Video: Safe and Sorry – Terrorism & Mass Surveillance 2025
Fast jeder Bereich einer Stadt hat die Fähigkeit, Big Data zu nutzen, sei es in der Form von Steuern, Sensoren an Gebäuden und Brücken, Verkehrsmusterüberwachung, Standortdaten und Daten über kriminelle Aktivitäten. Um funktionsfähige Richtlinien zu schaffen, die Städte sicherer, effizienter und lebenswerter machen, müssen große Datenmengen aus verschiedenen Quellen gesammelt und analysiert werden.
Ein Großteil der Daten, die für die Forschung über Verbesserungen der öffentlichen Politik relevant sind, wird von verschiedenen städtischen Behörden gesammelt und hat in der Vergangenheit Monate oder Jahre in Anspruch genommen (z. B. jährliche Erhebungsdaten, polizeiliche Aufzeichnungen und Stadtsteuer). Aufzeichnungen). Sogar innerhalb einer bestimmten Behörde, wie etwa der Polizei, können Daten von getrennten Bezirken gesammelt und nicht leicht über die Stadt und ihre umliegenden Gemeinden verteilt werden.
Infolgedessen haben die Stadtpolitiker eine Fülle von Informationen darüber, wie sich die Politik in den vergangenen Jahren auf die Menschen in ihrer Stadt ausgewirkt hat, aber es war sehr schwierig, sich schnell verändernde Daten zu teilen und zu nutzen, um realistische Zeitentscheidungen, die das Stadtleben verbessern können. Was die Nutzung dieser Daten noch komplizierter macht, ist die Tatsache, dass Daten in separaten Silos verwaltet und gespeichert werden.
Dies verursacht Probleme, weil eine direkte Beziehung zwischen verschiedenen Aspekten von Stadtbetrieb bestehen kann. Die politischen Entscheidungsträger erkennen allmählich, dass Veränderungen nur dann möglich sind, wenn sie die verfügbaren Daten und Daten aus bewährten Verfahren nutzen können, um den aktuellen Zustand ihrer Umgebung zu verändern. Je komplexer eine Stadt, desto notwendiger ist es, Daten zu nutzen, um die Dinge zum Besseren zu verändern.
Dies ändert sich, wenn politische Entscheidungsträger, Wissenschaftler und technologische Innovatoren zusammenarbeiten, um Richtlinien auf der Grundlage von Daten in Bewegung umzusetzen. Um beispielsweise ein Programm zur Verbesserung des Verkehrsstaus zu entwerfen und zu implementieren, müssen Sie möglicherweise Daten zu Bevölkerung, Beschäftigungszahlen, Straßenbedingungen und Wetterdaten sammeln. Ein Großteil dieser Daten wurde in der Vergangenheit gesammelt, ist jedoch in verschiedenen Silos gespeichert und repräsentiert eine statische Sicht auf historische Informationen.
Um Vorschläge basierend auf aktuellen Streaming-Informationen zu machen, benötigen Sie einen neuen Ansatz. Forscher an einer technischen Universität in Europa sammeln Verkehrsdaten in Echtzeit aus einer Vielzahl von Quellen wie GPS-Daten (Global Positioning System) von fahrenden Fahrzeugen, Radarsensoren auf der Straße und Wetterdaten. Sie integrierten und analysierten die Streaming-Daten, um Verkehrsstaus zu reduzieren und den Verkehrsfluss zu verbessern.
Indem sowohl strukturierte als auch unstrukturierte Daten analysiert werden, während Ereignisse stattfinden, können die Systeme die aktuellen Reisebedingungen bewerten und Vorschläge für alternative Routen machen, die den Verkehr reduzieren. Letztendlich ist es das Ziel, einen großen Einfluss auf den Verkehrsfluss in der Stadt zu haben. In Bewegung befindliche Daten werden in Verbindung mit historischen Daten ausgewertet, so dass die Empfehlungen im Zusammenhang mit tatsächlichen Bedingungen sinnvoll sind.
Streaming-Daten können erhebliche Auswirkungen auf die Kriminalitätsrate in Städten haben. Zum Beispiel verwendet eine Polizeibehörde Predictive Analytics, um Verbrechensmuster nach Zeit und Ort zu identifizieren. Wenn eine plötzliche Änderung in einem identifizierten Muster an einem neuen Ort gefunden wird, kann die Polizei die Beamten zur richtigen Zeit an den richtigen Ort schicken. Diese Daten können nun genutzt werden, um kriminelle Verhaltensmuster weiter zu analysieren.
