La informática urbana es un campo interdisciplinario que pertenece al estudio y aplicación de la tecnología informática en áreas urbanas. Esto implica la aplicación de redes inalámbricas , sensores , potencia computacional y datos para mejorar la calidad de áreas densamente pobladas:
El término "computación urbana" fue introducido por primera vez por Eric Paulos en la conferencia UbiComp de 2004 [1] y en su artículo The Familiar Stranger [2] en coautoría con Elizabeth Goodman . Aunque estrechamente vinculado al campo de la informática urbana , Marcus Foth diferencia los dos en su prefacio al Handbook of Research on Urban Informatics al decir que la informática urbana, la tecnología urbana y la infraestructura urbana se enfocan más en las dimensiones tecnológicas mientras que la informática urbana se enfoca en lo social y lo social. implicaciones humanas de la tecnología en las ciudades. [3]
Dentro del dominio de la informática , la informática urbana se basa en los dominios de las redes inalámbricas y de sensores, la ciencia de la información y la interacción persona-computadora . La informática urbana utiliza muchos de los paradigmas introducidos por la informática ubicua en el sentido de que se utilizan colecciones de dispositivos para recopilar datos sobre el entorno urbano para ayudar a mejorar la calidad de vida de las personas afectadas por las ciudades. Lo que diferencia aún más la computación urbana de las redes tradicionales de teledetección es la variedad de dispositivos, entradas e interacción humana involucradas. En las redes de sensores tradicionales, los dispositivos a menudo se construyen con un propósito y se implementan específicamente para monitorear ciertos fenómenos como la temperatura, el ruido y la luz. [4] Como campo interdisciplinario, la computación urbana también tiene practicantes y aplicaciones en campos que incluyen ingeniería civil , antropología , historia pública , cuidado de la salud , planificación urbana y energía, entre otros. [5]
Aplicaciones y ejemplos
La computación urbana es un proceso de adquisición, integración y análisis de datos grandes y heterogéneos generados por una diversidad de fuentes en espacios urbanos, como sensores, dispositivos, vehículos, edificios y humanos, para abordar los principales problemas que enfrentan las ciudades. La informática urbana conecta tecnologías de detección omnipresentes y discretas, modelos avanzados de análisis y gestión de datos, y métodos de visualización novedosos, para crear soluciones beneficiosas para todos que mejoran el entorno urbano, la calidad de vida humana y los sistemas operativos de la ciudad.
- Yu Zheng, Computación urbana con macrodatos [6]
Archivo cultural
Las ciudades son más que una colección de lugares y personas: los lugares son reinventados y reinventados continuamente por las personas que los ocupan. Como tal, la prevalencia de la informática en los espacios urbanos lleva a las personas a complementar su realidad física con lo que está virtualmente disponible. [7] Con este fin, los investigadores dedicados a la etnografía, la memoria colectiva y la historia pública han aprovechado las estrategias de computación urbana para introducir plataformas que permitan a las personas compartir su interpretación del entorno urbano. Ejemplos de tales proyectos incluyen CLIO, un sistema informático urbano que surgió del estudio Collective City Memory of Oulu, que "permite a las personas compartir recuerdos personales, anotarlos en el contexto y relacionarlos con hitos de la ciudad, creando así la memoria colectiva de la ciudad". [8] y el proyecto Cleveland Historical, que tiene como objetivo crear una historia compartida de la ciudad al permitir que las personas contribuyan con historias a través de sus propios dispositivos digitales. [9]
Consumo de energía
El consumo de energía y la contaminación en todo el mundo se ven fuertemente afectados por el transporte urbano. [10] En un esfuerzo por utilizar y actualizar mejor las infraestructuras actuales, los investigadores han utilizado la computación urbana para comprender mejor las emisiones de gas mediante la realización de estudios de campo utilizando datos GPS de una muestra de vehículos, datos de reabastecimiento de combustible de estaciones de servicio y participantes en línea de autoinforme. [11] A partir de esto, el conocimiento de la densidad y la velocidad del tráfico que atraviesa la red de carreteras de una ciudad se puede utilizar para sugerir rutas de conducción rentables e identificar segmentos de carreteras en los que se ha desperdiciado mucho gas. [12] La información y las predicciones de la densidad de contaminación recopiladas de esta manera también podrían utilizarse para generar alertas de calidad del aire localizadas. [12] Además, estos datos podrían producir estimaciones de los tiempos de espera de las estaciones de servicio para sugerir paradas más eficientes, así como dar una visión geográfica de la eficiencia de la ubicación de las estaciones de servicio. [11]
Salud
Los teléfonos inteligentes, tabletas, relojes inteligentes y otros dispositivos informáticos móviles pueden proporcionar información más allá de la simple comunicación y el entretenimiento. En lo que respecta a la salud pública y personal, organizaciones como el Centro para el Control y la Prevención de Enfermedades (CDC) y la Organización Mundial de la Salud (OMS) han utilizado Twitter y otras plataformas de redes sociales para proporcionar una rápida difusión de brotes de enfermedades, descubrimientos médicos y otros. noticias. Más allá de simplemente rastrear la propagación de enfermedades, la computación urbana puede incluso ayudar a predecirla. Un estudio de Jeremy Ginsberg et al. descubrió que las consultas de búsqueda relacionadas con la influenza sirven como un indicador confiable de un brote futuro, lo que permite el seguimiento de los brotes de influenza en función de la ubicación geográfica de dichas búsquedas relacionadas con la influenza. [13] Este descubrimiento estimuló una colaboración entre los CDC y Google para crear un mapa de brotes de gripe pronosticados basados en estos datos. [14]
La informática urbana también se puede utilizar para rastrear y predecir la contaminación en ciertas áreas. La investigación que involucra el uso de redes neuronales artificiales (ANN) y campos aleatorios condicionales (CRF) ha demostrado que la contaminación del aire para un área grande se puede predecir basándose en los datos de un pequeño número de estaciones de monitoreo de contaminación del aire. [15] [16] Estos hallazgos se pueden utilizar para rastrear la contaminación del aire y prevenir los efectos adversos para la salud en ciudades que ya luchan contra una alta contaminación. En los días en que la contaminación del aire es especialmente alta, por ejemplo, podría haber un sistema para alertar a los residentes sobre áreas particularmente peligrosas.
Interacción social
Se pueden utilizar plataformas informáticas móviles para facilitar la interacción social. En el contexto de la informática urbana, la capacidad de colocar balizas de proximidad en el entorno, la densidad de población y la infraestructura disponible permiten una interacción facilitada digitalmente. El artículo de Paulos y Goodman, The Familiar Stranger, presenta varias categorías de interacción que van desde la familia hasta los extraños e interacciones que van desde las personales hasta las pasajeras. [2] Las interacciones sociales pueden facilitarse mediante dispositivos especialmente diseñados, aplicaciones de proximidad y aplicaciones “participativas”. Estas aplicaciones pueden utilizar una variedad de técnicas para que los usuarios identifiquen dónde se encuentran, desde "registrarse" hasta la detección de proximidad y la autoidentificación. [17] Ejemplos de aplicaciones con conocimiento geográfico incluyen Yik Yak , una aplicación que facilita la interacción social anónima basada en la proximidad de otros usuarios, Ingress que utiliza un juego de realidad aumentada para alentar a los usuarios a interactuar con el área que los rodea y entre ellos, y Foursquare , que ofrece recomendaciones sobre servicios a los usuarios en función de una ubicación específica.
Transporte
Una de las principales áreas de aplicación de la informática urbana es mejorar el transporte público y privado en una ciudad. Las principales fuentes de datos son los datos de automóviles flotantes (datos sobre dónde se encuentran los automóviles en un momento dado). Esto incluye GPS individuales, GPS de taxi, señales WiFI, sensores de bucle y (para algunas aplicaciones) la entrada del usuario. La informática urbana puede ayudar a seleccionar mejores rutas de conducción, lo cual es importante para aplicaciones como Waze, Google Maps y la planificación de viajes. Wang y col. construyó un sistema para obtener estimaciones del tiempo de viaje en tiempo real. Resuelven los problemas: uno, no todos los segmentos de la carretera tendrán datos del GPS en los últimos 30 minutos o nunca; dos, algunas rutas estarán cubiertas por varios registros de automóviles, y es necesario combinar esos registros para crear la estimación más precisa del tiempo de viaje; y tres, una ciudad puede tener decenas de miles de tramos de carreteras y una cantidad infinita de caminos para consultar, por lo que proporcionar una estimación instantánea en tiempo real debe ser escalable. Utilizaron varias técnicas y lo probaron en 32670 taxis durante dos meses en Beijing, y calcularon con precisión el tiempo de viaje con un margen de error de 25 segundos por kilómetro. [6]
Los contadores de bicicletas son un ejemplo de tecnología informática para contar el número de ciclistas en un determinado lugar con el fin de ayudar a la planificación urbana con datos fiables. [18] [19]
Uber es un servicio similar a un taxi a pedido donde los usuarios pueden solicitar viajes con su teléfono inteligente. Al utilizar los datos de los pasajeros y conductores activos, Uber puede discriminar el precio en función de la proporción actual de usuario / conductor. Esto les permite ganar más dinero del que ganarían sin un “aumento de precios” y ayuda a que más conductores salgan a la calle en horarios laborales impopulares. [20]
La informática urbana también puede mejorar el transporte público de forma económica. Un grupo de la Universidad de Washington desarrolló OneBusAway, que utiliza datos de GPS de autobuses públicos para proporcionar información de autobuses en tiempo real a los pasajeros. Colocar pantallas en las paradas de autobús para dar información es costoso, pero desarrollar varias interfaces (aplicaciones, sitio web, respuesta telefónica, SMS) para OneBusAway fue comparativamente barato. Entre los usuarios de OneBusAway encuestados, el 92% se mostró más satisfecho, el 91% esperó menos y el 30% hizo más viajes. [21]
La toma de decisiones sobre la política de transporte también se puede ayudar con la informática urbana. El sistema de alquiler de bicicletas de Londres es un sistema de uso compartido de bicicletas muy utilizado administrado por su autoridad de tránsito. Originalmente, requería que los usuarios tuvieran una membresía. Lo cambiaron para que no requiriera una membresía después de un tiempo, y analizaron los datos de cuándo y dónde se alquilaron y devolvieron las bicicletas, para ver qué áreas estaban activas y qué tendencias cambiaron. Descubrieron que eliminar la membresía fue una buena decisión que aumentó un poco los viajes diarios entre semana y aumentó considerablemente el uso durante los fines de semana. [22] Sobre la base de los patrones y características de un sistema de bicicletas compartidas, se han estudiado las implicaciones de los apoyos de decisiones basados en datos para transformar el transporte urbano para que sea más sostenible. [23]
Ambiente
La informática urbana tiene un gran potencial para mejorar la calidad de vida urbana mejorando el entorno en el que vive la gente, por ejemplo, aumentando la calidad del aire y reduciendo la contaminación acústica. Muchos productos químicos que son indeseables o venenosos están contaminando el aire, como PM 2.5, PM 10 y monóxido de carbono. Muchas ciudades miden la calidad del aire instalando algunas estaciones de medición en toda la ciudad, pero estas estaciones son demasiado caras para cubrir toda la ciudad. Debido a que la calidad del aire es compleja, es difícil inferir la calidad del aire entre dos estaciones de medición.
Se han investigado varias formas de agregar más sensores al paisaje urbano, incluidas las ruedas Copenhagen (sensores montados en ruedas de bicicleta y accionados por el ciclista) y sensores basados en automóviles. Si bien estos funcionan para el monóxido de carbono y el dióxido de carbono, las estaciones de medición de aerosoles no son lo suficientemente portátiles para moverse. [6]
También hay intentos de inferir la calidad del aire desconocida en toda la ciudad solo a partir de las muestras tomadas en las estaciones, por ejemplo, estimando las emisiones de los automóviles a partir de los datos de los automóviles flotantes. Zheng y col. construyó un modelo utilizando aprendizaje automático y minería de datos llamado U-Air. Utiliza datos aéreos históricos y en tiempo real, meteorología, flujo de tráfico, movilidad humana, redes de carreteras y puntos de interés, que se alimentan a redes neuronales artificiales y campos aleatorios condicionales para su procesamiento. Su modelo es una mejora significativa con respecto a los modelos anteriores de calidad del aire en toda la ciudad. [15]
Chet y col. desarrolló un sistema para monitorear la calidad del aire en interiores, que fue implementado internamente por Microsoft en China. El sistema se basa en las unidades HVAC (calefacción, ventilación, aire acondicionado) del edificio. Dado que los HVAC filtran el aire de PM 2.5, pero no verifique si es necesario, el nuevo sistema puede ahorrar energía al evitar que los HVAC funcionen cuando no sean necesarios. [24]
Otra fuente de datos son los datos de las redes sociales. En particular, las etiquetas de imágenes georreferenciadas se han utilizado con éxito para inferir mapas de olores [25] [26] (vinculados a la calidad del aire) y mapas de paisajes sonoros [27] (vinculados a la calidad del sonido) a nivel de ciudad.
Ver también
- Computación ubicua
- Informática urbana
- Ciudad inteligente
- Contadores de bicicletas
- Ingreso
Referencias
- ^ Paulos, Eric; Anderson, Ken; Townsend, Anthony (7 de septiembre de 2004). UbiComp en la frontera urbana (discurso). Sexta Conferencia Internacional sobre Computación Ubicua (taller). Nottingham, Inglaterra.
- ^ a b Paulos, Eric; Goodman, Elizabeth (2004). El extraño familiar: ansiedad, comodidad y juego en lugares públicos . Actas de la Conferencia SIGCHI sobre factores humanos en sistemas informáticos. Nueva York, Nueva York, Estados Unidos: ACM Press. págs. 223-230. doi : 10.1145 / 985692.985721 . ISBN 1-58113-702-8.
- ^ Foth, Marcus (2009). Manual de investigación en informática urbana: la práctica y la promesa de la ciudad en tiempo real . Hershey, PA: Information Science Reference. ISBN 978-1-60566-152-0. OCLC 227572898 .
- ^ Akyildiz, IF; Su, W .; Sankarasubramaniam, Y .; Cayirci, E. (2002). "Redes de sensores inalámbricos: una encuesta". Redes informáticas . 38 (4): 393–422 [395]. CiteSeerX 10.1.1.320.5948 . doi : 10.1016 / S1389-1286 (01) 00302-4 .
- ^ Kukka, Hannu; Ylipulli, Johanna; Luusua, Anna; Dey, Anind K. (2014). Computación urbana en teoría y práctica . Actas de la 8ª Conferencia Nórdica sobre Interacción Hombre-Computadora: Diversión, Rápida, Fundacional (NordiCHI '14). Nueva York, Nueva York, Estados Unidos: ACM Press. págs. 658–667. doi : 10.1145 / 2639189.2639250 . ISBN 978-1-4503-2542-4.
- ^ a b c Zheng, Yu; Capra, Licia; Wolfson, Ouri; Yang, Hai (18 de septiembre de 2014). "Computación Urbana". Transacciones ACM sobre tecnología y sistemas inteligentes . Asociación de Maquinaria de Computación (ACM). 5 (3): 1–55. doi : 10.1145 / 2629592 . ISSN 2157-6904 .
- ^ Kukka, Hannu; Luusua, Anna; Ylipulli, Johanna; Suopajärvi, Tiina; Kostakos, Vassilis; Ojala, Timo (2014). "Del cyberpunk a la informática urbana tranquila: explorando el papel de la tecnología en el futuro paisaje urbano". Pronóstico tecnológico y cambio social . 84 : 29–42. doi : 10.1016 / j.techfore.2013.07.015 .
- ^ Christopoulou, Eleni; Ringas, Dimitrios; Stefanidakis, Michail (2012). Experiencias del Impacto de la Computación Urbana en la Cultura Urbana . XVI Congreso Panhelénico de Informática (PCI). IEEE. pp.56,61. doi : 10.1109 / pci.2012.53 . ISBN 978-1-4673-2720-6.
- ^ "Acerca de Cleveland Historical" . Histórico de Cleveland . Consultado el 22 de abril de 2015 .
- ^ "Emisiones de gases de efecto invernadero: emisiones del sector de transporte - cambio climático - EPA de Estados Unidos" . epa.gov . 2012-03-16. Archivado desde el original el 4 de julio de 2014.CS1 maint: URL no apta ( enlace )
- ^ a b Zhang, Fuzheng; Wilkie, David; Zheng, Yu; Xie, Xing (2013). Detectar el pulso del comportamiento de reabastecimiento de combustible urbano . UbiComp '13: Actas de la conferencia conjunta internacional ACM 2013 sobre computación ubicua y ubicua. Nueva York, Nueva York, Estados Unidos: ACM Press. págs. 13-22. doi : 10.1145 / 2493432.2493448 . ISBN 978-1-4503-1770-2.
- ^ a b Shang, Jingbo; Zheng, Yu; Tong, Wenzhu; Chang, Eric; Yu, Yong (2014). Inferir el consumo de gas y la emisión de contaminantes de los vehículos en toda una ciudad . KDD '14: Actas de la 20ª conferencia internacional ACM SIGKDD sobre descubrimiento de conocimiento y minería de datos. Nueva York, Nueva York, Estados Unidos: ACM Press. págs. 1027–1036. doi : 10.1145 / 2623330.2623653 . ISBN 978-1-4503-2956-9.
- ^ Ginsberg, J; et al. (2009). "Detección de epidemias de influenza utilizando datos de consulta del motor de búsqueda". Naturaleza . 457 (7232): 1012–1014. Código Bibliográfico : 2009Natur.457.1012G . doi : 10.1038 / nature07634 . PMID 19020500 .
- ^ "Tendencias de la gripe de Google" . Consultado el 21 de abril de 2015 .
- ^ a b Zheng, Yu; Liu, Furui; Hsieh, Hsun-Ping (2013). U-Air: cuando la inferencia de la calidad del aire urbano se encuentra con big data . KDD '13: Actas de la 19ª conferencia internacional ACM SIGKDD sobre descubrimiento de conocimiento y minería de datos. Nueva York, Nueva York, Estados Unidos: ACM Press. págs. 1436-1444. doi : 10.1145 / 2487575.2488188 . ISBN 978-1-4503-2174-7.
- ^ Zheng, Yu; Chen, Xuxu; Jin, Qiwei; Chen, Yubiao; Qu, Xiangyun; Liu, Xin; Chang, Eric; Ma, Wei-Ying; Rui, Yong; Sol, Weiwei (2014). "Un sistema de descubrimiento de conocimientos basado en la nube para monitorear la calidad del aire de grano fino" (PDF) . MSR-Tr-2014-40 . Archivado desde el original (PDF) el 24 de febrero de 2019.
- ^ Jabeur, Nafaâ; Zeadally, Sherali; Sayed, Biju (1 de marzo de 2013). "Aplicaciones de redes sociales móviles". Comunicaciones de la ACM . Asociación de Maquinaria de Computación (ACM). 56 (3): 71. doi : 10.1145 / 2428556.2428573 . ISSN 0001-0782 .
- ^ Magni, Marie (6 de junio de 2012). "Ciudades ciclistas premiadas con contadores de bicicletas" . Embajada ciclista de Dinamarca . Consultado el 25 de abril de 2020 .
- ^ "Fahrradbarometer" . hamburg.adfc.de (en alemán) . Consultado el 25 de abril de 2020 .
- ^ "Fijación de precios del aumento" . Intercambio gratuito. The Economist . 2014-03-29.
- ^ Ferris, Brian; Watkins, Kari; Borning, Alan (2010). OneBusAway: resulta de proporcionar información de llegada en tiempo real para el transporte público . CHI '10: Actas de la Conferencia SIGCHI sobre factores humanos en sistemas informáticos. Nueva York, Nueva York, Estados Unidos: ACM Press. págs. 1807–1816. doi : 10.1145 / 1753326.1753597 . ISBN 978-1-60558-929-9.
- ^ Lathia, Neal; Ahmed, Saniul; Capra, Licia (2012). "Midiendo el impacto de abrir el esquema de bicicletas compartidas de Londres a los usuarios ocasionales". Investigación del transporte Parte C: Tecnologías emergentes . Elsevier BV. 22 : 88-102. doi : 10.1016 / j.trc.2011.12.004 . ISSN 0968-090X .
- ^ Xie, Xiao-Feng; Wang, Zunjing (2018). "Examinar los patrones de viaje y las características en una red de bicicletas compartidas y las implicaciones para los soportes de decisiones basados en datos: estudio de caso en el área de Washington DC". Revista de Geografía del Transporte . 71 : 84-102. arXiv : 1901.02061 . Código bibliográfico : 2019arXiv190102061X . doi : 10.1016 / j.jtrangeo.2018.07.010 .
- ^ Chen, Xuxu; Zheng, Yu; Chen, Yubiao; Jin, Qiwei; Sun, Weiwei; Chang, Eric; Ma, Wei-Ying (2014). Sistema de monitorización de la calidad del aire interior para edificios inteligentes . UbiComp '14: Actas de la Conferencia conjunta internacional de ACM 2014 sobre computación ubicua y ubicua. Nueva York, Nueva York, Estados Unidos: ACM Press. págs. 471–475. doi : 10.1145 / 2632048.2632103 . ISBN 978-1-4503-2968-2.
- ^ Quercia, Daniele; Schifanella, Rossano; Aiello, Luca Maria; Kate, McLean (2015). "Mapas malolientes: la vida digital de los paisajes olfativos urbanos". AAAI Icwsm . 3 (3). arXiv : 1505.06851 . Código bibliográfico : 2015arXiv150506851Q .
- ^ Quercia, Daniele; Schifanella, Rossano; Aiello, Luca Maria (2016). "Las capas emocionales y cromáticas de los olores urbanos" . AAAI Icwsm . arXiv : 1605.06721 . Código bibliográfico : 2016arXiv160506721Q .
- ^ Aiello, Luca Maria; Schifanella, Rossano; Quercia, Daniele; Aletta, Francesco (2016). "Mapas de Chatty: construcción de mapas de sonido de áreas urbanas a partir de datos de redes sociales" . Ciencia Abierta de la Royal Society . 3 (3): 150690. arXiv : 1603.07813 . Código bibliográfico : 2016RSOS .... 350690A . doi : 10.1098 / rsos.150690 . PMC 4821272 . PMID 27069661 .