?
Nou, goed nieuws, er is een kader voor!
Stedelijk computerkader
In het document getiteld "Urban computing: concepten, methoden en toepassingen", introduceren de auteurs een algemeen kader voor de implementatie van Urban Computing.
Het kader bestaat uit vier lagen: Urban Sensing, Urban Data Management, Data Analytics en Service Providing. Elke laag heeft een specifieke functie.
De Urban Sensing laag is belast met het verzamelen van gegevens van stedelijke ruimten. Deze gegevensverzameling kan gebeuren met verschillende technieken zoals participatieve detectie, crowdsensing en mobiele detectie.
De Beheer van stedelijke gegevens laag maakt het mogelijk gegevens te organiseren door middel van een indexeringsstructuur die zowel spatio-temporele informatie als teksten omvat, ter ondersteuning van efficiënte gegevensanalyse.
In de Laag voor gegevensanalyse, verschillende technieken zoals Datamining, Machinaal lerenen Datavisualisatie worden gebruikt om patronen in gegevens op te sporen en daaruit waardevolle informatie te halen voor latere besluitvorming.
De Dienstverlening laag omvat verschillende oplossingen en diensten die erop gericht zijn de rijervaring van mensen te verbeteren en verkeersopstoppingen, luchtverontreiniging en energieverbruik te verminderen. Wanneer bijvoorbeeld een anomalie in het verkeer wordt gedetecteerd, wordt deze informatie doorgegeven aan de vervoersautoriteit om het verkeer te spreiden en de anomalie te diagnosticeren.
Voor welke uitdagingen staat Urban Computing?
Voor een ideale implementatie staat Urban Computing voor drie grote uitdagingen:
1.Detectie en gegevensverwerving.
Deze uitdaging gaat over hoe op een niet-intrusieve en continue manier gegevens over de stad kunnen worden verzameld, rekening houdend met de beperkingen van het aantal sensoren in de stad.
Door nieuwe sensorische infrastructuren aan te leggen zou het doel kunnen worden bereikt, maar het zou de lasten voor de steden vergroten.
De mens als sensor is een nieuw concept dat kan helpen deze uitdaging aan te gaan door hun berichten op sociale media of hun GPS-sporen te gebruiken om de gebeurtenissen rondom hen te begrijpen.
De mens als sensor brengt nieuwe uitdagingen met zich mee, zoals:
- Toenemend gebruik van apparaten energie;
- Privacy van persoonlijke informatie;
- vertekende gegevens, aangezien de gebruikers niet uniform verdeeld zijn en zij geen sensorgegevens met dezelfde frequentie verzenden;
- Ongestructureerde, impliciete en lawaaierige gegevens die door gebruikers worden bijgedragen. De door traditionele sensoren gegenereerde gegevens zijn daarentegen goed gestructureerd, expliciet, schoon en gemakkelijk te begrijpen.
2. Heterogene gegevens.
Data Mining en Machine Learning technieken behandelen gewoonlijk één soort gegevens. Bij het oplossen van stedelijke uitdagingen is echter een breed scala aan factoren betrokken (voor het onderzoeken van luchtverontreiniging bijvoorbeeld is een gelijktijdige studie van verkeersstromen, meteorologie en grondgebruik nodig).
3. Hybride systemen.
In tegenstelling tot een zoekmachine of een digitaal spel waarbij de gegevens worden gegenereerd en geconsumeerd in de digitale wereld, integreert urban computing meestal de gegevens uit beide werelden (waarbij verkeer wordt gecombineerd met sociale media).
Het ontwerp van hybride systemen vormt een veel grotere uitdaging dan voor conventionele systemen, aangezien het systeem met veel apparaten en gebruikers tegelijk moet communiceren en gegevens van verschillende formaten moet verzenden en ontvangen.
Wat zijn de belangrijkste toepassingen van Urban Computing?
De toepassingen van Urban Computing zouden ontelbaar kunnen zijn.
De toepassingen kunnen worden gegroepeerd in zeven categorieën: stadsplanning, vervoer, milieu, openbare veiligheid en beveiliging, energie, economie, ecologie en sociale zaken.
Hier een zeer korte beschrijving van elk van hen:
- Stedenbouw.
Planning is belangrijk voor het bouwen van slimme steden. Deze categorie omvat het opsporen van onderliggende problemen in vervoersnetwerken, het ontdekken van functionele regio's in een stad (zoals gebieden die verschillende behoeften van mensen ondersteunen en dienen als organisatietechniek, zoals onderwijsgebieden of zakenwijken), en het opsporen van de grenzen van de stad om de evolutie ervan te begrijpen.
- Vervoer.
Deze categorie omvat: verbetering van de rijervaring, taxidiensten en openbaarvervoersystemen.
- Milieu.
De snelle vooruitgang van de verstedelijking wordt een potentiële bedreiging voor het milieu in de steden. Urban computing voor het milieu omvat: verbetering van de luchtkwaliteit in de steden en vermindering van de geluidsoverlast.
- Openbare veiligheid en beveiliging.
Wij kunnen de volgende toepassingen noemen: detectie van anomalieën in het verkeer, detectie van rampen en detectie van ongevallen.
- Energieverbruik.
Door de snelle vooruitgang van de verstedelijking wordt steeds meer energie verbruikt. Toepassingen in deze categorie zijn de vermindering van het gas- en elektriciteitsverbruik.
- Economie.
De dynamiek van een stad kan de trend van de economie van de stad aangeven. Een voorbeeld van een toepassing in deze categorie is het voorspellen van de trend van een aandelenmarkt.
- Sociaal.
Toepassingen in deze categorie zijn locatie aanbevelingen, reisplanning, locatie-activiteit recommender, en het begrijpen van stadsdynamiek.
Zijn er technologieën om Urban Computing mogelijk te maken?
Er zijn verschillende sleuteltechnologieën voor Urban Computing die in categorieën worden ingedeeld. De meest gebruikte categorieën zijn:
Stedelijke sensortechnieken. Traditionele detectie en meting door de installatie van sensoren, passieve crowd sensing die gebruik maakt van bestaande infrastructuur om de door de menigte gegenereerde gegevens te verzamelen, en participatieve sensing waarbij mensen actief bijdragen met de informatie om hen heen;
Urban Data Management-technieken maken de organisatie van meerdere heterogene gegevensbronnen mogelijk voor het volgende Data Mining-proces;
Met kennisfusietechnieken kan de kennis die uit meerdere heterogene gegevensbronnen is verkregen, effectief worden samengevoegd;
Urban Data Visualization-technieken moeten niet alleen ruwe gegevens weergeven en resultaten presenteren, maar moeten het ook mogelijk maken patronen, trends en relaties in gegevens op te sporen en te beschrijven.
Zoals u ziet, kan Urban Computing een zeer nuttig instrument zijn voor het oplossen van de grote problemen van moderne steden.
De uitdagingen waarmee Urban Computing wordt geconfronteerd, zullen uiteindelijk worden overwonnen, zodat onze steden een betere toekomst tegemoet gaan.
Referenties
T. Kindberg, M. Chalmers, en E. Paulos. 2007. Inleiding van de gastredactie: Urban computing. Pervasive Computing 6, 3, 18-20.
Klik op de afbeelding hieronder om onze Mind the Graph voor stedelijk computergebruik te bekijken.
Abonneer u op onze nieuwsbrief
Exclusieve inhoud van hoge kwaliteit over effectieve visuele
communicatie in de wetenschap.
Dutch 
English 
Chinese 
Czech 
French 
German 
Italian 
Indonesian 
Japanese 
Korean 
Polish 
Portuguese 
Russian 
Spanish 
Turkish 
Ukrainian 
Swedish 
Romanian 
Bulgarian 
Finnish 
Greek 
Hungarian 
Norwegian 
Danish 
Estonian 
Slovenian 
Lithuanian 
Latvian 
Slovak