Analityka przestrzenna – kierunki zmian

4 trendy, które odmienią analitykę przestrzenną w nadchodzących latach zostały nakreślone w czasie niedawnego Kongresu GIS 2017, zorganizowanego przez firmę Esri. Poniżej publikujemy je wraz z komentarzami.

  1.  Internet Rzeczy – układ nerwowy planety

Sieć połączonych ze sobą nadajników i sensorów już od lat stanowi jedno z głównych źródeł informacji dla takich branż, jak wodociągi, transport czy zarządzanie ruchem. Możliwość integracji danych pochodzących z GPS z informacją o ciśnieniu wody pozwala szybciej zidentyfikować miejsce wycieku, a informacja o trasie pociągu czy samochodu dostawczego pozwala określić nie tylko najlepszą drogę przejazdu, ale także usprawnić i optymalizować cały proces dystrybucji i rewolucjonizuje branżę logistyczną. Ponadto, wykorzystanie danych lokalizacyjnych płynących z Internetu rzeczy (IoT) już teraz usprawnia działania związane z rozmieszczeniem karetek pogotowia w Małopolsce. Analiza natężenia ruchu w połączeniu z danymi o częstotliwości i kierunkach dojazdu ambulansów pomaga w takim umiejscowieniu załóg karetek, aby były one w stanie dojechać do pacjentów w ustawowym czasie nieprzekraczającym 15 minut w terenie zabudowanym i 20 minut poza nim. Co ciekawe, dzięki inwestycjom w odpowiednią technologię, usprawnienia te nie muszą się wiązać z koniecznością zakupu nowych pojazdów.

– Szacuje się, że do 2020 roku prawie 60% światowej [1]populacji będzie posiadało smartfona, a do roku 2021 liczba urządzeń podłączonych do IoT wyniesie 16 mld[2]. Nie trudno zatem wyobrazić sobie, że Internet Rzeczy jest niczym układ nerwowy dla naszej planety, który odpowiada za przekazywanie ogromnych ilości informacji. Tego, czego brakuje nam aby w pełni zrozumieć ich potencjał, to możliwość ich prostej i szybkiej interpretacji. Technologią, która pozwala zrozumieć zjawiska występujące na świecie są systemy informacji geograficznej, które porządkują i wizualizują dane w formie cyfrowej mapy. – mówi Tomasz Galant Prezes Zarządu, Esri Polska.

  1. Demokratyzacja informacji

Demokratyzacja informacji znana szerzej jako formuła otwartych danych (open data) prowadzi do sytuacji, w której dostęp do informacji nie jest zastrzeżony tylko dla informatyków i badaczy danych (data scientist), ale pozwala na ich analizowanie przez szeregowych pracowników firmy. Takie podejście wiąże się bezpośrednio z modelem zarządzana opartego o danych (DDDM). Jak wskazują badania ośrodka MIT Center for Digital Business, organizacje wykorzystujące dane do podejmowania decyzji biznesowych mają średnio o 6% wyższe zyski i o 4% wyższy wskaźnik produktywności. Łatwiejsza interpretacja posiadanych danych jest jednym z głównych elementów, który wyróżnia systemy informacji geograficznej (GIS).

Rozwiązania oparte o cyfrową mapę i potężny silnik analityczny pozwalają na szybkie odczytywanie zależności między danymi, ich wizualizację na mapie oraz możliwość łatwego nanoszenia informacji przez pracowników lub obywateli, którzy chcą brać aktywny udział, np. w zagospodarowaniu przestrzeni miejskiej. Przykładem może być stworzenie Krajowej Mapy Zagrożeń Bezpieczeństwa przez Komendę Główną Policji. Rozwiązanie pozwala na informowanie o zagrożeniach poprzez zaznaczanie na mapie miejsca i charakteru przestępstwa lub wykroczenia. Na tej podstawie polska Policja może planować rozmieszczenie patroli i podejmować działania zmierzające do zapobiegania przestępstwom, a obywatele zyskują informację o niebezpiecznych rejonach.

Udostępnianie informacji o tym gdzie jesteśmy i co robimy często przywołuje na myśl kwestie związane z nadmierną ochroną naszej prywatności. Angażowanie ludzi do wymiany i udostępniania informacji pozwala jednak na udoskonalanie praktycznie każdego sektora współczesnej gospodarki opartej na danych i nie tylko.

Możliwość zbierania i wymiany informacji za pomocą social media lub crowdsourcingu i umieszczenie ich bezpośrednio na mapie niejednokrotnie przyczynia się też do ratowania życia. Przykładem może być stworzenie mapy Demokratycznej Republiki Konga, której celem jest identyfikacja miejsc, które są zagrożone rozprzestrzenianiem się wirusa Polio – wyjaśnia Tomasz Galant.

  1. AI

Analiza danych przestrzennych coraz częściej wspierana jest przez rozwiązania oparte na sztucznej inteligencji, takie jak Deep Learning czy Machine Learning. Algorytm taki przyspiesza i automatyzuje cały proces analizy danych dzięki możliwości samodzielnego pozyskiwanie informacji geograficznych z otoczenia. Już teraz algorytmy potrafią rozpoznawać na zdjęciach satelitarnych takie obiekty jak samoloty czy  samochody. Pomoże to jeszcze szybciej określić kierunek rozprzestrzeniania się epidemii, czy stopień natężenia ruchu lub zanieczyszczenia powietrza w mieście. Takie podejście zakłada integrację danych pochodzących z wielu różnych źródeł takich jak kamery, radary czy LIDAR.  Technologia ta wykorzystywana jest przykładowo przy okazji opracowywania systemów w autonomicznych samochodach.

Wykorzystanie rozwiązań opartych o sztuczną inteligencję jest niezbędne w sytuacjach, gdy danych jest zbyt wiele i człowiek ma trudności z prawidłowym wskazaniem wzorców. GIS w połączeniu z AI nie tylko pomaga podjęć lepsze decyzje, ale także opracować zaawansowane algorytmy pomagające, w rozwiązywaniu wielu wyzwań współczesnego świata i przyspieszą ekspansję IV rewolucji przemysłowej. – dodaje Tomasz Galant

  1. Zrównoważony rozwój oparty na danych

Szerokie wykorzystanie danych przestrzennych pozwala na realizację wizji zrównoważonego rozwoju na niespotykaną dotąd skalę. Przykładem ograniczania wpływu negatywnej działalności człowieka na  kondycję naszej planty może być wykorzystanie GIS-u przez firmę IKEA, która ponad 10 lat temu zaczęła wykorzystywać dane przestrzenne do śledzenia transportu drewna w różnych częściach świata. Pozwoliło to na monitorowanie pochodzenia drzewa i całej jego drogi, co początkowo miało przyczynić się do ograniczenia kradzieży surowca, a z czasem pozwoliło na usprawnienie całego procesu logistycznego, a co za tym idzie ograniczenia czasu, pieniędzy i negatywnego wpływu na środowisko naturalne. Analizy przestrzenne pomagają również w monitorowaniu zanieczyszczeń świetlnych i dźwiękowych, a także wspierają szeroką realizację wizji Smart City. Warto podkreślić, że powodzenie realizacji i budowania inteligentnych miast nie opiera się stricte na nowoczesnych technologiach, ale właśnie na danych, które je napędzają.

Pierwszym etapem jest wykorzystanie danych pochodzących od firm z branży budowlanej, takich jak modele drzwi czy okien. Pozwala to developerom bardzo dokładnie zwizualizować budynek i jego wnętrze. Cyfrowy model to także idealne narzędzie do prezentacji obiektu władzom miasta i społeczności lokalnej, która coraz częściej chce mieć aktywny wpływ na to, jak będzie wyglądało ich najbliższe otoczenie. Wykorzystanie analiz geograficznych pomoże także w określeniu wpływu inwestycji na natężenie ruchu, komunikację, a nawet stopień nasłonecznienia danego rejonu. Oparcie bazy danych na chmurze pozwoliłoby na dostęp do wirtualnej mapy miasta wszystkim zainteresowanym.

– Realizacja wizji Smart Cities przy wykorzystaniu informacji geograficznych to między innymi możliwość wykorzystania takich technologii, jak VR (rzeczywistość wirtualna), czy rozszerzona rzeczywistość (Augmented Reality). Integracja mapy zawierającej informacje o umiejscowieniu kanalizacji czy innych elementów znajdujących się pod ziemią z urządzeniem mobilnym pozwala zwizualizować w terenie gdzie przebiega dana rura lub kabel co pozwala na lepsze planowanie inwestycji i prac ziemnych.

 

[1] Badania StatCounter z lutego 2017

[2] Ericsson Mobility Report

Ilustracja: Pixabay

Bądź pierwszy, który skomentuje ten wpis!

Dodaj komentarz

Twój adres email nie zostanie opublikowany.


*