W dzisiejszych czasach duże miasta borykają się z poważnymi problemami, takimi jak korki uliczne, zanieczyszczenie powietrza i zużycie energii. Te duże problemy w dużych miastach można rozwiązać za pomocą big data (co oznacza przetwarzanie dużych ilości danych).
Tym właśnie jest informatyka miejska. Można ją zdefiniować po prostu jako wykorzystanie dużych zbiorów danych do radzenia sobie z dużymi problemami dużych miast.
Rozwińmy to bardziej szczegółowo.
Urban Computing obejmuje proces pozyskiwania, integracji i analizy dużych i heterogenicznych danych generowanych przez różne źródła w przestrzeni miejskiej. Takie źródła danych obejmują czujniki, urządzenia mobilne, pojazdy, budynki i ludzi.
Czym jest Urban Computing?
W artykule zatytułowanym "Komputery miejskie: koncepcje, metodologie i zastosowania", autorzy przedstawiają ogólne ramy wdrażania Urban Computing.
Urban Computing łączy nieinwazyjne i wszechobecne technologie wykrywania, zaawansowane zarządzanie danymi, modele analityczne i nowatorskie metody wizualizacji w celu tworzenia rozwiązań, które poprawiają środowisko miejskie, jakość życia ludzi i systemy funkcjonowania miasta.
Musimy również podkreślić, że informatyka miejska jest dziedziną interdyscyplinarną. Integruje ona informatykę z innymi dziedzinami, takimi jak transport, inżynieria lądowa, ekonomia, ekologia i socjologia w kontekście przestrzeni miejskich.
Prawdopodobnie głównym pytaniem, które nawiedza twój umysł, jest: jak wdrożyć obliczenia miejskie, aby przezwyciężyć problemy dużych miast?
Cóż, dobra wiadomość, jest na to sposób!
Ramy obliczeń miejskich
W artykule zatytułowanym "Komputery miejskie: koncepcje, metodologie i zastosowania", autorzy przedstawiają ogólne ramy wdrażania Urban Computing.
Struktura składa się z czterech warstw: Urban Sensing, Urban Data Management, Data Analytics i Service Providing. Każda warstwa ma określoną funkcję.
The Urban Sensing odpowiada za zbieranie danych z przestrzeni miejskiej. Zbieranie danych może odbywać się za pomocą różnych technik, takich jak czujniki partycypacyjne, czujniki tłumu i czujniki mobilne.
The Zarządzanie danymi miejskimi Warstwa ta umożliwia organizowanie danych za pomocą pewnej struktury indeksowania, która obejmuje zarówno informacje przestrzenno-czasowe, jak i teksty w celu wspierania wydajnej analizy danych.
W Warstwa analizy danychróżne techniki, takie jak Eksploracja danych, Uczenie maszynoweoraz Wizualizacja danych są wykorzystywane do identyfikowania wzorców w danych i uzyskiwania z nich cennych informacji do późniejszego podejmowania decyzji.
The Świadczenie usług Warstwa ta obejmuje różne rozwiązania i usługi mające na celu poprawę komfortu jazdy, zmniejszenie korków, zanieczyszczenia powietrza i zużycia energii. Na przykład, w przypadku wykrycia jakiejkolwiek anomalii w ruchu drogowym, informacje te zostaną dostarczone do władz transportowych w celu rozproszenia ruchu i zdiagnozowania anomalii.
Jakie wyzwania stoją przed Urban Computing?
W przypadku idealnego wdrożenia, Urban Computing stoi przed trzema dużymi wyzwaniami:
1.Wykrywanie i gromadzenie danych.
Wyzwanie to dotyczy sposobu gromadzenia danych miejskich w sposób nieinwazyjny i ciągły, biorąc pod uwagę ograniczenia liczby czujników rozmieszczonych w mieście.
Budowa nowej infrastruktury wykrywania mogłaby osiągnąć ten cel, jednak zwiększyłoby to obciążenie miast.
Ludzie jako czujniki to nowa koncepcja, która może pomóc sprostać temu wyzwaniu, wykorzystując ich posty w mediach społecznościowych lub ślady GPS, aby zrozumieć wydarzenia zachodzące wokół nich.
Ludzie jako czujnik niosą ze sobą nowe wyzwania, takie jak
- Rosnące zużycie energii urządzeń;
- Prywatność danych osobowych;
- Stronnicze dane, ponieważ użytkownicy nie są równomiernie rozmieszczeni i nie wysyłają odczytów z taką samą częstotliwością;
- Nieuporządkowane, niejawne i zaszumione dane dostarczane przez użytkowników. Z kolei dane generowane przez tradycyjne czujniki są dobrze ustrukturyzowane, jawne, czyste i łatwe do zrozumienia.
2. Niejednorodne dane.
Techniki eksploracji danych i uczenia maszynowego zwykle obsługują jeden rodzaj danych. Jednak rozwiązywanie wyzwań miejskich obejmuje szeroki zakres czynników (na przykład badanie zanieczyszczenia powietrza obejmuje jednoczesne badanie przepływu ruchu, meteorologii i użytkowania gruntów).
3. Systemy hybrydowe.
W przeciwieństwie do wyszukiwarki lub gry cyfrowej, gdzie dane są generowane i konsumowane w świecie cyfrowym, obliczenia miejskie zazwyczaj integrują dane z obu światów (łącząc ruch uliczny z mediami społecznościowymi).
Projektowanie systemów hybrydowych jest znacznie trudniejsze niż w przypadku systemów konwencjonalnych, ponieważ system musi komunikować się z wieloma urządzeniami i użytkownikami jednocześnie oraz wysyłać i odbierać dane w różnych formatach.
Jakie są główne zastosowania Urban Computing?
Zastosowania Urban Computing mogą być niezliczone.
Zastosowania można podzielić na siedem kategorii: planowanie urbanistyczne, transport, środowisko, bezpieczeństwo publiczne i ochrona, energia, gospodarka, ekologia i społeczeństwo.
Oto bardzo krótki opis każdego z nich:
- Planowanie urbanistyczne.
Planowanie jest ważne dla budowania inteligentnych miast. Kategoria ta obejmuje wykrywanie podstawowych problemów w sieciach transportowych, odkrywanie funkcjonalnych regionów w mieście (takich jak obszary, które zaspokajają różne potrzeby ludzi i służą jako technika organizacyjna, taka jak obszary edukacyjne lub dzielnice biznesowe) oraz wykrywanie granic miasta w celu zrozumienia jego ewolucji.
- Transport.
Kategoria ta obejmuje: poprawę komfortu jazdy, usługi taksówkarskie i systemy transportu publicznego.
- Środowisko.
Szybki postęp urbanizacji stanie się potencjalnym zagrożeniem dla środowiska miast. Obliczenia miejskie dla środowiska obejmują: poprawę jakości powietrza w miastach i zmniejszenie zanieczyszczenia hałasem.
- Bezpieczeństwo publiczne i ochrona.
Tutaj możemy wymienić następujące zastosowania: wykrywanie anomalii w ruchu drogowym, wykrywanie katastrof i wykrywanie wypadków.
- Zużycie energii.
Szybki postęp urbanizacji powoduje coraz większe zużycie energii. Zastosowania w tej kategorii obejmują redukcję zużycia gazu i energii elektrycznej.
- Gospodarka.
Dynamika miasta może wskazywać na trend jego gospodarki. Przykładem zastosowania w tej kategorii jest przewidywanie trendu na giełdzie.
- Społeczne.
Zastosowania w tej kategorii obejmują rekomendacje lokalizacji, planowanie podróży, rekomendacje lokalizacji i aktywności oraz zrozumienie dynamiki miasta.
Czy istnieją technologie umożliwiające korzystanie z Urban Computing?
Istnieje kilka technologii wspomagających Urban Computing, które są pogrupowane w kategorie. Najczęściej używane kategorie to:
Techniki detekcji miejskiej. Tradycyjne wykrywanie i pomiary poprzez instalację czujników, pasywne wykrywanie tłumu, które wykorzystuje istniejącą infrastrukturę do gromadzenia danych generowanych przez tłumy, oraz wykrywanie partycypacyjne, w którym ludzie aktywnie przyczyniają się do informacji wokół nich;
Techniki zarządzania danymi miejskimi umożliwiają organizację wielu heterogenicznych źródeł danych dla następującego procesu eksploracji danych;
Techniki fuzji wiedzy umożliwiają skuteczne łączenie wiedzy uzyskanej z wielu heterogenicznych źródeł danych;
Techniki wizualizacji danych miejskich powinny nie tylko wyświetlać surowe dane i prezentować wyniki, ale także umożliwiać wykrywanie i opisywanie wzorców, trendów i relacji w danych.
Jak widać, Urban Computing może być bardzo przydatnym narzędziem do rozwiązywania głównych problemów współczesnych miast.
Wyzwania stojące przed Urban Computing zostaną ostatecznie przezwyciężone, co pozwoli nam mieć lepszą przyszłość dla naszych miast.
Referencje
T. Kindberg, M. Chalmers i E. Paulos. 2007. Wprowadzenie redaktorów gościnnych: Urban computing. Pervasive Computing 6, 3, 18-20
Kliknij poniższy obrazek, aby sprawdzić nasze ilustracje Mind the Graph dla komputerów miejskich.
Zapisz się do naszego newslettera
Ekskluzywne, wysokiej jakości treści na temat skutecznych efektów wizualnych
komunikacja w nauce.
Polish 
English 
Chinese 
Czech 
Dutch 
French 
German 
Italian 
Indonesian 
Japanese 
Korean 
Portuguese 
Russian 
Spanish 
Turkish 
Ukrainian 
Swedish 
Romanian 
Bulgarian 
Finnish 
Greek 
Hungarian 
Norwegian 
Danish 
Estonian 
Slovenian 
Lithuanian 
Latvian 
Slovak