چگونه می توان از داده ها بزرگ یا کلان داده ها (Big Data-بیگ دیتا) در برنامه ریزی شهری استفاده کرد؟
مقدمه:
بیگ دیتا در حقیقت بیانگر حجم زیادی از داده می باشد که آنالیز و دسته بندی آن ها به وسیله زیرساخت ها و دیتابیس های رایج مشکل می باشد. سازمان های شهری با انبوه اطلاعات متنوعی چون حجم ترافیک در مقاطع مختلف، حجم شهروندان در حال استفاده از وسایل حمل و نقل عمومی در لحظه، تصاویر دریافتی از سطح شهری و اطلاعات روزانه مواجه هستند که می بایست به صورت هوشمندانه ای طبقه بندی گردند تا به سرعت و در زمان کوتاهی قابل بررسی و دستیابی باشند.
در ادامه نظر مایکل بتی (Michael Batty) استاد دانشگاه UCL انگلستان را در خصوص کاربست بیگ دیتا در برنامه ریزی شهری میخوانید، امیدوارم مطالعه این نوشته و آشنایی با مفاهیم اولیه این موضوع، توسعه تحقیقات در این زمینه را در میان شهرسازان ایرانی گسترش دهد. از آنجایی که ترجمه های زیادی از جمله: فراداده ، داده های بزرگ، داده های عظیم و غیره برای این عبارت استفاده شده است. لذا برای جلوگیری ابهام از عبارت بیگ دیتا در این نوشته استفاده میکنم.
مسئله محیط انسان ساخت براساس “ بیگ دیتا و شهر“ چندین چشم انداز آشکار دارد که نشان میدهد این جریان های جدید اطلاعاتی که عمدتا از حسگرهای نهفته در محیط پیرامون ما به دست می آیند، چگونه می توانند به ما کمک کنند که درک و شناخت بهتری از شهر داشته باشیم. این داده ها که بسیار بزرگتر از داده هایی است که تا کنون در اختار داشته ایم، حجم بزرگی دارند زیرا در زمانی که اغلب در ثانیه اندازه گیری می شود جریان دارند و ارزش بیگ دیتا ها در لحظه می باشد (مثلا: هم اینک چند نفر در حال استفاده از مترو هستند و در کدام خط مترو در حال حرکت می باشند. این داده صرفا در لحظه در مدیریت شهری دارای ارزش هستند و بعد از چند ساعت ارزش ارزش خود را از دست می دهد.). بیگ دیتا در انواع مختلف طبقه بندی می شود و همچنین مهم ترین مولفه آن ها بزرگ بودن حجم داده ها هستند. بیگ دیتا ها تمام تغییرات رخ داده در مواقعی که داده ها در مورد مکان های فردی، افراد و اشیاء با چنین وضوح خوبی تولید می شوند را ضبط می کند.
این داده ها طرز دید ما نسبت به شهر را تغییر می دهد، تمرکز ما را از دوره های متوسط و بلند مدت به دوره های بسیار کوتاه مدت، آنچه در طول ثانیه، دقیقه و ساعت، حتی در بعضی موارد روزها و هفته ها، به جای سال ها و دهه های طولانی در شهرها رخ می دهد، تغییر می دهد. در واقع می توان چنین استباط کرد که بیگ دیتا و برنامه ریزی مبتنی بر آن در مقابله با تفکر سنتی است که تمرکز آن بر تحلیل و برنامه ریزی شهری در بازه های چند ساله و طولانی مدت است.
حسگر های مختلف نیز روش های جدیدی برای اندازه گیری فرم و عملکرد شهر ارائه می دهند و به لطف توسعه تکنولوژی ابزار های جمع آوری بیگ دیتا بسیار گسترده شده اند. حسگر ها می توانند غیرفعال باشند و در محیط یا اشیاء متحرک ثابت شوند یا اینکه با استفاده از منابع انسانی فعال شوند، مثلا استفاده از تلفن های هوشمند و کل سیستم های مجهز که امروزه اکثریت ما در مکان های ثابت یا در حال حرکت دائما از آنها استفاده می کنیم.
مایکل بتی این ابعاد را در مقاله مقدماتی خود با نام “ بیگ دیتا و شهر” معرفی کرده است، اما شیوه ای که این چشم انداز جدید طرح ما را تغییر می دهد و شیوه ای که ممکن است برای شهر برنامه ریزی کنیم را به طور دقیق انجام نداده است. بی شک در آینده بسیار نزدیک چشم انداز جدید، این امکان را به ما می دهد تا در مورد انواع فعالیت های مختلف در شهر از لحاظ شکل و عملکرد آنها فکر کنیم، اما در این مقاله تعداد کمی از مجموعه های جدید امکانات بوجود آمده از این اشکال اتوماسیون جدید در محیط انسان ساخت را به دقت مورد بررسی قرار می دهیم. این بدین معنا نیست که ما از نحوه استفاده از این اشکال جدید داده ای و نتایج آن در شناخت فرآیندهای طبیعی و انسانی در شهرها در مقیاس زمانی بسیار دقیق تر از آنچه که قبلا انجام داده ایم، آگاه نیستیم، بلکه به این خاطر است که ما چشم اندازه های استفاده از بیگ داده ها در برنامه ریزی شهری را به سختی می توان در قالب نقشه بیان کرد. تغییرات در داده ها نمایانگر تغییرات در برنامه ریزی است و به احتمال بسیار زیاد تمام داده های جدید مربوط به توابع جدید به یک برنامه ریزی متفاوت از آنچه در گذشته انجام دادیم نیاز دارد: یک نوع برنامه ریزی جدید برای نسل بعدی شهرها.
مایکل بتی در صفحات اولیه کتاب «The New Science of Cities» معتقد است نسل بعدی شهرها در راه است که نیازمند دانش جدیدی برای مدیریت آن هستیم. (در صورتی که نسخه pdf این کتاب را می خواهید در بخش تماس با ما اعلام کنید تا برایتان ارسال شود.)
این یک واقعیت است که مقالات این حوزه (حتی مقالات مایکل بتی) نحوه ی دقیق استفاده از بیگ دیتا ها را در برنامه ریزی بهتر نشان نمی دهند، اما نباید از این موضوع چشم پوشی کرد که این نوشته ها بستر تبادل نظر و هم اندیشی را برای ما فراهم میکنند تا حدس بزنیم و تحلیل کنیم که این چشم اندازها چه خواهد شد، اگر چه در بسیاری از آنها برداشت های وسوسه انگیزی از چگونگی استفاده از چنین اطلاعاتی در برنامه ریزی وجود دارد (تصویر 1).
همان طور که بالاتر اشاره کردم، برنامه ریزی در قالب دوره های زمانی متوسط یا بلند مدت صورت می گیرد و اغلب با مدیریت و کنترل در ارتباط می باشد. سازمان های قانونی در شهرها از جمله نهادهایی که با پلیس، خدمات اورژانسی، اداره مالیات، جمع آوری زباله و غیره ارتباط دارند، برای ارائه بهترین برنامه ها به این سرویس ها، رویکردهای سیستماتیک در پیش میگیرند. تحقیقات در عملیات شهری به منظور ایجاد مدل های جدید از نحوه ارتقاء این خدمات توسعه یافته است و این امر همواره به جریان داده ای در مقیاس های کوتاه مدت نیاز داشته است. بیگ دیتا ها باعث تغییر اساسی در ارائه چنین خدماتی می شود و هدف بسیاری از تعاریف معنی دار شهر هوشمند، بهبود ارائه این نوع خدمات و مشارکت افراد به استفاده از وسایل ارتباطی جمعی جدید برای سازماندهی و برنامه ریزی بهتر این توابع است.
تصویر 1: خطوط جریان های اصلی دیجیتال شهر لندن.
مفهوم دوم مربوط به تفکرات و دیدگاه های جدید و آوانگارد در خصوص شهرها است که به سرعت از طریق تفکر انقلاب ارتباطات در حال پیدایش و گسترش است. عملکرد سنتی شهرها به لحاظ مسکن، اشتغال و حمل و نقل سریعا با فرآیند های اتوماتیک و خودکار جایگزین شدند که همین موضوع باعث تغییرات در دوره های بسیار کوتاه تر نسبت به گذشته می شود. به عنوان مثال، امروزه بازار مسکن به صورت دیجیتالی با ارائه اطلاعات قیمت، امور مالی مسکن و گردش سرمایه در سطح جهانی سازماندهی شده است. برای درک این موضوع باید اطلاعات موجود در زمان فعلی و واقعی را به دست آوریم (بسياری از اين داده ها در دسترس هستند). این امر گویای اين واقعيت است که در حال حاضر وب سايت های مربوط به منازل مسکونی زیادی وجود دارد که اطلاعاتی قیمت فروش خانه ها را جمع آوری و نشان می دهند. از آن جایی که برخلاف تفکر گذشته در بسیاری از جوامع مسکن به یک کالا تبدیل شده است، افراد به دلیل وجود هر گونه تغییر اساسی در ساختار خواسته هایشان هر اندازه که به داده های جدید دسترسی داشته باشند به همان اندازه رفتار یا عملکرد متفاوت تری خواهند داشت. همین امر درباره ی داده های مرتبط با حمل و نقل (ویدیو 1) نیز صدق می کند که در آن تصمیمات بسیار آگاهانه در سطح معمولی وجود دارد و نحوه سفر کردن و نوع وسایل مورد استفاده نقلیه ما را تغییر می دهد. تغییرات سریع در اشتغال منجر به گردش سریع تر کار می شود، و اتوماسیون در بازار کار باعث تغییر در ساختار و ماهیت نیروی کار می شود. همه این روندها برای برنامه ریزی شهرهای آینده امری اساسی محسوب می شوند. شهرهای بدون شغل، شهرهای دارای حمل و نقل بسیار اتوماتیک، شهرهای دارای وسایل نقلیه خودگردان، شهرهایی که در آن جابجایی سریع سرمایه انسانی و مالی کل گروه های جمعیتی از بازارهای منازل مسکونی و شغلی محاسبه و قیمت گذاری می شود. با قاطعیت می توان گفت همه این شهرها نتایج بیگ دیتا و استفاده از آن است. این پیامدها بی پایان هستند و باید در مباحث برنامه ریزی، طراحی و مدیریت شهری ما گنجانده شود.
ویدیو ۱
مایکل بتی معتقد است بیگ دیتا انرژی جدیدی است که اقتصاد آینده شهرها را تأمین می کند. آنچه برای برنامه ریزی ما اهمیت دارد، این است که باید به طور جدی پیرامون کاربست این موضوع بحث کنیم. دیدگاه جدید این است که چه شهرهایی نیازمند فرم های جدید برنامه ریزی و طراحی هستند. از شما خواننده محترم دعوت می کنم تا گمانه زنی خود را در رابطه با برنامه ریزی آینده شهرها و اینکه چگونه می توانیم شهرمان را تغییر دهیم، مطرح کنید. بیگ دیتا ها می توانند بیش از آنچه به نظر می رسد آشکار شوند و این بحث به شهر آتی، شهر هوشمند و نحوه ی توانمند سازی خودمان از طریق انرژی جدید گسترش می یابد.
ترجمه و تالیف: محمد ربیعی
