کاربردهای شهری کلان‌داده‌ها
دنیای اقتصاد: استفاده از ابزارهای تکنولوژی هر چند برای ساده‌سازی و روان‌سازی در جوامع مختلف گسترش پیدا کرده است اما با استفاده از «کلان‌داده‌ها» (Big Data) و تحلیل آنها قابلیت‌های بیشتری پیش روی انسان گشوده است. بسیاری از رفتارهای کاربران در اینترنت ایجادکننده انبوهی از داده‌ها است که تا یکی، دو دهه قبل تحلیل این اطلاعات اساسا موضوع مهمی محسوب نمی‌شد و در واقع بخش عمده این اطلاعات کاملا از بین می‌رفت حالا اما حفظ و تحلیل این داده‌ها و کلان داده‌ها کاملا در دستور کار است.
برای درک بهتر از موضوع «کلان‌داده‌ها» و کاربرد آنها شاید خوب است مثالی به روز از چین بزنیم. شرکت JD.com بعد از علی بابا بزرگترین شرکت تجارت الکترونیکی در این کشور است و علاقه زیادی به استفاده از ابزارهای تکنولوژی مانند روبات‌ها و تحلیل داده‌ها دارد. این شرکت اخیرا رکورد رساندن یک سفارش به یک مشتری را شکسته و توانسته یک جنس را زیر ۴ دقیقه به خریدار ارسال کند. چگونه ممکن است جنسی در کمتر از ۴ دقیقه بعد از سفارش از انبار خارج و سپس برای مشتری ارسال شود در حالی که زمان معمول برای اجرای چنین سفارشی در بهترین حالت چند ساعت است. پاسخ در استفاده از کلان داده در این زمینه است. به نوعی JD.com با تحلیل داده‌های مربوط به خریدهای قبلی حتی پیش از اینکه سفارش دهنده اقدام به سفارش کند جنس را از انبار خارج و به نزدیک ترین مرکز حمل در نزدیکی مشتری منتقل می‌کند و منتظر سفارش مشتری می‌ماند!
امروزه بسیاری از شرکت‌های بزرگ تکنولوژی از کلان داده (Big Data) برای ایجاد چنین مزیت‌هایی در شبکه خود بهره می‌برند. شرکت Uber که هم اکنون بزرگترین شرکت حمل و نقل جهان محسوب می‌شود و می‌توان از طریق اپلیکیشن آن تاکسی درخواست کرد از کلان داده برای راهنمایی رانندگانش استفاده می‌کند تا آنها در بهترین زمان ممکن در نزدیک‌ترین محل به کسانی باشند که احتمالا می‌خواهند تاکسی سفارش دهند. مشتریان به هیچ‌رو متوجه چنین موضوعی نمی‌شوند اما وقتی خدمات سریع شرکت مذکور را مشاهده می‌کنند قطعا متوجه تفاوت با سرویس‌های سنتی خواهند شد. در نیویورک، تمرکز استفاده از سیستم DAS پلیس نیویورک روی جلوگیری از جرائم و کاهش فعالیت‌های تروریستی است.
کلان داده در خدمت امنیت
کلان داده‌ها امروزه در بخش‌های مربوط به جرم و پیدا کردن مجرمان یا محل‌هایی که احتمال وقوع جرم در آن بالاست هم بسیار به کار می‌آیند. مشخص است که برای جمع‌آوری دیتای مورد نیاز جهت تحلیل به ابزارهای جمع‌آوری داده مناسبی نیاز است. سال قبل میلادی افسران پلیس نیویورک با بهره‌گیری از سیستم «موقعیت‌یاب تیراندازی» روی گوشی‌های همراه خود از وقوع یک مورد تیراندازی در خیابان هفتاد و سوم این شهر باخبر شدند. بر مبنای گزارش این سیستم، هشت تیر در نزدیکی خیابان ۴۰۹ Saratoga شلیک شده بود اما آنچه در ادامه جلب توجه می‌کند، استفاده ویژه از تکنولوژی‌های جدید و البته مدیریت بزرگ‌داده‌ها در رسیدن به هدف مطلوب پلیس است.
با جست‌وجوی بام ساختمان توسط سیستم‌های پیشرفته، افسران پلیس در اولین مرحله پوکه‌های گلوله را کشف کردند. با استفاده مجدد از گوشی‌های همراه، پلیس متوجه شد پیش از این حکم بازداشتی برای زنی که در این ساختمان حضور دارد، صادر شده است. به این ترتیب، با درخواست پلیس از مقامات قضایی، حکم بازرسی منزل این فرد از طریق گوشی‌همراه در اختیار پلیس قرارگرفت تا علاوه بر کشف دو اسلحه، سه‌نفر نیز در رابطه با این تیراندازی دستگیر شوند.
مطمئنا در این ماجرا، عملکرد سریع و مطلوب افسران پلیس نیویورک تنها در پرتو استفاده از سیستم هشداردهنده موقعیتی (SA) ویژه‌ای که DAS نامیده می‌شود امکان‌پذیر شده است. البته استفاده از سیستم‌های آگاهی‌دهنده موقعیتی راهکار جدیدی نیست و در دهه ۱۹۷۰ و ۱۹۸۰ میلادی نیز استفاده از این راهکار، البته به شکلی متفاوت و در قالب آنچه «راهکارهای رهبری در شرایط اجتماعی متفاوت» خوانده می‌شد به‌کار گرفته شده بود.
جای هیچ شکی نیست که افراد و سازمان‌های مختلف باید بسته به موقعیت‌ها و وضعیت‌های متفاوت، تصمیم‌گیری‌هایی درخور شرایط داشته باشند اما برای پیاده‌سازی موثر این روند، در اختیار داشتن اطلاعات کامل از وضعیت و موقعیت مورد بررسی، ضروری خواهد بود. اطلاعاتی که تنها در قالب تلاش‌های سیستماتیک برای جمع‌آوری و نمایش داده‌ها از محیط مورد نظر، تامین خواهند شد. نکته قابل توجه آن است که شرکت‌ها و سازمان‌ها چندین دهه است که استفاده از این راهکار را برای محیط‌های داخلی خود آغاز کرده‌اند اما سیستم‌های انگشت‌شماری برای مدیریت اطلاعات انبوه یا بزرگ‌داده‌ها از وضعیت محیط‌های خارجی و فرصت‌ها، تهدیدها و موارد اینچنینی ایجاد شده است.
فرصتی برای تجمیع اطلاعات
با این وجود، به‌کارگیری حجم عظیمی از سنسورها و سیگنال‌ها در جوامع و محیط‌های شهری کنونی، فرصت مناسبی را برای تجمیع اطلاعات در یک مرکز و در نهایت، تحلیل و بررسی آنها ایجاد کرده است. اگرچه استفاده از این راهکار کاربردهای فراوانی دارد اما در حال حاضر به‌نظر می‌رسد سازمان‌های فعال در بخش عمومی علاقه بیشتری به پیاده‌سازی این روند دارند. در این راستا، گروهی از آژانس‌های دولتی کانادا، مسوولان شهری شیکاگو و اداره پلیس شهر نیویورک، سه مثال بارز از به‌کارگیری سیستم‌های SA در سازمان‌های بخش عمومی را پیش روی ما قرار می‌دهند. نکته اساسی در این خصوص آن است که هرچه سیستم پیاده‌سازی شده متمرکزتر باشد، نتیجه بهتری هم به‌دست خواهد آمد.
MASAS سیستم هشداردهنده موقعیتی که توسط سازمان عملیات امنیت عمومی کانادا (CanOps) و با هدف رصد و نمایش اطلاعات مرتبط با امنیت عمومی مورد استفاده قرار گرفته، یک نمونه از استفاده‌های هدفمند از این راهکار را نشان می‌دهد. سیستمی که اطلاعات مرتبط با آتش‌سوزی‌ها، زمین لرزه‌ها، آب و هوای بد، مشکلات ترافیکی، مسدود شدن جاده‌ها، تجمعات گسترده شهری، موقعیت و وضعیت سرپناه‌ها و حتی گذرگاه‌های مرزی را مدیریت و بررسی می‌کند.
WindyGrid سیستم دیگری است که برای مدیریت بزرگ‌داده‌ها در سومین شهر بزرگ ایالات متحده آمریکا یعنی شیکاگو مورد استفاده قرار گرفته است. این سیستم، اطلاعات مرتبط با تماس‌های ضروری ۹۱۱ و ۳۱۱، موقعیت‌های حساس سیستم حمل و نقل عمومی، وضعیت ساختمان‌ها و حتی توییت‌های منتشر شده بر حسب موقعیت مکانی را در خود جای داده است. از آنجا که این سیستم تنها روی داده‌های مکانی تمرکز دارد، عملکردی به مراتب محدودتر از سیستم کانادایی اشاره شده در این متن خواهد داشت. ممکن است این انتقاد مطرح شود که با توجه به درگیر بودن این شهر با نرخ بالای ارتکاب جرائم، بهتر بود چنین سیستمی روی این موضوع که اولویت بالاتری دارد متمرکز شود. در این راستا باید درنظر داشت که تمرکز این سیستم بیشتر روی بهره‌وری اطلاعاتی است تا اولویت‌های استراتژیک شهری. در نیویورک، تمرکز استفاده از سیستم DAS پلیس نیویورک روی جلوگیری از جرائم و کاهش فعالیت‌های تروریستی است. این سیستم، روزانه جمع‌آوری و تحلیل داده‌ها از سنسورهای متفاوت شامل ۹ هزار دوربین مدار بسته، ۵۰۰ سیستم ویژه پلاک‌خوان خودرو (با ثبت بیش از ۲ میلیارد پلاک)، ۶۰۰ سنسور شیمیایی و پرتوی ثابت و سیار، شبکه‌ای از سیستم تشخیص صوتی موقعیت تیراندازی با پشتیبانی ۲۴ مایل مربع و در نهایت ۵۴ میلیون تماس با ۹۱۱ را در دستورکار قرار داده است. علاوه بر این، سیستم یادشده توانایی فراخوانی پرونده‌های موجود در بایگانی پلیس نیویورک را دارد.
پروژه DAS در سال ۲۰۰۸ میلادی کلید خورد اما در طول زمان، بهبود چشمگیری یافته است. در سال ۲۰۱۰ میلادی قابلیت تحلیل داده‌ها به این سیستم اضافه شد. در سال ۲۰۱۱ میلادی توانایی تشخیص خودکار الگوها به این سیستم افزوده شد و در سال ۲۰۱۴ میلادی شاهد رونمایی از قابلیت‌های جدید با عنوان «فعالیت‌های پلیسی بر اساس پیش‌بینی» بودیم. در نهایت، در سال ۲۰۱۵ میلادی امکان دریافت اطلاعات لحظه‌ای از تماس‌های ۹۱۱ برای افسران پلیس مهیا شد. رابط کاربری اولیه مورد نیاز برای استفاده از این سیستم مدیریت بزرگ‌داده‌ها، گوشی هوشمند افسران پلیس است و در این راستا تمامی ۳۵ هزار نیروی پلیس نیویورک به این دستگاه‌های ارتباطی مجهز شده‌اند. بر اساس آمار منتشر شده، روزانه بیش از ۱۰ هزار افسر پلیس از سیستم DAS استفاده می‌کنند.
ارسال نظر