Video: (Livecast) Have You Found What You Were Looking For in the Philippines? 2025
Quasi ogni area di una città ha la capacità di utilizzare i big data, sia nel forma di tasse, sensori su edifici e ponti, monitoraggio del traffico, dati sulla posizione e dati sull'attività criminale. La creazione di politiche realizzabili che rendano le città più sicure, più efficienti e più desiderabili per vivere e lavorare richiede la raccolta e l'analisi di enormi quantità di dati da una varietà di fonti.
Gran parte dei dati pertinenti alla ricerca sui miglioramenti delle politiche pubbliche sono raccolti da varie agenzie cittadine e storicamente hanno impiegato mesi o anni per analizzare (come dati del censimento annuale, registri di polizia e tassa di soggiorno) record). Anche all'interno di un'agenzia specifica, come il dipartimento di polizia, i dati possono essere raccolti da distretti separati e non facilmente condivisi in tutta la città e le comunità circostanti.
Di conseguenza, i leader della città hanno una grande quantità di informazioni su come le politiche hanno colpito le persone nella loro città negli anni precedenti, ma è stato molto difficile condividere e sfruttare i dati in rapida evoluzione per rendere reali decisioni di tempo che possono migliorare la vita della città. Ciò che rende ancora più complicato sfruttare questi dati è il fatto che i dati vengono gestiti e archiviati in sili separati.
Questo causa problemi perché può esistere una relazione diretta tra diversi aspetti delle operazioni urbane. I responsabili delle politiche cominciano a rendersi conto che il cambiamento può avvenire solo se possono utilizzare i dati e i dati disponibili dalle migliori pratiche per trasformare lo stato attuale del loro ambiente. Più una città è complessa, più esiste un'esigenza di sfruttare i dati per cambiare le cose in meglio.
Questo sta cambiando mentre i responsabili politici, gli scienziati e gli innovatori tecnologici collaborano per implementare le politiche basate sui dati in movimento. Ad esempio, per progettare e implementare un programma per migliorare la congestione del traffico, potrebbe essere necessario raccogliere dati su popolazione, dati sull'occupazione, condizioni stradali e meteo. Gran parte di questi dati sono stati raccolti in passato, ma sono archiviati in vari sili e rappresentano una visione statica delle informazioni storiche.
Per fornire suggerimenti basati sulle informazioni di streaming correnti, è necessario un nuovo approccio. I ricercatori di un'università tecnica in Europa stanno raccogliendo dati sul traffico in tempo reale da una varietà di fonti come i dati GPS (Global Positioning System) di veicoli in viaggio, sensori radar sulle strade e dati meteorologici. Hanno integrato e analizzato i dati di streaming per ridurre la congestione del traffico e migliorare il flusso del traffico.
Analizzando sia i dati strutturati che quelli non strutturati man mano che si verificano gli eventi, i sistemi possono valutare le condizioni di viaggio attuali e formulare suggerimenti su percorsi alternativi che riducano il traffico. In definitiva, l'obiettivo è avere un impatto importante sul flusso del traffico in città. I dati in movimento vengono valutati in relazione a dati storici in modo che le raccomandazioni abbiano senso nel contesto delle condizioni effettive.
I dati in streaming possono avere un impatto significativo sui tassi di criminalità nelle città. Ad esempio, un dipartimento di polizia utilizza l'analisi predittiva per identificare i modelli di crimine per ora e luogo. Se un cambiamento improvviso viene trovato in un modello identificato in una nuova posizione, la polizia può spedire gli agenti nel posto giusto al momento giusto. Dopo il fatto, questi dati possono ora essere utilizzati per analizzare ulteriormente i modelli di comportamento criminale.
