Big data de streaming con un impacto de políticas públicas

Casi todas las áreas de una ciudad tiene la capacidad de utilizar los datos grandes, ya sea en forma de impuestos, sensores en edificios y puentes, monitoreo patrón de tráfico, datos de localización, y los datos sobre la actividad criminal. Creación de políticas viables que hacen ciudades lugares más seguros, más eficientes y más deseables para vivir y trabajar requiere la recolección y análisis de grandes cantidades de datos de una variedad de fuentes.

Gran parte de los datos que es pertinente a la investigación en la mejora de las políticas públicas se recoge por varias agencias de la ciudad y ha tenido históricamente meses o años para analizar (por ejemplo, los datos anuales de censos, registros de la policía, y los registros de impuestos de la ciudad). Incluso dentro de una agencia específica, como el departamento de policía, los datos pueden ser recogidos por los distritos separados y no se comparte fácilmente a través de la ciudad y sus comunidades aledañas.

Como resultado, los líderes de la ciudad tienen una abundancia de información sobre las personas cómo las políticas afectadas en su ciudad en años anteriores, pero ha sido muy difícil de compartir y aprovechar rápidamente cambiante datos para tomar decisiones en tiempo real que pueden mejorar la vida de la ciudad. Lo que hace que el aprovechamiento de estos datos aún más complicada es el hecho de que los datos se gestiona y almacena en silos separados.

Esto causa problemas porque una relación directa puede existir entre los diferentes aspectos de operaciones de la ciudad. Los responsables políticos están empezando a darse cuenta de que el cambio sólo puede ocurrir si pueden utilizar los datos y los datos disponibles de las mejores prácticas para transformar el estado actual de su entorno. Cuanto más complejo es una ciudad, más existe la necesidad de aprovechar los datos para cambiar las cosas para mejor.

Esto está cambiando ya que los reguladores, científicos y tecnológicos innovadores unirán para implementar políticas basadas en los datos en movimiento. Por ejemplo, para diseñar e implementar un programa para mejorar la congestión del tráfico, puede que tenga que recopilar datos sobre la población, las cifras de empleo, condiciones de la carretera, y el clima. Gran parte de esta información ha sido recopilada en el pasado, pero se almacena en diversos silos y representa una visión estática de la información histórica.

Para hacer sugerencias basadas en la información de transmisión actual, es necesario un nuevo enfoque. Investigadores de una universidad técnica en Europa están recogiendo los datos de tráfico en tiempo real a partir de una variedad de fuentes, tales como Sistema de Posicionamiento Global (GPS) de los vehículos que viajan, sensores de radar en las carreteras, y datos meteorológicos. Ellos integran y analizan los datos de streaming para disminuir la congestión del tráfico y mejorar el flujo de tráfico.

Mediante el análisis de los datos estructurados y no estructurados como los eventos se llevan a cabo, los sistemas pueden evaluar las condiciones de viaje actuales y hacer sugerencias sobre rutas alternativas que va a reducir el tráfico. En última instancia, el objetivo es tener un impacto importante en el flujo de tráfico en la ciudad. Los datos en movimiento se evalúa en relación con los datos históricos de manera que las recomendaciones tienen sentido en el contexto de las condiciones reales.

Streaming de datos pueden tener un impacto significativo en los índices de criminalidad en las ciudades. Por ejemplo, un departamento de policía utiliza el análisis predictivo para identificar patrones de criminalidad por el tiempo y la ubicación. Si un cambio repentino se encuentra en un patrón identificado a una nueva ubicación, la policía puede enviar funcionarios a la ubicación correcta en el momento adecuado. Después del hecho, estos datos ahora se puede utilizar para analizar más a fondo los patrones de comportamiento criminal.