Video: Day 3 Keynote: Made Here Together (Cloud Next '18) 2024
Hampir setiap kawasan bandar mempunyai keupayaan untuk menggunakan data besar, sama ada dalam bentuk cukai, sensor bangunan dan jambatan, pemantauan pola lalu lintas, data lokasi, dan data mengenai aktiviti jenayah. Mewujudkan dasar yang boleh dilaksanakan yang menjadikan tempat-tempat bandar yang lebih selamat, lebih cekap, dan lebih diinginkan untuk hidup dan bekerja memerlukan pengumpulan dan analisis sejumlah besar data dari pelbagai sumber.
Banyak data yang berkaitan dengan penyelidikan mengenai penambahbaikan dasar awam dikumpulkan oleh pelbagai agensi bandar dan secara sejarahnya mengambil bulan atau tahun untuk menganalisa (seperti data banci tahunan, rekod polis dan cukai bandar rekod). Malah dalam satu agensi tertentu, seperti jabatan polis, data boleh dikumpulkan oleh daerah yang terpisah dan tidak mudah dikongsi di seluruh bandar dan komuniti sekitarnya.
Akibatnya, para pemimpin bandar mempunyai banyak maklumat mengenai bagaimana dasar mempengaruhi orang di bandar mereka pada tahun-tahun sebelumnya, tetapi sangat mencabar untuk berkongsi dan memanfaatkan data yang cepat berubah untuk membuat real- keputusan masa yang dapat meningkatkan kehidupan bandar. Apa yang menjadikan data ini lebih rumit adalah hakikat bahawa data diuruskan dan disimpan dalam silo berasingan.
Ini menyebabkan masalah kerana hubungan langsung boleh wujud antara aspek operasi bandar yang berlainan. Para pembuat polisi mula menyedari bahawa perubahan hanya boleh berlaku jika mereka boleh menggunakan data dan data yang ada dari amalan terbaik untuk mengubah keadaan semasa persekitaran mereka. Semakin kompleks sebuah bandar, lebih banyak keperluan untuk memanfaatkan data untuk mengubah keadaan menjadi lebih baik.
Ini berubah sebagai pasukan pembuat teknologi, saintis, dan teknologi untuk membuat dasar berasaskan data dalam gerakan. Sebagai contoh, untuk merekabentuk dan melaksanakan program untuk meningkatkan kesesakan lalu lintas, anda mungkin perlu mengumpul data mengenai populasi, angka pekerjaan, keadaan jalan dan cuaca. Kebanyakan data ini telah dikumpulkan pada masa lalu, tetapi disimpan dalam pelbagai silo dan mewakili pandangan statik maklumat sejarah.
Untuk membuat cadangan berdasarkan maklumat penstriman semasa, anda memerlukan pendekatan baru. Penyelidik di sebuah universiti teknikal di Eropah mengumpul data trafik masa nyata dari pelbagai sumber seperti data Sistem Posisi Global (GPS) dari kenderaan perjalanan, sensor radar di jalan raya, dan data cuaca. Mereka mengintegrasikan dan menganalisis data aliran untuk mengurangkan kesesakan lalu lintas dan meningkatkan aliran lalu lintas.
Dengan menganalisis kedua-dua data berstruktur dan tidak tersusun sebagai peristiwa yang sedang berlaku, sistem dapat menilai keadaan perjalanan semasa dan membuat cadangan mengenai laluan alternatif yang akan mengurangkan trafik. Pada akhirnya, matlamatnya adalah untuk memberi kesan besar kepada aliran lalu lintas di bandar. Pergerakan data dinilai dengan kaitannya dengan data sejarah supaya cadangan itu masuk akal dalam konteks dengan keadaan sebenar.
Data penyusunan boleh memberi kesan yang signifikan terhadap kadar jenayah di bandar-bandar. Sebagai contoh, jabatan polis menggunakan analisis ramalan untuk mengenal pasti corak jenayah mengikut masa dan lokasi. Sekiranya perubahan tiba-tiba ditemui dalam corak yang dikenal pasti ke lokasi baru, polis boleh menghantar pegawai ke lokasi yang betul pada masa yang tepat. Selepas fakta, data ini kini boleh digunakan untuk menganalisis corak tingkah laku lanjut.
