کاربرد کلان داده ها در مطالعات شهری

با پیشرفت علوم کامپیوتر و فناوری دیجیتال، داده های با دقت و حجم بالایی در اختیار قرار گرفته و برنامه ریزان با حجم اطلاعات و داده بسیاری مواجه اند که کلان داده نامیده می شود.

به علت حجم اطلاعاتی که از ترابایت تا پتابایت مدام در حال رشد هستند، مدیریت، کنترل و پردازش کلان داده فراتر از توانایی ابزارهای نرم افزاری در یک زمان است.

از این رو مدیریت کلان داده ، پالایش داده و فرآیند آماده سازی آن به نحووی که برای دانشمندان و متخصصان دیگر قابل استفاده باشد، به خصوص برای داده ای بهنگام بسیار با اهمیت است.

داده های بهنگام مانند داده های ناوبری و مسیریابی، داده هایی هستند که به محض جمع آوری تحویل داده می شوند و دسترسی و پردازش آنها در همان لحظه اهمیت دارد.

مقیاس داده های بهنگام ترافیکی که توسط انواع دستگاه های اندازه گیری در شهرها گزارش می شوند، از نوع کلان داده است که پیش از آنکه به دست مهندسان ترافیک و برنامه ریزان شهری برسد، توسط متخصصان کامپیوتر پالایش می شود.

برای پالایش و پردازش داده های بهنگام در علوم کامپیوتر، از الگوریتم ها و روش های پیچیده ای به منظور حفظ دقت در زمان کوتاه انجام می شود. در واقع مطالعات کلان داده ها بیشتر از آنکه به ماهیت تحلیل توجه داشته باشد، به نحوه مدیریت جم بالایی از داده ها متمرکز شده است.

بسیاری از این فرآیندها تنها متکی به ساختار رقومی داده بوده که در مطالعات کیفی و پژوهش های علوم اجتماعی مانند شهرسازی چندان معنادار نیستند. به طور مثال، پالایش داده های ترافیکی در شهر وابسته به رفتار انسانی است و برای رفع خطای داده های پرت نمی توان به شکل نمودار، برازش آن و تحلیل های آماری براساس نوع داده بسنده کرد. بلکه نگرش شهرسازی بسیار با اهمیت است.

یکی از کاربردهایی که این نوع داده برای متخصصان شهری فراهم می آورد، امکان ارزیابی نظریه های وابسته به اطلاعات است. متخصصان شهری باید آگاه باشند، زمان آن فرا رسیده که در کنار نظریه پردازی در علوم اجتماعی و برنامه ریزی، لازم است به بررسی الگوها و روندهای واقعی و روابط میان آنها پرداخته شود.

پیشرفت های انجام شده در زمینه تولید و مدیریت داده های دقیق در حجم بالا ایجاب می کند، برنامه ریزان و مهندسانی که به حل مسائل شهری می پردازند، به اهمیت تحلیل داده های بهنگام و مدیریت تحلیل کلان داده ها آگاه باشند.