做好巨量資料分析 城市安防才有保障

PhthoMap研究計畫透過華爾街日報網站提供互動地圖，讓使用者可以用來觀看特定車站的微生物研究成果。graphics.wsj.com，華爾街日報網站

隨著雲端運算及物聯網等科技的不斷發展，巨量資料(Big Data)在智慧城市扮演的角色也越來越重要。但事實上，資料本來就是城市治理非常重要的依據，尤其是與城市安防的相關業務，舉凡人口統計、犯罪率、交通流量等資料，政府治理單位本來就會定時蒐集並加以分析，作為施政的參考，如果不能先了解巨量資料與傳統資料的差別，掌握巨量資料的分析與工具的特性，就算擁有巨量資料，也可能只是「入寶山空手而回」，無法將資料轉換成價值，自然也無法對城市安防產生貢獻。

了解巨量資料才能有效運用

相較於傳統資料，巨量資料至少具有三個差異極大的特性。首先是資料量(Volume)，如果換算成數位資料單位，基本單位通常已經是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資料，也是巨量資料應用必須思考的重點；其次是時效性(Velocity)，即使是這麼大的資料量，仍然要在最短的時間內產生分析結果，如傳統的年報統計，往往是在今年收集去年的資料，卻在隔年才出版，曠日廢時的結果，往往會讓資料分析結果失真。

最後也是最大的差別，就是資料的多樣性(Variety)，傳統的資料通常有明確的結構性，選項也比較少，如年齡、性別、等級等，但巨量資料可能會有各種形式，包括文字、影音、圖像、網頁等，不但沒有明顯的結構，而且巨量資料還常常出現形式交錯的現象，如Youtube上的影片除了有點擊數外，同時還有留言討論。

由此可知，傳統的資料收集方式，顯然已經不能滿足城市安防對於巨量資料的需求，所幸在物聯網(Internet of Things；IoT)、雲端運算及4G無線寬頻等技術的發展下，要取得物與物、物與人、人與人的互聯互通資料，技術上已不是問題，但必須得先迅速建構起收集、傳遞及儲存巨量資料的基礎建設，才有可能建立全面感知的能力，成為城市安防決策的最佳後盾。

但只是從感知層獲取資訊是不夠的，因為想要做好巨量資料深度分析，就必須要有能力針對複雜且開放式的問題尋找答案，並藉由視覺化分析工具，透過連續性的篩選和抽象化，才能洞悉重要資訊。然而巨量資料具有的超大量半結構化？非結構化資料的特性，往往會造成傳統關聯式資料庫管理系統(RDBMS)的運作瓶頸，必須要導入全新的巨量資料分析工具，方能真正靈活運用巨量資料。

此外，巨量資料的價值既然遠超過傳統資料，巨量資料的真實、安全及穩定性，就必須加以重視。尤其是現在的網路應用無所不在，舉凡機場、銀行、捷運、車站、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資料更有價值，必須要採取公開透明的資料使用機制，當公共事業的資料開放愈多，可能被入侵的機會也愈高，因此想要利用巨量資料來解決城市安防的問題，首先就得先做好巨量資料的保護，因此資安技術的導入及專業人員的配置，絕對不能輕忽。

巨量資料對城市公共衛生及治安的幫助

目前已有許多歐美城市開始藉由蒐集及分析大量資料、預知可能出現的危機，進而作為城市安防的參考。如紐約的康乃爾大學威爾醫學院(Weill Cornell Medical College)計算與系統生物醫學助理教授Christopher E. Mason的研究團隊，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、垃圾桶等地方蒐集樣本，總共發現15,152種微生物，其中來自於人類的DNA只佔0.2%，將近一半的樣本是人類未知的有機生物，27%是活性且具有抗生素抗藥性的細菌，所幸其中僅有12%會讓人生病。

這項名為PhthoMap的研究計畫，還透過華爾街日報網站提供互動地圖，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、細菌種類與說明等，也可利用搜尋細菌的種類，了解那些車站有這些細菌的存在，等於也展示了公衛資料開放使用的過程。

有趣的是，在研究過程中也發現在某些地鐵站找到的DNA，與其周圍的人口狀況相符合，這些都是過去從來沒有想過的資訊，未來若能將以分門別類，並且深入研究，對於城市公共衛生的防護工作，將會有莫大的助益。

洛杉磯警局則是導入預測性警務軟體「PredPol」，用來預測可能發生犯罪情況的地點。據PredPol(名稱取自「預測監控」Predictive Policing)團隊指出，該公司先是蒐集過去10年的公開犯罪統計資料，以及從大量的新聞中蒐集犯罪的發生狀況及時間，可預測的犯罪行為除了自殺外，還包括槍殺、闖空門、竊盜、竊車等，再根據前述資料中的犯罪行為模式，開發出獨特的運算系統，再將犯罪機率高甚至下一次可能發生犯罪情況的區域，於地圖上標示出一塊塊500平方英尺的區域，供警察參考，就是典型的將傳統資料變成巨量資料加以運用的範例。

事實上，許多城市的治安單位早已擁有累積數十年的犯罪記錄資料檔，甚至早己針對犯罪可能性較高的區域或場所加強巡邏。但PredPol利用巨量資料分析技術，從容易滋養犯罪事件的場所(如曾經發生鬥毆事件的酒吧)、多次受害地區(如屢遭竊賊闖空門的社區)及受害地區的鄰近地區，計算出10至20個最有可能發生犯罪的地點。PredPol宣稱，警察只要在地圖標明的區域，只需要花過去巡邏時間的5%至15%，就能夠阻止更多犯罪活動。

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後，4個月後的犯罪率就降低了13%，反觀沒有導入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%的警局計畫在未來2至5年開始或增加使用類似PredPol的預測性警務技術，包括IBM、Palantir及Motorola也開始涉足相關領域。

雖然將巨量資料分析技術應用在犯罪治安方面，還不是百分之百的準確，經驗豐富的警察可能也不見得需要預測性警務技術，但對於新進的警務人員而言，預測性警務技術可以幫助他們及早進入狀況，尤其在城市預算吃緊之際，人力又相對缺乏的情況下，運用巨量資料顯然可以提升城市安防的工作效率。

更多資料關聯產生更多的價值

城市安防建設至今，影像監控的重要性也日漸提升，但龐大的影像資料要如何分析，卻也成為城市治理者的一大難題。所幸巨量資料技術，正可以針對影像這種非結構性資料加以分析，讓視訊監控資料得以有效利用。

巨量資料可說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，也都需要以巨量資料為基礎，而這些不同類型的資料產生更多的關聯，自然也需要更深入的資料分析能力，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間內趕到事故現場，更可看出巨量資料在城市安防的應用潛力。