做好大數據分析 城市安防才有保障

　　隨著(zhù)云端運算及物聯(lián)網(wǎng)等科技的不斷發(fā)展，大數據(Big Data)在智慧城市扮演的角色也越來(lái)越重要。但事實(shí)上，數據本來(lái)就是城市治理非常重要的依據，尤其是與城市安防的相關(guān)業(yè)務(wù)，舉凡人口統計、犯罪率、交通流量等數據，政府治理單位本來(lái)就會(huì )定時(shí)蒐集并加以分析，作為施政的參考，如果不能先了解大數據與傳統數據的差別，掌握大數據的分析與工具的特性，就算擁有大數據，也可能只是入寶山空手而回，無(wú)法將數據轉換成價(jià)值，自然也無(wú)法對城市安防產(chǎn)生貢獻。

　　了解大數據才能有效運用

　　相較于傳統數據，大數據至少具有三個(gè)差異極大的特性。首先是數據量(Volume)，如果換算成數位數據單位，基本單位通常已經(jīng)是TB、PB等級，不但要考量收集及儲存成本，如何迅速傳遞這麼龐大的數據，也是大數據應用必須思考的重點(diǎn);其次是時(shí)效性(Velocity)，即使是這麼大的數據量，仍然要在最短的時(shí)間內產(chǎn)生分析結果，如傳統的年報統計，往往是在今年收集去年的數據，卻在隔年才出版，曠日廢時(shí)的結果，往往會(huì )讓數據分析結果失真。

　　PredPol應用大數據分析技術(shù)，預測出犯罪機率高甚至下一次可能發(fā)生犯罪情況的區域，并于地圖上標示出一塊塊500平方英尺的區域，供警察參考。Predpol最后也是最大的差別，就是數據的多樣性(Variety)，傳統的數據通常有明確的結構性，選項也比較少，如年齡、性別、等級等，但大數據可能會(huì )有各種形式，包括文字、影音、圖像、網(wǎng)頁(yè)等，不但沒(méi)有明顯的結構，而且大數據還常常出現形式交錯的現象，如Youtube上的影片除了有點(diǎn)擊數外，同時(shí)還有留言討論。

　　由此可知，傳統的數據收集方式，顯然已經(jīng)不能滿(mǎn)足城市安防對于大數據的需求，所幸在物聯(lián)網(wǎng)(Internet of Things;IoT)、云端運算及4G無(wú)線(xiàn)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)互通數據，技術(shù)上已不是問(wèn)題，但必須得先迅速建構起收集、傳遞及儲存大數據的基礎建設，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，因為想要做好大數據深度分析，就必須要有能力針對復雜且開(kāi)放式的問(wèn)題尋找答案，并藉由視覺(jué)化分析工具，透過(guò)連續性的篩選和抽象化，才能洞悉重要資訊。然而大數據具有的超大量半結構化/非結構化數據的特性，往往會(huì )造成傳統關(guān)聯(lián)式數據庫管理系統(RDBMS)的運作瓶頸，必須要導入全新的大數據分析工具，方能真正靈活運用大數據。

　　此外，大數據的價(jià)值既然遠超過(guò)傳統數據，大數據的真實(shí)、安全及穩定性，就必須加以重視。尤其是現在的網(wǎng)路應用無(wú)所不在，舉凡機場(chǎng)、銀行、捷運、車(chē)站、水電油氣供應機制等，都可能被駭客入侵，加上政府為了能讓掌握的數據更有價(jià)值，必須要采取公開(kāi)透明的數據使用機制，當公共事業(yè)的數據開(kāi)放愈多，可能被入侵的機會(huì )也愈高，因此想要利用大數據來(lái)解決城市安防的問(wèn)題，首先就得先做好大數據的保護，因此資安技術(shù)的導入及專(zhuān)業(yè)人員的配置，絕對不能輕忽。

　　大數據對城市公共衛生及治安的幫助

　　目前已有許多歐美城市開(kāi)始藉由蒐集及分析大量數據、預知可能出現的危機，進(jìn)而作為城市安防的參考。如紐約的康乃爾大學(xué)威爾醫學(xué)院(Weill Cornell Medical College)計算與系統生物醫學(xué)助理教授Christopher E. Mason的研究團隊，花了18個(gè)月的時(shí)間在紐約400多個(gè)地鐵站的車(chē)廂、樓梯扶手、座椅、燈桿、垃圾桶等地方蒐集樣本，總共發(fā)現15,152種微生物，其中來(lái)自于人類(lèi)的DNA只占0.2%，將近一半的樣本是人類(lèi)未知的有機生物，27%是活性且具有抗生素抗藥性的細菌，所幸其中僅有12%會(huì )讓人生病。

　　這項名為PhthoMap的研究計畫(huà)，還透過(guò)華爾街日報網(wǎng)站提供互動(dòng)地圖，讓使用者可以用來(lái)觀(guān)看特定車(chē)站的研究成果，如收集的樣本來(lái)源、微生物來(lái)源比例、細菌種類(lèi)與說(shuō)明等，也可利用搜尋細菌的種類(lèi)，了解那些車(chē)站有這些細菌的存在，等于也展示了公衛數據開(kāi)放使用的過(guò)程。

　　有趣的是，在研究過(guò)程中也發(fā)現在某些地鐵站找到的DNA，與其周?chē)娜丝跔顩r相符合，這些都是過(guò)去從來(lái)沒(méi)有想過(guò)的資訊，未來(lái)若能將以分門(mén)別類(lèi)，并且深入研究，對于城市公共衛生的防護工作，將會(huì )有莫大的助益。

　　洛杉磯警局則是導入預測性警務(wù)軟體PredPol，用來(lái)預測可能發(fā)生犯罪情況的地點(diǎn)。據PredPol(名稱(chēng)取自「預測監控」Predictive Policing)團隊指出，該公司先是蒐集過(guò)去10年的公開(kāi)犯罪統計數據，以及從大量的新聞中蒐集犯罪的發(fā)生狀況及時(shí)間，可預測的犯罪行為除了自殺外，還包括槍殺、闖空門(mén)、竊盜、竊車(chē)等，再根據前述數據中的犯罪行為模式，開(kāi)發(fā)出獨特的運算系統，再將犯罪機率高甚至下一次可能發(fā)生犯罪情況的區域，于地圖上標示出一塊塊500平方英尺的區域，供警察參考，就是典型的將傳統數據變成大數據加以運用的范例。

　　事實(shí)上，許多城市的治安單位早已擁有累積數十年的犯罪記錄數據檔，甚至早己針對犯罪可能性較高的區域或場(chǎng)所加強巡邏。但PredPol利用大數據分析技術(shù)，從容易滋養犯罪事件的場(chǎng)所(如曾經(jīng)發(fā)生斗毆事件的酒吧)、多次受害地區(如屢遭竊賊闖空門(mén)的社區)及受害地區的鄰近地區，計算出10至20個(gè)最有可能發(fā)生犯罪的地點(diǎn)。PredPol宣稱(chēng)，警察只要在地圖標明的區域，只需要花過(guò)去巡邏時(shí)間的5%至15%，就能夠阻止更多犯罪活動(dòng)。

　　目前全美共有將近60間警局使用Predpol，其中規模最大的是洛杉磯警局和亞特蘭大警局。其中加州Santa Cruz闖空門(mén)的竊盜案在系統建置第一年就下降了11%、搶劫案更減少了27%。洛杉磯Foothill區在2011年導入PredPol后，4個(gè)月后的犯罪率就降低了13%，反觀(guān)沒(méi)有導入PredPol的區域，還微幅增加了0.4%。

　　在2012年一項針對美國近200所警局的研究指出，有70%的警局計畫(huà)在未來(lái)2至5年開(kāi)始或增加使用類(lèi)似PredPol的預測性警務(wù)技術(shù)，包括IBM、Palantir及Motorola也開(kāi)始涉足相關(guān)領(lǐng)域。

　　雖然將大數據分析技術(shù)應用在犯罪治安方面，還不是百分之百的準確，經(jīng)驗豐富的警察可能也不見(jiàn)得需要預測性警務(wù)技術(shù)，但對于新進(jìn)的警務(wù)人員而言，預測性警務(wù)技術(shù)可以幫助他們及早進(jìn)入狀況，尤其在城市預算吃緊之際，人力又相對缺乏的情況下，運用大數據顯然可以提升城市安防的工作效率。

　　更多數據關(guān)聯(lián)產(chǎn)生更多的價(jià)值

　　城市安防建設至今，影像監控的重要性也日漸提升，但龐大的影像數據要如何分析，卻也成為城市治理者的一大難題。所幸大數據技術(shù)，正可以針對影像這種非結構性數據加以分析，讓視訊監控數據得以有效利用。

　　大數據可說(shuō)是智慧城市運作的基礎，除了城市安防，其他如智慧交通、智慧醫療等應用，也都需要以大數據為基礎，而這些不同類(lèi)型的數據產(chǎn)生更多的關(guān)聯(lián)，自然也需要更深入的數據分析能力，如智慧交通與智慧安防相結合，可以指引警消人員在最短的時(shí)間內趕到事故現場(chǎng)，更可看出大數據在城市安防的應用潛力。