IDC預計，2015-2020中國GDP年均增長仍然可以達到6.5%左右，2020年GDP將達到17.5萬億美元，占到全球的17%，接近西歐的水平，穩居全球第2位。中國ICT市場也將穩步成長，預計到2020年，中國IT與電信服務市場將雙雙達到3000億美元，2013-2020年的年均增長達到7.0%，2013-2020ICT市場累計總量規模達到3.8萬億美元。
未來，以大數據應用為主的五大趨勢將成為主流。1）中國整體IT市場低速增長將成為新常態，但細分領域依然商機巨大，特別是第3平臺及大數據相關領域。2）“互聯網＋”概念的普及將大幅提高企業效率、營銷能力、產品與服務質量，并促進創新，大數據的應用將成為互聯網＋的助推器。3）“大企業面臨的挑戰越來越大，平臺、服務、整合、國際化、創業是發展方向，數據整合與集中將會先行，這將給IT廠商帶來巨大商機。4）跨界、融合、新的生態系統將不斷涌現，數據即服務成為新的商業模式。5）基于巨大人口紅利的大數據將在智慧城市和物聯網領域發揮巨大作用，也將產生巨大商機。
了解大數據才能有效運用
在真正使用大數據前，我們先來了解大數據。相較於傳統數據，大數據至少具有三個差異極大的特性。首先是數據量(Volume)，如果換算成數位數據單位，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數據，也是大數據應用必須思考的重點；其次是時效性(Velocity)，即使是這麼大的數據量，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數據，卻在隔年才出版，曠日廢時的結果，往往會讓數據分析結果失真。
PredPol應用大數據分析技術，預測出犯罪機率高甚至下一次可能發生犯罪情況的區域，并於地圖上標示出一塊塊500平方英尺的區域，供警察參考。Predpol
最後也是最大的差別，就是數據的多樣性(Variety)，傳統的數據通常有明確的結構性，選項也比較少，如年齡、性別、等級等，但大數據可能會有各種形式，包括文字、影音、圖像、網頁等，不但沒有明顯的結構，而且大數據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，傳統的數據收集方式，顯然已經不能滿足城市安防對於大數據的需求，所幸在物聯網(Internetof Things；IoT)、云端運算及4G無線寬頻等技術的發展下，要取得物與物、物與人、人與人的互聯互通數據，技術上已不是問題，但必須得先迅速建構起收集、傳遞及儲存大數據的基礎建設，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，因為想要做好大數據深度分析，就必須要有能力針對復雜且開放式的問題尋找答案，并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。然而大數據具有的超大量半結構化/非結構化數據的特性，往往會造成傳統關聯式數據庫管理系統(RDBMS)的運作瓶頸，必須要導入全新的大數據分析工具，方能真正靈活運用大數據。
此外，大數據的價值既然遠超過傳統數據，大數據的真實、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數據更有價值，必須要采取公開透明的數據使用機制，當公共事業的數據開放愈多，可能被入侵的機會也愈高，因此想要利用大數據來解決城市安防的問題，首先就得先做好大數據的保護，因此資安技術的導入及專業人員的配置，絕對不能輕忽。
大數據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數據、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只占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Phtho Map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，等於也展示了公衛數據開放使用的過程。
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，并且深入研究，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年的公開犯罪統計數據，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，再根據前述數據中的犯罪行為模式，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，就是典型的將傳統數據變成大數據加以運用的范例。
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數據檔，甚至早己針對犯罪可能性較高的區域或場所加強巡邏。但Pred Pol利用大數據分析技術，從容易滋養犯罪事件的場所(如曾經發生斗毆事件的酒吧)、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。
雖然將大數據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，運用大數據顯然可以提升城市安防的工作效率。
更多數據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，但龐大的影像數據要如何分析，卻也成為城市治理者的一大難題。所幸大數據技術，正可以針對影像這種非結構性數據加以分析，讓視訊監控數據得以有效利用。
大數據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，也都需要以大數據為基礎，而這些不同類型的數據產生更多的關聯，自然也需要更深入的數據分析能力，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，更可看出大數據在城市安防的應用潛力。
京公網安備 11010502049343號