Met een groeiend aantal apparaten dat is verbonden met internet en talloze mensen die hun live-ervaringen online delen, er wordt elke minuut een enorme hoeveelheid nuttige data gegenereerd. De analyse van deze gegevens zou de verspreiding en het begrip van verkeersinformatie kunnen verbeteren, evenementen, en andere stadsgerelateerde ervaringen.

Big Data Analytics zal hoogstwaarschijnlijk een sleutelrol spelen in de steden van morgen, het mogelijk maken van systemen die een stad op microniveau detecteren en binnen een beperkt tijdsbestek informeren over beslissingen van zowel regeringen als burgers. Onderzoekers van de King Abdulaziz University, in Saudi Arabie, hebben onlangs Big Data Analytics gebruikt om tijdsruimtelijke gebeurtenissen rond Londen te detecteren, het testen van het potentieel van deze tools bij het benutten van waardevolle live-informatie.

"Mijn onderzoek was een toepassing naar de slimme samenleving als onderdeel van de slimme stad, "Sugimiyanto Suma, een van de onderzoekers die het onderzoek heeft uitgevoerd, vertelde TechXplore. "Het was een workflowontwerp met Apache Spark en Tableau om tijdsruimtelijke gebeurtenissen in de stad te detecteren, voor stadsbewustzijn, besluitvorming, en stadsplanning. Het was gebaseerd op sociale media-analyse door het verzamelen, verwerken en analyseren van grote data van Twitter, die erin slaagde gebeurtenissen in Londen op te sporen met hun locatieverspreiding, naam en tijd van het evenement."

Het onderzoek was gericht op het efficiënt detecteren van evenementen in Londen door gegevens te analyseren die zijn verzameld op sociale-mediaplatforms, terwijl ook de architectuur van big data-analyse wordt ontwikkeld die nuttig kan zijn voor detectie van gebeurtenissen in ruimte en tijd. Om dit te doen, de onderzoekers gebruikten big data en machine learning-platforms Spark en Tableau om meer dan drie miljoen Tweets te analyseren die relevant zijn voor Londen.

Dit was de eerste studie die Apache Spark effectief gebruikte, een open-source cluster-computing raamwerk, voor op sociale media gebaseerde gebeurtenisdetectie. In aanvulling, ze gebruikten de Google Maps Geocoding Application Programming Interface (API) om Tweeters in Londen te lokaliseren en verdere analyses uit te voeren.

"We hebben congestie rond Londen gevonden en gelokaliseerd en empirisch aangetoond dat gebeurtenissen automatisch kunnen worden gedetecteerd door gegevens te analyseren, Suma zei. "We hebben het optreden van meerdere gebeurtenissen gedetecteerd, zowel hun locaties als tijden, inclusief het London Notting Hill Carnival 2017-evenement, waarvan we geen voorkennis hadden."

In de toekomst, de workflow voor big data-analyse voor detectie van gebeurtenissen in ruimte en tijd, ontwikkeld door Suma en zijn collega's, zou door andere onderzoekers kunnen worden overgenomen en geperfectioneerd om meer gedetailleerde resultaten over gebeurtenissen te bereiken. Het kan ook de overheid en andere belanghebbenden helpen bij hun besluitvorming en stadsplanningsprocessen.

De onderzoekers onderzoeken nu manieren om hun systeem verder te verbeteren, om een ​​grotere detectienauwkeurigheid te bereiken, bredere spatio-temporele detectie, en een hogere kwaliteit van analyses.

"Voor de detectienauwkeurigheid, we zijn van plan algoritmen te ontwikkelen en het resultaat te vergelijken met actuele informatie door het te associëren met rapportage van gebeurtenissen zoals nieuws- of mediawebsites, Suma legde uit. "Voor een bredere detectie, we zouden meer sociale-mediagegevens zoals Facebook verwerven. Eindelijk, voor een betere analysekwaliteit, we hopen meer AI-technieken te gebruiken."

De studie werd gepubliceerd in de Slimme Samenlevingen, Infrastructuur, Technologieën en toepassingen .

© 2018 Tech Xplore