Βοηθήστε την ανάπτυξη του ιστότοπου, μοιράζοντας το άρθρο με φίλους!
Όταν τα Big Data αναλύουν πόλεις
Αν και δεν τα βλέπουμε, τεράστιες ποσότητες πληροφοριών αποθηκεύονται και κυκλοφορούν σε όλο τον κόσμο μας που δημιουργούνται από εταιρείες, διοικήσεις ή τους ίδιους τους πολίτες σε μια έκρηξη δεδομένων που περιμένουν να υποστούν επεξεργασία και να χρησιμοποιηθούν για διαφορετικούς σκοπούς με την ετικέτα του λεγόμενου Μεγάλα δεδομένα ή "δεδομένα μεγάλης κλίμακας". Εδώ και λίγα χρόνια, ο ψηφιακός μετασχηματισμός στον οποίο υποβάλλουμε όλοι υποθέτει μια αλλαγή παραδείγματος, δραστηριοτήτων όπου η επίδραση της ανάλυσης ενός μεγάλου αριθμού ψηφίων μας παρέχει αξίες με πιθανές και χρήσιμες εφαρμογές και προβλέψεις αν κοιτάξουμε από την άποψη της κατοικιμότητας και του σχεδιασμού της πόλης, οι ειδικοί το αποκαλούν Smart Data.
Για να αρχίσουμε να κατανοούμε πώς λειτουργεί, θα προσπαθήσουμε να απαντήσουμε σε ορισμένες ερωτήσεις …
Τι σημαίνει Μεγάλα Δεδομένα ή τι είναι;
Αυτή η τεχνολογία είναι που επιτρέπει τη σύνθεση και ανάλυση μεγάλου όγκου δεδομένων αποτελεσματικά και γρήγορα από πολύ διαφορετικές πηγές. Ως παραδείγματα? από τις αναζητήσεις που πραγματοποιούμε στο Google, μέσω των σημάτων GPS ανάλογα με τις κινήσεις μας, από τις αγορές που κάνουμε, από όλες τις πληροφορίες που δημοσιεύονται στο Διαδίκτυο, άρθρο, κοινωνικά δίκτυα, ιστολόγια ή τα αντικείμενα που έχουμε συνδέσει στο σπίτια στο Διαδίκτυο … κ.λπ. Μπορούμε να επαληθεύσουμε μερικές ακόμη ενδείξεις σε αυτήν την ανάρτηση, ότι επιπλέον, τα δεδομένα αναλύονται πλήρως αυτόματα, άμεσα και σε πραγματικό χρόνο.
Πότε και πώς γεννήθηκε
Δεν είναι ακριβώς γνωστό αφού πότε υπάρχει ή πότε εφευρέθηκε σε ένα ιστορικό σημείο, είναι αλήθεια ότι το φαινόμενο είχε ήδη εκτεθεί από έναν επιστήμονα υπολογιστών John Mashey στην έκθεση που ονομάζεται "Big Data and the Next Wave of Infrastress". Η εν λόγω μελέτη διαισθάθηκε ότι η ασταμάτητη αύξηση του όγκου των πληροφοριών θα ήταν πολύ δύσκολο να διαχειριστεί από τις ανθρώπινες και φυσικές υποδομές που χρησιμοποιήθηκαν το 1998. Πιθανώς όταν προκύψει, οφείλεται στο χαμηλό κόστος αποθήκευσης πληροφοριών και φυσικά στην αύξηση στην ταχύτητα επεξεργασίας.
Να θυμάστε ότι η αποθήκευση σημειώσεων, αριθμών και αριθμών είναι άχρηστη… Πρέπει να αναλύσετε!
Ποιος είναι ο όγκος ανάπτυξης
Πιστεύουμε ότι καταλαβαίνουμε ότι με το παρακάτω γράφημα η αύξουσα καμπύλη παρατηρείται καθαρά μόνο από φορητές συσκευές, υπολογιστές, tablet… κ.λπ. Είναι μόνο ένα παράδειγμα της συντριπτικής ανάπτυξης σε έναν συγκεκριμένο τομέα όπου γραφήματα μεγάλων δεδομένων παρέχετε σχετικές πληροφορίες:
Με την ευκαιρία, όπου αποθηκεύονται βασίζεται στο λεγόμενοκέντρο δεδομένων ότι είναι κέντρα συλλογής πληροφοριών τεχνολογίας και υπολογιστών και ανήκουν σε κυβερνήσεις, οργανισμούς και μεγάλες εταιρείες, αν μιλάμε για μεγάλους αριθμούς που χρησιμοποιούν τεχνικές εξαγωγής και μετάφρασης ακριβών διαμορφώσεων.
Σε τι χρησιμεύουν τα Big Data;
Η μελέτη των δεδομένων μας επιτρέπει να βρούμε εκείνες τις σχέσεις που με την πρώτη ματιά δεν μπορούμε να δούμε και παρόλο που φαίνεται ότι δεν έχουν τίποτα κοινό, αν τις οργανώσουμε, αν τις αντιπαραθέσουμε και σχηματοποιήσουμε, μπορούμε να εντοπίσουμε διαφορετικά μοτίβα, συσχετίσεις και τάσεις προκειμένου να ληφθούν συγκεκριμένες αποφάσεις επιτυγχάνοντας πιο αξιόπιστες προβλέψεις και διαγνώσεις που μπορούν να χρησιμοποιηθούν, για παράδειγμα, για τη βελτίωση της κατοικιμότητας των πόλεων και της αποτελεσματικότητάς τους, λαμβάνοντας υπόψη τον ρυθμό ανάπτυξης των πόλεων σε όλο τον κόσμο.
Πώς λειτουργεί
Λειτουργεί χρησιμοποιώντας λογισμικό ανοιχτού κώδικα (Hadoop) όπου μεγάλα αρχεία επεξεργάζονται και χωρίζονται σε μικρότερα για να μπορούν να μας χειρίζονται πιο γρήγορα και εύκολα, και το οποίο παρέχει επίσης αντίγραφα ασφαλείας. Εάν μεταφέρουμε αυτήν την πτυχή στις πληροφορίες που έχουμε αναλύσει και αποκτήσει από μια πόλη, με τακτοποιημένο και σχηματικό τρόπο, ένα μοντέλο πλατφόρμας Smart City που μπορούμε να βρούμε, ως παράδειγμα:
Πώς να χρησιμοποιήσετε τις πληροφορίες
Σε σχέση με τις πόλεις, η διαχείριση των διαδικασιών και των υποδομών προχωρά πολύ γρήγορα με βάση τις πληροφορίες για την κίνηση που υποστηρίζει καθημερινά και μια πιο ακριβή εκτίμηση που θα καθορίσει την πιθανή μελλοντική κίνηση. Ατελείωτες μεταβλητές που μελετήθηκαν που θα βελτιωθούν ως παράδειγμα. την αποδοτικότητα των μεταφορών ή την εξοικονόμηση ενέργειας που θα μπορούσε να επιτευχθεί.
Μπορούμε να χρησιμοποιήσουμε μια μελέτη όγκου Big Data για να αντιμετωπίσουμε τη συμπεριφορά των πολιτών και τον πολεοδομικό τους σχεδιασμό, τις ανάγκες τους ή τη βιομηχανική προγνωστική συντήρηση και το κόστος ή τις αποτυχίες της, ακόμη και προβλέψεις στον τομέα της υγείας.
Στο παρακάτω infographic μπορούμε να δούμε μερικά από τα ορόσημα που μας ενδιαφέρουν:
Παραδείγματα μεγάλων δεδομένων και η εφαρμογή τους
Από το τμήμα αστικού σχεδιασμού και ανάλυσης πόλεων του MIT, έχουμε το έργο Treepedia για τη νοημοσύνη των πόλεων. Έξυπνες πόλεις. Οι πόλεις σε όλο τον κόσμο ανταγωνίζονται για πιο πράσινες περιοχές και επομένως περισσότερα δέντρα. Η αύξηση του αριθμού των δέντρων και του όγκου τους στις πόλεις συμβάλλει στη μείωση των αστικών θερμοκρασιών και στην αύξηση της εξάτμισης του νερού δημιουργώντας πιο άνετα μικροκλίματα, μετριάζοντας επίσης την ατμοσφαιρική ρύπανση από καθημερινές αστικές δραστηριότητες ή βοηθώντας στην αποφυγή πλημμυρών κατά τη διάρκεια έντονων βροχοπτώσεων. Άρα γενικά τα δέντρα είναι αρκετά απαραίτητα εντός του αστικού ιστού.
Μετά την ενσωμάτωση των δεδομένων μέσω ενός νέου σύστημα μεγάλων δεδομένων μπόρεσαν να συγκρίνουν διαφορετικά έξυπνες πόλεις και να δημιουργήσετε μια ανάλυση των πλεονεκτημάτων της ύπαρξης περισσότερων ή λιγότερων δέντρων:
Αν μετακομίσουμε στη Νέα Υόρκη, για παράδειγμα, περισσότερα από τα δύο τρίτα της ενέργειας χρησιμοποιούνται σε συσκευές και κτίρια, που προορίζονται κυρίως για θέρμανση και ψύξη χώρων, φωτισμό ή ηλεκτρισμό. Έτσι, τα κτίρια είναι τα βασικά σημεία για την εξάσκηση της ενεργειακής απόδοσης και της εξοικονόμησης ενέργειας.
Με αυτούς τους ρυθμούς χρήσης ενέργειας, πρωταρχικός στόχος ήταν να αναλυθεί εάν μπορούμε να είμαστε πιο αποδοτικοί στη χρήση της ενέργειας. Εδώ είναι που το παράδειγμα χρήσης Big Data να αρχίσουμε να κατανοούμε την κατανάλωση ενέργειας και γιατί υπάρχουν περιοχές που καταναλώνουν λιγότερο από άλλες.
Για να καταλάβουμε πώς μπορεί να είναι χρήσιμο, τι καλύτερο από το να δούμε ένα συνέδριο TED στη Βαρκελώνη όπου μας δείχνει τη χρηστικότητα των δεδομένων σε σύγκριση με τον τουρισμό στην Ισπανία ως τέλειο παράδειγμα χρήσης για να είμαστε πιο αποτελεσματικοί και αποδοτικοί από έναν οικονομικό, αστικό σχεδιασμό , και πολεοδομική προοπτική. υποδομές … κ.λπ.
Αν σας άρεσε αυτό το άρθρο, κοινοποιήστε το!
