把握大数据流行趋势与应用 助力城市发展

　　【中国安防展览网 企业关注】IDC预计，2015-2020中国GDP年均增长仍然可以达到6.5%左右，2020年GDP将达到17.5万亿美元，占到的17%，接近西欧的水平，稳居第2位。中国ICT市场也将稳步成长，预计到2020年，中国IT与电信服务市场将双双达到3000亿美元，2013-2020年的年均增长达到7.0%，2013-2020ICT市场累计总量规模达到3.8万亿美元。

　　
　　未来，以大数据应用为主的五大趋势将成为主流。1）中国整体IT市场低速增长将成为新常态，但细分领域依然商机巨大，特别是第3平台及大数据相关领域。2）“互联网＋”概念的普及将大幅提高企业效率、营销能力、产品与服务质量，并促进创新，大数据的应用将成为互联网＋的助推器。3）“大企业面临的挑战越来越大，平台、服务、整合、化、创业是发展方向，数据整合与集中将会先行，这将给IT厂商带来巨大商机。4）跨界、融合、新的生态系统将不断涌现，数据即服务成为新的商业模式。5）基于巨大人口红利的大数据将在智慧城市和物联网领域发挥巨大作用，也将产生巨大商机。
　　
　　了解大数据才能有效运用
　　
　　在真正使用大数据前，我们先来了解大数据。相较於传统数据，大数据至少具有三个差异极大的特性。首先是数据量(Volume)，如果换算成数位数据单位，基本单位通常已经是TB、PB等级，不但要考量收集及储存成本，如何迅速传递这麽庞大的数据，也是大数据应用必须思考的重点；其次是时效性(Velocity)，即使是这麽大的数据量，仍然要在短的时间内产生分析结果，如传统的年报统计，往往是在今年收集去年的数据，却在隔年才出版，旷日废时的结果，往往会让数据分析结果失真。
　　
　　PredPol应用大数据分析技术，预测出*机率高甚至下一次可能发生*情况的区域，并於地图上标示出一块块500平方英尺的区域，供警察参考。Predpol
　　
　　後也是大的差别，就是数据的多样性(Variety)，传统的数据通常有明确的结构性，选项也比较少，如年龄、性别、等级等，但大数据可能会有各种形式，包括文字、影音、图像、网页等，不但没有明显的结构，而且大数据还常常出现形式交错的现象，如Youtube上的影片除了有点击数外，同时还有留言讨论。
　　
　　由此可知，传统的数据收集方式，显然已经不能满足城市安防对於大数据的需求，所幸在物联网(Internetof Things；IoT)、云端运算及4G无线宽频等技术的发展下，要取得物与物、物与人、人与人的互联互通数据，技术上已不是问题，但必须得先迅速建构起收集、传递及储存大数据的基础建设，才有可能建立全面感知的能力，成为城市安防决策的佳後盾。
　　
　　但只是从感知层获取资讯是不够的，因为想要做好大数据深度分析，就必须要有能力针对复杂且开放式的问题寻找答案，并藉由视觉化分析工具，透过连续性的筛选和抽象化，才能洞悉重要资讯。然而大数据具有的超大量半结构化/非结构化数据的特性，往往会造成传统关联式数据库管理系统(RDBMS)的运作瓶颈，必须要导入全新的大数据分析工具，方能真正灵活运用大数据。
　　
　　此外，大数据的价值既然远超过传统数据，大数据的真实、安全及稳定性，就必须加以重视。尤其是现在的网路应用*，举凡机场、银行、捷运、车站、水电油气供应机制等，都可能被*入侵，加上政府为了能让掌握的数据更有价值，必须要采取公开透明的数据使用机制，当公共事业的数据开放愈多，可能被入侵的机会也愈高，因此想要利用大数据来解决城市安防的问题，首先就得先做好大数据的保护，因此资安技术的导入及专业人员的配置，不能轻忽。
　　
　　大数据对城市公共卫生及治安的帮助
　　
　　目前已有许多欧美城市开始藉由蒐集及分析大量数据、预知可能出现的危机，进而作为城市安防的参考。如纽约的康乃尔大学威尔医学院(Weill Cornell Medical College)计算与系统生物医学助理教授Christopher E.Mason的研究团队，花了18个月的时间在纽约400多个地铁站的车厢、楼梯扶手、座椅、灯杆、垃圾桶等地方蒐集样本，总共发现15,152种微生物，其中来自於人类的DNA只占0.2%，将近一半的样本是人类未知的有机生物，27%是活性且具有抗生素抗药性的细菌，所幸其中仅有12%会让人生病。
　　
　　这项名为Phtho Map的研究计画，还透过华尔街日报网站提供互动地图，让使用者可以用来观看特定车站的研究成果，如收集的样本来源、微生物来源比例、细菌种类与说明等，也可利用搜寻细菌的种类，了解那些车站有这些细菌的存在，等於也展示了公卫数据开放使用的过程。
　　
　　有趣的是，在研究过程中也发现在某些地铁站找到的DNA，与其周围的人口状况相符合，这些都是过去从来没有想过的资讯，未来若能将以分门别类，并且深入研究，对於城市公共卫生的防护工作，将会有莫大的助益。
　　
　　洛杉矶警局则是导入预测性警务软体「PredPol」，用来预测可能发生*情况的地点。据PredPol(名称取自「预测监控」Predictive Policing)团队指出，该公司先是蒐集过去10年的公开*统计数据，以及从大量的新闻中蒐集*的发生状况及时间，可预测的*行为除了自杀外，还包括枪杀、闯空门、窃盗、窃车等，再根据前述数据中的*行为模式，开发出独特的运算系统，再将*机率高甚至下一次可能发生*情况的区域，於地图上标示出一块块500平方英尺的区域，供警察参考，就是典型的将传统数据变成大数据加以运用的范例。
　　
　　事实上，许多城市的治安单位早已拥有累积数十年的*记录数据档，甚至早己针对*可能性较高的区域或场所加强巡逻。但Pred Pol利用大数据分析技术，从容易滋养*事件的场所(如曾经发生斗殴事件的酒吧)、多次受害地区(如屡遭窃贼闯空门的社区)及受害地区的邻近地区，计算出10至20个有可能发生*的地点。PredPol宣称，警察只要在地图标明的区域，只需要花过去巡逻时间的5%至15%，就能够阻止更多*活动。
　　
　　目前全美共有将近60间警局使用Predpol，其中规模大的是洛杉矶警局和亚特兰大警局。其中加州Santa Cruz闯空门的窃盗案在系统建置年就下降了11%、抢劫案更减少了27%。洛杉矶Foothill区在2011年导入PredPol後，4个月後的*率就降低了13%，反观没有导入PredPol的区域，还微幅增加了0.4%。
　　
　　在2012年一项针对美国近200所警局的研究指出，有70%的警局计画在未来2至5年开始或增加使用类似PredPol的预测性警务技术，包括IBM、Palantir及Motorola也开始涉足相关领域。
　　
　　虽然将大数据分析技术应用在*治安方面，还不是的准确，经验丰富的警察可能也不见得需要预测性警务技术，但对於新进的警务人员而言，预测性警务技术可以帮助他们及早进入状况，尤其在城市预算吃紧之际，人力又相对缺乏的情况下，运用大数据显然可以提升城市安防的工作效率。
　　
　　更多数据关联产生更多的价值
　　
　　城市安防建设至今，影像监控的重要性也日渐提升，但庞大的影像数据要如何分析，却也成为城市治理者的一大难题。所幸大数据技术，正可以针对影像这种非结构性数据加以分析，让视讯监控数据得以有效利用。
　　
　　大数据可说是智慧城市运作的基础，除了城市安防，其他如智慧交通、智慧医疗等应用，也都需要以大数据为基础，而这些不同类型的数据产生更多的关联，自然也需要更深入的数据分析能力，如智慧交通与智慧安防相结合，可以指引警消人员在短的时间内赶到事故现场，更可看出大数据在城市安防的应用潜力。