اینترنت اشیا و برنامه‌های کاربردی کلان داده‌ها در شهرهای هوشمند پایدار

چکیده

شهر هوشمند پایدار پدیدۀ جدید فناورانۀ شهری است که درنتیجۀ توسعۀ سه روند مهم جهانی یعنی انتشار پایداری ،گسترش شهرنشینی و فناوری اطلاعات و ارتباطات به وجود آمده است. شهر هوشمند پایدار، شهری نوآورانه است که از فناوری‌های اطلاعات و ارتباطات و دیگر ابزارها برای بهبود کیفیت زندگی، ارتقای کارایی عملیات شهری، افزایش سطح خدمات و رقابت استفاده می‌کند تا از انطباق نیازهای نسل‌های کنونی و آینده با توجه به جنبه‌های اقتصادی، اجتماعی و زیست‌محیطی اطمینان حاصل شود. اینترنت اشیا³ یکی از مؤلفه‌های اصلی زیرساخت‌های فناوری اطلاعات و ارتباطات شهرهای هوشمند پایدار است که، به علت داشتن پتانسیل بسیار بالا برای پیشبرد پایداری محیط‌زیست، یک رویکرد توسعۀ شهری معرفی می‌شود. اینترنت اشیا یکی از منابع اصلی ایجاد کلان داده است و تجزیه‌وتحلیل کلان داده به‌وضوح در حال نفوذ در بسیاری از حوزه‌های شهری برای بهینه‌سازی بهره‌وری انرژی و کاهش آثار مخرب زیست‌محیطی است. در این مقاله فرصت توسعۀ چشم‌انداز اطلاعاتی شهرهای هوشمند، با استفاده از کلان داده، برای دستیابی به سطح مطلوب پایداری محیطی بررسی می‌شود. در این راستا، چارچوبی تحلیلی و کامل و همچنین برنامه‌های کاربردی مرتبط با کلان داده درزمینۀ شهرهای هوشمند پایدار تشریح شده است. واژگان كليدی: شهر هوشمند پایدار ، اینترنت اشیا ، داده‌کاوی ، پردازش کلان داده ، فناوری اطلاعات و ارتباطات

مقدمه

مفهوم «شهرهای هوشمند»، در طول سال‌های اخیر، به‌عنوان شکلی جدید از توسعۀ پایدار گسترش‌یافته و نشان‌دهندۀ مدلی شهری است که به همۀ رویکردهای جایگزین برای بهبود کیفیت و عملکرد خدمات شهری به‌منظور تعامل بهتر بین شهروندان و دولت اشاره می‌کند. فضای شهری مدرن با داده‌ها سروکار دارد و همین امر چالش‌ها و فرصت‌های بسیاری در این زمینه ایجاد کرده است. منابع اطلاعاتی جدید فرصت‌هایی را برای برنامه‌های جدید فراهم می‌کنند تا کیفیت زندگی شهروندان را بهبود بخشند . کاوش داده‌های شهری به تلاش‌های بین‌رشته‌ای بسیار نیاز دارد و علاقۀ جوامع تحقیقاتی حوزه‌های گوناگون ازجمله داده‌کاوی و یادگیری ماشین، علوم انرژی و محیط‌زیست، علوم اجتماعی ،بهینه‌سازی، برنامه‌ریزی شهری و حمل‌ونقل را به خود جلب می‌کند )^{Katakis, 2015}). داده‌های شهری معمولاً مربوط به فعالیت‌های انسانی است که، علاوه بر پیچیدگی زیاد، حفظ حریم خصوصی و امنیت یک نگرانی برای آن‌هاست)^{Katakis, 2015}). شهروندان در انواع شبکه‌های اجتماعی و برنامه‌های کاربردی تلفن همراه خود، بابیان احساسات و تعامل با یکدیگر، به‌عنوان «حسگرهای اجتماعی» عمل می‌کنند)Andrienko et al, 2016). در دسترس بودن داده‌های مربوط به افراد امکان استفادۀ بالقوه از مقادیر مکان‌های جغرافیایی را به‌عنوان یک منبع کم‌هزینه و بدون نیاز به زیرساخت اطلاعات برای سنجش شهری در شهرهای هوشمند فراهم می‌کند. تمام این جنبه‌ها، همراه با نیاز به تجزیه‌وتحلیل در زمان واقعی برای حس‌گرهای شهری، به مدیریت کلان داده‌ها و مسائل مربوط به آن مرتبط است)^Xiwei ^et ^{al, 2017}). داده‌های تحلیل مسیر برای نشان دادن مسیر مطلوب، با توجه به موقعیت فعلی و مقصد موردنظر، استفاده می‌شوند. پیشرفته‌ترین سیستم‌های مسیریابی، ترافیک در زمان واقعی را در نظر می‌گیرند و با پیش‌بینی ترافیک مسیرهای مختلف با استفاده از فیلدهای مکانی ـ زمانیِ تصادفی، که از داده‌های پیشین ترافیک برای پیش‌بینی بهره می‌گیرند، بهترین مسیر را پیشنهاد می‌دهند)Andrienko et al, 2017). ظهور اینترنت اشیا و فناوری اطلاعات و ارتباطات مفاهیم بسیاری را تغییر داده است که «شهر هوشمند» یکی از آن‌هاست. این موضوع در چند سال اخیر در عرصۀ سیاست کاملاً مطرح بوده است )Caragliu et al, 2011; Fox and Pettit, 2015( و امروزه از طریق ماهیت و ابعاد خاص خود، که شامل افراد، اقتصاد، تحرک، محیط طبیعی، زیرساخت‌های فناوری اطلاعات، شیوۀ زندگی و مدیریت عمومی است، جهان را تسخیر کرده است)^Ojo ^et ^{al, 2016}). این مفهوم را تعدادی از شرکت‌های فناوری )مانند: سیسکو ،مایکروسافت، اچ پی ، آی بی ام، زیمنس، اوراکل( از سال 2005 مطرح کردند)Harrison and donnelly, 2011 ). آی بیام شهر هوشمند را این‌گونه تعریف می‌کند: «آنچه استفاده از تمام اطلاعات مرتبط در دسترس امروز را برای درک بهتر، کنترل عملیات و استفاده از منابع محدود بهینه‌سازی می‌کند » )^{1102 ,}.^Kehoe ^et ^al). سیسکو شهر هوشمند را راهکارهای مقیاس‌پذیری تعریف می‌کند که از فناوری اطلاعات و ارتباطات برای افزایش کارایی، کاهش هزینه‌ها و افزایش کیفیت زندگی استفاده می‌کنند)^Falconer ^and ^{Mitchell, 2013}). بنابراین، شهرهای هوشمند از فناوری اطلاعات و ارتباطات برای هوشمندی و کارآمد بودن در استفاده از منابع بهره می‌گیرند تا کیفیت زندگی جمعیت شهری را به حداکثر برسانند .شهر هوشمند مبتنی بر زیرساخت اطلاعات توزیع‌شده و مستقل شامل میلیون‌ها منبع اطلاعاتی است و انتظار می‌رود در آن بیش از 50میلیارد دستگاه، با استفاده از اینترنت اشیا یا سایر فناوری‌های مشابه، در سال 2020 به یکدیگر متصل شوند)^Ben ^{Sta, 2017}). اینترنت اشیا یکی از مؤلفه‌های اصلی زیرساخت‌های فناوری اطلاعات و ارتباطات شهرهای هوشمند پایدار است که به علت پتانسیل بسیار بالا برای پیشبرد پایداری محیط‌زیست رویکرد توسعۀ شهری معرفی می‌شود. اینترنت اشیا با تجزیه‌وتحلیل کلان داده‌ها مرتبط است که به‌وضوح در حال نفوذ در بسیاری از حوزه‌های شهری برای بهینه‌سازی بهره‌وری انرژی و کاهش آثار مخرب زیست‌محیطی است. این امر عمدتاً به استفادۀ مؤثر از منابع طبیعی، مدیریت هوشمند زیرساخت‌ها و تسهیلات و ارتقای خدمات ارائه‌شده برای حمایت از محیط‌زیست مربوط می‌شود. به همین ترتیب، برنامه‌های مرتبط با کلان داده‌ها و اینترنت اشیا در تسهیل و بهبود روند توسعۀ پایدار محیط‌زیست تأثیر بسزایی دارند)^{Bibri, 2018}). پیش‌بینی می‌شود که تغییر فناورانۀ عظیمی با درهم آمیختن فناوری اطلاعات و ارتباطات و سیستم‌ها و حوزه‌های شهری به وقوع بپیوندد. اینترنت اشیا در حکم یک فناوری انسانی ـ اجتماعی، به تحولات شدید زیست‌محیطی و فناورانۀ شهری، به لحاظ پیچیدگی و تنوع، منجر می‌شود. قابلیت کلان داده‌ها عامل اصلی برای تحقق برنامه‌های جدید مربوط به اینترنت اشیا در نظر گرفته‌شده است. در کل گسترش اینترنت اشیا، به‌منزلۀ یک پارادایم محاسباتی و روند تحلیلی کلان داده‌ها، باعث ارتقای ابتکارات و برنامه‌های شهر هوشمند پایدار در حوزۀ زیست‌محیطی و فناوری کشورهای پیشرفته می‌شود)Bibri and Krogstie, 2016). اینترنت اشیا قابلیت یکپارچه‌سازی سازه‌های دیجیتال و فیزیکی را ایجاد می‌کند و کلاسی سطحی کاملاً جدید از برنامه‌های کاربردی کلان داده‌ها و خدمات فراهم می‌کند که باید با توجه به پایداری محیط‌زیست استفاده شوند. در محدودۀ شهرهای هوشمند پایدار، افزایش حجم تولید داده‌ها فراتر از تصور است و حجم وسیعی از اطلاعات، که در حال حاضر از حوزه‌های گوناگون شهری در دسترس‌اند، به اندازه‌های ارزشمند است که می‌توان با همکاری برنامه‌ریزان شهری و متخصصان فناوری اطلاعات و ارتباطات برای پیشرفت پایداری محیطی از آن بهره برد. فناوری‌های مطرح در اینترنت اشیا شامل انواع حس‌گرها، سیستم‌های پردازش داده، شبکه‌های ارتباطی بی سیم و فعال سازه ای سیستم‌ها در محیط فیزیکی است)^{Bibri, 2015}). باوجود افزایش تحقیقات دربارۀ اینترنت اشیا و برنامه‌های مرتبط با داده‌های توسعۀ شهری، بخش عمدهای از کارها عمدتاً باهدف رشد اقتصادی و کیفیت زندگی در قلمرو شهرهای هوشمند است)4102 ,.Zanella et al). مسئلۀ اصلی پژوهش که باید مدنظر قرار گیرد این است که: «چگونه و به چه میزان می‌توان چشم‌انداز اطلاعاتی شهرهای هوشمند پایدار را با استفاده از اینترنت اشیا و برنامه‌های پردازش کلان داده‌ها، با توجه به پایداری زیست‌محیطی، افزایش داد؟» در حال حاضر، کمبود راهکارهاي نوآورانه بر اساس برنامه‌های مرتبط با کلان داده‌ها و اینترنت اشیا احساس می‌شود؛ برنامه‌هایی که بتوانند سهم مؤثری در توسعۀ پایدار زیست‌محیطی داشته باشند. در این مقاله، فرصت ارتقای چشم‌انداز اطلاعاتی شهرهای هوشمند با استفاده از کلان داده‌ها برای دستیابی به سطح موردنیاز پایداری محیطی بررسی می‌شود. در این راستا ،چارچوبی تحلیلی و کامل عرضه‌شده و همچنین برنامه‌های کاربردی مرتبط با کلان داده‌ها درزمینۀ شهرهای هوشمند پایدار تشریح شده است. ذیل هر برنامۀ کاربردی یک نمونه از شهرهای هوشمندی که در حال حاضر مدنظر قرارگرفته و بر آن تمرکز شده آورده شده است. این پژوهش پایه‌ای برای محققان شهری به‌منظور ایجاد چارچوب‌های تحلیلی در تحقیقات آینده فراهم می‌کند. چارچوب معرفی‌شده می‌تواند توسعه یابد، آزمایش شود و در تحقیقات تجربی ارزیابی شود و به مطالعات عمیق‌تر درزمینۀ شهرهای هوشمند پایدار بینجامد.

تحلیل موضوعی )بررسی مفاهیم و تعاریف اصلی تحقیق(

گام‌های اصلی تحلیل موضوعی این مطالعه به شرح زیر است: 1( بررسی شهر هوشمند، شهر هوشمند پایدار، اینترنت اشیا ،تجزیه‌وتحلیل کلان داده‌ها و دیگر حوزه‌های بین‌رشته‌ای که مربوط به پایداری محیطی است. هدف تحلیل مدل شهر هوشمند پایدار است که بر فناوری‌های بهره‌وری انرژی و سایر راه‌حل‌های زیست‌محیطی مبتنی بر فناوری اطلاعات و ارتباطات،اینترنت اشیا و تجزیه‌وتحلیل کلان داده‌ها تأکید می‌کند. نتایج این فرایند شامل حوزه‌های موضوعیِ گوناگون ازجمله برنامه‌های کاربردی ،فناوری حسگر، برنامه‌های پردازش داده‌ها و مدل‌های محاسباتی شهرهای هوشمند پایدار می‌شود. 2( شناسایی و بررسی کامل یک مدل خاص و متمایز از شهرهای هوشمند پایدار در آینده. 3( معرفی شهرهای هوشمند متمرکز بر هر حوزه از برنامه‌های کاربردی شهرهای هوشمند پایدار.

1-1. شهر هوشمند

تعاریف شهر هوشمند متفاوت است و محققان بسیاری در این زمینه تحقیق کرده‌اند. کارالیو و همکارانش معتقدند در سال‌های اخیر «شهرهای هوشمند» در مفهوم شکل جدید توسعۀ پایدار مرکز توجه بسیاری بوده‌اند. آن‌ها تعریفی متمرکز و عملیاتی از ساختار شهر هوشمند ارائه می‌دهند. از دیدگاه آن‌ها، زمانی یک شهر هوشمند است که سرمایه‌گذاری در نیروی انسانی و سرمایۀ اجتماعی به تقویت پایداری اقتصادی و کیفیت بالای زندگی به همراه مدیریت عاقلانۀ منابع طبیعی منجر شود)^Caragliu ^et ^{al, 2011}). هریسون و دانلی شهر هوشمند را سیاستی جدید برای برنامه‌ریزی شهری معرفی کرده‌اند که، با استفاده از ترکیب سیستم‌های اطلاعات پیچیده، عملکرد زیرساخت‌های شهری و خدمات مانند ساختمان‌ها، حمل‌ونقل، توزیع برق و آب و امنیت عمومی را ادغام می‌کند)Harrison and Donnelly, 2011). عَلَم و همکارانش شهر هوشمند را استفاده از زیرساخت‌های فناوری اطلاعات، منابع انسانی، سرمایۀ اجتماعی و منابع زیست‌محیطی به‌منظور تضمین توسعۀ اقتصادی، پایداری اجتماعی و تضمین کیفیت بالای زندگی انسانی معرفی می‌کنند . شهر هوشمند برای توسعۀ پایدار شهری حیاتی است و بسیاری از مشکلات بحرانی را که با روند فشرده‌سازی شهرنشینی فعلی ایجادشده مانند ترافیک، آلودگی محیط‌زیست و محدودیت منابع طبیعی کاهش می‌دهد)Alam et al, 2016). شورابی و همکارانش تعریف مفهومی جامعی از شهر هوشمند ارائه داده‌اند و آن را سیستم طبیعی و ارگانیک بزرگی معرفی کرده‌اند که بسیاری از زیرسیستم‌ها و اجزا را به هم متصل می‌کند. به اعتقاد آن‌ها هوش جدید شهرها در ترکیب بهبوددهنده و مؤثر شبکه‌های مخابراتی دیجیتال )به‌منزلۀ اعصاب(، اطلاعات جاسازی‌شده )به‌منزلۀ مغز(، حسگرها و برچسب‌ها )به‌منزلۀ اندام‌های حسی( و نرم‌افزار )به‌منزلۀ دانش و صلاحیت شناختی( مستقرشده است )Chourabi et al, 2012). در تعریفی کامل، شهرهاي هوشمند شهرهایي با زیربناهاي هوشمند فیزیکي، اجتماعي و اقتصادي با اطمینان از تمرکز شهروندان بر ویژگی‌های اساسی همچون اقتصاد هوشمند، تحرک هوشمند، افراد هوشمند، محیط هوشمند ، زندگی هوشمند و حکومت‌داری هوشمند در یک محیط پایدار و همچنین استفادۀ راهبردی از فناوری‌های جدید و رویکردهای نوآورانه برای افزایش کارایی و رقابت‌پذیری شهرها معرفی‌شده‌اند))Ojo et al, 2016.

. مزایای اتخاذ رویکرد شهر هوشمند

با استفاده از فناوری اطلاعات و ارتباطات در شهرهای هوشمند، می‌توان مزایای گوناگونی را پیش‌بینی کرد:

کاهش استفاده از منابع حیاتی و آب، و کاهش میزان CO2؛
استفاده صحیح از محدودیت‌های اساسی موجود و پس‌ازآن افزایش رضایت شخصی و کاهش نیاز به سرمایه‌گذاری‌های ریسک‌پذیر متداول؛
برنامه‌ریزی سیاست‌های جدید برای ساکنان شهرها و حومۀ آن‌ها، برای مثال دستورالعمل چگونگی مقابله با سوءاستفاده از روش‌های گوناگون حمل‌ونقل .
افزایش سرمایه‌گذاری‌های تجاری از طریق توزیع اطلاعات پیوسته دربارۀ فعالیت‌های ادارۀ شهرستان‌ها .
مشخص کردن چگونگی درخواست منابع حیاتی، آب و حمل‌ونقل در مقیاس شهرستان‌ها به‌طوری‌که مسئولان شهرستان‌ها بتوانند برای تعدیل نیازها و افزایش انعطاف‌پذیری با هم همکاری کنند. این مزیت از پیشرفت اخیر در نوآوری به‌دست‌آمده است.
دسترسی از راه دور به حس‌گرهای پیشرفته و چارچوب‌های کنترل رایانه‌ای برای کنترل و بهره‌برداری از زیرساخت‌های شهری .این حسگرهای متحرک چارچوب‌های مدیریت ساختمان، ابزار و مقیاس‌های کامپیوتری و… را دربر می‌گیرد .
توسعه و تغییر سیستم‌های کنترل از راه دور که اجازه می‌دهد حسگرها و چارچوب‌ها با تمرکز در کنترل با هم مرتبط شوند و داده‌هایشان را مبادله کنند .
بهبود روش‌های مدیریت داده‌ها، به‌ویژه مدل‌های معنایی نهادینه‌شده، که اجازه می‌دهد داده‌های سطح پایین رمزگشایی و آمادۀ انتقال شوند .
پیشرفت قدرت محاسباتی جدید که بررسی جریان داده‌ها ،به‌مثابۀ یک مفهوم «ثابت»، را باهدف تغییر عملیات اجرایی و بخش‌های مختلف دانش ممکن می‌سازد)^{Ben Sta, 2017}).

اطلاعات و داده‌های شهر هوشمند

شکل1: منابع اطلاعاتی شهرهای هوشمند

اشیا، افراد، فرایندها و دستگاه‌ها از طریق زیرساخت‌های متصل به اینترنت در شهرهای هوشمند با یکدیگر ارتباط برقرار می‌کنند و حجم زیادی از اطلاعات را تولید می‌کنند، مانند حسگرها ، پایگاه‌های داده، رسانه‌ها و… . ظهور فناوری اطلاعات و ارتباطات منابع دیگر اطلاعات ازجمله: محاسبات ابری،^{^[3]} اینترنت اشیا و جمع سپاری^{^[4]} را توسعه می‌دهد. در شکل 1 منابع اطلاعات در شهرهای هوشمند خلاصه‌شده است)^Ben ^{Sta, 2017}). جمع سپاری یا انبوه سپاری ترکیبی از دو واژۀ جمعیت و برون‌سپاری به معنای برون‌سپاری به انبوه مردم است. جمع سپاری نوعی برون‌سپاری است، ولی نه به شرکت‌ها یا سازمان‌های خاص بلکه به گروهی از افراد ناشناخته. ناشناخته به این معنا که یک شرکت نمی‌تواند مجموعه افراد ایده آل برای خود را تأمین نماید. این مجموعه هم شامل افراد کارآمد و هم افراد بی‌تجربه می‌شود. جمع سپاری، در تلاش برای جذب ایده‌های جدید در فرایند نوآوری بسیاری از بنگاه‌ها، امروزه در حال گسترش حوزه‌های مدیریت دانش و برون‌سپاری خلاقیت است. این ایده را هاو مطرح کرد)^{Howe, 2006}).

شهر هوشمند پایدار

مفهوم شهرهای هوشمند پایدار از سه روند مهم جهانی یعنی انتشار پایداری، گسترش شهرنشینی و فناوری اطلاعات و ارتباطات منتج شده است .توسعۀ پایداری، شهرنشینی و فناوری اطلاعات و ارتباطات اخیراً تحت پوشش «شهرهای هوشمند پایدار» بیان می‌شوند)Höjer and Wangel, 2015). بر این اساس، شهر هوشمند پایدار پدیدۀ جدید فناورانه ـ شهری است که در اواسط سال 2010 به وجود آمده است. اصطلاح «شهر هوشمند پایدار»، اگرچه همیشه به‌صراحت موردبحث قرار نمی‌گیرد، برای توصیف شهری است که توسعۀ فراگیر فناوری اطلاعات و ارتباطات پیشرفته و استفادۀ گسترده از آن در سیستم‌های مختلف شهری شهر را چنان تجهیز می‌کند که با استفاده از ابزارهای ایمن ، پایدار و کارآمدِ کنترل، نتایج اقتصادی و اجتماعی منابع موجود را کنترل کند)7102 ,.Ahvenniemi et al). ترکیبی از شهرهای هوشمند و شهرهای پایدار در تعاریف موجود کمتر شناخته‌شده است. اتحادیۀ بین‌المللی مخابرات )^{ITU, 2014}(، با تجزیه‌وتحلیل حدود 120 تعریف، تعریفی جامع برای شهرهای هوشمند پایدار ارائه کرده است: « : شهر هوشمند پایدار، شهری نوآورانه است که در آن از فناوری‌های اطلاعات و ارتباطات و دیگر ابزارها برای بهبود کیفیت زندگی ،کارایی عملیات شهری، خدمات و رقابت استفاده می‌شود تا از تطبیق نیازهای نسل‌های کنونی و آینده، با توجه به جنبه‌های اقتصادی، اجتماعی و زیست‌محیطی، اطمینان حاصل شود.»

پردازش کلان داده‌ها: ویژگی‌ها و تکنیک‌ها

اصطلاح «کلان داده‌ها» برای توصیف رشد، تکثیر، ناهمگونی ،پیچیدگی، دسترسی، زمان‌بندی، تغییرپذیری و استفاده از داده‌ها در حوزه‌های کاربردی مختلف استفاده می‌شود. ویژگی‌های مذکور پردازش کلان داده‌ها را از قابلیت‌های محاسباتی و تحلیلی برنامه‌های کاربردی استاندارد و زیرساخت‌های مرسوم پایگاه داده خارج می‌کند. سیستم‌های تحلیلی سنتی برای مدیریت کلان داده‌ها مناسب نیستند. این بدان معنی است که پردازش کلان داده‌ها شامل استفاده از ابزار )طبقه‌بندی، خوشه‌بندی، رگرسیون و سایر الگوریتم‌ها( ،تکنیک‌ها )داده‌کاوی، یادگیری ماشین، تجزیه‌وتحلیل آماری و…( و فناوری‌ها )هادوپ،¹ اسپارک،² اچ بیس،^{^[5]} مانگودی بی^{^[6]}( است که فراتر از محدودۀ روش‌های تحلیلی است که در استخراج دانش مفید از حجم وسیع داده‌ها برای تصمیم‌گیری دقیق و سریع باهدف افزایش بینش استفاده می‌شود. هیچ تعریف متمرکز یا قطعی از کلان داده‌ها درزمینۀ شهرهای هوشمند پایدار وجود ندارد. این اصطلاح را می‌توان برای توصیف حجم بسیار زیاد از اطلاعات شهری به کاربرد که دستکاری، تحلیل، مدیریت و ارتباط آن‌ها نیازمند هماهنگی و محاسبات تحلیلی و لجستیکی آمادی)تدارکاتی( بسیاری است. گفتنی است که چنین اطلاعاتی با برچسب‌های مکانی و زمانی روبه‌رو هستند که عمدتاً از انواع مختلف حس‌گرها و به‌طور خودکار تولید می‌شوند. به‌رغم عدم توافق در تعریف کلان داده‌ها، به نظر می‌رسد این توافق وجود دارد که کلان داده‌ها به پیشرفت‌های عظیم، نوآوری‌ها، امکانات فراوان و فرصت‌های شگفت‌انگیز در آینده منجر خواهند شد. ویژگی‌های اصلی کلان داده‌ها حجم بسیار زیاد داده، سرعتی که بتوان آن را پردازش کرد و طیف گسترده از انواع داده‌هاست. اصطلاح «پردازش کلان داده‌ها» به‌طورکلی به هر مقدار گسترده از داده‌ها اشاره دارد که به‌صورت بالقوه برای جمع‌آوری ،ذخیره، بازیابی، یکپارچه‌سازی، انتخاب، پیش‌پردازش، تبدیل ،تجزیه‌وتحلیل و تفسیر برای کشف دانش جدید مفید استفاده می‌شود. سایر سازوکارهای محاسباتی که در پردازش کلان داده‌ها به کار می‌روند عبارت‌اند از: جستجو، به اشتراک‌گذاری ،انتقال، پرس‌وجو، به‌روزرسانی، مدل‌سازی و شبیه‌سازی. درزمینۀ شهرهای هوشمند پایدار، تجزیه‌وتحلیل کلان داده‌ها به مجموعه‌ای از برنامه‌های کاربردی نرم‌افزاری پیچیده و اختصاصی و سیستم‌های پایگاه داده اشاره می‌کند که توسط ماشین‌آلات باقدرت پردازش بسیار زیاد اجرا می‌شود و می‌تواند کلان داده‌ها را به دانش مفید برای تصمیم‌گیری آگاهانه تبدیل کند )ایجاد و افزایش بینش دربارۀ حوزه‌های مختلف شهری مانند حمل‌ونقل ،تحرک، ترافیک، محیط‌زیست، انرژی، برنامه‌ریزی و طراحی.( انواع رایج پردازش کلان داده‌ها عبارت‌اند از تجزیه‌وتحلیل پیش‌بینی، تشخیصی، توصیفی و تجربی که برای استخراج انواع دانش یا بینش از مجموعۀ کلان داده‌ها به کار می‌رود و برای اهداف مختلف، بسته به دامنۀ کاربرد آن‌ها، استفاده می‌شود. تجزیه‌وتحلیل شهری شامل استفاده از تکنیک‌های مختلف مرتبط با داده ازجمله تفکر داده‌های تحلیلی و اصول استخراج دانش مفید با استفاده از الگوهای پنهان و همبستگی‌های معنی‌دار، یادگیری ماشین، داده‌کاوی، تجزیه‌وتحلیل آماری، تجزیه‌وتحلیل رگرسیون )مدل‌سازی توضیحی در مقایسه با مدل پیش‌بینی(، پرس‌وجوی پایگاه داده، ذخیره‌سازی داده‌ها و یا ترکیبی از این تکنیک‌هاست .استفاده از این تکنیک‌ها بستگی به حوزۀ شهری و همچنین ماهیت مشکلی دارد که باید حل‌وفصل شود)^{Bibri, 20^[7]8}). پیشینه‌ی پژوهش در این بخش، پژوهش‌های انجام‌شده در حوزۀ پردازش کلان داده‌ها، اینترنت اشیا و شهرهای هوشمند پایدار بررسی خواهد شد. چن و همکاران بررسی نظام‌مندی از داده‌کاوی در دیدگاه‌های تکنیکی، دانشی و کاربردی ارائه داده‌اند که با آخرین توسعه‌های مربوط به هوشمندی کسب‌وکار پشتیبانی می‌شود )^{,210^[8]}.^Chen ^et ^al). ژانگ و همکاران فرصت‌های تحقیقاتی جدید را در اختیار قرار داده‌اند و بینش‌هایی را در انتخاب سیستم‌های پردازش مناسب برای کاربردهای خاص مطرح کرده‌اند. درواقع یک مدلِ سطح بالا از سیستم‌های پردازش موازی طبقه‌بندی‌شده شامل پردازش جریان، پردازش ماشین، پردازش گراف و پردازش دسته‌ای است)^{6102 ,}.^Zhang ^et ^al). سینگ و سینگلا بر ابزار و فناوری‌های پیشرو برای ذخیره‌سازی و پردازش کلان داده‌ها مروری کلی کرده‌اند و فناوری‌های جدید تولید اطلاعات و همچنین زمینه‌های کسب‌وکار را که اطلاعات عظیم در آن‌ها تولید می‌شود پوشش داده‌اند)Singh and Singla, 2015). تسای در بررسی خود تحلیل کلان داده‌ها و مسائل مربوط به آن را بررسی کرده است، با تمرکز بر اینکه چگونه یک پلت فرم پردازش داده‌ها با کارایی بالا را به‌کارگیرند تا کلان داده‌ها را تجزیه‌وتحلیل کنند و الگوریتم داده‌کاوی مناسب برای استخراج مفید دانش از کلان داده‌ها ارائه نمایند)^{5102 ,}.^Tsai ^et ^al).

برنامه‌های اینترنت اشیا)^IoT( و مرتبط با کلان داده‌ها: شهرهای هوشمند در مقایسه با شهرهای هوشمند پایدار

تحقیق دربارۀ کاربردهای اینترنت اشیا و کلان داده‌ها در قلمرو شهرهای هوشمند فعال است و عمدتاً با رشد اقتصادی و کیفیت زندگی ارتباط دارد. اما نقش اینترنت اشیا و برنامه‌های مربوط به کلان داده‌ها در پیشرفت پایداری محیطی درزمینۀ شهرهای هوشمند پایدار به‌عنوان یک رویکرد جامع توسعۀ شهری تا به امروز به‌ندرت بررسی‌شده است . علاوه بر این، درحالی‌که شهرهای هوشمند به علت ناپایداری و کاهش عملکرد زیست‌محیطی در مقایسه با شهرهای کوچک، مواجه شده‌اند، شهرهای پایدار به مشکلات ناشی از چالش‌های پایداری محیط‌زیست که ناشی از ناهم‌سویی راه‌حل‌های مبتنی بر فناوری اطلاعات و ارتباطات است، پرداخته‌اند)^{4102 ,}.^Kramers ^et ^al). به‌طور خاص، رویکردی متمرکز در حال تکامل است که توانایی بالقوه‌ای را برای رسیدگی به چالش پایداری زیست‌محیطی با عنوان «شهرهای هوشمند پایدار» نشان می‌دهد. راه پیشِ رو برای شهرهای آینده پیشبرد پایدار محیط‌زیست از طریق فناوری پیشرفتۀ اطلاعاتی و ارتباطی است که استفاده از تجزیه‌وتحلیل کلان داده‌ها را تضمین می‌کند)Bibri and Krogstie, 2017a).

1-3-2. شکاف‌های دانش درزمینۀ شهرهای هوشمند پایدار

هیچ چارچوبی برای ادغام وجوه اطلاعاتی و فیزیکی شهرهای هوشمند پایدار وجود ندارد. این موضوع می‌تواند در ایجاد پایه‌ای برای توسعه و استقرار آن‌ها بر اساس تجزیه‌وتحلیل کلان داده‌ها تأثیر بسزایی داشته باشد.
نیاز به تقویت چشم‌انداز اطلاعاتی شهرهای هوشمند پایدار با استفاده از اینترنت اشیا و برنامه‌های مربوط به کلان داده‌ها برای افزایش سهم آن‌ها در پایداری محیطی وجود دارد.
حسابرسی دقیق تحلیلی با تصویر پشتیبانی شدۀ ویژه‌ای لازم است تا چگونگی اجرای برنامه‌های کاربرد کلان داده‌ها در ارتباط با حوزه‌های مختلف شهرهای هوشمند پایدار درزمینۀ پایداری محیطی تشریح و تجسم شود)2017a ,Bibri and Krogstie).

چارچوب شهرهاي هوشمند پایدار: اینترنت اشیا و تجزیه‌وتحلیل کلان داده‌ها

چشم‌انداز توسعه و اجرای شهرهای هوشمند پایدار مبتنی بر اینترنت اشیا و برنامه‌های مربوط به کلان داده‌ها به‌سرعت تبدیل به واقعیت می‌شود. این پیشرفت با پیشرفت‌های اخیر در چندین زمینۀ علمی و فناوری در محدودۀ محاسبات فراگیر و تجزیه‌وتحلیل کلان داده‌ها، به‌ویژه ترکیب حس‌گرها، مدل‌سازی و استدلال هیبریدی، یادگیری ماشین، داده‌کاوی، محاسبات ابری و مه، شبکه‌های ارتباطی بیسیم و… ارتباط دارد. شهرهای هوشمند پایدار به‌منزلۀ یک پدیدۀ جدید فناورانۀ شهری و راهبرد توسعۀ کلان‌شهری، افق‌های کاملاً جدیدی را برای شهرهای هوشمند با تأکید بر پایبندی زیست‌محیطی و پاک‌سازی شهری باز می‌کند. شهرهاي هوشمند پایدار، در حکم نوآوري فناورانۀ شهري ،فرایند تحولي را نشان می‌دهند که از طریق افزایش نفوذ خدمات اطلاعاتی هوشمند به سیستم‌هاي شهري تأمین می‌شود. برخورد با سازوکارهای پیچیده و الگوهای درگیر در تعامل بین سیستم‌های زیست‌محیطی و فیزیکی شهرهای پیشرفتۀ هوشمند بسیار مهم است و چگونگی این تعاملات در محیط تأثیر می‌گذارد .فرصت‌های بسیاری برای برنامه‌های کاربردی کلان داده‌ها که توسط اینترنت اشیا فعال‌شده‌اند، در تبدیل مدل شهری به شیوهای که سهم خود را در پایداری محیطی افزایش می‌دهد، وجود دارد. زیرا محدودۀ برنامه‌های کاربردی شهری، که از تجزیه‌وتحلیل کلان داده‌ها در ارتباط با پایداری محیطی استفاده می‌کنند، به‌طور بالقوه بسیار زیاد است و قدرت اصلی کلان داده‌ها بستگی به نفوذ آن‌ها بر جنبه‌های زیست‌محیطی شهرهای پیشرفتۀ هوشمند دارد. نتایج تجزیه‌وتحلیل موضوعی می‌تواند، با توجه به مفاهیم شناخته‌شده )برنامه‌های کاربردی، فناوری‌های حسگر ،سیستم‌های پردازش داده‌ها و مدل‌های محاسباتی(، به مدل شهری پایدار هوشمندی بینجامد که بر اساس استفاده از اینترنت اشیا و کلان داده‌ها برای تجزیه‌وتحلیل مناسب و باهدف پیشبرد پایدار محیط‌زیست بنانهاده شده است)^{Bibri, 2018})

افزایش چشم‌انداز اطلاعاتی شهرهای پیشرفتۀ هوشمند برای پیشبرد پایدار محیط‌زیست

چارچوب معرفی‌شدۀ بیبری بر مبنای یافته‌های حاصل از بررسی ادبیات و تحلیل‌های موضوعی همراه با زمینه‌های مفهومی و نظری است. در این چارچوب از رویکرد لایه‌ای استفاده‌شده که با توجه به ادبیات علمی معمولاً در معماری‌های سیستم و زیرساخت‌ها درزمینۀ شهرهای هوشمند این رویکرد به کار گرفته می‌شود. هدف این چارچوب توسعۀ چشم‌انداز اطلاعاتی شهرهای پیشرفتۀ هوشمند با برنامه‌های کاربردی مرتبط با اینترنت اشیا و پردازش کلان داده‌هاست. پردازش و تجزیه‌وتحلیل بر اساس رایانش ابری با استفاده از رایانش مه/ لبه است. نتایج تحلیلی حاصل از فرایند کشف دانش/ داده‌کاوی به‌منظور ایجاد، پشتیبانی و یا تصمیم‌گیری خودکار بر اساس دامنۀ کاربرد است. در این زمینه، تجزیه‌وتحلیل کلان داده‌ها باهدف بهینه‌سازی و پشتیبانی تصمیم‌های هوشمند مربوط به کنترل، بهینه‌سازی، خودکارسازی، مدیریت و برنامه‌ریزی سیستم‌های شهری به‌عنوان فرایندهای عملیاتی و سازمان‌دهی زندگی شهری همراه با کارایی خدمات مرتبط با حفظ محیط‌زیست انجام می‌شود)Bibri and Krogstie, 2017b). درمجموع، نتیجۀ داده‌کاوی و کشف دانش مفید به بهبود عملکرد عملیاتی، بهینه‌سازی استفاده از منابع و ارتقای خدمات ،باهدف کاهش ریسک‌ها و آثار زیست‌محیطی درزمینۀ شهرهای پیشرفتۀ پایدار، اختصاص می‌یابد.

2-2. شرح و توصیف چارچوب تحلیلی

سیستم‌های شهری و حوزه‌ها باید با استفاده از اینترنت اشیا و آنالیز کلان داده‌ها، به‌عنوان مجموعه‌ای از فناوری‌های پیشرفته، و برنامه‌های کاربردی جدید آن‌ها مدیریت شوند و در شکل ایدئال با شناسایی مفاهیم طراحی اشکال شهری پایدار ترکیب شوند )Bibri and Krogstie, 2017b).

ایده این است که شهرهای هوشمند پایدار باید به شکل اصولی طراحی، نظارت، درک، تجزیه‌وتحلیل و برنامه‌ریزی شوند و بر اساس راه‌حل‌های بسیار هوشمند و نوآورانه باهدف توسعۀ پایدار محیط‌زیست فعالیت کنند. سیستم‌های شهری مقادیر ناهمگن و عظیم داده را به‌منزلۀ ورودی برای برنامه‌های کاربردی کلان داده‌ها ارائه می‌کنند .داده‌های شهری با مقیاس و سرعت‌های متنوع از حسگرهای مختلف دریافت و به‌طور خودکار در انبار داده‌ها، برای استفاده در مقیاس گسترده، ذخیره می‌شوند. بنابراین، این مؤلفه شامل منابع گوناگون از داده‌های شهری در انواع و اندازه‌های متفاوت است که باید در عملیات، توابع، طرح‌ها و خدمات شهری درزمینۀ پایداری محیطی جمع‌آوری ، ذخیره، پردازش، تجزیه‌وتحلیل ،مجسم و مستقر شوند و به اشتراک گذاشته شوند.

محاسبات ابر یا محاسبات مه/ لبه و زیر ساختار معماری Hadoop MapReduce برای پردازش و مدیریت کلان داده‌ها است. این جزء به فرایند کشف دانش/ داده‌کاوی اختصاص دارد .فرایندهای مرتبط با کشف دانش شامل انتخاب، پیش‌پردازش ،تغییر، کاوش، تفسیر و ارزیابی می‌شوند. فرایندهای مرتبط با داده‌کاوی شامل درک اطلاعات، تهیۀ داده‌ها، مدل‌سازی، ارزیابی و استقرار است. این دو فرایند در حوزه‌های شهری و حوزه‌های مرتبط با پایداری محیطی دخیل‌اند و هدف آن‌ها کشف دانش جدید یا بهره‌برداری از توده‌های بزرگ داده است .

دانش کشف‌شده یا استخراج‌شده شامل توابع اطلاعاتی است که برای تصمیم‌گیری، پشتیبانی تصمیم و تصمیم‌گیری خودکار در نظر گرفته‌شده است. توابع اطلاعاتی برای تصمیم‌گیری‌های بلادرنگ و راهبردی، بسته به حوزۀ کاربرد، در قالب کنترل ،خودکارسازی، بهینه‌سازی و مدیریت استفاده می‌شوند. برنامه‌های کاربردی کلان داده‌ها شامل برنامه‌های متنوعی است که توسط اینترنت اشیا در ارتباط با پایداری محیطی در حوزه‌های گوناگون شهری فعال‌شده‌اند. یک برنامه معمولاً شامل چندین راه‌حل مربوط به زیر بخش‌های گوناگون هر حوزه است که به نوع مسئلۀ پایداری محیطی که هر حوزه با آن مواجه است بستگی دارد . شکل 2 به‌کارگیری پردازش کلان داده‌ها با استفاده از فناوری‌های اینترنت اشیا و اجراشده بر روی ابر یا مه درزمینۀ شهرهای هوشمند پایدار را نشان می‌دهد. این فناوری‌ها شامل حس‌گرها، انبارها و مخازن داده‌ها ، پلت فرم پردازش داده‌ها)^Hadoop ^MapReduce( و مدل محاسبات ابری یا مه است. داده‌های حس‌گرهای مربوط به حوزه‌های مختلف شهری، که جمع‌آوری، تلفیق، پیش‌پردازش و تبدیل‌شده‌اند، با استفاده از داده‌کاوی و تکنیک‌های یادگیری ماشین برای ساخت مدل‌ها، شناسایی الگو، ایجاد هم‌بستگی باهدف خودکارسازی، پشتیبانی و تصمیم‌گیری در عملیات، توابع ،طرح‌ها و خدمات شهری به کار گرفته می‌شوند. برنامه‌های کاربردی داده محور از سیستم‌های پشتیبانی تصمیم برای بهبود جنبه‌های گوناگون پایداری محیطی در حوزه‌های شهری استفاده می‌کنند . این چارچوب شامل محاسبات فراگیر، سیستم‌های پردازش داده‌ها و زیرساخت‌های شبکۀ بیسیم، جمع‌آوری ابر، ذخیره ، متناسب‌سازی، مدیریت، پردازش، تجزیه‌وتحلیل و مدل‌سازی داده‌های مربوط به حوزه‌های گوناگون شهری برای کشف دانش مفید است که نهادهای شهری را در بهبود عملکرد زیست‌محیطی شهرهای هوشمند پایدار با استفاده از کلان داده‌ ها در ارتباط با نظارت، کنترل، خودکارسازی، بهینه‌سازی و مدیریت زیرساخت‌ها، منابع، امکانات، خدمات و شبکه‌ها یاری می‌کند.

تشریح فناوری‌ها، مفاهیم و برنامه‌های کاربردی به‌کاررفته در چارچوب شهرهای هوشمند پایدار

تجزیه‌وتحلیل موضوعی برای شناسایی مفاهیم اصلی مضمون‌های قابل‌توجه در یک مدل شهر هوشمند پایدار در نظر گرفته‌شده است که بر استفاده از اینترنت اشیا و پردازش کلان داده‌ها در ارتباط با پایداری محیطی تأکید می‌کند. این موضوعات شامل فناوری‌های حسگر، پلت فرم پردازش داده‌ها ،مدل‌های محاسباتی و برنامه‌های کاربردی داده محور مربوط به حوزه‌های گوناگون شهری‌اند.

شکل2: چارچوب شهرهاي هوشمند پایدار: اینترنت اشیا و تجزیه‌وتحلیل کلان داده‌ها

جمع‌آوری، اندازه‌گیری و پردازش کلان داده‌ها شهری

حس‌گرها یکی از ویژگی‌های اصلی شهرهای هوشمند پایدار در آینده هستند که بر دیدگاه‌های رایج محاسبات فراگیر ،ازجمله اینترنت اشیا تکیه می‌کنند. در آیندۀ نزدیک، بسیاری از داده‌ها، که برای نظارت، درک، تجزیه‌وتحلیل و برنامه‌ریزی سیستم‌ها و حوزه‌های شهرهای هوشمند پایدار استفاده می‌شوند، از حس‌گرهای دیجیتال در قالب مشاهدات، تراکنش‌ها و حرکات مرتبط با فرایندهای عملیاتی و سازمان‌دهی زندگی شهری به دست می‌آیند. داده‌های حس‌گرها در قالب‌های گوناگون، با برچسب‌های زمانی و مکانی ،همراه با انواع روش‌های داده‌کاوی و تکنیک‌های تجسم داده برای پردازش داده‌ها و نمایش الگوهای هم‌بستگی در دسترس خواهد بود. روش‌های بسیاری برای جمع‌آوری و ذخیرۀ کلان داده‌های شهری از راه انواع دسترسی دیجیتال در حال شکل‌گیری و گسترش در محیط‌های شهری است . هدف اصلی این است که سیستم جامع کاملاً جدیدی ایجاد کنیم :)Bibri and Krogstie, 2017b (که از موارد زیر پشتیبانی کند

استخراج و هماهنگی داده‌ها از منابع متعدد توزیع‌شده؛
مدیریت و سازمان‌دهی جریان داده‌ها؛
ادغام داده‌های ناهمگن در پایگاه داده‌های منسجم و انبارداری آن‌ها؛
پیش‌پردازش و تبدیل داده‌ها؛
مدیریت و ترکیب یکپارچۀ مدل‌ها و الگوهای استخراج‌شده؛
ارزیابی کیفیت مدل‌ها و الگوهای استخراج‌شده؛
تجسم و اکتشاف الگوها و مدل‌های رفتاری؛
شبیه‌سازی الگوها و مدل‌های استخراج‌شده؛
استقرار نتایج به‌دست‌آمده برای پشتیبانی تصمیمات هوشمند و ارائۀ خدمات کارآمد.

سیستم‌های پردازش داده

سیستم‌های پردازش داده‌ها جزء اصلی از زیرساخت‌های فناوری اطلاعات و ارتباطات شهرهای هوشمند پایدار با توجه به برنامه‌های کلان داده‌ها و پیش‌شرطی برای برنامه‌های کاربردی داده محور درزمینۀ شهرهای پیشرفتۀ هوشمندند. سیستم‌های گوناگون پردازش داده‌ها در بخش‌های مختلف، بسته به انواع الزامات و اهداف فنی، برای ذخیره‌سازی، تجزیه‌وتحلیل و مدیریت مجموعه‌های کلان داده‌ها استفاده می‌شوند. هدوپ،چارچوب یا مجموعه‌ای از نرم‌افزارها و کتابخانه‌هایی است که سازوکار پردازش حجم عظیمی از داده‌های توزیع‌شده را فراهم می‌کند. درواقع هدوپ را می‌توان به سیستم‌عاملی تشبیه کرد که طراحی‌شده تا حجم زیادی از داده‌ها را بر روی ماشین‌های مختلف پردازش و مدیریت کند. در اینجا تمرکز بر روی پلتفرم)^Hadoop ^MapReduce( است ،به علت مناسب بودن ویژگی‌های آن با توجه به پردازش داده‌های شهری و همچنین مزایای آن در خصوص بهره‌وری هزینه، انعطاف‌پذیری و قدرت پردازش. این پلت فرم برای استفاده‌های تجاری رایگان است ،زیرا معماری آن منبع باز است)Singh and Singla, 2015( . معماری هدوپ را می‌توان بر روی ابر اجرا کرد. خان و همکاران یک طراحی معماری انتزاعی محاسبات ابری را بر اساس تجزیه‌وتحلیل کلان داده‌ها درزمینۀ شهرهای هوشمند پیشنهاد می‌دهند. این امر با اصل طراحی هدایت‌کنندۀ رایانش ابری مطرح‌شده است تا از ابزارها و تکنیک‌های موجود، به‌طور مطلوب و مطمئن، برای قابلیت‌های تجزیه‌وتحلیل کلان داده‌ها استفاده مجدد شود. معماری سیستم پیشنهادشده شامل سه لایه برای عملکردهای گوناگون است:

لایۀ پایین شامل مخازن توزیع‌شده و ناهمگن و حسگرهای گوناگون است؛
لایۀ میانی به‌منظور نقشه‌برداری و ایجاد پیوند بین داده‌های مخازن داده و منابع داده ناهمگن است که به‌منظور پشتیبانی از جریان‌های کاری برای ایجاد روابط بین داده‌های فرمت‌های مختلف، معناشناسی و پیدا کردن سناریوهاست؛
لایه بالا یک موتور تحلیلی است که داده‌های مربوط به اهداف خاص برنامه را ، با استفاده از داده‌های مرتبط در دسترس در لایه میانی پردازش می‌کند. این کار به‌منظور ارائه پرسش‌ها ،الگوریتم‌های کاربردی برای یافتن اطلاعات خاص در مخازن داده انجام می‌شود)Khan et al., 2015).

رایانش ابری برای پردازش کلان داده‌ها

در سال‌های اخیر، رایانش ابری توجه زیادی را به خود جلب کرده و در سراسر جهان محبوبیت فراوانی به دست آورده است و با گسترش محاسبات توزیع‌شده و شبکه‌ای، پیشرفت و توسعۀ دستگاه‌های حسگر، امکانات ذخیره‌سازی، زیرساخت‌های محاسباتی فراگیر و خصوصاً شبکه‌های ارتباطی بیسیم بخشی از زیرساخت‌های شهرهای هوشمند به شمار می‌رود . در تعریفی عمومی، مراکز داده‌ی سخت‌افزاری و نرم‌افزارهای تأمین‌کنندۀ سرویس پردازشی را «رایانش ابری» می‌نامند. رایانش ابری روش نوین پردازش است که در آن منابع قابل‌گسترش و اغلب مجازی شده، به‌صورت یک سرویس پردازشی و از راه شبکه‌های ارتباطی مانند شبکه‌های محلی و اینترنت، عرضه می‌شود. محوریت این مدل، سرویس‌دهی به کاربر بر اساس تقاضا است، بدون آنکه کاربر نیازی به تجهیزات خاصی برای پردازش داشته باشد یا از محل انجام این پردازش آگاه باشد. این سرویس را می‌توان به شبکۀ برق‌رسانی تشبیه کرد که مشترک، بدون نیاز به داشتن اطلاع از نحوۀ تولید برق و مکان دقیق تولید آن، تنها بااتصال از یک درگاه انرژی لازم برای وسایل الکتریکی خود را تأمین می‌کند. رایانش ابری با تسهیل ذخیره‌سازی کلان داده‌ها و ارائۀ قابلیت‌های لازم برای پردازش، مدیریت و استخراج دانش مفید از آن‌ها راه‌حل‌های بسیاری برای حل مسائل شهرهای هوشمند پایدار مطرح می‌کند)^{02 ,5^[9]}.^Khan ^et ^al).

رایانش مه و لبه¹

رایانش مه و لبه در برنامه‌های کاربردی شهر هوشمند پایدار معماری شبکه و سیستمی است که درخواست‌ها را از منابع فیزیکی نزدیک به درخواست‌کننده جمع‌آوری، تجزیه‌وتحلیل و پردازش می‌کند و کارایی بیشتری از رایانش ابری سنتی دارد. این دو مدل محاسباتی با هم ارتباط نزدیک دارند و بر هدف کاهش هزینۀ تأخیر و افزایش کیفیت تأکید می‌کنند. هر دو اطلاعات را قبل از رسیدن به انبوه کلان داده‌ها برای استفادۀ آتی فیلتر می‌کنند، درنتیجه حجم داده‌هایی که باید پردازش شود کاهش می‌یابد. کاهش داده‌ها فرایندی مهم از تکنیک‌های تجزیه‌وتحلیل کلان داده‌ها است. معماری مه و لبه اهداف مشابهی دارند، یعنی کاهش میزان داده‌های فرستاده‌شده به ابر، کاهش زمان تأخیر شبکه و اینترنت و بهبود زمان پاسخ سیستم در برنامه‌های از راه دور. همچنین در هر دو، منبع تولید داده دستگاه‌های حسگر هستند. علاوه بر این، هر دو شامل تسریع پردازش و قابلیت‌های هوشمند اطلاعاتی نزدیک به‌جایی هستند که منابع فیزیکی با هم مرتبط می‌شوند. تفاوت اصلی بین این دو معماری دقیقاً همان‌جایی است که چنین قابلیت‌هایی قرار می‌گیرند، یعنی محل دستگاه‌ها. در رایانش مه، قدرت اطلاعات و محاسبات به سطح معماری شبکۀ محلی¹ )^LAN( می‌رود و پردازش داده‌ها در گره مه و یا دروازۀ اینترنت اشیا انجام می‌شود. درحالی‌که در رایانش لبه، اعتبارسنجی داده‌ها و پردازش اطلاعات همراه باقابلیت‌های ارتباطی یک دروازۀ لبه به‌طور مستقیم در دستگاه‌های مرکزی مانند مسیریاب‌ها)روتر²( انجام می‌شود. این امر برای تقویت اقدامات امنیتی، با استفاده از رمزگذاری در شبکۀ محلی، قبل از انتقال داده‌ها از راه بخش‌های ناامن یا محافظت نشدۀ اینترنت ضروری است. علاوه به راین، نیاز به تأیید و پیش‌پردازش داده‌ها در یک مه )یک شبکۀ ^LAN( یا یک لبه )یک دستگاه دروازه( از این واقعیت ناشی می‌شود که یک مرکز دادۀ کامل را نباید در یک سطح نصب کرد. در کل، ایدۀ اصلی محاسبات مه و لبه این است که اعتبارسنجی داده‌ها را به یک حلقه بیرون از قابلیت پردازش منتقل کند)2102 ,.Bonomi et al).

برنامه‌های کاربردی کلان داده‌ها برای حفظ پایداری محیط‌زیست شهری

طیف وسیعی از برنامه‌های تجزیه‌وتحلیل کلان داده‌ها در اینترنت اشیا وجود دارند که با اهداف پایداری محیط‌زیست سازگارند: حمل‌ونقل پویا، سیگنال‌های ترافیک، سیستم‌های انرژی، شبکۀ برق، محیط‌زیست، ساختمان‌ها، نظارت و مدیریت زیرساخت و برنامه‌ریزی و طراحی)Bibri and Krogstie, 2017b).

حمل‌ونقل هوشمند و پویا

حمل‌ونقل پویا یکی از برنامه‌های اساسی اینترنت اشیا و مرتبط با پایداری محیطی است. اینترنت اشیا نقش مهمی در بهبود پویایی تمام انواع حمل‌ونقل در شهرهای هوشمند پایدار دارد .استفاده از آن در این زمینه شامل ردیابی خودکار مسافران و وسایل نقلیۀ آن‌ها، نظارت بر شرایط جاده و ترافیک، تهیۀ هشدارها، یافتن مکان‌های پارکینگ، ارزش‌گذاری جاده‌ها و سازوکارهای تلفیقی ایمنی و نظارت هنگام توزیع کالاهای ارزشمند است. به‌طور دقیق‌تر، دستگاه‌های اینترنت اشیا در ارتباط بین جنبه‌های مختلف سیستم‌های حمل‌ونقل )وسایل نقلیه، زیرساخت‌ها ،رانندگان، جاده‌ها و…( از طریق ادغام واحدهای ارتباطی، مدیریت ،کنترل و پردازش اطلاعات در این سیستم‌ها مؤثرند. کنترل ترافیک ،ایمنی جاده‌ای، پارکینگ هوشمند، مدیریت لجستیک و ناوگان ،کنترل وسایل نقلیه و سیستم‌های جمع‌آوری عوارض برای بهبود اهداف توسعۀ پایدار محیط‌زیست در نظر گرفته‌شده‌اند. درمجموع استفاده از اینترنت اشیا، به‌منزلۀ شکلی از محاسبات فراگیر ،برای کاهش مصرف انرژی، کاهش آلودگی و حذف ناکارآمدی است که به‌شدت تحت تأثیر پویایی حمل‌ونقل قرار دارد)^{,4^[10]0^[11]}.^Shang ^et ^al(

سیگنال‌های ترافیکی هوشمند

این حوزه درواقع کنترل حجم زیاد تراکم ترافیک با اندازه‌گیری پارامترهای مختلف جریان ترافیکی )موقعیت‌ها و سرعت‌های وسایل نقلیه، سرعت و تراکم ترافیک، شرایط ترافیک یا جاده‌ها ،زمان انتظار در چراغ‌ها و…( با استفاده از انواع حسگرها)^GPS، حس‌گرهای حلقه‌ای، حس‌گرهای از راه دور و…( است. با پیش‌بینی شرایط ترافیک، می‌توان در کاهش تراکم و تصادفات جاده‌ها با باز کردن جاده‌های جدید، هدایت وسایل نقلیه به جاده‌های جایگزین، جمع‌آوری و ارائۀ اطلاعات پارکینگ‌ها و افزایش زیرساخت‌های حمل‌ونقل بر اساس داده‌های ترافیک مؤثر واقع شد)5102 ,.Al Nuaimi et al). در ایالات‌متحده، رویکرد اصلی شهر هوشمند در ریورساید و کالیفرنیا پیشرفت فناوری و ارتقای زیرساخت‌های ترافیک و حمل‌ونقل است. در این شهرها، علاوه بر استفاده از سیگنال‌های ترافیکی که با استفاده از حسگرها تولید می‌شوند، از دستگاه‌های اینترنت اشیا بهره گرفته‌شده است)^Liu ^and ^{Peng, 2013}).

انرژی هوشمند

استفاده از اینترنت اشیا، که بر اساس کلان داده‌ها پشتیبانی می‌شود، تصمیم‌گیری مربوط به عرضۀ انرژی را با تقاضای واقعی شهروندان و سایر شرایط متناظر پشتیبانی می‌کند. تصمیم گیران می‌توانند بر مبنای داده‌های زمان واقعی تصمیم‌گیری کنند و شرکت‌های انرژی می‌توانند به نوسانات بازار پاسخ یکسان دهند؛ این امر مستلزم اتخاذ رویکردی است که بر اساس داده‌های زمان واقعی تولید را افزایش یا کاهش داده و درنتیجه به بهینه‌سازی بهره‌وری انرژی کمک کند. همچنین، با استفاده از فناوری‌های مشابه ،تجزیه‌وتحلیل کارآمد کلان داده‌های جمع‌آوری‌شده و ذخیره‌شده برای پیش‌بینی در زمان واقعی را ممکن می‌سازد. به همین ترتیب ،دستگاه‌های تلفن همراه به شهروندان امکان دسترسی به قیمت انرژی‌های زنده را می‌دهد که بر اساس آن می‌توانند مصرفشان را تعدیل کنند و درنتیجه فشار هزینه‌های انرژی کاهش می‌یابد. حس‌گرها و عمل گرها به شهروندان اجازه می‌دهند تا به‌عنوان کاربر و مصرف‌کننده از راه دور دستگاه‌های خود )مانند خروجی‌های الکتریکی و سوئیچ‌ها( را کنترل کنند و همچنین آن‌ها را با توابع پیشرفته برنامه‌ریزی کنند )برای مثال تغییر شرایط نور). همچنین می‌توانند از طریق رابط‌های مبتنی برابر به آن‌ها دسترسی یابند)^{4102 ,}.^Ersue ^et ^al).

شبکۀ برق هوشمند

اینترنت اشیا پتانسیل فراوانی برای مدیریت شبکۀ برق دارد، زیرا سیستم‌ها این امکان را دارند که اطلاعات واقعی دربارۀ تولید و مصرف برق، ناکارآمدی ارتباطات کاربر نهایی )اطلاعات دربارۀ تولیدکنندگان و مصرف‌کنندگان( و مدیریت دیگر دستگاه‌های خودکار توزیع را باهدف بهبود کارایی، قابلیت اطمینان و پایداری تولید و توزیع برق جمع‌آوری کنند. این موضوع شامل استفاده از زیرساخت‌های هوشمند اندازه‌گیری ،ازجمله حسگرهای قرار داده شده در نقاط دسترسی مصرف‌کنندگان و همچنین درزمینۀ تولید، انتقال و سیستم‌های توزیع است. معمولاً سازوکار نظارت و بازخورد، به‌منزلۀ بخشی از کنترل از راه دور، و فناوری‌های ارتباطی در شبکه‌های برق برای افزایش کارایی، قابلیت اطمینان و پایداری محیطی استفاده می‌شود. این مزیت مربوط به این ایده است که سیستم‌های توزیع انرژی خود را تبدیل به سیستم‌های خود مدیریت و خود نگه‌دارنده کرده‌اند، و خدمات در بازار انرژی به‌صورت پویا سازمان‌یافته و هماهنگ شده است). 4102 ,.Ersue et al( در استرالیا برای سیدنی، کانبرا، ملبورن و آدلاید پروژۀ شهر هوشمند طراحی‌شده است. دولت این کشور طرح‌های مذکور را با نام «شبکۀ برق هوشمند، شهر هوشمند» پیگیری می‌کند و هم‌اکنون یکی از بزرگ‌ترین این پروژه‌ها در سیدنی اجرا می‌شود. دولت استرالیا ادعا می‌کند که با اجرای پروژۀ شهر هوشمند در سیدنی موفق شده است میزان مصرف انرژی را بسیار کاهش دهد، سفرهای درون‌شهری را به حداقل برساند، رضایتمندی مردم از خدمات شهری را بیشتر کند، از اتلاف وقت جلوگیری کند و به‌طور جامع ،آنچه مردم ساکن شهر سیدنی باید دریافت کنند در قالب خدمات .)Smart Cities Council, 2014 (مجازی به آن‌ها ارائه دهد

محیط هوشمند

اینترنت اشیا برای ارتقای کیفیت زندگی شهروندان با به سازی محیط از طریق بهبود کیفیت هوا و کاهش آلودگی صوتی پتانسیل فراوانی دارد. انتظار می‌رود اینترنت اشیا سبب پیشرفت‌های عمده‌ای در بهبود کیفیت آب‌وهوا شود، زیرا پتانسیل لازم را برای استفاده از ابزارهای پیشرفتۀ نظارتی فراهم می‌کند. با استفاده از اینترنت اشیا، امکان پیش‌بینی تغییرات زیست‌محیطی در آینده بر اساس نقشه‌های جغرافیایی فضایی و زمانی و همچنین شناسایی بلایای طبیعی) ازجمله زمین‌لرزه( برای نجات بسیاری از منابع زیاد است. همچنین حس‌گرهای گسترده، که آلودگی هوا و آب را تشخیص می‌دهند، می‌توانند به حذف بسیاری از انواع آلاینده‌های آسیب‌رسان به‌سلامت عمومی کمک کنند)^{Bibri, 20^[12]8}). رویکرد شهرهای هوشمند چین، مانند پکن و شانگهای و شنژن،¹ گسترش زیرساخت‌های جدید فناوری اطلاعات و ارتباطات با توجه خاص به مسائل زیست‌محیطی بوده است)^Liu ^and ^{Peng, ^[13]01^[14]}). همچنین برنامه‌ریزی‌های شهر هوشمند در شهر ماسدار،² بر اساس توسعۀ پایدار و سازگاری با محیط‌زیست انجام‌شده است). ^{Cugurullo, 2013}(

ساختمان‌های هوشمند

اینترنت اشیا از حسگرها برای نظارت و کنترل سیستم‌های مکانیکی، الکتریکی و الکترونیکی به‌کاررفته در ساختمان‌های مسکونی، صنعتی، عمومی و تجاری استفاده می‌کند. این عملکردها مربوط به سیستم مدیریت ساختمان است که درواقع سیستمی مبتنی بر رایانه است و در ساختمان‌های هوشمند به کار می‌رود تا قطعات مکانیکی و الکتریکی و دستگاه‌های گرمایش، تهویه و سیستم تهویه مطبوع، سیستم‌های روشنایی، سیستم‌های اتوماسیون خانگی و… را به‌طور خودکار کنترل، نظارت و تنظیم کند . سه حوزۀ اصلی عملکرد در این زمینه عبارت‌اند از:

ادغام اینترنت اشیا با سیستم‌های مدیریت انرژی برای ایجاد ساختارهای هوشمند با انرژی کارآمد؛
نظارت فوری بر رفتارهای ساکنان برای کاهش مصرف انرژی؛
ادغام دستگاه‌های هوشمند در محیط ساختمان و چگونگی استفاده از آن‌ها در برنامه‌های آینده)Bibri, 2018).

بزرگ‌ترین طرح شهر هوشمند در کره، در شهر سونگدو،³ اجراشده است. این طرح شامل نصب یک دستگاه ارتباط هم‌زمان از راه دور در هر آپارتمان است که هر ساکن می‌تواند اطلاعات را از راه دستگاه‌های مختلف انتقال دهد و کنترل‌های لازم را اعمال کند. سیستم مرکزی در شهر انبوه اطلاعات را مدیریت می‌کند)^{3102 ,}.^Halpern ^et ^al).

نظارت بر زیرساخت و مدیریت

استفاده از اینترنت اشیا با نظارت و کنترل عملیات زیرساخت‌های شهری همچون پل‌ها، مسیرهای راه‌آهن و تونل‌ها مرتبط است .دستگاه‌های اینترنت اشیا را می‌توان برای بهبود مدیریت حوادث ،بهبود هماهنگی واکنش‌های اضطراری ، بهبود کیفیت خدمات و کاهش هزینه‌های عملیاتی در تمامی زمینه‌های مرتبط با زیرساخت به کاربرد. زیرساخت‌های اینترنت اشیا، به‌عنوان یک محصول جانبی، برنامه‌ریزی فعالیت‌های تعمیر و نگه‌داری را، با هماهنگی وظایف بین ارائه‌دهندگان خدمات و کاربران این زیرساخت‌ها و امکانات، به نحو کارآمد ممکن می‌سازد). ^{4102 ,}.^Ersue ^et ^al( برنامۀ شهر هوشمند سنگاپور اولویت‌های زیر را در پیاده‌سازی شهر هوشمند برای ملت هوشمند مدنظر قرار می‌دهد: راه‌های هوشمند برای ذخیرۀ انرژی و حفاظت از محیط‌زیست؛ ساختمان‌های سبز و هوشمند؛ راه‌حل‌های هوشمند برای مشکلات آب؛ آموزش هوشمند؛ خدمات و زیرساخت‌های هوشمند)^{IDA, 2014}).

مسائل اساسی مربوط به اینترنت اشیا و تجزیه‌وتحلیل کلان داده‌ها

تقاضای روبه رشد برای اینترنت اشیا و تجزیه‌وتحلیل کلان داده‌ها به‌عنوان فناوری‌های مخرب، همراه با پتانسیل آن‌ها برای خدمت به بسیاری از حوزه‌های شهری درزمینۀ پایداری محیطی، با چالش‌های علمی و فکری عمده مواجه است که باید با توجه به طراحی، توسعه و گسترش برنامه‌های کاربردی داده محور در قلمرو شهرهای پیشرفتۀ هوشمند بررسی شوند. این چالش‌ها که عمدتاً علمی، محاسباتی و تحلیلی‌اند عبارت‌اند از:

محدودیت‌های علم طراحی و مهندسی؛
تجزیه‌وتحلیل داده‌ها و ارزیابی؛
مدیریت داده‌های اینترنت اشیا تولیدشده در محیط‌های پویا و فرار؛
ادغام پایگاه داده در حوزه‌های شهری؛
حفظ حریم خصوصی و امنیت؛
فراهم کردن زمینۀ مفهومی )مانند موقعیت جغرافیایی و زمان(؛
رشد داده‌ها و به اشتراک‌گذاری؛
عدم اطمینان و ناتمام بودن داده‌ها؛
دقت، کیفیت و صحت داده‌ها؛
توابع هوشمند و مدل‌های شبیه‌سازی؛
تحمل خطا و مقیاس‌پذیری؛• ذخیره و پردازش داده )^{Bibri, 2018; Bibri and Kro}

.)gstie, 2017b

نتیجه‌گیری

اینترنت اشیا)^IoT( شکلی جدید از محاسبات فراگیر و برنامه‌های کاربردی کلان داده‌هاست که، با توجه به عملکرد عملیاتی و برنامه‌ریزی برای توسعۀ پایداری محیط‌زیست، به‌طور فزاینده‌ای مدنظر شهرهای هوشمند پایدار قرارگرفته است. ازاین‌رو، پتانسیل اینترنت اشیا و تجزیه‌وتحلیل کلان داده‌ها در آن بستگی به این دارد که چنین شهرهایی بتوانند چشم‌انداز اطلاعاتی خود را با استفاده از پیاده‌سازی و ترکیب چارچوب‌های مرتبط، به‌منظور بهبود فرایندها ،طرح‌ها و خدمات مطابق با چشم‌انداز پایداری محیطی گسترش دهند. تجزیه‌وتحلیل کلان داده‌ها و استفاده از آن در تحقق بخشیدن به ویژگی‌های کلیدی شهرهای هوشمند پایدار، یعنی بهره‌وری از عملیات و خدمات، بهینه‌سازی منابع طبیعی و مدیریت هوشمند زیرساخت‌ها و امکانات، تأثیر بسزایی دارد. درواقع، انتظارات عظیمی برای دستاوردهای زیست‌محیطی از تحقیقات در حال انجام در حوزۀ اینترنت اشیا و تجزیه‌وتحلیل کلان داده‌ها در محافل علمی و همچنین در صنعت وجود دارد. هدف از نگارش این مقاله بررسی و ادغام ادبیات مرتبط باهدف شناسایی و بحث دربارۀ کاربردهای کلان داده‌ها مبتنی بر حس‌گرهای پیشرفتۀ فعال‌شده توسط اینترنت اشیا برای پایداری محیطی، و پلت فرم پردازش داده‌ها و مدل‌های محاسباتی درزمینۀ شهرهای هوشمند پایدار آینده است. برنامه‌های کاربردی کلان داده‌ها که توسط اینترنت اشیا فعال‌شده‌اند، توانایی ارائۀ خدمات به انواع حوزه‌های شهرهای هوشمند پایدار را در خصوص عملکرد، مدیریت و برنامه‌ریزی آن‌ها درزمینۀ پایداری محیطی دارند. مهم‌ترین برنامه‌های کاربردی داده محور که از طریق اینترنت اشیا فعال می‌شوند شامل حمل‌ونقل، پویایی، ترافیک، انرژی ،شبکۀ برق، محیط‌زیست، نظارت و مدیریت زیرساخت‌ها ،طراحی و برنامه‌ریزی شهری است. چندین شهر در کشورهای پیشرفته هم‌اکنون ادغام اینترنت اشیا و برنامه‌های مربوط به کلان داده‌ها را ازلحاظ زیست‌محیطی و فناوری آغاز کرده‌اند و با امید به بهره‌برداری از مزایای زیست‌محیطی، با توسعه و اجرای راه‌حل‌های مبتنی بر داده‌ها در سیستم‌های شهری، به‌طور فعال بر طرح‌های پایدار هوشمند تمرکز کرده‌اند).^,.^Al ^Nuaimi ^et ^alBibri and Krogstie, 2016 ;2015( کلان داده‌ها، که برای تجزیه‌وتحلیل شهری استفاده می‌شوند، درواقع ترکیب برنامه‌های کاربردی پیشرفته، خدمات و قابلیت‌های محاسباتی و تحلیلی هستند که از طریق مجموعه‌ای از ابزارها در مقیاس‌های بزرگ مکانی، که با شبکه‌های چندگانه مرتبط شده‌اند، می‌توانند بستری مناسب برای تحقق مزایای زیست‌محیطی فراهم آورند. فناوری‌های پیشرفته در مدیریت و برنامه‌ریزی هوشمندانۀ زیرساخت‌ها، منابع طبیعی و امکانات شهر برای بهبود کیفیت زندگی شهروندان، باهدف نهایی توسعۀ پایدار محیط‌زیست، بسیار مفیدند. در پاسخ به سؤال تحقیق، گسترش چشم‌انداز اطلاعاتی شهرهای پیشرفتۀ هوشمند با استفاده از کلان داده‌های مبتنی بر حس گر پتانسیل فراوانی برای پیشبرد پایداری محیطی دارد. بر این اساس، شهرهای هوشمند پایدار آینده باید ویژگی‌های طراحی شهری و برنامه‌های کاربردی اینترنت اشیا را ترکیب کنند تا سهم خود را در توسعۀ پایدار محیط‌زیست افزایش دهند. علاوه به راین ،ایده‌های شهرهای هوشمند پایدار دربارۀ استفاده از اینترنت اشیا و تجزیه‌وتحلیل کلان داده‌ها در آن، توسط سایر فناوری‌ها، با ادغام چشم‌انداز اطلاعاتی و فیزیکی شهری به شیوه‌ای است که سهم آن‌ها در پایداری محیطی را حفظ می‌کند. پتانسیل استفاده‌نشده از اینترنت اشیا و تجزیه‌وتحلیل کلان داده‌ها آشکار است و باید از آن بهره‌برداری شود. از دیدگاه پایداری بسیار سودمند است که سیستم‌های شهری و حوزه‌ها تلاش‌های شهری پایدار و شهر هوشمند را به هم پیوند دهند)^{Bibri, 2018}). در این مقاله امکان توسعۀ چشم‌انداز اطلاعاتی شهرهای پیشرفتۀ هوشمند با استفاده از کلان داده‌ها برای دستیابی به سطح موردنیاز پایداری محیطی بررسی شد. بدین منظور، چارچوبی تشریح شد که اطلاعات بسیاری درزمینۀ شهرهای هوشمند و شهرهای پایدار ارائه می‌دهد ،ازجمله تحقیقات در سطح مفهومی، تحلیلی و جامع ، و همچنین تحقیق دربارۀ فناوری‌های خاص و برنامه‌های کاربردی آن‌ها. این چارچوب مبنایی برای توسعۀ فرصت‌های تحقیقاتی به‌منظور پیاده‌سازی این شهرها و همچنین ایجاد بینش‌های تحلیلی در تحقیقات آینده ارائه می‌دهد.

منابع

Ahvenniemi, H., Huovila, A., PintoSeppä, I. and Airaksinen, M. (2017). “What are the differences between sustainable and smart cities?” Cities, 60, 234–245. Alam, F., Mehmood, R., Katib, I., Albeshri, A. (2016). “Analysis of eight data mining algorithms for smarter Internet of things (iot)”, Procedia Computer Science ,98 , 437–442. Al Nuaimi, E., Al Neyadi, H., Nader, N. and AlJaroodi, J. (2015). “Applications of big data to smart cities”. Journal of Internet Services and Applications, 6 (25), 1–15. Andrienko, G., Gunopulos, D., Ioannidis, Y., Kalogeraki, V., Katakis, L., Morik, K. and Verscheure, O. (2017). “Mining Urban Data (Part C)”. Journal of Information Systems, 64, 219220. Andrienko, G., Gunopulos, D., Ioannidis, Y., Kalogeraki, V., Katakis, L., Morik, K. and Verscheure, O. (2016). “Mining Urban Data (Part B)”. Journal of Information Systems, 57, 7576. Ben Sta, H. (2017). “Quality and the efficiency of data in «SmartCities»” . Journal of Future Generation Computer Systems, 74, 409416. Bibri, S.E. (2018). “The IoT for smart sustainable cities of the future: An analytical framework for sensorbased big data applications for environmental sustainability”. Journal of Sustainable Cities and Society, 38, 230253. Bibri, S. E., and Krogstie, J. (2017a). “Smart sustainable cities of the future: An extensive interdisciplinary literature review”. Sustainable Cities and Society, 31, 183–212. Bibri, S. E., and Krogstie, J. (2017b). “The core enabling technologies of big data analytics and contextaware computing for smart sustainable cities: A review and synthesis”. Journal of Big Data, 4 (38), 1–50. Bibri, S. E. and Krogstie, J. (2016). “On the social shaping dimensions of smart sustainable cities: A study in science, technology, and society”. Sustainable Cities and Society, 29, 219–246. Bibri, S. E. (2015). The shaping of Ambient Intelligence and the Internet of Things: historico– epistemic, socio–cultural, politico–institutional and eco–environmental dimensions. Berlin, Heidelberg: Springer–Verlag. Bonomi, F., Milito, R., Zhu, J., and Addepalli, S. (2012). “Fog computing and its role in the internet of things”. Proceedings of the first edition of the MCC workshop on mobile cloud computing, ser. MCC’12. ACM, 13–16. Caragliu, A., Del Bo, C. and Nijkamp P . (2011). “Smart cities in Europe”. Journal of Urban Technology, 18, 65–82. Chen, H., Chiang, R. H. L. and Storey, V. C. (2012). “Business intelligence and analytics: From big data to big impact”. MIS Quarterly, 36, 4, 1165–1188. Chourabi, H., Nam, T., Walker, S., GilGarcia, J.R., Mellouli, S., Nahon, K., Pardo, T., Scholl, H.J., et al. (2012). “Understanding smart cities: An integrative framework”. 45th International Conference on Khan, Z., Anjum, A., Soomro, K. and Tahir, M. A. (2015). “Towards cloud based big data analytics for smart future cities”. Journal of Cloud ComputingAdvances, Systems and Applications, 4 (2). Kramers, A., Höjer, M., Lövehagen, N. and Wangel, J. (2014). “Smart sustainable cities: Exploring ICT solutions for reduced energy use in cities”. Environmental Modelling and Software, 56, 52–62. Liu, P. and Peng, Z. (2013). “Smart Cities in China”. IEEE Computer Society Digital Library, http://doi.ieeecomputersociety.org/10.1109/ MC.2013.149. Ojo, A., Dzhusupova, Z. and Curry, E. (2016). “Exploring the nature of the smart cities research landscape in: Smarter as the New Urban Agenda”. Springer, 23–47. Shang, J., Zheng, Y., Tong, W. and Chang, E. (2014). “Inferring gas consumption and pollution emission of vehicles throughout a city”. Proceedings of the 20th SIGKDD conference on knowledge discovery and data mining (KDD 2014). Singh, J. and Singla, V. (2015). “Big data: Tools and technologies in big data”. International Journal of Computer Applications, 112, 15. Smart Cities Council, (2014). SMART CITIES READINESS GUIDE, The planning manual for building tomorrow’s cities today. Tsai, ChunWei, Lai, ChinFeng, Chao, HanChieh and Vasilakos, Athanasios V. (2015). “Big data analytics: A survey”. Journal of Big Data, 2, 21. Xiwei, L., Rangachari, A., Gang, X., Xiuqin, S. and Xiaoming, L. (2017). Big Data and Smart Service Systems, Chapter 5 Smart cities, urban sensing, and big data: mining geo-location in social networks (PP. 59-84). Italy: Academic Press (AP). Zanella, A., Bui, N., Castellani, A., Vangelista, L. and Zorzi, M. (2014). “Internet of things for smart cities”. IEEE Internet of Things Journal, 1 (1). Zhang, Y., Ting, C., Tian, X., Li, S., Yuan, L., Jia, H., et al. (2016). “Parallel processing systems for big data: A survey”. Proceedings of the IEEE, special issue on Big Data. System Science (HICSS), Hawaii., IEEE, 2289–2297. Cugurullo, F. (2013). “How to Build a Sandcastle: An Analysis of the Genesis and Development of Masdar City”. Journal of Urban Technology, 20, 1 , 23–37. Ersue, M., Romascanu, D., Schoenwaelder, J. and Sehgal, A. (2014). “Management of networks with constrained devices: Use cases.” IETF internet. Falconer, G. and Mitchell, S. (2013). “Smart city framework: a systematic process for enabling smart connected communities”. Cisco Internet business solutions group. Available online at: http://www.cisco.com/web/about/ac79/docs/ps/ motm/SmartCityFramework.pdf. Fox, M.S. and Pettit, C.J. (2015). “On the completeness of open city data for measuring city Indicators”. Smart Cities Conference (ISC2), First International, IEEE, 1–6. Halpern, O., LeCavalier, J., Calviloo, N., and Pietsch, W. (2013). “Testbed urbanism”, Public Culture, 25(2), 273–306. Harrison, C. and Donnelly, I.A. (2011). “A theory of smart cities”, Proceedings of the 55th Annual Meeting of the ISSS, Hull, UK. Höjer, M. and Wangel, S. (2015). “Smart sustainable cities: Definition and challenges. ICT innovations for sustainability Advances in intelligent systems and computing”, 310. Springer International Publishing. Howe, J. (2006). “The rise of crowdsourcing”. Wired Mag, 14 (6), 1–4. IDA. (2014). “Smart Nation Vision for Singapore”. Retrieved from: https://www.ida.gov.sg/blog/insg/ featured/smartnationvisionforsingapore. International Telecommunications Union (ITU). (2014). Agreed definition of a smart sustainable city. Focus Group on Smart Sustainable Cities, SSC0146 version Geneva, 5–6. Katakis, L. (2015). “Mining Urban Data (part A)”. Journal of Information Systems, 54, 113114. Kehoe, M. Cosgrove, M., Gennaro, S., Harrison, C., Harthoorn, W., Hogan, J. Meegan, J., Nesbitt, P. and Peters, C. (2011). “Smarter cities series: A foundation for understanding IBM smarter cities”. Redguides for Business Leaders, IBM. منبع اصلی مقاله: سعادتی, زینب, مهرشاد, بتول. (1396). اینترنت اشیاء و برنامه‌های کاربردی‌ کلان‌داده‌ها در شهرهای هوشمند پایدار. سیاست نامه علم و فناوری, 07(3), 17-30.

. کارشناس ارشد مهندسی فناوری اطلاعات، دانشگاه صنعتی خواجه نصیرالدین طوسی )نویسندۀ مسئول( ^{z.saadati.z@gmail.com}. ↑
. دانشجوی دکتری مدیریت فناوری اطلاعات دانشگاه فردوسی مشهد3. Internet of Thing (IoT) ↑
. Cloud Computing ↑
. Crowdsourcing ↑
. HBase ↑
. MongoDB ↑
. Hadoop ↑
. Spark ↑
. Fog and Edge Computing ↑
. Local Area Network ↑
. Router ↑
. Shenzhen ↑
. Masdar ↑
. Songdo ↑

اینترنت اشیاء و برنامه‌های کاربردی‌ کلان‌داده‌ها در شهرهای هوشمند پایدار

فهرست مطالب

اینترنت اشیا و برنامه‌های کاربردی کلان داده‌ها در شهرهای هوشمند پایدار

چکیده

مقدمه