隨著云端運(yùn)算及物聯(lián)網(wǎng)等科技的不斷發(fā)展,大數(shù)據(jù)(Big Data)在智慧城市扮演的角色也越來越重要。但事實(shí)上,數(shù)據(jù)本來就是城市治理非常重要的依據(jù),尤其是與城市安防的相關(guān)業(yè)務(wù),舉凡人口統(tǒng)計(jì)、犯罪率、交通流量等數(shù)據(jù),政府治理單位本來就會定時(shí)搜集并加以分析,作為施政的參考,如果不能先了解大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)的差別,掌握大數(shù)據(jù)的分析與工具的特性,就算擁有大數(shù)據(jù),也可能只是“入寶山空手而回”,無法將數(shù)據(jù)轉(zhuǎn)換成價(jià)值,自然也無法對城市安防產(chǎn)生貢獻(xiàn)。
了解大數(shù)據(jù)才能有效運(yùn)用
相較于傳統(tǒng)數(shù)據(jù),大數(shù)據(jù)至少具有三個(gè)差異極大的特性。首先是數(shù)據(jù)量(Volume),如果換算成數(shù)位數(shù)據(jù)單位,基本單位通常已經(jīng)是TB、PB等級,不但要考量收集及儲存成本,如何迅速傳遞這么龐大的數(shù)據(jù),也是大數(shù)據(jù)應(yīng)用必須思考的重點(diǎn)。
其次是時(shí)效性(Velocity),即使是這么大的數(shù)據(jù)量,仍然要在最短的時(shí)間內(nèi)產(chǎn)生分析結(jié)果,如傳統(tǒng)的年報(bào)統(tǒng)計(jì),往往是在今年收集去年的數(shù)據(jù),卻在隔年才出版,曠日廢時(shí)的結(jié)果,往往會讓數(shù)據(jù)分析結(jié)果失真。
最后也是最大的差別,就是數(shù)據(jù)的多樣性(Variety),傳統(tǒng)的數(shù)據(jù)通常有明確的結(jié)構(gòu)性,選項(xiàng)也比較少,如年齡、性別、等級等,但大數(shù)據(jù)可能會有各種形式,包括文字、影音、圖像、網(wǎng)頁等,不但沒有明顯的結(jié)構(gòu),而且大數(shù)據(jù)還常常出現(xiàn)形式交錯(cuò)的現(xiàn)象,如Youtube上的影片除了有點(diǎn)擊數(shù)外,同時(shí)還有留言討論。
由此可知,傳統(tǒng)的數(shù)據(jù)收集方式,顯然已經(jīng)不能滿足城市安防對于大數(shù)據(jù)的需求,所幸在物聯(lián)網(wǎng)(Internet of Things;IoT)、云端運(yùn)算及4G無線寬頻等技術(shù)的發(fā)展下,要取得物與物、物與人、人與人的互聯(lián)互通數(shù)據(jù),技術(shù)上已不是問題,但必須得先迅速建構(gòu)起收集、傳遞及儲存大數(shù)據(jù)的基礎(chǔ)建設(shè),才有可能建立全面感知的能力,成為城市安防決策的最佳后盾。
但只是從感知層獲取資訊是不夠的,因?yàn)橄胍龊么髷?shù)據(jù)深度分析,就必須要有能力針對復(fù)雜且開放式的問題尋找答案,并藉由視覺化分析工具,透過連續(xù)性的篩選和抽象化,才能洞悉重要資訊。然而大數(shù)據(jù)具有的超大量半結(jié)構(gòu)化/非結(jié)構(gòu)化數(shù)據(jù)的特性,往往會造成傳統(tǒng)關(guān)聯(lián)式數(shù)據(jù)庫管理系統(tǒng)(RDBMS)的運(yùn)作瓶頸,必須要導(dǎo)入全新的大數(shù)據(jù)分析工具,方能真正靈活運(yùn)用大數(shù)據(jù)。
此外,大數(shù)據(jù)的價(jià)值既然遠(yuǎn)超過傳統(tǒng)數(shù)據(jù),大數(shù)據(jù)的真實(shí)、安全及穩(wěn)定性,就必須加以重視。尤其是現(xiàn)在的網(wǎng)路應(yīng)用無所不在,舉凡機(jī)場、銀行、捷運(yùn)、車站、水電油氣供應(yīng)機(jī)制等,都可能被駭客入侵,加上政府為了能讓掌握的數(shù)據(jù)更有價(jià)值,必須要采取公開透明的數(shù)據(jù)使用機(jī)制,當(dāng)公共事業(yè)的數(shù)據(jù)開放愈多,可能被入侵的機(jī)會也愈高,因此想要利用大數(shù)據(jù)來解決城市安防的問題,首先就得先做好大數(shù)據(jù)的保護(hù),因此資安技術(shù)的導(dǎo)入及專業(yè)人員的配置,絕對不能輕忽。
大數(shù)據(jù)對城市公共衛(wèi)生及治安的幫助
目前已有許多歐美城市開始藉由搜集及分析大量數(shù)據(jù)、預(yù)知可能出現(xiàn)的危機(jī),進(jìn)而作為城市安防的參考。如紐約的康乃爾大學(xué)威爾醫(yī)學(xué)院(Weill Cornell Medical College)計(jì)算與系統(tǒng)生物醫(yī)學(xué)助理教授ChristopherE.Mason的研究團(tuán)隊(duì),花了18個(gè)月的時(shí)間在紐約400多個(gè)地鐵站的車廂、樓梯扶手、座椅、燈桿、垃圾桶等地方搜集樣本,總共發(fā)現(xiàn)15,152種微生物,其中來自于人類的DNA只占0.2%,將近一半的樣本是人類未知的有機(jī)生物,27%是活性且具有抗生素抗藥性的細(xì)菌,所幸其中僅有12%會讓人生病。
這項(xiàng)名為PhthoMap的研究計(jì)劃,還透過華爾街日報(bào)網(wǎng)站提供互動地圖,讓使用者可以用來觀看特定車站的研究成果,如收集的樣本來源、微生物來源比例、細(xì)菌種類與說明等,也可利用搜尋細(xì)菌的種類,了解那些車站有這些細(xì)菌的存在,等于也展示了公衛(wèi)數(shù)據(jù)開放使用的過程。
有趣的是,在研究過程中也發(fā)現(xiàn)在某些地鐵站找到的DNA,與其周圍的人口狀況相符合,這些都是過去從來沒有想過的資訊,未來若能將以分門別類,并且深入研究,對于城市公共衛(wèi)生的防護(hù)工作,將會有莫大的助益。
洛杉磯警局則是導(dǎo)入預(yù)測性警務(wù)軟件(PredPol),用來預(yù)測可能發(fā)生犯罪情況的地點(diǎn)。據(jù)PredPol(名稱取自:預(yù)測監(jiān)控Predictive Policing)團(tuán)隊(duì)指出,該公司先是搜集過去10年的公開犯罪統(tǒng)計(jì)數(shù)據(jù),以及從大量的新聞中搜集犯罪的發(fā)生狀況及時(shí)間,可預(yù)測的犯罪行為除了自殺外,還包括槍殺、闖空門、竊盜、竊車等,再根據(jù)前述數(shù)據(jù)中的犯罪行為模式,開發(fā)出獨(dú)特的運(yùn)算系統(tǒng),再將犯罪機(jī)率高甚至下一次可能發(fā)生犯罪情況的區(qū)域,于地圖上標(biāo)示出一塊塊500平方英尺的區(qū)域,供警察參考,就是典型的將傳統(tǒng)數(shù)據(jù)變成大數(shù)據(jù)加以運(yùn)用的范例。
事實(shí)上,許多城市的治安單位早已擁有累積數(shù)十年的犯罪記錄數(shù)據(jù)檔,甚至早己針對犯罪可能性較高的區(qū)域或場所加強(qiáng)巡邏。但PredPol利用大數(shù)據(jù)分析技術(shù),從容易滋養(yǎng)犯罪事件的場所(如曾經(jīng)發(fā)生斗毆事件的酒吧)、多次受害地區(qū)(如屢遭竊賊闖空門的社區(qū))及受害地區(qū)的鄰近地區(qū),計(jì)算出10至20個(gè)最有可能發(fā)生犯罪的地點(diǎn)。PredPol宣稱,警察只要在地圖標(biāo)明的區(qū)域,只需要花過去巡邏時(shí)間的5%至15%,就能夠阻止更多犯罪活動。
目前全美共有將近60間警局使用Predpol,其中規(guī)模最大的是洛杉磯警局和亞特蘭大警局。其中加州Santa Cruz闖空門的竊盜案在系統(tǒng)建置第一年就下降了11%、搶劫案更減少了27%。洛杉磯Foothill區(qū)在2011年導(dǎo)入PredPol后,4個(gè)月后的犯罪率就降低了13%,反觀沒有導(dǎo)入PredPol的區(qū)域,還微幅增加了0.4%。
在2012年一項(xiàng)針對美國近200所警局的研究指出,有70%的警局計(jì)劃在未來2至5年開始或增加使用類似PredPol的預(yù)測性警務(wù)技術(shù),包括IBM、Palantir及Motorola也開始涉足相關(guān)領(lǐng)域。
雖然將大數(shù)據(jù)分析技術(shù)應(yīng)用在犯罪治安方面,還不是百分之百的準(zhǔn)確,經(jīng)驗(yàn)豐富的警察可能也不見得需要預(yù)測性警務(wù)技術(shù),但對于新進(jìn)的警務(wù)人員而言,預(yù)測性警務(wù)技術(shù)可以幫助他們及早進(jìn)入狀況,尤其在城市預(yù)算吃緊之際,人力又相對缺乏的情況下,運(yùn)用大數(shù)據(jù)顯然可以提升城市安防的工作效率。
更多數(shù)據(jù)關(guān)聯(lián)產(chǎn)生更多的價(jià)值
城市安防建設(shè)至今,影像監(jiān)控的重要性也日漸提升,但龐大的影像數(shù)據(jù)要如何分析,卻也成為城市治理者的一大難題。所幸大數(shù)據(jù)技術(shù),正可以針對影像這種非結(jié)構(gòu)性數(shù)據(jù)加以分析,讓視訊監(jiān)控?cái)?shù)據(jù)得以有效利用。
大數(shù)據(jù)可說是智慧城市運(yùn)作的基礎(chǔ),除了城市安防,其他如智慧交通、智慧醫(yī)療等應(yīng)用,也都需要以大數(shù)據(jù)為基礎(chǔ),而這些不同類型的數(shù)據(jù)產(chǎn)生更多的關(guān)聯(lián),自然也需要更深入的數(shù)據(jù)分析能力,如智慧交通與智慧安防相結(jié)合,可以指引警消人員在最短的時(shí)間內(nèi)趕到事故現(xiàn)場,更可看出大數(shù)據(jù)在城市安防的應(yīng)用潛力。