Video: Stor - Official Music Video | Ipsita Bhattacharjee, Amit Bittoo Dey & Trisha Nandy | Rupam Islam 2024
Nästan alla områden i en stad har möjlighet att använda stora data, oavsett om de är i skatter, sensorer på byggnader och broar, övervakning av trafikmönster, platsdata och uppgifter om kriminell verksamhet. Att skapa fungerande politik som gör städer säkrare, effektivare och mer önskvärda ställen att bo och arbeta kräver insamling och analys av stora mängder data från olika källor.
Mycket av de uppgifter som är relevanta för forskning om förbättringar av den offentliga politiken samlas in av olika byråer och har historiskt tagit månader eller år för att analysera (såsom årlig folkräkning, polisregister och stadsskatt uppgifter). Även inom en viss byrå, till exempel polisavdelningen, kan data samlas in av separata distrikt och inte lätt delas över staden och dess omgivande samhällen.
Således har stadsledare en mängd information om hur politiken påverkat människor i deras stad under tidigare år, men det har varit mycket utmanande att dela och utnyttja snabbväxande data för att göra real- tidsbeslut som kan förbättra stadslivet. Det som gör hanteringen av dessa data ännu mer komplicerad är att data hanteras och lagras i separata silor.
Detta orsakar problem eftersom det finns ett direkt förhållande mellan olika aspekter av stadens verksamhet. Policy beslutsfattare börjar inse att förändring bara kan hända om de kan använda tillgängliga data och data från bästa praxis för att omvandla nuvarande tillstånd för sin miljö. Ju mer komplexa en stad är, desto mer behövs det för att utnyttja data för att ändra saker till det bättre.
Detta förändras som politiska beslutsfattare, forskare och teknikinnovatorer team för att genomföra policyer baserade på data i rörelse. Till exempel, för att utforma och genomföra ett program för att förbättra trafikstockningar, kan du behöva samla in uppgifter om befolkning, sysselsättningssiffror, vägförhållanden och väder. Mycket av dessa data har samlats in tidigare men lagras i olika silor och representerar en statisk bild av historisk information.
För att göra förslag baserat på aktuell strömmande information behöver du en ny metod. Forskare vid ett teknisk universitet i Europa samlar in realtidstrafikdata från en mängd olika källor, t.ex. GPS-data från globala positioneringssystem, från resande fordon, radaravkännare på vägarna och väderdata. De integrerade och analyserade streamingdata för att minska trafikstockningar och förbättra trafikflödet.
Genom att analysera både strukturerad och ostrukturerad data då händelser äger rum kan systemen utvärdera aktuella reseförhållanden och lägga fram förslag på alternativa vägar som kommer att minska trafiken. I slutändan är målet att få stor inverkan på trafikflödet i staden. Data i rörelse utvärderas i samband med historiska data så att rekommendationerna är givna i sammanhang med de faktiska förhållandena.
Streamningsdata kan få betydande inverkan på brottsfrekvenserna i städerna. Till exempel använder en polisavdelning prediktiv analys för att identifiera brottsmönster efter tid och plats. Om en plötslig förändring finns i ett identifierat mönster till en ny plats, kan polisen sända befälhavare till rätt plats vid rätt tidpunkt. Efter det faktum kan dessa data nu användas för att ytterligare analysera kriminella beteendemönster.
