Большие данные: ключ к созданию умных городов будущего
Большие данные становятся все более востребованным инструментом для решения самых разных задач — от борьбы с преступностью до транспортной инфраструктуры. Наша команда экспертов в геоаналитике нашла и адаптировала для вас любопытную статью о том, как данные помогают переосмыслить планирование городов.
Исследователь Джонатан Джей из Бостонского университета использует большие данные для поиска связей между различными городскими элементами. В недавнем исследовании его команда совместила спутниковые снимки и данные о стрельбе в Рочестере. Они обнаружили, что снос заброшенных зданий может снизить уровень насилия с применением оружия на 14%.
Алгоритм улавливает, как люди принимали неудачные решения о том, куда вкладывать деньги. И это важный фактор, который влияет на динамику насилия.
Джонатан Джей
Многие исследователи применяют большие данные для решения проблем градостроителей. Они собирают миллионы данных с датчиков, камер, телефонов и машин. Это помогает понять, как живут и передвигаются люди, чтобы сделать города умнее, безопаснее и эффективнее.
Например, в Беркли компания Clarity Movement создает датчики для отслеживания загрязнения воздуха. Результаты загружаются в облако, что помогает предупреждать о дыме от лесных пожаров. Город Пуна в Индии использует Big Data для планирования транспортной системы, включая создание коридоров для машин скорой помощи.
Большие данные можно применять бесчисленными способами для улучшения жизни горожан и стимулирования экономики. По словам Мартина Моржински из Streetlight Data, специализирующейся на транспортных данных, они помогают городам приспособиться к новым реалиям.
Так, к его компании обратились власти Хьюстона и Сан-Франциско, после того, как COVID-19 нарушил привычную городскую жизнь. Они стремились восстановить экономическую активность, изменяя расписание общественного транспорта и увеличивая количество велосипедных дорожек и тротуаров. Совместное исследование PwC и города Монреаля показало, что с начала пандемии в крупнейших городах Канады поездки в центры сократились на 10–20%. По мнению Моржински, это вынудило власти перераспределять ресурсы.
Допандемийные городские планы могут устареть, потому что люди уже передвигаются по-другому. Например, меньшее число горожан в центре означает падение спроса на местные услуги — стрижки, кофе и другие сервисы. Это ведет к экономическому упадку традиционно оживленных районов.
Мартин Моржински
Специалист транспортных данных Streetlight Data
Команда из Массачусетского технического института использует данные Twitter, чтобы отследить публикации в зонах медленного движения в Париже. Это позволяет градостроителям оценить, как сокращение автомобильного трафика влияет на социальную активность. Результаты показали, что в этих зонах увеличился пешеходный поток, что подстегнуло экономику.
По мнению Моржински, в умных городах будущего центральные районы станут больше ориентироваться на местных жителей, а не на приезжих работников. И Big Data помогает планировщикам адаптироваться к этим переменам.
Исследователь городского планирования в лаборатории Senseable City Lab MIT Фабио Дуарте объясняет, что есть два основных вида городских больших данных. Первый — это «специально разработанные» данные, которые город собирает с помощью датчиков, переписей населения или опросов. Второй — «оппортунистические» данные из уже существующих источников вроде социальных сетей, смартфонов и других подключенных устройств.
Эксперт отмечает, что традиционно установка датчиков была дорогостоящей и недоступной для бедных районов. «Оппортунистические данные» обходятся дешевле и часто общедоступны, но и у них есть недостатки: выборка Twitter охватывает только активных пользователей соцсети, а телефонные данные зачастую исключают маргинализированные группы без доступа к гаджетам.
Если мы упустим часть малых данных общества, мы рискуем укрепить предубеждения к нему.
Фабио Дуарте
Исследователь городского планирования в лаборатории Senseable City Lab MIT
В некоторых случаях Big Data может выявлять неравенство и пути его устранения. Так, в своем исследовании Джонатан Джей применил аэрофотоснимки и данные Google Street View, чтобы обучить алгоритм распознавать районы с низким уровнем инвестиций. Модель научилась находить их по плотной застройке, малому количеству зелени и потрескавшемуся бетону.
Джей также признает важность взаимодействия с местными жителями: «Даже с большими данными мы не обладаем таким объемом информации, как люди из этих районов».
Еще одна проблема при работе с «оппортунистическими данными» — зависимость от компаний-платформ, которые могут ограничить доступ по своему усмотрению. К примеру, Google в 2018 году ограничила данные о местоположении для госорганов, а Apple в 2021-м начала требовать разрешения пользователей на отслеживание.
Впрочем, потеря одного источника данных часто открывает двери для другого. Моржински рассказал, что раньше Streetlight Data использовала персональные GPS и LBS-данные, но из-за ужесточения законов о конфиденциальности сместила фокус на GPS транспорта и предприятий. По словам эксперта, в этой области источники данных постоянно развиваются: например, сейчас уже можно отслеживать электромобили.
Моржински подчеркнул, что его компания не отслеживает конкретных людей, а только измеряет общие транспортные потоки. «При управлении транспортом важно не то, что человек идет пешком от своего дома или добирается на велосипеде. Важно, что делает большая группа людей».
Джонатан Джей верит, что большие данные в городском планировании приведут к более прикладным исследованиям в партнерстве с местными сообществами. «Я надеюсь, что города смогут нестандартно взглянуть на данные, которые они могут использовать», — говорит он.
Мы разделяем этот подход: наш сервис Geo.Platforma предлагает уникальные инструменты для работы с геопространственными данными. Он помогает найти в городе места, где сочетаются лучшие условия для бизнеса. Система использует актуальные данные о возрасте, расходах и интересах людей, конкурентах и других факторах, чтобы найти на карте наиболее перспективные точки для того или иного вида бизнеса. Кроме того, Geo.Platforma анализирует транспортные потоки в городе, что крайне важно для эффективного городского планирования и развития транспортной инфраструктуры.
Очевидно, что большие данные вносят революционные изменения в градостроительство и городское управление. Чем полнее информационная картина, тем более обоснованные решения могут принимать власти. Big Data открывает широчайшие возможности для развития городов будущего — более безопасных, комфортных, экологичных и способных адаптироваться к любым изменениям.