An improved, productive, skilled, innovative and efficient sector копия
Использование пространственно-временного анализа спонтанных данных в планировании развития современного города
1. Национальный исследовательский университет
"Высшая школа экономики”
Высшая школа урбанистики
Управление пространственным развитием городов
Выпускная квалификационная работа
Использование пространственно-временного
анализа спонтанных данных в планировании
развития современного города
Planning Smart Growth Potential of Modern City by Application of Space-Time
Analysis to Spontaneous Data
Студент: Е.Серова
НР: к.г.н. А.В.Новиков
Рецензент: Ю.Милевский
Москва, 2014
2. Цель работы
Определить и сформулировать теоретико-методические
подходы к исследованию городского сообщества на
основе спонтанных данных.
4. Задачи работы
Экспериментальное исследование на основе спонтанных данных:
• Разработать концепцию исследования;
• Подготовить запросы на базы данных, а также во взаимодействии с компаниями,
обладающими непубличной информацией или технологиями по сбору данных из
открытых источников, решить вопросы о доступе к информации, ее
конфиденциальности и т.д.;
• Осуществить обработку информации с помощью специальных программ, расчетов и
предвизуализаций; разработать аналитический пакет и адаптированное под его
запросы программное обеспечение – интерактивные системы визуального анализа
для аналитиков (командная работа);
• Провести экспериментальный анализ двух выбранных типов спонтанных данных и
подготовить аналитический отчет по результатам исследования.
Теоретико-методическая интерпретация результатов исследования:
• Провести теоретическую и прикладную интерпретацию результатов исследования;
• Описать ход исследования и ключевые методические принципы проведенной работы
со спонтанными данными.
5. Гипотезы и предпосылки исследования
• Дисбаланс между инертной по своей природе застройкой и
инфраструктурой города, с одной стороны, и динамичным, зачастую
непредсказуемым поведением городского сообщества, с другой стороны
• Растущий спрос на мониторинг и анализ поведения городского
сообщества
• Недостаток теоретических и методических обобщений в сфере
исследований городского сообщества на основе новых типов информации
о нем
6. От Интернета к городу
Методы исследования
и эмпирическая база
• Кейс-стади
• Неструктурированное
интервью
Изменения в сознании и поведении горожан
(кейс-стади, 2013)
Методы исследования
и эмпирическая база
• Кейс-стади
• Неструктурированное
интервью
Методы исследования
и эмпирическая база
• Кейс-стади
• Неструктурированное
интервью
исследования
рическая база
Методы исследования
и эмпирическая база
Кейс-стади
Неструктурированное
интервью
Методы исследования
и эмпирическая база
• Кейс-стади
• Неструктурированное
интервью Методы исследования
и эмпирическая база
• Кейс-стади
• Неструктурированное
интервью
сследования
ческая база
Методы исследования
и эмпирическая база
• Кейс-стади
• Неструктурированное
интервью
8. Спонтанные данные
Информация, генерируемая действиями человека в
повседневных процессах:
Краудсорсинговые данные
- производятся людьми осознанно
- примеры: информация из социальных сетей и мобильных
приложений, Интернет-запросы, «управляемые» данные (сбор
через специальные системы контроля и агрегации информации)
Автоматически генерируемые данные
- производятся автоматически используемыми людьми
устройствами
- примеры: сигналы сотовых телефонов (перемещения, звонки,
использование специальных функций), данные геолокации
(моб. приложения и веб-ресурсы), информация персональных
сенсоров (электронные карты и др.)
9. CONTEXT
Контекст: исследовательские и бизнес-проекты
Исследовательские лаборатории: MIT SENSEable City, UCL CASA, CUSP, ICRI и др.
IT-компании: Cisco, Accela, IBM, Microsoft, Oracle, SAP, Intel, Siemens, Philips и др.
10. Проблема критической дискуссии
1. Новизна тематики и инициатив
ICRI – анонсирован в мае 2012
NYU CUSP – анонсирован в апреле 2012
MIT SENSEable City Lab + MIT CSAIL – старт проекта в Сингапуре в 2011-2012
(в процессе разработки до настоящего времени)
Urban Data/Habidatum – запуск в августе-сентябре 2012
“Городская информатика”, НИУ ИТМО – сентябрь 2013
LSE Urban Data – проведен в марте 2014
Data Science Institute – открыт в апреле 2014
Datapolitan – запуск в июне 2014
… и т.д.
11. 2. Отсутствие единой дисциплины и предмета дискуссии
Пример: выдача результатов по запросам в Google Scholar:
“big data” – 4М/35K
“urban data” – 10K
“spontaneous data” – 2K
“big urban data” – 10
(3 – Rob Kitchin)
“spontaneous urban data” – 0
“urban studies/urban planning” ~ 1M
“computer science” – 2.6M
“data science/data design/data analytics/
data processing” – 2.9M
“urban informatics” - 970
(600 ~ Marcus Foth)
Проблема критической дискуссии
13. “Мобильные” данные
2/3 населения Московской
агломерации немобильны
< 10% - центростремительные
перемещения в Москве
> трети перемещений –
перепробеги, транзит
Ложная субурбия: перемещения
между спальными районами
Москвы не формируют очагов
концентрации и локальных центров
МКАД
ТТК1.4%
13.3%
28.9%
0.3%
0.6%2.2%
5.4%
0.9%
2.9%9.8%
7.0% 6.3%0.6%
1.9%0.4%3.1%
12.6%
0.6%
0.9%
Перемещение (В ПРОЦЕНТАХ ОТ ОБЩЕЙ СУММЫ ПЕРЕМЕЩЕНИЙ)
14. “Семантические” данные
Центр и периферия Москвы
воспринимаются “консервативно” и
“сжато”, а большая часть
пространства города
(семантический “провал”) никак не
комментируется
Отзывы о «периферии» определяют
низкое качество среды и не связаны
с навигацией и реальной географией
(место вместо местоположения)
Спальная периферия упоминается в
разрезе сетки административно-
территориального деления, а не в
категориях локальных районов,
узлов и ядер
19. Динамика функций и смыслов
0
5
10
15
20
25
Позитив
Негатив
Август
Сентябрь
Тональность упоминаний Чистопрудного бульвара в социальных сетях
20.
21.
22.
23.
24. Ограничения текущей работы и
перспективы дальнейших исследований
• Необходимо расширение практической и теоретической
базы: новые города, задачи и типы информации
ß
• Ограниченная детальность методических замечаний
• Недостатки критического анализа научного и
прикладного контекста