成都弱電公司訊：

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)(BigData)在智慧城市扮演的角色也越來越重要。但事實上，數(shù)據(jù)本來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、犯罪率、交通流量等數(shù)據(jù)，政府治理單位本來就會定時搜集并加以分析，作為施政的參考，假如不能先了解大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)的差別，把握大數(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”，無法將數(shù)據(jù)轉(zhuǎn)換成價值，自然也無法對城市安防產(chǎn)生貢獻(xiàn)。

了解大數(shù)據(jù)才能有效運(yùn)用

相較于傳統(tǒng)數(shù)據(jù)，大數(shù)據(jù)至少具有三個差異極大的特性。首先是數(shù)據(jù)量(Volume)，假如換算成數(shù)位數(shù)據(jù)單位，基本單位通常已經(jīng)是TB、PB等級，不僅要考量收集及儲存成本，如何迅速傳遞這么龐大的數(shù)據(jù)，也是大數(shù)據(jù)應(yīng)用必須思考的重點。

其次是時效性(Velocity)，即使是這么大的數(shù)據(jù)量，仍然要在最短的時間內(nèi)產(chǎn)生分析結(jié)果，如傳統(tǒng)的年報統(tǒng)計，往往是在今年收集去年的數(shù)據(jù)，卻在隔年才出版，曠日廢時的結(jié)果，往往會讓數(shù)據(jù)分析結(jié)果失真。

最后也是最大的差別，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，選項也比較少，如年齡、性別、等級等，但大數(shù)據(jù)可能會有各種形式，包括文字、影音、圖像、網(wǎng)頁等，不僅沒有明顯的結(jié)構(gòu)，而且大數(shù)據(jù)還常常出現(xiàn)形式交錯的現(xiàn)象，如Youtube上的影片除了有點擊數(shù)外，同時還有留言討論。

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于大數(shù)據(jù)的需求，所幸在物聯(lián)網(wǎng)(InternetofThings；IoT)、云端運(yùn)算及4G無線寬頻等技術(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)上已不是問題，但必須得先迅速建構(gòu)起收集、傳遞及儲存大數(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后盾。

但只是從感知層獲取資訊是不夠的，因為想要做好大數(shù)據(jù)深度分析，就必須要有能力針對復(fù)雜且開放式的問題尋找答案，并藉由視覺化分析工具，透過連續(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，往往會造成傳統(tǒng)關(guān)聯(lián)式數(shù)據(jù)庫經(jīng)管系統(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)。

此外，大數(shù)據(jù)的價值既然遠(yuǎn)超過傳統(tǒng)數(shù)據(jù)，大數(shù)據(jù)的真實、平安及穩(wěn)定性，就必須加以重視。尤其是現(xiàn)在的網(wǎng)路應(yīng)用無所不在，舉凡機(jī)場、銀行、捷運(yùn)、車站、水電油氣供應(yīng)機(jī)制等，都可能被駭客入侵，加上政府為了能讓把握的數(shù)據(jù)更有價值，必須要采取公開透明的數(shù)據(jù)使用機(jī)制，當(dāng)公共事業(yè)的數(shù)據(jù)開放愈多，可能被入侵的機(jī)會也愈高，因此想要利用大數(shù)據(jù)來解決城市安防的問題，首先就得先做好大數(shù)據(jù)的保護(hù)，因此資安技術(shù)的導(dǎo)入及專業(yè)人員的配置，絕對不能輕忽。

大數(shù)據(jù)對城市公共衛(wèi)生及治安的幫助

目前已有許多歐美城市開始藉由搜集及分析大量數(shù)據(jù)、預(yù)知可能出現(xiàn)的危機(jī)，進(jìn)而作為城市安防的參考。如紐約的康乃爾大學(xué)威爾醫(yī)學(xué)院(WeillCornellMedicalCollege)計算與系統(tǒng)生物醫(yī)學(xué)助理教授ChristopherE.Mason的研究團(tuán)隊，花了18個月的時間在紐約400多個地鐵站的車廂、樓梯扶手、座椅、燈桿、垃圾桶等地方搜集樣本，總共發(fā)現(xiàn)15，152種微生物，其中來自于人類的DNA只占0.2%，將近一半的樣本是人類未知的有機(jī)生物，27%是活性且具有抗生素抗藥性的細(xì)菌，所幸其中僅有12%會讓人生病。

這項名為PhthoMap的研究計劃，還透過華爾街日報網(wǎng)站提供互動地圖，讓使用者可以用來觀看特定車站的研究成果，如收集的樣本來源、微生物來源比例、細(xì)菌種類與說明等，也可利用搜尋細(xì)菌的種類，了解那些車站有這些細(xì)菌的存在，等于也展示了公衛(wèi)數(shù)據(jù)開放使用的過程。