Loading article…
アーバンコンピューティングは、都市部におけるコンピューティング技術の研究と応用に関する学際的な分野です。これには、人口密集地域の質を向上させるための無線ネットワーク、センサー、計算能力、データの応用が含まれます。アーバンコンピューティングは、スマートシティの技術的フレームワークです。[1] [2]
「都市コンピューティング」という用語は、 2004年のUbiCompカンファレンス[3]でエリック・パウロス氏によって初めて紹介され、エリザベス・グッドマン氏と共著した論文「The Familiar Stranger 」[4]でも紹介されました。都市情報学の分野と密接に結びついていますが、マーカス・フォス氏は『都市情報学研究ハンドブック』の序文で、都市コンピューティング、都市技術、都市インフラは技術的な側面に重点を置いているのに対し、都市情報学は都市における技術の社会的、人間的影響に重点を置いていると述べ、この2つを区別しています。[5]
コンピュータサイエンスの領域では、アーバンコンピューティングは、無線およびセンサーネットワーク、情報科学、および人間とコンピュータの相互作用の領域から引き出されています。アーバンコンピューティングは、都市環境に関するデータを収集するためにデバイスのコレクションを使用するという点で、ユビキタスコンピューティングによって導入された多くのパラダイムを使用しており、都市の影響を受ける人々の生活の質の向上に役立っています。アーバンコンピューティングと従来のリモートセンシングネットワークとのさらなる違いは、含まれるデバイス、入力、および人間の相互作用の多様性です。従来のセンサーネットワークでは、デバイスは多くの場合、温度、ノイズ、および光などの特定の現象を監視するために意図的に構築され、特別に展開されます。 [6]学際的な分野として、アーバンコンピューティングには、土木工学、人類学、公史、医療、都市計画、およびエネルギーなどの分野で実践者とアプリケーションがあります。[7]
アプリケーションと例
アーバンコンピューティングとは、都市が直面する主要な問題に取り組むために、センサー、デバイス、車両、建物、人間など、都市空間のさまざまなソースによって生成されるビッグで異種のデータを取得、統合、分析するプロセスです。アーバンコンピューティングは、目立たないユビキタスなセンシング技術、高度なデータ管理および分析モデル、新しい視覚化方法を結び付けて、都市環境、人間の生活の質、都市運営システムを改善する win-win-win のソリューションを生み出します。
— ユ・ジェン、ビッグデータによる都市コンピューティング[8]
文化アーカイブ
都市は単なる場所と人々の集まりではありません。場所はそこに住む人々によって絶えず再発明され、再想像されています。そのため、都市空間におけるコンピューティングの普及により、人々は物理的現実を仮想的に利用可能なもので補うようになっています。[9] この目的のために、民族誌学、集合的記憶、公共史に携わる研究者は、都市コンピューティング戦略を活用して、人々が都市環境の解釈を共有できるプラットフォームを導入してきました。そのようなプロジェクトの例としては、オウルの集合的都市記憶研究から生まれた都市コンピューティングシステムである CLIO があります。これは「人々が個人的な記憶を共有し、文脈を注釈し、都市のランドマークと関連付けることで、集合的都市記憶を作成する」ものです。[10]また、人々が自分のデジタルデバイスを通じて物語を投稿できるようにすることで、都市の共通の歴史を作成することを目指しているクリーブランド歴史プロジェクトがあります。[11]
エネルギー消費
世界中のエネルギー消費と汚染は、都市交通によって大きく影響を受けています。[12]現在のインフラをより有効に活用し、更新する取り組みの一環として、研究者は、サンプル車両からの GPS データ、ガソリンスタンドからの給油データ、およびオンライン参加者の自己申告を使用したフィールド調査を実施することで、都市コンピューティングを使用してガス排出量をより深く理解しています。[13]これにより、都市の道路網を横断する交通の密度と速度に関する知識を使用して、コスト効率の高い運転ルートを提案したり、ガソリンが大幅に無駄になっている道路セグメントを特定したりできます。[ 14]このようにして収集された汚染密度の情報と予測は、局所的な空気質アラートを生成するためにも使用できます。[14]さらに、これらのデータを使用して、ガソリンスタンドの待ち時間を推定し、より効率的な停止を提案したり、ガソリンスタンドの配置の効率を地理的に把握したりできます。[13]
健康
スマートフォン、タブレット、スマートウォッチ、その他のモバイルコンピューティングデバイスは、単純な通信や娯楽を超えた情報を提供することができます。公衆衛生と個人の健康に関しては、疾病予防管理センター（CDC）や世界保健機関（WHO）などの組織がTwitterやその他のソーシャルメディアプラットフォームを利用して、病気の発生、医学的発見、その他のニュースを迅速に発信しています。都市コンピューティングは、病気の蔓延を追跡するだけでなく、病気の予測にも役立ちます。ジェレミー・ギンズバーグらによる研究では、インフルエンザ関連の検索クエリが将来の発生の信頼できる指標として機能し、インフルエンザ関連の検索の地理的位置に基づいてインフルエンザの発生を追跡できることが発見されました。[15]この発見は、CDCとGoogleの協力を促し、このデータに基づいて予測されるインフルエンザの発生マップを作成しました。[16]
都市コンピューティングは、特定の地域の汚染を追跡および予測するためにも使用できます。人工ニューラルネットワーク(ANN) と条件付きランダムフィールド(CRF) を使用した研究では、少数の大気汚染監視ステーションのデータに基づいて、広い地域の大気汚染を予測できることが示されています。[17] [18] これらの調査結果は、大気汚染を追跡し、すでに高い汚染に悩まされている都市での健康への悪影響を防ぐために使用できます。たとえば、大気汚染が特に高い日には、特に危険な地域を住民に警告するシステムを導入できます。
社会的交流
モバイルコンピューティングプラットフォームは、社会的交流を促進するために使用できます。都市コンピューティングのコンテキストでは、環境に近接ビーコンを配置する機能、人口密度、および利用可能なインフラストラクチャにより、デジタルで促進された交流が可能になります。PaulosとGoodmanの論文「The Familiar Stranger」では、家族から見知らぬ人まで、個人的な交流から通りすがりの交流まで、さまざまな交流のカテゴリが紹介されています。[4] 社会的交流は、専用デバイス、近接認識アプリケーション、および「参加型」アプリケーションによって促進できます。これらのアプリケーションは、「チェックイン」から近接検出、自己識別まで、ユーザーがどこにいるかを特定するためのさまざまな手法を使用できます。[19]地理認識アプリケーションの例としては、他のユーザーとの距離に基づいて匿名の社会的交流を促進するアプリケーションであるYik Yak、拡張現実ゲームを使用してユーザーが周囲のエリアやお互いと交流することを促すIngress 、指定された場所に基づいてユーザーにサービスの推奨事項を提供するFoursquareなどがあります。
交通機関
アーバン コンピューティングの主な応用分野の 1 つは、都市内の民間および公共交通機関の改善です。主なデータ ソースは、フローティング カー データ (特定の瞬間の自動車の位置に関するデータ) です。これには、個々の GPS、タクシーの GPS、Wi-Fi 信号、ループ センサー、(一部のアプリケーションでは) ユーザー入力が含まれます。アーバン コンピューティングは、Waze、Google マップ、旅行計画などのアプリケーションにとって重要な、より適切な運転ルートの選択に役立ちます。Wang らは、リアルタイムの移動時間の推定値を取得するシステムを構築しました。このシステムでは、次の問題が解決されています。1 つ目は、すべての道路セグメントに過去 30 分間またはそれ以降の GPS データがあるわけではないこと、2 つ目は、一部のパスには複数の自動車記録が適用されるため、移動時間の最も正確な推定値を作成するには、それらの記録を組み合わせる必要があること、3 つ目は、都市には数万の道路セグメントと、照会するパスが無限にある可能性があるため、瞬時にリアルタイムで推定値を提供するにはスケーラビリティが必要であることです。彼らは様々な技術を用いて北京で2か月間にわたり32,670台のタクシーでテストを行い、1キロメートルあたり25秒以内の誤差で移動時間を正確に推定しました。[8]
自転車カウンターは、信頼できるデータで都市計画を支援するために、特定の場所にいる自転車の数を数えるコンピューティング技術の一例です。[20] [21]
Uberはオンデマンドタクシーのようなサービスで、ユーザーはスマートフォンで配車を依頼できる。アクティブな乗客とドライバーのデータを使用することで、Uberは現在の乗客/ドライバー比率に基づいて価格差別化を図ることができる。これにより、「サージプライシング」を行わない場合よりも多くの収益を得ることができ、人気のない時間帯により多くのドライバーを路上に出すことができる。[22]
都市コンピューティングは公共交通機関を安価に改善することもできます。ワシントン大学のグループは、公共バスの GPS データを使用して乗客にリアルタイムのバス情報を提供する OneBusAway を開発しました。情報提供のためにバス停にディスプレイを設置するのは費用がかかりますが、OneBusAway に複数のインターフェイス (アプリ、Web サイト、電話応答、SMS) を開発するのは比較的安価でした。調査対象の OneBusAway ユーザーのうち、92% が満足度が高まり、91% が待ち時間が短縮され、30% が乗車回数が増えました。[23]
交通政策に関する意思決定も、都市コンピューティングの助けを借りて行うことができます。ロンドンの Cycle Hire システムは、交通局が運営する、広く利用されている自転車シェアリング システムです。当初は、ユーザーに会員登録が必要でした。しばらくして会員登録を不要に変更し、自転車のレンタルと返却の日時と場所のデータを分析して、どのエリアが活発で、どのような傾向が変わったかを調べました。その結果、会員登録を廃止することは、平日の通勤時間をいくらか増やし、週末の利用を大幅に増やすという良い決定であることがわかりました。[24]自転車シェアリング システムのパターンと特性に基づいて、都市交通をより持続可能なものに変革するためのデータ駆動型意思決定支援の影響が研究されています。[25]
環境
都市コンピューティングは、空気の質の向上や騒音公害の削減など、人々の生活環境を改善することで都市生活の質を向上させる大きな可能性を秘めています。PM 2.5、PM 10、一酸化炭素など、多くの望ましくないまたは有毒な化学物質が空気を汚染しています。多くの都市では、市内にいくつかの測定ステーションを設けて空気の質を測定していますが、これらのステーションは都市全体をカバーするには費用がかかりすぎます。空気の質は複雑なため、2 つの測定ステーション間の空気の質を推測することは困難です。
街中にセンサーを追加するさまざまな方法が研究されており、その中にはコペンハーゲンホイール（自転車の車輪に取り付けられ、ライダーが電源を供給するセンサー）や車ベースのセンサーなどがあります。これらは一酸化炭素と二酸化炭素には有効ですが、エアロゾル測定ステーションは持ち運びができないほどポータブルではありません。[8]
また、浮遊する自動車データから自動車の排出量を推定するなど、ステーションで採取したサンプルのみから市内全体の未知の空気質を推測する試みもあります。Zhengらは、機械学習とデータマイニングを使用してU-Airと呼ばれるモデルを構築しました。これは、過去およびリアルタイムの空気データ、気象、交通の流れ、人間の移動、道路網、興味のあるポイントを使用し、人工ニューラルネットワークと条件付きランダムフィールドに入力して処理します。彼らのモデルは、市全体の空気質の以前のモデルよりも大幅に改善されています。[17]
チェットらは、屋内の空気質を監視するシステムを開発し、マイクロソフトが中国で社内に導入した。このシステムは、建物の HVAC (暖房、換気、空調) ユニットをベースにしている。HVAC は PM 2.5 をフィルターで除去するが、必要かどうかは確認しないため、新しいシステムは、不要なときに HVAC が稼働するのを防ぐことでエネルギーを節約できる。[26]
もう一つのデータ源はソーシャルメディアデータです。特に、地理参照画像タグは、都市レベルでの匂い風景マップ[27] [28]（空気の質に関連）や音風景マップ[29]（音質に関連）を推測するために効果的に使用されています。
参照
参考文献
- ^ Bouroche, Mélanie; Dusparic, Ivana ( 2020 ). 「アーバンコンピューティング：スマートシティの技術的フレームワーク」。スマートシティハンドブック。Springer International Publishing。pp. 1–25。doi :10.1007 / 978-3-030-15145-4_5-1。ISBN 978-3-030-15145-4. S2CID 219809513。
- ^ Kamilaris, Andreas; Pitsillides, Andreas; Prenafeta-Bold, Francesc X.; Ali, Muhammad Intizar (2017 年 5 月)。「都市コンピューティングのための Web of Things ベースのエコシステム - よりスマートな都市に向けて」。2017年 24 回国際電気通信会議 (ICT)。pp. 1–7。doi : 10.1109 / ICT.2017.7998277。ISBN 978-1-5386-0643-8. S2CID 19278271。
- ^ Paulos, Eric; Anderson, Ken; Townsend, Anthony (2004 年 9 月 7 日)。UbiComp in the Urban Frontier (ワークショップ)。第 6 回国際ユビキタス コンピューティング会議。ノッティンガム、イギリス。
- ^ ab Paulos, Eric; Goodman, Elizabeth (2004).身近な見知らぬ人: 公共の場での不安、快適さ、遊び。SIGCHI コンピューティングシステムにおける人間工学に関する会議の議事録。ニューヨーク、ニューヨーク、米国: ACM プレス。pp. 223–230。doi : 10.1145 / 985692.985721。ISBN 1-58113-702-8。
- ^ Foth, Marcus (2009)。都市情報学研究ハンドブック: リアルタイム都市の実践と可能性。ペンシルバニア州ハーシー: 情報科学リファレンス。ISBN 978-1-60566-152-0. OCLC 227572898.
- ^ Akyildiz, IF; Su, W.; Sankarasubramaniam, Y.; Cayirci, E. (2002). 「ワイヤレスセンサーネットワーク：調査」.コンピュータネットワーク. 38 (4): 393–422 [395]. CiteSeerX 10.1.1.320.5948 . doi :10.1016/S1389-1286(01)00302-4. S2CID 1230643.
- ^ Kukka, Hannu; Ylipulli, Johanna; Luusua, Anna; Dey, Anind K. (2014).都市コンピューティングの理論と実践。第 8 回 Nordic Conference on Human-Computer Interaction: Fun, Fast, Foundational (NordiCHI '14) の議事録。ニューヨーク、ニューヨーク、米国: ACM Press。pp. 658–667。doi : 10.1145 / 2639189.2639250。ISBN 978-1-4503-2542-4。
- ^ abc Zheng, Yu; Capra, Licia; Wolfson, Ouri; Yang, Hai (2014-09-18). 「アーバンコンピューティング」。ACM Transactions on Intelligent Systems and Technology . 5 (3). Association for Computing Machinery (ACM): 1–55. doi :10.1145/2629592. ISSN 2157-6904. S2CID 207214926.
- ^ クッカ、ハンヌ;ルウスア、アンナ。イリプリ、ヨハンナ。スオパヤルヴィ、ティーナ;コスタコス、ヴァシリス。オジャラ、ティモ (2014)。 「サイバーパンクから穏やかな都市コンピューティングへ: 未来の都市景観におけるテクノロジーの役割を探る」。技術予測と社会変化。84：29～42。土井：10.1016/j.techfore.2013.07.015。S2CID 17458661。
- ^ Christopoulou, Eleni; Ringas, Dimitrios; Stefanidakis, Michail (2012)。都市コンピューティングが都市文化に与える影響に関する経験。第 16 回 Panhellenic Conference on Informatics ( PCI)。IEEE。pp.56,61。doi :10.1109 / pci.2012.53。ISBN 978-1-4673-2720-6。
- ^ 「クリーブランド歴史について」クリーブランド歴史。 2015年4月22日閲覧。
- ^ 「温室効果ガス排出量：輸送部門の排出量 - 気候変動 - 米国環境保護庁」epa.gov 2012-03-16。2014-07-04時点のオリジナルよりアーカイブ。
{{cite web}}: CS1 メンテナンス: 不適切 URL (リンク) - ^ ab Zhang, Fuzheng; Wilkie, David; Zheng, Yu; Xie, Xing (2013).都市の燃料補給行動の脈動を感知する。UbiComp '13: 2013 ACM 国際共同会議「パーベイシブおよびユビキタスコンピューティング」の議事録。ニューヨーク、ニューヨーク、米国: ACM プレス。pp. 13–22。doi : 10.1145 / 2493432.2493448。ISBN 978-1-4503-1770-2。
- ^ ab Shang, Jingbo; Zheng, Yu; Tong, Wenzhu; Chang, Eric; Yu, Yong (2014).都市全体の自動車のガス消費量と汚染物質排出量の推定。KDD '14: Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining.ニューヨーク、ニューヨーク、米国: ACM Press。pp. 1027–1036。CiteSeerX 10.1.1.713.9988。doi : 10.1145 / 2623330.2623653。ISBN 978-1-4503-2956-9。
- ^ Ginsberg, J; et al. (2009). 「検索エンジンクエリデータを使用したインフルエンザ流行の検出」. Nature . 457 (7232): 1012–1014. Bibcode :2009Natur.457.1012G. doi : 10.1038/nature07634 . PMID 19020500. S2CID 125775.
- ^ 「Google Flu Trends」 。 2015年4月21日閲覧。
- ^ ab Zheng, Yu; Liu, Furui; Hsieh, Hsun-Ping (2013). U-Air: 都市の空気質の推論とビッグデータが出会うとき。KDD '13: 知識発見とデータマイニングに関する第 19 回 ACM SIGKDD 国際会議の議事録。ニューヨーク、ニューヨーク、米国: ACM プレス。pp. 1436–1444。doi : 10.1145 /2487575.2488188。ISBN 978-1-4503-2174-7。
- ^ 鄭、余;チェン、シュシュ。ジン、チーウェイ。チェン、ユビアオ。ク・シャンユン。劉、新。チャン、エリック。マー・ウェイイン。ルイ、ヨン。サン、ウェイウェイ（2014）。 「きめ細かい大気質を監視するためのクラウドベースの知識発見システム」(PDF)。MSR-Tr-2014-40。S2CID 16801207。2019 年 2 月 24 日のオリジナル(PDF)からアーカイブされました。
- ^ Jabeur, Nafaâ; Zeadally, Sherali; Sayed, Biju (2013-03-01). 「モバイルソーシャルネットワーキングアプリケーション」. Communications of the ACM . 56 (3). Association for Computing Machinery (ACM): 71. doi :10.1145/2428556.2428573. ISSN 0001-0782. S2CID 8694354.
- ^ Magni, Marie (2012-06-06). 「Cycle cities awarded bicycle counters」デンマークサイクリング大使館。2020年7月19日時点のオリジナルよりアーカイブ。 2020年4月25日閲覧。
- ^ “Fahrradbarometer”. hamburg.adfc.de (ドイツ語). 2020年3月21日時点のオリジナルよりアーカイブ。2020年4月25日閲覧。
- ^ 「価格上昇」。自由取引。エコノミスト。2014年3月29日。
- ^ Ferris, Brian; Watkins, Kari; Borning, Alan (2010). OneBusAway: 公共交通機関のリアルタイム到着情報提供の結果。CHI '10: SIGCHI コンピューティングシステムにおけるヒューマンファクターに関する会議の議事録。ニューヨーク、ニューヨーク、米国: ACM プレス。pp. 1807–1816。doi : 10.1145 / 1753326.1753597。ISBN 978-1-60558-929-9。
- ^ Lathia, Neal; Ahmed, Saniul; Capra, Licia (2012). 「ロンドンのシェア自転車制度を一般利用者に開放することの影響の測定」.交通研究パートC: 新興技術. 22. Elsevier BV: 88–102. Bibcode :2012TRPC...22...88L. doi :10.1016/j.trc.2011.12.004. ISSN 0968-090X.
- ^ Xie, Xiao-Feng; Wang, Zunjing (2018). 「自転車シェアリングネットワークの移動パターンと特性の調査、およびデータ駆動型意思決定支援への影響：ワシントンDC地域のケーススタディ」。Journal of Transport Geography。71 ：84–102。arXiv：1901.02061。Bibcode ： 2018JTGeo..71...84X。doi ： 10.1016/j.jtrangeo.2018.07.010。S2CID 88518530 。
- ^ Chen, Xuxu; Zheng, Yu; Chen, Yubiao; Jin, Qiwei; Sun, Weiwei; Chang, Eric; Ma, Wei-Ying (2014).スマートビルディング向け室内空気質モニタリングシステム。UbiComp '14: 2014 ACM 国際パーベイシブおよびユビキタスコンピューティング合同会議の議事録。ニューヨーク、ニューヨーク、米国: ACM プレス。pp. 471–475。doi : 10.1145/2632048.2632103。ISBN 978-1-4503-2968-2。
- ^ クエルシア、ダニエレ;スキファネラ、ロッサーノ。アイエロ、ルカ・マリア。ケイト、マクリーン (2015)。 「臭いマップ: 都市の臭い風景のデジタルライフ」。ああ、Icwsm。３（３）。arXiv : 1505.06851。ビブコード:2015arXiv150506851Q。
- ^ Quercia, Daniele; Schifanella, Rossano; Aiello, Luca Maria (2016). 「都市の匂いの感情的および色彩的レイヤー」. AAAI Icwsm . arXiv : 1605.06721 . Bibcode :2016arXiv160506721Q.
- ^ Aiello, Luca Maria; Schifanella, Rossano; Quercia, Daniele; Aletta, Francesco (2016). 「チャッティマップ：ソーシャルメディアデータから都市部のサウンドマップを作成する」. Royal Society Open Science . 3 (3): 150690. arXiv : 1603.07813 . Bibcode :2016RSOS....350690A. doi :10.1098/rsos.150690. PMC 4821272. PMID 27069661 .