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)(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(shù)據(jù)本來(lái)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(jì)、犯罪率、交通流量等數(shù)據(jù)，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(shù)據(jù)與傳統(tǒng)數(shù)據(jù)的差別，掌握大數(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(wú)法將數(shù)據(jù)轉(zhuǎn)換成價(jià)值，自然也無(wú)法對(duì)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(gè)差異極大的特性。首先是數(shù)據(jù)量(Volume)，如果換算成數(shù)位數(shù)據(jù)單位，基本單位通常已經(jīng)是TB、PB等級(jí)，不但要考量收集及儲(chǔ)存成本，如何迅速傳遞這麼龐大的數(shù)據(jù)，也是大數(shù)據(jù)應(yīng)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(shù)據(jù)量，仍然要在最短的時(shí)間內(nèi)產(chǎn)生分析結(jié)果，如傳統(tǒng)的年報(bào)統(tǒng)計(jì)，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(shí)的結(jié)果，往往會(huì)讓數(shù)據(jù)分析結(jié)果失真。

　　PredPol應(yīng)用大數(shù)據(jù)分析技術(shù)，預(yù)測(cè)出犯罪機(jī)率高甚至下一次可能發(fā)生犯罪情況的區(qū)域，并于地圖上標(biāo)示出一塊塊500平方英尺的區(qū)域，供警察參考。Predpol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(xiàng)也比較少，如年齡、性別、等級(jí)等，但大數(shù)據(jù)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(jié)構(gòu)，而且大數(shù)據(jù)還常常出現(xiàn)形式交錯(cuò)的現(xiàn)象，如Youtube上的影片除了有點(diǎn)擊數(shù)外，同時(shí)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(duì)于大數(shù)據(jù)的需求，所幸在物聯(lián)網(wǎng)(Internet of Things;IoT)、云端運(yùn)算及4G無(wú)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(wèn)題，但必須得先迅速建構(gòu)起收集、傳遞及儲(chǔ)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?yàn)橄胍龊么髷?shù)據(jù)深度分析，就必須要有能力針對(duì)復(fù)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(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(huì)造成傳統(tǒng)關(guān)聯(lián)式數(shù)據(jù)庫(kù)管理系統(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(jià)值既然遠(yuǎn)超過(guò)傳統(tǒng)數(shù)據(jù)，大數(shù)據(jù)的真實(shí)、安全及穩(wěn)定性，就必須加以重視。尤其是現(xiàn)在的網(wǎng)路應(yīng)用無(wú)所不在，舉凡機(jī)場(chǎng)、銀行、捷運(yùn)、車(chē)站、水電油氣供應(yīng)機(jī)制等，都可能被駭客入侵，加上政府為了能讓掌握的數(shù)據(jù)更有價(jià)值，必須要采取公開(kāi)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(kāi)放愈多，可能被入侵的機(jī)會(huì)也愈高，因此想要利用大數(shù)據(jù)來(lái)解決城市安防的問(wèn)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(zhuān)業(yè)人員的配置，絕對(duì)不能輕忽。

　　大數(shù)據(jù)對(duì)城市公共衛(wèi)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(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(Weill Cornell Medical College)計(jì)算與系統(tǒng)生物醫(yī)學(xué)助理教授Christopher E. Mason的研究團(tuán)隊(duì)，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(xiàn)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(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(huì)讓人生病。

　　這項(xiàng)名為PhthoMap的研究計(jì)畫(huà)，還透過(guò)華爾街日?qǐng)?bào)網(wǎng)站提供互動(dòng)地圖，讓使用者可以用來(lái)觀看特定車(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(xì)菌種類(lèi)與說(shuō)明等，也可利用搜尋細(xì)菌的種類(lèi)，了解那些車(chē)站有這些細(xì)菌的存在，等于也展示了公衛(wèi)數(shù)據(jù)開(kāi)放使用的過(guò)程。

　　有趣的是，在研究過(guò)程中也發(fā)現(xiàn)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(duì)于城市公共衛(wèi)生的防護(hù)工作，將會(huì)有莫大的助益。

　　洛杉磯警局則是導(dǎo)入預(yù)測(cè)性警務(wù)軟體PredPol，用來(lái)預(yù)測(cè)可能發(fā)生犯罪情況的地點(diǎn)。據(jù)PredPol(名稱(chēng)取自「預(yù)測(cè)監(jiān)控」Predictive Policing)團(tuán)隊(duì)指出，該公司先是蒐集過(guò)去10年的公開(kāi)犯罪統(tǒng)計(jì)數(shù)據(jù)，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(yù)測(cè)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(jù)前述數(shù)據(jù)中的犯罪行為模式，開(kāi)發(fā)出獨(dú)特的運(yùn)算系統(tǒng)，再將犯罪機(jī)率高甚至下一次可能發(fā)生犯罪情況的區(qū)域，于地圖上標(biāo)示出一塊塊500平方英尺的區(qū)域，供警察參考，就是典型的將傳統(tǒng)數(shù)據(jù)變成大數(shù)據(jù)加以運(yùn)用的范例。

　　事實(shí)上，許多城市的治安單位早已擁有累積數(shù)十年的犯罪記錄數(shù)據(jù)檔，甚至早己針對(duì)犯罪可能性較高的區(qū)域或場(chǎng)所加強(qiáng)巡邏。但PredPol利用大數(shù)據(jù)分析技術(shù)，從容易滋養(yǎng)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(qū)(如屢遭竊賊闖空門(mén)的社區(qū))及受害地區(qū)的鄰近地區(qū)，計(jì)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(biāo)明的區(qū)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(guī)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(tǒng)建置第一年就下降了11%、搶劫案更減少了27%。洛杉磯Foothill區(qū)在2011年導(dǎo)入PredPol后，4個(gè)月后的犯罪率就降低了13%，反觀沒(méi)有導(dǎo)入PredPol的區(qū)域，還微幅增加了0.4%。

　　在2012年一項(xiàng)針對(duì)美國(guó)近200所警局的研究指出，有70%的警局計(jì)畫(huà)在未來(lái)2至5年開(kāi)始或增加使用類(lèi)似PredPol的預(yù)測(cè)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(shù)據(jù)分析技術(shù)應(yīng)用在犯罪治安方面，還不是百分之百的準(zhǔn)確，經(jīng)驗(yàn)豐富的警察可能也不見(jiàn)得需要預(yù)測(cè)性警務(wù)技術(shù)，但對(duì)于新進(jìn)的警務(wù)人員而言，預(yù)測(cè)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(yù)算吃緊之際，人力又相對(duì)缺乏的情況下，運(yùn)用大數(shù)據(jù)顯然可以提升城市安防的工作效率。

　　更多數(shù)據(jù)關(guān)聯(lián)產(chǎn)生更多的價(jià)值

　　城市安防建設(shè)至今，影像監(jiān)控的重要性也日漸提升，但龐大的影像數(shù)據(jù)要如何分析，卻也成為城市治理者的一大難題。所幸大數(shù)據(jù)技術(shù)，正可以針對(duì)影像這種非結(jié)構(gòu)性數(shù)據(jù)加以分析，讓視訊監(jiān)控?cái)?shù)據(jù)得以有效利用。

　　大數(shù)據(jù)可說(shuō)是智慧城市運(yùn)作的基礎(chǔ)，除了城市安防，其他如智慧交通、智慧醫(yī)療等應(yīng)用，也都需要以大數(shù)據(jù)為基礎(chǔ)，而這些不同類(lèi)型的數(shù)據(jù)產(chǎn)生更多的關(guān)聯(lián)，自然也需要更深入的數(shù)據(jù)分析能力，如智慧交通與智慧安防相結(jié)合，可以指引警消人員在最短的時(shí)間內(nèi)趕到事故現(xiàn)場(chǎng)，更可看出大數(shù)據(jù)在城市安防的應(yīng)用潛力。