Video: Battle of Calugareni, 1595 ⚔️ Story of Michael the Brave (Part 1/3) 2024
Aproape fiecare zonă a unui oraș are capacitatea de a utiliza date mari, fie în forma de impozite, senzori pe clădiri și poduri, monitorizarea modelului traficului, date despre locație și date despre activitatea criminală. Crearea unor politici viabile care să facă orașele mai sigure, mai eficiente și mai potrivite pentru a locui și a lucra necesită colectarea și analizarea unor cantități imense de date dintr-o varietate de surse.
O mare parte a datelor relevante pentru cercetarea privind îmbunătățirea politicii publice este colectată de diverse agenții ale orașului și a luat istoric luni sau ani de analizat (cum ar fi datele recensământului anual, înregistrările poliției și impozitul pe oraș înregistrări). Chiar și într-o anumită agenție, cum ar fi departamentul de poliție, datele pot fi colectate de către districte separate și nu pot fi împărțite ușor în oraș și în comunitățile din jur.
Acest lucru provoacă probleme deoarece există o relație directă între diferitele aspecte ale operațiunilor orașului. Factorii de decizie încep să realizeze că schimbarea se poate întâmpla numai dacă pot utiliza datele și datele disponibile din cele mai bune practici pentru a transforma starea actuală a mediului înconjurător. Cu cât un oraș este mai complex, cu atât mai mult este nevoie să folosiți date pentru a schimba lucrurile în bine.
Pentru a face sugestii pe baza informațiilor actuale de streaming, aveți nevoie de o nouă abordare. Cercetătorii de la o universitate tehnică din Europa colectează date de trafic în timp real dintr-o varietate de surse, cum ar fi date privind sistemul de poziționare globală (GPS) de la vehiculele care călătoresc, senzorii radarului pe șosele și datele meteorologice. Ei au integrat și analizat datele de streaming pentru a reduce congestionarea traficului și pentru a îmbunătăți fluxul de trafic.
Analizând atât datele structurate, cât și cele nestructurate, pe măsură ce evenimentele au loc, sistemele pot evalua condițiile de călătorie actuale și pot face sugestii pe rutele alternative care vor reduce traficul. În cele din urmă, obiectivul este de a avea un impact major asupra fluxului de trafic în oraș. Datele în mișcare sunt evaluate în legătură cu datele istorice, astfel încât recomandările să aibă sens în contextul condițiilor reale.
Datele de streaming pot avea un impact semnificativ asupra ratelor criminalității în orașe. De exemplu, un departament de poliție utilizează analize predictive pentru a identifica modelele de crimă în funcție de timp și locație. Dacă se constată o schimbare bruscă într-un model identificat într-o nouă locație, poliția poate trimite ofițerii la locația corectă la momentul potrivit. După acest fapt, aceste date pot fi acum utilizate pentru a analiza în continuare modelele comportamentului criminal.