分析大數(shù)據(jù)導(dǎo)向 云技術(shù)鑄就智慧城市

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(lái)越重要。但事實(shí)上，數(shù)據(jù)本來(lái)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(lái)就會(huì)定時(shí)蒐集并加以分析，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(wú)法將數(shù)據(jù)轉(zhuǎn)換成價(jià)值，自然也無(wú)法對(duì)城市安防產(chǎn)生貢獻(xiàn)。

了解大數(shù)據(jù)才能有效運(yùn)用

相較於傳統(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(jí)，不但要考量收集及儲(chǔ)存成本，如何迅速傳遞這麼龐大的數(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)，即使是這麼大的數(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(huì)讓數(shù)據(jù)分析結(jié)果失真。

PredPol應(yīng)用大數(shù)據(jù)分析技術(shù)，預(yù)測(cè)出犯罪機(jī)率高甚至下一次可能發(fā)生犯罪情況的區(qū)域，并於地圖上標(biāo)示出一塊塊500平方英尺的區(qū)域，供警察參考。

最後也是最大的差別，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(jí)等，但大數(shù)據(jù)可能會(huì)有各種形式，包括文字、影音、圖像、網(wǎng)頁(yè)等，不但沒(méi)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(duì)於大數(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(wú)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(wèn)題，但必須得先迅速建構(gòu)起收集、傳遞及儲(chǔ)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後盾。

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(duì)復(fù)雜且開(kāi)放式的問(wèn)題尋找答案，并藉由視覺(jué)化分析工具，透過(guò)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(huì)造成傳統(tǒng)關(guān)聯(lián)式數(shù)據(jù)庫(kù)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)。

來(lái)源：機(jī)房監(jiān)控 機(jī)房環(huán)境監(jiān)控 機(jī)房監(jiān)控系統(tǒng)  http://www.scdprobes.com