Vidéo: Adrien Basdevant: "L'Empire des données" | Talks at Google 2024
Presque tous les quartiers d'une ville ont la capacité d'utiliser le Big Data, que ce soit forme de taxes, capteurs sur les bâtiments et les ponts, surveillance de la circulation, données de localisation et données sur les activités criminelles. Créer des politiques viables qui rendent les villes plus sûres, plus efficaces et plus souhaitables pour vivre et travailler nécessite la collecte et l'analyse d'énormes quantités de données provenant de diverses sources.
Une grande partie des données pertinentes à la recherche sur les améliorations des politiques publiques est recueillie par divers organismes municipaux et a toujours pris des mois ou des années à analyser (données annuelles du recensement, dossiers de la police et taxe municipale) enregistrements). Même au sein d'une agence spécifique, telle que le département de police, les données peuvent être collectées par des districts séparés et pas facilement partagées à travers la ville et les communautés environnantes.
En conséquence, les dirigeants des villes disposent d'informations abondantes sur la manière dont les politiques ont influencé les habitants de leur ville au cours des années précédentes, mais il a été très difficile de partager et de tirer parti des données en évolution rapide. décisions de temps qui peuvent améliorer la vie en ville. Ce qui rend l'exploitation de ces données encore plus compliquée est le fait que les données sont gérées et stockées dans des silos séparés.
Cela cause des problèmes car une relation directe peut exister entre différents aspects des opérations de la ville. Les décideurs commencent à se rendre compte que le changement ne peut se produire que s'ils peuvent utiliser les données et les données disponibles issues des meilleures pratiques pour transformer l'état actuel de leur environnement. Plus une ville est complexe, plus il est nécessaire de tirer parti des données pour améliorer les choses.
Cette situation évolue à mesure que les décideurs, les scientifiques et les innovateurs technologiques s'unissent pour mettre en œuvre des politiques fondées sur des données en mouvement. Par exemple, pour concevoir et mettre en œuvre un programme visant à améliorer la congestion du trafic, vous devrez peut-être recueillir des données sur la population, les chiffres de l'emploi, les conditions routières et les conditions météorologiques. Une grande partie de ces données ont été collectées par le passé, mais elles sont stockées dans différents silos et représentent une vue statique des informations historiques.
Pour faire des suggestions basées sur les informations de diffusion actuelles, vous avez besoin d'une nouvelle approche. Des chercheurs d'une université technique en Europe recueillent des données de trafic en temps réel à partir de diverses sources telles que les données du système de positionnement global (GPS) des véhicules en déplacement, les capteurs radar sur les routes et les données météorologiques. Ils ont intégré et analysé les données en continu pour réduire la congestion du trafic et améliorer le flux de trafic.
En analysant les données structurées et non structurées à mesure que les événements se déroulent, les systèmes peuvent évaluer les conditions de voyage actuelles et suggérer des itinéraires alternatifs qui réduiront le trafic. En fin de compte, l'objectif est d'avoir un impact majeur sur la circulation dans la ville. Les données en mouvement sont évaluées en relation avec les données historiques, de sorte que les recommandations ont un sens dans le contexte des conditions réelles.
Les données en continu peuvent avoir un impact significatif sur les taux de criminalité dans les villes. Par exemple, un service de police utilise l'analyse prédictive pour identifier les tendances criminelles selon l'heure et le lieu. Si une modification soudaine est constatée dans un schéma identifié vers un nouvel emplacement, la police peut répartir les agents au bon endroit au bon moment. Après le fait, ces données peuvent maintenant être utilisées pour analyser davantage les comportements criminels.
