Presentation was made for the opening of the first urban forum "UrbanBairam" in city Ufa, Russia

1. Гульназ Аксенова
Выпускница УГНТУ «Архитектура», Уфа, Россия
University of Salford, Англия
Института «Стрелка», Москва
Использование новых технологий
в сборе и обработке данных
о городе

2. ENVIROMENTALDATA
SURVEY
BIODATA
USER
-GENERATED DATA
MACRODATA
USER-GENERATEDDATA
ENVIROMENTAL DATA
BI
OD
ATA
OBSERVATION
MA
CRODATA
SURVEY
O
BSERVATION
USER-GENERATED DA TA
BIOD
ATA
BIG
DATA
BIG
DA
TA
OBSERVA
TION
специалист по данным
data scientist

3. городские данные
данные

4. взаимосвязь данных и города
статистика
большие
данные
альтернатива

5. невидимый
город

6. потребители данных
госучреждения
девелоперы
горожане
активисты

7. статистика

8. статистика о москве

9. статистика турникетов
6:00 am - 12:00AM
утро день вечер
12:00 pm - 18:00 pM 18:00 pm - 00:00 AM

10. 6:00 - 12:00 ам
почасовая
статистика
входа
пассажиров
в метро

11. 6:00 - 12:00 ам
почасовая
статистика
входа
пассажиров
в метро
?

12. 6:00 - 12:00 ам
почасовая
статистика
входа
пассажиров
в метро

13. Tagansko-Krasnopresnenskaya
Serpuhovsko-Timiryazevskaya
Zamoskvoreckaya
Kalugsko-Rigskaya
60000
30000
120000
150000
90000
6:00
7:00
11:00
12:00
00:00
01:00
23:00
00:00
7:00
8:00
8:00
9:00
Kahovskaya
Butovskaya
Arbatsko-Pokrovskaya
Sokolnicheskaya
Lublinskaya
Kalininskaya
Kolcevaya
MEN 55.1%
ABOVE 46 38.5%
MARRIED 53.8%
HIGHER EDUCATION 72.2%
WORKER, BUILDER 14.4%
WOMAN 53.3%
ABOVE 46 26,7%
MARRIED 48%
HIGHER EDUCATION 72.2%
SERVICE 22,7%
WOMAN 54.3%
19-22 YEARS OLD 24,7%
NOT MARRIED 63%
HIGHER EDUCATION 72.2%
STUDENTS UNKNOWN %
WOMAN 54.4%
19-22 YEARS OLD 30.4%
NOT MARRIED 51.9%
HIGHER EDUCATION 72.2%
STUDENTS 30.8%
WOMAN 60.8%
23-27 YEARS OLD 34.2%
NOT MARRIED 57%
HIGHER EDUCATION 62%
STUDENTS 24.7%
MAN 69.7%
19-22 YEARS OLD 37.2%
NOT MARRIED 64.9%
HIGHER EDUCATION 76.9%
SHOPPING MALL WORKERS24.7%
пассажиры метро
ресурс: Brand Metro

14. статистика усредняет
информацию

15. сравнение федеральной и
московской базы данных

16. сравнение данных
застроенной площади и
выбросов сточных вод

17. сравнение данных
2011 года и советского союза

18. не верьте
существующей
базе данных

19. раскрывает только
одну сторону

20. большие данные

21. интернет вещей:
покупки в магазинах
медицинские данные
сенсоры
камеры видеонаблюдения
архивы
краудсорсинг:
телефоны
социальная сеть
компьютеры
интернет активность
ресурсы больших данных

22. VARIETY
VELOCITY
VOLUME
VERACITY
VALUE
VARIETY
VELOCITY
VOLUME
VERACITY
VALUE
5 качеств
больших
данных
качество
скорость
правдивость
количество
разновидность

23. http://www.mapbox.com/labs/twitter-gnip/brands/#11/55.7143/37.5520
280 миллионов твиттеров с геолокацией
может показать географический рисунок
использования мест

24. анализ форсквера
по количеству
отметок
пребывания на
станциях метро

25. визуализация форсквера
по месту пребывания людей

27. http://onehappybird.com/2013/02/18/where-is-the-happiest-city-in-the-usa/
“оказалось, что Диснейленд не самое
счастливое место в Калифорнии
и даже во всей Америке”
семантический анализ твиттера
по позитивным словам

28. семантический анализ твиттера

29. визуализация скопления людей и
автобусов в реальном времени
currentcity, MIT Senseable citylab

30. визуализация шума

31. http://www.kickstarter.com/projects/acrobotic/the-smart-citi-
zen-kit-crowdsourced-environmental-m
устройство для собирания
данных:
освещения
шума
газа воздуха
температура воздуха
влажность воздуха
пыли
горожане как сенсоры

32. http://citydashboard.org/london/
Информационное городское
табло Лондона

33. http://dit.mos.ru/
открытые
данные о
москве

34. Студия Переосмысление Информации
Стрелка Институт
потенциал данных для города:
данные дают факты о городе
для принятия более верных решений
исследования с помощью данных намного
эффективней с экономической стороны
чем физический труд
данные это инструмент для работы с городом
динамическая модель визуализации данных в
реальном времени

35. спасибо!