ניתוח נתונים גדול הפך כלי טרנספורמטיבי בתכנון העירוני ופיתוח.ערים לייצר כמויות עצומות של נתונים מדי יום - החל בדפוסי תנועה וחיישנים סביבתיים ועד למאגרי מדיה חברתית ורשומות שירות - תוך ניצול תובנות חסרות תקדים עבור מתכננים וקובעי מדיניות.למינוף הנתונים האלה ביעילות יכול להוביל לאתגרים אנליטיים יותר, יציבים יותר, אשר מגיבים יותר לצרכיהם של תושביהם.

הבנת נתונים גדולים בקונטקסט העירוני

נתונים גדולים בתכנון העירוני מתייחסים למאגרי נתונים גדולים ומורכבים ביותר שניתן לנתחם באופן חישובי כדי לחשוף דפוסים, מגמות ואגודות הקשורות לדינמיקה העירונית.בניגוד לנתונים של מפקד האוכלוסין או סקרים מסורתיים, זרמי נתונים גדולים הם לעתים קרובות בזמן אמת, גרפיטי, ומיוצרים באופן פסיבי באמצעות פעילויות יומיומיות.מקורות נתונים מרכזיים כוללים עקבות GPS ממכוניות וסמארטפונים, חיישניים משובצים בתשתיות, פעילות חברתית, מערכות תחבורה ציבוריות, , לוויינים, מקיפים, כיצד מקורות תצוגה מקיפים, לוויינים, וספקים של לוויינים.

לדוגמה, נתוני מיקום הטלפון הנייד אנונימי מאפשר למתכננים להתבונן בדפוסי תנועה על פני אזור מטרופוליטן, זיהוי מסדרונות נסיעה וזמני שימוש שיא. בדומה, נתונים ממערכות שיתוף אופניים מגלה אילו תחנות הן underutilized, informing רשת הרחבה.שילוב של נתונים אלה יוצר שכבה דיגיטלית המסייעת לפקידי העירייה לנוע מניהול פעיל, תכנון חיזוי.

יישום Big Data Analytics בתכנון עירוני

ניהול תנועה ותחבורה

אחת האפליקציות הבולטות ביותר של ניתוח נתונים גדול היא בניהול תנועה ותכנון תחבורה. נתוני התנועה בזמן אמת מרכבים GPS-ableed, חיישני כביש ומצלמות תנועה מאפשר לערים לפקח על רמות הצפיפות ולהתאים את תזמון אותות התנועה באופן דינמי.לדוגמה, מערכות בקרת תנועה הסתגלות בערים כמו סינגפור וברצלונה להשתמש בנתונים חיים כדי לייעל, להפחית את זמני הנסיעה ואת פליטות אלה יכולים לחזות תנועה לפני שהם מציעים מסלולים חלופיים כדי לניווט.

סוכנויות תחבורה ציבורית גם ליהנות מהנתונים הגדולים.ניתוח רשומות של ברז / צמיגים מכרטיסים חכמים עוזר מפעילי המעבר להבין דפוסי קירור, להתאים לוחות זמנים, לתכנן מסלולים חדשים. בלונדון, תחבורה עבור לונדון משתמשת בנתונים מכרטיסי Oyster ותשלומים ללא מגע כדי לנהל את היכולת על הצינור והאוטובוסים.

מעבר לפעולות יומיומיות, נתוני התנועה ההיסטוריים תומכים בתכנון תשתיות לטווח ארוך.על ידי זיהוי צמתים או צווארי בקבוק, מתכננים יכולים לאשר השקעות בהתרחבות כבישים, סביבות, או מעברי הולכי רגל.התוצאה היא רשת תחבורה בטוחה ויעילה יותר היישר עם דפוסי שימוש בפועל.

מעקב סביבתי וקיימות

ניתוח נתונים גדול מעצימה ערים לפקח על תנאים סביבתיים ולפתח יוזמות קיימות ממוקדות.רשתות של חיישני איכות אוויר זול לספק נתונים היפרקלוקליים על מזהמים כגון PM2.5, חנקן דו חמצני ו-Uזון. ערים כמו לוס אנג'לס ובייג'ינג לפרוס מאות חיישנים לזהות נקודות חמות, לעתים קרובות מתואמות עם צפיפות התנועה או פעילות תעשייתית.

זיהום רעש הוא אזור אחר נהנה מהנתונים הגדולים. חיישנים אקוסטיים חכמים למדוד רמות decibel על פני שכונות, המאפשר מתכננים לתכנן חללים עירוניים שקטים יותר.לדוגמה, העיר פריז משתמשת מיפוי רעש שמקורו בנתונים חיישן מודלים לתנועה כדי ליישם מחסומים קוליים ולנתב מחדש כלי רכב כבדים.

נתוני צריכת האנרגיה ממטר חכם מאפשרים שימושים לאזן עומסים ולקדם שימור.מתכננים יכולים לזהות מבנים יעילים באנרגיה עבור תוכניות רטרוfitting. ניתוח מים לזהות דליפות בזמן אמת, צמצום הפסולת.יישומים סביבתיים אלה תורמים ל-UN Sustainable Development Goals, מה שהופך ערים ללא תשלום, בטוח, גמיש, בר קיימא.

שימוש בקרקע והחלטות זוונינג

תכנון הקרקע מבוסס באופן מסורתי על מפות ייעוד סטטי וסקרים תקופתיים. ביג נתונים מציג תובנות דינמיות לגבי האופן שבו הקרקע משמשת למעשה.לדוגמה, ניתוח של נתונים של נקודה של עניין משירותי מיפוי חושף את החלוקה המרחבית של קמעונאים, מסעדות, משרדים ואזורי מגורים. Planners יכול לזהות לאות בין אזורים ייעודיים לשימוש בפועל, המוביל לתקנות ארגמן גמישות יותר.

תמונות לוויין ונתונים גאו-ספטיים עוקבים אחר התרחבות עירונית לאורך זמן, ועוזרים למתכננים לצפות את ספירה ולשמור על חללים ירוקים. בהולנד, חוקרים שילבו נתונים לוויין עם בדיקות מדיה חברתית כדי ללמוד את היחסים בין צפיפות עירונית ואינטראקציה חברתית.

ניתוח חיזוי גם מסייע בחיזוי הביקוש העתידי של הקרקע.על ידי תיקון אינדיקטורים כלכליים, גידול האוכלוסייה ופרויקטי תחבורה, ערים יכולות לזהות אזורים המתאימים דיור חדש או פיתוח מסחרי. גישה זו מונעת נתונים מפחיתה את הספקולציות ומבטיחה השקעות תשתית תואמים עם צרכים מוקרן.

מעורבות ציבורית ותכנון משותף

נתונים גדולים יכולים לשפר את השתתפות הציבור בתכנון העירוני על ידי מתן פלטפורמות נגישות עבור משוב ושיתוף פעולה. ניתוח רגש חברתי מסייע לתכנן את התגובה הציבורית כדי להציע התפתחויות או שינויים מדיניות.לדוגמה, במהלך עיצוב מחדש של כיכר טיימס בניו יורק, ניתוח סנטימנט של ציוצים לפני ואחרי פרויקט הולכי הרגל חשף משוב חיובי מאוד, תמיכה ביישום רחב יותר.

יישומים ניידים ומקלטים מקוונים מאפשרים לתושבים לדווח על נושאים כמו חרות או זרקורים שבורים, יצירת זרם של בקשות שירות נתונים כי ערים להשתמש כדי לאשר תיקונים.

יתר על כן, ניתוח נתונים גדול יכול לזהות קולות בלתי מיוצגים על ידי נתונים השתתפות חוצה גבולות עם מידע דמוגרפי.ערים כמו הלסינקי להשתמש בניתוח זה כדי להבטיח כי תהליכי מעורבות להגיע לכל הקהילות, לא רק הקולי ביותר.זה מעודד תכנון כולל המשקף צרכים מגוונים.

בטיחות הציבור ותגובה חירום

רשויות אכיפת החוק מנתחות נתונים לפשע כדי לפרוס משאבים ביעילות.מודלים של חיזוי, המשמשים בערים כמו לוס אנג'לס ושיקגו, לזהות אזורים בסיכון גבוה וזמנים, המאפשרים סיורים ממוקדים.עם זאת, יש לנהל בזהירות את היישומים האלה כדי למנוע הטיה ולהגן על חירויות אזרחיות. שקיפות נתונים ו פיקוח קהילתי הם קריטיים לשימוש אחראי.

במהלך אסונות טבע, נתונים גדולים מאפשרים תגובה מהירה יותר של חירום מידע בזמן אמת ממדיה חברתית, חיישני מזג אוויר ורשתות סלולריות מסייעות למפות מושפעות אזורים, לתאם פינויים ולהקצות אספקה.לאחר רעידת האדמה ב-2011 בChristrch, ניו זילנד, מנהלי חירום השתמשו בטוויטרים גאוטנטים לאיתור ניצולים והערכה.כפי ששינוי האקלים מגביר את תדירות האירועים הקיצוניים, יכולות כאלה הופכות חיוניות לגמישות עירונית.

אתגרים ושיקולים

פרטיות ואתיקה

האוסף והניתוח של נתוני האזרח מעוררים חששות פרטיות משמעותיים למעקב אחר מיקום, קריאה של מטר חכם, ו ניטור במדיה החברתית יכול לפגוע בפרטיות הפרט אם לא נשלט כראוי.ערים חייבות ליישם פרוטוקולים אנונימיות נתונים קפדניים, להגביל תקופות שמירת נתונים ולקבל הסכמה מושכלת היכן תקנות אפשריות.

שיקולים אתיים גם מרחיבים להגינות אלגוריתמית.מודלים חיזויים המאומנים על נתונים היסטוריים יכולים להנציח הטיה, כגון over-policing בשכונות מיעוט.מתכננים עירוניים ומדענים נתונים צריכים לבקר מודלים להטיה ולעסוק בקהילות מושפעות בתהליך התכנון. מסגרות ממשל Transud להבטיח כי נתונים גדולים משרתים את האינטרס הציבורי ולא לאפשר מעקב.

איכות נתונים ואינטגרציה

לא כל הנתונים הגדולים מדויקים או מייצגים.נתוני GPS עשויים להיות שגיאות, קריאת חיישן יכולה לסחף, ונתונים ברשתות החברתיות לעתים קרובות להחליק כלפי צעירים, יותר דמוגרפים חסרי ערך.שילוב נתונים על פני מקורות מרובים - לעתים קרובות עם פורמטים שונים ופעמים - מייצגים אתגרים טכניים.ערים זקוקים צינורות נתונים חזקים ותהליכי אבטחת איכות כדי להבטיח כי ניתוח לייצר תובנות אמינות.

לדוגמה, עיר שמנסה לשלב נתונים של תנועה מחיישנים משלה עם נתונים מחברות רוכבי אופניים עשויה להיתקל בחסרונות בהגדרות מדידה. הקמת הסכמי שיתוף נתונים ותיולוגים משותפים היא חיונית.ערים רבות יצרו תפקידים ראשיים של קצין נתונים לפקח על מאמצים אלה.

מיומנויות וקיבולת

שימוש יעיל בניתוח נתונים גדול דורש מיומנויות מיוחדות במדעי נתונים, סטטיסטיקה וניתוח גיאו-ספטי כי מחלקות תכנון רבות חסרות.גיוס ושימור כישרון הוא אתגר, במיוחד עבור רשויות קטנות יותר.אימון צוות קיים - באמצעות שותפויות עם אוניברסיטאות או קורסים מקוונים - יכול לבנות יכולת פנימית.בנוסף, פלטפורמות ניתוח ידידותי למשתמש כי משימות שותפים אוטומטית משותף את המחסום לערים שנקבעו בבוסטון יש צוותים נתונים משובצים בתוך מחלקות תכנון פער הגשר.

עלויות ותשתית

חיישנים, מערכות אחסון נתונים וכלים אנליטיים דורשים השקעה מקדימה.עם זאת, חיסכון לטווח ארוך ממבצעים אופטימיזציה - ניכויים, צריכת אנרגיה נמוכה יותר, תחזוקה מונעת - לעתים קרובות להצדיק את ההוצאות. שותפויות ציבוריות-פרטיות יכולות לחלוק עלויות, כפי שניתן לראות בשיתוף פעולה עם חברות טכנולוגיה לפרויקטים עירוניים חכמים.ענן מציע בנייה, תשלומים-אתה תשתיות שהופכות נתונים גדולים יותר ויותר (למשל, מקורות נתונים חדשים) מאשר טכנולוגיות חדשות.

כיוונים עתידיים

תאומים וסימולציות

טכנולוגיה תאום דיגיטלית - יצירת העתק וירטואלי של עיר - מתפתח ככלי רב עוצמה לתכנון עירוני. תאום דיגיטלי משלב נתונים בזמן אמת מחיישנים, מצלמות, ומכשירי IoT למודל תלת-ממדי המעדכן כל הזמן.מתכננים יכולים לדמות את ההשפעה של התפתחויות חדשות, מדיניות תנועה, או אירועי אקלים לפני יישום אותם בעולם הפיזי.

אינטליגנציה מלאכותית ולמידה של מכונות

אלגוריתמי למידת מכונות פותחים תובנות עמוקות יותר מהנתונים הגדולים.רשתות נילי יכולות לחזות את הביקוש לאנרגיה, לייעל את נתיבי איסוף הפסולת, או אפילו לתחזית דפוסי חיזוי gentrification. עיבוד שפה טבעית מנתח משוב ציבורי ממדיה חברתית ופורומים מקוונים. Reinforcement Learning מאפשר אותות תנועה הסתגלותיים המעודכנים המעודכנים ביותר באמצעות ניסוי וטעייה.שילוב של AI עם ניתוח עירוני יזרז את המעבר לעבר מערכות אוטומטיות, עירוניות.

עם זאת, השימוש האתי ב-AI נשאר חשוב.ערים חייבות להבטיח כי החלטות המונעות על ידי AI ניתנות לתיאור, שקוף, וכפוף לתובנות אנושיות.מיזמים כמו אלגוריתמים של "מרכז התעשייה" באמסטרדם בשימוש על ידי העירייה, טיפוח אמון הציבור.

צוק ומעבד בזמן אמת

כאשר החיישנים מייצרים כמויות הולך וגדלות של נתונים, שליחת כל המידע לשרתים מרכזיים יכולה להציג מגבלות רוחב פס ופס רוחב פס. Edge מעבדים נתונים או ליד המקור - לדוגמה, ניתוח הזנות וידאו במצלמת תנועה ולא בענן - קבלת החלטות בזמן אמת.

מערכות נתונים משולבות

העתיד של נתונים גדולים עירוניים הוא יצירת מערכות אקולוגיות משולבות המחברות נתונים על פני תחומים ותחומי שיפוט. נתוני תחבורה של עיר, נתוני אנרגיה, נתונים לבריאות הציבור ונתונים כלכליים קשורים כולם באמצעות פלטפורמות מאובטחות מאפשר ניתוח הוליסטי - לדוגמה, הבנה כיצד דיור בעלות על יכולת להשפיע על זמני נסיעה, או כיצד איכות האוויר משפיעה על עלויות הבריאות של האיחוד האירופי "מרחב נתונים מורכב" מדגימה את מאמצי המערכת האקולוגית של מערכות יחסים אלה.

מסקנה

ניתוח נתונים גדול הוא מהפכה בתכנון העירוני על ידי מתן תובנות מותאמות בזמן אמת לדינמיקה העירונית.מעבורת תנועה ניטור איכות סביבתית למעורבות אזרחים וחיזוי הצרכים העתידיים, גישות מונעות נתונים מאפשרות פיתוח יעיל יותר, שווה, וזמין עירוני בר קיימא.עם זאת, הצלחה תלויה בהתמודדות עם אתגרים קריטיים סביב פרטיות, איכות נתונים, ועלויות.

כדי לחקור עוד, ראה כיצד יוזמה של האומה החכמה של לנד:0 (Singapore's Smart Nation Initiative) של ®Smart Nation FLT:2UN Sustainable Development Goal 11: ערים וקהילות בר קיימא 3FLT עבור ההקשר העולמי.