Büyük Şehirlerde Kentsel Bilişim Zorlukları

Günümüzde büyük şehirler trafik sıkışıklığı, hava kirliliği ve enerji tüketimi gibi büyük sorunlarla karşı karşıyadır. Büyük şehirlerdeki bu büyük sorunların üstesinden gelmek için büyük veri (bu da büyük hacimli verilerin işlenmesi anlamına gelir).

Kentsel bilişim tam olarak budur. Basitçe şu şekilde tanımlanabilir büyük şehi̇rleri̇n büyük sorunlariyla başa çikmak i̇çi̇n büyük veri̇ kullanimi.

Bu konuyu biraz daha detaylandıralım.

Kentsel Bilişim, kentsel alanlarda çeşitli kaynaklar tarafından üretilen büyük ve heterojen verilerin elde edilmesi, entegrasyonu ve analizi sürecini içerir. Bu veri kaynakları arasında sensörler, mobil cihazlar, araçlar, binalar ve insanlar yer almaktadır.

Kentsel Bilişim Nedir?

" başlıklı makaledeKentsel bilişim: kavramlar, metodolojiler ve uygulamalar" başlıklı makalede yazarlar, Kentsel Bilişimin uygulanması için genel bir çerçeve sunmaktadır.

Kentsel Bilişim, kentsel çevreyi, insan yaşam kalitesini ve şehir işletim sistemlerini iyileştiren çözümler oluşturmak için müdahaleci olmayan ve her yerde bulunan algılama teknolojilerini, gelişmiş veri yönetimini, analitik modelleri ve yeni görselleştirme yöntemlerini birbirine bağlar.

Kentsel Bilişimin disiplinler arası bir alan olduğunu da vurgulamalıyız. Kentsel mekanlar bağlamında bilişim bilimini ulaşım, inşaat mühendisliği, ekonomi, ekoloji ve sosyoloji gibi diğer alanlarla bütünleştirir.

Muhtemelen aklınızdaki en büyük soru şu: Büyük şehirlerin sorunlarının üstesinden gelmek için Kentsel bilişim nasıl uygulanır?

İyi haber, bunun için bir çerçeve var!

Kentsel Bilgi İşlem Çerçevesi

" başlıklı makaledeKentsel bilişim: kavramlar, metodolojiler ve uygulamalar" başlıklı makalede yazarlar, Kentsel Bilişimin uygulanması için genel bir çerçeve sunmaktadır.

Çerçeve dört katmandan oluşmaktadır: Kentsel Algılama, Kentsel Veri Yönetimi, Veri Analitiği ve Hizmet Sağlama. Her katmanın belirli bir işlevi vardır.

Bu Kentsel Algılama katmanı kentsel alanlardan veri toplamakla görevlidir. Bu veri toplama işlemi katılımcı algılama, kitlesel algılama ve mobil algılama gibi farklı tekniklerle gerçekleştirilebilir.

Bu Kentsel Veri Yönetimi katmanı, verimli veri analitiğini desteklemek için hem Uzam-zamansal bilgileri hem de metinleri içeren bazı indeksleme yapılarıyla verilerin düzenlenmesine olanak tanır.

İçinde Veri Analitiği katmanıgibi farklı teknikler kullanılabilir. Veri Madenciliği, Makine Öğrenimive Veri Görselleştirme verilerdeki örüntüleri tanımlamak ve daha sonra karar vermek için bunlardan değerli bilgiler elde etmek için kullanılır.

Bu Hizmet Sağlama katmanı, insanların sürüş deneyimlerini iyileştirmeyi, trafik sıkışıklığını, hava kirliliğini ve enerji tüketimini azaltmayı amaçlayan çeşitli çözüm ve hizmetleri içermektedir. Örneğin, herhangi bir trafik anomalisinin tespit edilmesi durumunda, bu bilgi trafiğin dağıtılması ve anomalinin teşhis edilmesi için ulaşım otoritesine iletilecektir.

Peki, Kentsel Bilişim ne gibi zorluklarla karşı karşıya?

İdeal bir uygulama için Kentsel Bilişim üç büyük zorlukla karşı karşıyadır:

1.Algılama ve veri toplama.

Bu zorluk, şehirde dağıtılan sensörlerin sayısındaki sınırlamalar göz önünde bulundurularak kentsel verilerin müdahaleci olmayan ve sürekli bir şekilde nasıl toplanacağı ile ilgilidir.

Yeni algılama altyapıları inşa etmek hedefe ulaşmayı sağlayabilir, ancak şehirlerin yükünü artıracaktır.

Bir sensör olarak insanlar, çevrelerinde meydana gelen olayları anlamak için sosyal medyadaki paylaşımlarını veya GPS izlerini kullanarak bu zorluğun üstesinden gelmeye yardımcı olabilecek yeni bir kavramdır.

Bir sensör olarak insanlar, aşağıdaki gibi yeni zorlukları beraberinde getirmektedir:

Cihazların enerji kullanımının artması;
Kişisel bilgilerin gizliliği;
Kullanıcılar eşit dağılmadığı ve aynı sıklıkta algılama okumaları göndermedikleri için taraflı veriler;
Kullanıcılar tarafından katkıda bulunulan yapılandırılmamış, örtük ve gürültülü veriler. Buna karşılık, geleneksel sensörler tarafından üretilen veriler iyi yapılandırılmış, açık, temiz ve anlaşılması kolaydır.

2. Heterojen veri.

Veri Madenciliği ve Makine Öğrenimi teknikleri genellikle tek tür veriyi ele alır. Ancak, kentsel sorunların çözümü çok çeşitli faktörleri içerir (örneğin, hava kirliliğinin araştırılması trafik akışı, meteoroloji ve arazi kullanımlarının eşzamanlı olarak incelenmesini gerektirir).

3. Hibrit sistemler.

Verilerin dijital dünyada üretildiği ve tüketildiği bir arama motoru veya dijital oyundan farklı olarak, kentsel bilişim genellikle her iki dünyadan gelen verileri entegre eder (trafiği sosyal medya ile birleştirerek).

Sistemin aynı anda birçok cihaz ve kullanıcıyla iletişim kurması ve farklı formatlarda veri gönderip alması gerektiğinden, hibrit sistemlerin tasarımı geleneksel sistemlere göre çok daha zordur.

Kentsel Bilişimin ana uygulamaları nelerdir?

Kentsel Bilişim uygulamaları sayısız olabilir.

Uygulamalar yedi kategoride gruplandırılabilir: kentsel planlama, ulaşım, çevre, kamu güvenliği ve emniyeti, enerji, ekonomi, ekoloji ve sosyal.

İşte her birinin çok kısa bir açıklaması:

Kentsel planlama.

Planlama, akıllı şehirler inşa etmek için önemlidir. Bu kategori, ulaşım ağlarındaki temel sorunların tespitini, bir şehirdeki işlevsel bölgelerin keşfini (insanların farklı ihtiyaçlarını destekleyen ve eğitim alanları veya iş bölgeleri gibi bir düzenleme tekniği olarak hizmet eden alanlar gibi) ve şehrin gelişimini anlamak için şehrin sınırlarının tespitini içerir.

Ulaşım.

Bu kategori şunları içerir: sürüş deneyiminin iyileştirilmesi, taksi hizmetleri ve toplu taşıma sistemleri.

Çevre.

Kentleşmenin hızlı ilerleyişi, şehirlerin çevresi için potansiyel bir tehdit haline gelecektir. Çevre için kentsel bilişim şunları içerir: şehirlerdeki hava kalitesinin iyileştirilmesi ve gürültü kirliliğinin azaltılması.

Kamu güvenliği ve emniyeti.

Burada şu uygulamaları sıralayabiliriz: trafik anormalliklerinin tespiti, felaketlerin tespiti ve kazaların tespiti.

Enerji tüketimi.

Kentleşmenin hızla ilerlemesi giderek daha fazla enerji tüketmektedir. Bu kategorideki uygulamalar gaz ve elektrik tüketiminin azaltılmasıdır.

Ekonomi.

Bir şehrin dinamikleri, şehrin ekonomisinin eğilimini gösterebilir. Bu kategorideki bir uygulama örneği, bir borsanın eğilimini tahmin etmektir.

Sosyal.

Bu kategorideki uygulamalar konum tavsiyeleri, güzergah planlama, konum-aktivite tavsiyesi ve şehir dinamiklerini anlamadır.

Kentsel Bilişim'i etkinleştirmek için bazı teknolojiler var mı?

Kentsel Bilgi İşlem için kategoriler halinde gruplandırılmış çeşitli etkinleştirici teknolojiler vardır. Daha sık kullanılan kategoriler şunlardır:

Kentsel Algılama teknikleri. Sensörlerin yerleştirilmesi yoluyla geleneksel algılama ve ölçüm, kalabalıklar tarafından üretilen verileri toplamak için mevcut altyapıyı kullanan pasif kalabalık algılama ve insanların çevrelerindeki bilgilere aktif olarak katkıda bulundukları katılımcı algılama;

Kentsel Veri Yönetimi teknikleri, aşağıdaki Veri Madenciliği süreci için birden fazla heterojen veri kaynağının düzenlenmesine olanak tanır;

Bilgi Füzyonu teknikleri, birden fazla heterojen veri kaynağından öğrenilen bilginin etkili bir şekilde birleştirilmesini sağlar;

Kentsel Veri Görselleştirme teknikleri yalnızca ham verileri görüntülemek ve sonuçları sunmakla kalmamalı, aynı zamanda verilerdeki örüntüleri, eğilimleri ve ilişkileri tespit etmeye ve tanımlamaya da izin vermelidir.

Gördüğünüz gibi Kentsel Bilişim, modern şehirlerin temel sorunlarını çözmek için çok faydalı bir araç olabilir.

Kentsel Bilişimin karşı karşıya olduğu zorluklar eninde sonunda aşılacak ve böylece şehirlerimiz için daha iyi bir geleceğe sahip olmamızı sağlayacaktır.

Referanslar

Zheng, Y., Capra, L., Wolfson, O., & Yang, H. (2014). Kentsel bilişim: kavramlar, metodolojiler ve uygulamalar. ACM Transactions on Intelligent Systems and Technology (TIST), 5(3), 1-55.

T. Kindberg, M. Chalmers ve E. Paulos. 2007. Konuk editörlerin giriş yazısı: Kentsel bilişim. Pervasive Computing 6, 3, 18-20

Torres-Ruiz, Miguel & Lytras, Miltiadis. (2016). Bilgi Toplumu için Kentsel Bilişim ve Akıllı Şehirler Uygulamaları. Uluslararası Bilgi Toplumu Araştırmaları Dergisi. 7. 113-119. 10.4018/IJKSR.2016010108.

Mind the Graph for urban computing illüstrasyonlarımızı incelemek için aşağıdaki resme tıklayın.

Kentsel Bilişim: Büyük Şehirlerin Büyük Zorluklarıyla Yüzleşmek

Haber bültenimize abone olun