Didieji duomenys ekstremali situacij valdyme Dok A Binkyt
Didieji duomenys ekstremalių situacijų valdyme Dok. A. Binkytė, Prof. Habil. Dr. A. Kaklauskas
Didžiųjų duomenų apibrėžimas Šiais laikais duomenys pasiekė jau paprastam žmogui sunkiai įsivaizduojamus kiekius. Per vieną dieną pasaulyje sukuriama 2, 5 kvantilijono baitų duomenų, t. y. 2384185791015 megabaitus, t. y. 2328306436 gigabaitus, t. y. 2273736 terabaitus, t. y. 2, 17 petabaito. Maža to, 90 proc. duomenų buvo sukurta vos per dvejus pastaruosius metus. Jau dabar didesniems nei petabaitai duomenų kiekiams yra sukurti pavadinimai: eksabaitai (angl. exabyte), zetabaitai (angl. zettabyte), jotabaitai (angl. yottabyte), brontobaitai (angl. brontobyte) ir geopbaitai (angl. geopbyte).
Didieji duomenys – tai ne tik didelis duomenų kiekis. Šį terminą galima apibūdinti trijų angliškų žodžių deriniu, vadinamuoju 3 V apibrėžimu: volume (kiekis), velocity (greitis) ir variety (įvairovė) (Ateities miestai 2013). 1 pav. Didžiųjų duomenų kiekiai (šaltinis: http: //borjaburguillos. com/2015/02/26/how-big-data-analyticsis-changing-hr/
Ekstremalių situacijų duomenų analizės apibrėžimas Duomenų analizė yra prasmingų ir anksčiau nežinomų dėsningumų, modelių ir tendencijų aptikimo procesas dideliuose informacijos kiekiuose, naudojant struktūrų/ryšių atpažinimo, mašininio mokymo, dirbtinio intelekto, statistinius bei matematinius metodus (Sakalauskas 2009). Ekstremalių situacijų duomenų analizės rezultatai padeda vadovams turėti geresnę esamos situacijos įžvalgą, suprasti dėsningumus ir numatyti ateitį.
Šiuolaikinė duomenų analizė pasižymi tokia specifika: • duomenų apimtis yra beveik neaprėžta; • duomenys yra įvairialyčiai (kiekybiniai, tekstiniai, video, audio, . . . ); • duomenys kaupiami bei saugomi įvairiose programinėse platformose ir paskirstytose informacijos sistemose; • analizės išvados turi būti konkrečios ir aiškios; • analizės priemonės turi būti paprastos naudoti. ESDA yra aktuali ekstremalias situacijas patyrusiems gyventojams, savivaldybėms, finansų ir draudimo institucijoms, telekomunikacijų įmonėms, medicinos įstaigoms, transporto kompanijoms, vyriausybinėms organizacijoms, didelėms prekybos organizacijoms, ir pan.
Ekstremalių situacijų duomenų analizės uždaviniai 2 pav. Pagrindiniai ekstremalių situacijų duomenų analizės uždaviniai (šaltinis: https: //bigdatanerd. wordpress. com/2011/06/25/introduction-to-data-mining-types-of-data-miningtechniques/)
Taikomųjų uždavinių sprendimas yra suvedamas į tipinių ekstremalių situacijų duomenų analizės uždavinių sprendimą, kuri apima dvi plačias tyrimų kategorijas (Sakalauskas 2009): • Priklausomybių tyrimo ekstremalių situacijų duomenų analizė. Priklausomybių suradimo ekstremalių situacijų duomenų analizei priskiriama grupė uždavinių, kuriuose nustatomi šablonai duomenyse, dažniausiai neturint išankstinių žinių apie duomenyse esančias struktūras. Vienas iš pavyzdžių: – Grupavimas – tai sąvoka, naudojama metodams apibūdinti, kuriuose duomenų įrašai sugrupuojami pagal jų panašumą.
• Prognozuojanti ekstremalių situacijų duomenų analizė apima uždavinių ratą, kuriuose reikia nustatyti sąryšius tarp kintamojo, vadinamo kintamuoju-taikiniu, ir kitų kintamųjų, leidžiančius prognozuoti kintamąjį-taikinį. Vienas iš pavyzdžių: – Klasifikavimas. Klasifikuojant duomenų įrašai yra priskiriami iš anksto nustatytoms klasėms (kategorijoms).
Ekstremalių situacijų didžiųjų duomenų praktinis taikymas
Wollongong miesto pavyzdys Wollongong mieste (Autralija) buvo panaudota GIS sistema nuošliaužos jautrumo zonavimui atlikti. 3 pav. GIS ir ekstremalių situacijų duomenų analizės taikymas (šaltinis: https: //eis. uow. edu. au/cme/landslide-research/susceptibility-hazard/index. html)
Saut Bendo miesto pavyzdys Indianos valstijoje esančio Saut Bendo miesto valdžia ėmėsi netradicinių priemonių potvynių stichijai pažaboti. Saut Bendo specialistai konstatavo, kad yra dvi galimybės: už 317 mln. Lt (120 mln. USD) atnaujinti pasenusią sistemą, į kurią subėga kanalizacijos nuotekos ir lietaus vanduo, arba vos už 16 mln. Lt (6 mln. USD) senojoje sistemoje įrengti 116 jutiklių ir analizuojant jų pateikiamus duomenis numatyti galimus potvynius bei valdyti nuotekų srautus. Miesto valdžia pasirinko pastarąjį variantą ir dabar apie užsikimšusią nuotekų sistemą, gedimus, pakilusį vandens lygį sužino realiu laiku – virtualiame miesto žemėlapyje įsižiebia įspėjimo signalas, informuojami greta esančių objektų savininkai ir imamasi veiksmų.
Skubiai reaguodamos į didžiųjų duomenų analizės pranešimus ir išvengdamos potvynių daromos žalos tarnybos sutaupė dar 1, 6 mln. Lt (0, 6 mln. USD) (Ateities miestai 2013). 4 pav. Didžiųjų duomenų analizė ir verslas (šaltinis: https: //infocus. emc. com/william_schmarzo/big-datamba-course-101 a/)
Vaizdo kamerų panaudojimo pavyzdys Regėjimas yra vienas iš svarbiausių pojūčių. Šiame amžiuje turime labai daug vaizdų arba vaizdinės informacijos, kurią žmogui tenka apdoroti. Kuriamos technologijos, kurios ilgainiui leis visą vaizdinę informaciją apdoroti kompiuteriams ir kompiuteriai, atsižvelgdami į susidariusią situaciją, galės rekomenduoti ar net priimti sprendimus. Pavyzdžiui, dabar apsaugos kameras stebi žmonės, o kompiuterinės sistemos leidžia identifikuoti kažkokį anomalų reiškinį.
Tarkim, oro uoste žmonės eina į vieną pusę, o vienas žmogus kažkodėl eina prieš srautą. Kamera iškart parodo budėtojui, kad vyksta kažkoks netinkamas reiškinys. Tačiau, ką daryti tokiu atveju, sprendimą priima žmogus. Jei jis tuo metu bus nusisukęs, nepastebės pranešimo, padariniai gali būti neprognozuojami. 5 pav. Vizualinė analizė/biometrika (šaltinis http: //varlab. iti. gr/varlab/content/research/biometrics)
Taigi po penkerių metų vaizdinę informaciją apdoroti ir priimti tipinius sprendimus galės kompiuteriai. 6 pav. Kompiuterio sprendimo priėmimo pavyzdys
Rio de Žaneiro miesto pavyzdys 2016 m. olimpinių Rio de Žaneiro (Brazilija), kuriame gyvena 6 mln. žmonių žaidynių metu kelių šimtų specialistų komanda pasitelkusi naujausias technologijas kaupė ir stebėjo iš visų miesto tarnybų plaukiančią informaciją. Vienu metu buvo stebimos vaizdo kameros, elektros naudojimo, vandentiekio, dujų linijų, transporto spūsčių, nelaimingų atsitikimų duomenys, policijos ir medikų ekipažų buvimo vietos. Visos šios informacijos analizė leido miesto problemas spręsti greitai ir efektyviausiu būdu. Pavyzdžiui, prireikus transportas buvo nukreipiamas alternatyviu keliu, nutikus nelaimei akimirksniu informuojamos arčiausiai esančios pagalbos tarnybos.
Majamio-Deid apskrities pavyzdys Majamio-Deid apskrities (JAV) teisėsaugos ir teisėtvarkos institucijos didžiuosius duomenis naudoja spręsdamos beviltiškas bylas, o nusikaltimų prognozes formuojanti sistema policijos ekipažus siunčia į tuos rajonus, kur didžiausia tikimybė, kad artimiausiu metu įvyks nusikaltimas. 7 pav. Nusikaltimų analizė (šaltinis: http: //nickmalleson. co. uk/2013/09/the-population-at-risk-in-crimeanalysis-a-role-for-big-data/#)
Į sistemą suvesti praeityje įvykdytų nusikaltimų duomenys: DNR informacija, liudininkų ir įtariamųjų vardai, bylų aplinkybės ir kitos detalės. Taip pat išsamiai aprašomi nauji nusikaltimai. Analizuodama šiuos duomenis kompanijos IBM įdiegta sistema ieško panašumų, atsikartojimų, dėsningumo ir padeda detektyvams greičiau išspręsti bylą. Naujasis didžiųjų duomenų analizės sprendimas sumažino nusikalstamumą ir padidino išspręstų bylų skaičių – beveik nebeliko beviltiškų bylų, kurios anksčiau dėl nepakankamų duomenų arba įkalčių stokos dūlėdavo stalčiuose (Ateities miestai 2013).
Kitų technologijų panaudojimo pavyzdžiai Didelės apimties duomenų analizė ateityje vis daugiau pridėtinės vertės kurs ne tik įmonėms, bet ir visai visuomenei, kadangi leis tiksliau prognozuoti ir greičiau reaguoti į pasaulyje vykstančius įvykius, pavyzdžiui, įvairias epidemijas ar ekonomikos krizes. Jau dabar įrankis „Google Flu Trends“, agreguodamas žmonių paieškas apie gripą ir jo simptomus per Google paieškos sistemą, informuoja apie galimas gripo epidemijas keliomis savaitėmis anksčiau nei apie jas paskelbia oficialūs šaltiniai. Be to, jau kuriami modeliai, paremti didelės apimties duomenų analize, kurie leis stebėti ekonomikos raidą realiu laiku, daug tiksliau prognozuoti jos vystymąsi bei iš anksto numatyti recesijas (Galdikienė 2014).
Kompiuteris, išanalizavęs orą, galės iš karto perspėti, ar žmogus neužsikrėtė gripu, ar neserga, ar iškvepiamame ore nėra blogųjų dalelių, ir, jei prireiks, informuos gydytoją ar patį žmogų. Kita vertus, vos atėjus į susitikimų kambarį, telefonas galės pranešti, kad čia iškvėpuotas visas sveikas oras, todėl reikia išvėdinti patalpą ir pratęsti pokalbį sveikoje aplinkoje. Dabar telefonuose nėra jutiklių, identifikuojančių arba absorbuojančių orą, ir analizatorių. Žinoma, paskui, kai atsiras fiziniai įrenginiai, tai bus aplikacijos (arba programėlės), kurios apdoros visą informaciją ir, priklausomai nuo programėlės, žmonės su gauta informacija galės elgtis, kaip sugalvos (IBM Lietuva 2013).
Biometrinių technologijų naudojimas ekstremaliose situacijose
Biometrinių technologijų apibrėžimas Biometrika – tai technologijų sritis, kurioje, taikant automatinius metodus, stebimasis žmogus identifikuojamas, tikrinamas arba analizuojamas pagal fiziologines ar elgsenos charakteristikas. Vertinti galima veidą, pirštų atspaudus, plaštakos geometriją, rašyseną, rainelę, tinklainę, balsą ir elgseną. Tuomet asmens charakteristikos lyginamos su kitų asmenų charakteristikomis, išsaugotomis biometriniuose duomenų bazės šablonuose. Pastebėjus sąsają tarp šablono ir subjekto, pateikiamas didelis panašumo įvertinimas ir pranešama tyrėjui. Biometrinės technologijos buvo sėkmingai naudojamos identifikuojant sprogdintojų veidus. Naudojant biometrines technologijas taip pat galima nustatyti stebimo žmogaus emocijas, temperamentą ir pan.
Biometrinių technologijų kategorijos Išskiriamos dvi pagrindinės biometrinių technologijų kategorijos pagal tai, ar yra naudojami (kai kurios technologijos gali remtis ir fiziologinėmis, ir elgesio ypatybėmis) nesikeičiantys, ar kintantys elgesio duomenys: 1. Fiziniais ir fiziologiniais požymiais paremtos technologijos, kurias taikant lyginamos asmens fiziologinės charakteristikos: pirštų atspaudų tikrinimas ir analizė, akies rainelės atpažinimas, tinklainės analizė, veido ir delno kontūro atpažinimas, ausies formos, kūno kvapo, balso atpažinimas, DNR analizė, prakaito porų analizė ir pan. 2. Elgesio ypatybėmis pagrįstų technologijų, kurias taikant lyginamos asmens elgesio ypatybės: ranka rašyto parašo verifikavimas, klaviatūros klavišų paspaudimo būdo analizė, eisenos analizė ir pan.
Biometrinių technologijų vystymasis Nors biometrinės technologijos leidžia automatiškai analizuoti veidą, piršto atspaudą, delno kontūrą, vadinamąjį klaviatūrinį parašą, rankos venas, akies rainelę, akies tinklainę, ranka rašytą parašą, balsą ir tai atliekama jau ne pirmas dešimtmetis, o pirštų atspaudai naudojami jau beveik šimtmetį, spartesnis šių technologijų vystymasis prasidėjo po 2001 m. rugsėjo 11 d. įvykių.
Biometrinių technologijų panaudojimas Biometrinės sistemos naudojamos: televizoriui įjungti balsu; saugumui užtikrinti oro uostuose; apskritai siekiant užtikrinti žmonių saugumą (piršto atspaudas, balso ir DNR tyrimas, akies rainelės analizė); sveikatos apsaugos srityje (nustatomos ligos, atliekami DNR tyrimai, akies rainelės ir tinklainės analizė); duomenų apsaugai – galima jungtis prie duomenų bazių (identifikacija pagal akies rainelę, balso atpažinimas ir kt. ); asmens tapatybei identifikuoti (biometriniai pasai); psichologiniams žmogaus stebėjimams – analizuoti žmogaus elgesio pasikeitimus (balso, akies, pulso pasikeitimus); rinkos tyrimams ir analizei (analizuojama, kaip pirkėjas reaguos į tam tikras siūlomas prekes ir paslaugas); e. versle (gali būti taikomos visos biometrinės sistemos, siekiant užtikrinti duomenų apsaugą, padidinti elektroninio verslo efektyvumą) ir kt. 25
Biometrinių technologijų panaudojimo ekstremaliose situacijose pavyzdžiai
Image. Ware Systems, Inc. pavyzdys Image. Ware Systems, Inc. išbandė biometriniu atpažinimo principu pagrįstą sistemą, kuri nustato aukų tapatybę, pakeičia pasų tikrinimo procedūras, padeda kontroliuoti ekstremalių situacijų zonas. 8 pav. Image. Ware Systems technologija
Dental Biometrics sistemos pavyzdys Dental Biometrics sistema naudojama nustatant aukų tapatybę ekstremalių situacijų zonose. 9 pav. Dental Biometrics technologija
Veido atpažinimo biometrikos pavyzdys Image. Ware and ISPINTELL (Donate Mobile Identification Solution to Support Tsunami Relief Effort) sistema naudojama nustatant aukų tapatybę ekstremalių situacijų zonose. 10 pav. Image. Ware and ISPINTELL technologija
Move Systems (OTCBB: OMVS) and IQBiometrix (IQB) sistema naudojamos nustatant aukų tapatybę ekstremalių situacijų zonose. 11 pav. Move Systems and IQBiometrix technologija
Multimodalinės atpažinimo biometrikos pavyzdys Indijoje naudojama multimodalinė biometrika nustatant aukų tapatybę ekstremalių situacijų zonose. 12 pav. Multimodalinė technologija
Piršto atspaudo atpažinimo biometrikos pavyzdys Indonezijoje naudojama piršto atspaudo biometrika nustatant aukų tapatybę ekstremalių situacijų zonose. 13 pav. Piršto atspaudo technologija
AČIŪ UŽ DĖMESĮ !
- Slides: 33