داده‌کاوی؛ پیش‌بینی یا پیشگویی بحران‌ها
پیشرفت‌های اخیر در حوزه‌های فناورانه، امکانات گسترده‌ای برای زندگی امروز بشر و سازوکار‌های مدیریتی فراهم آورده است. این پیشرفت‌ها موجب شده که داده‌های بزرگ یا همان کلان‌داده‌ها به وفور تولید شوند؛ داده‌هایی که می‌توانند مثل یک نقشه زنده از جهان امروز و به‌طور خاص از شهر‌ها عمل کنند. از حسگر‌های کیفیت هوا گرفته تا دوربین‌های ترافیکی، باران‌سنج‌ها، داده‌های تلفن همراه و حتی محتوایی که مردم در شبکه‌های اجتماعی منتشر می‌کنند.
در این گفتوگو با محمد اسکندری نسب، جامعه‌شناس و پژوهشگر علوم اجتماعی محاسباتی، تلاش کرده‌ایم تا مسئله مدیریت بحران‌های شهری با کمک کلان‌داده‌ها را بررسی کنیم.
آیا الگوریتم‌های یادگیری ماشین می‌توانند با تحلیل داده‌ها، بحران‌های شهری را پیش از وقوع پیش‌بینی کنند؟
وقتی این منابع را کنار هم قرار دهیم و با الگوریتم‌های پیش‌بینی و یادگیری ماشین تحلیل کنیم، می‌توانیم قبل از وقوع بحران، الگو‌های خطر را شناسایی کنیم، مثلا در تهران بر اساس داده‌های سنجش آلودگی که در مناطق مختلف جمع‌آوری می‌شود، می‌توان سامانه‌ای طراحی کرد که با کمک هوش مصنوعی اوج‌گیری آلودگی را مثلا ۴۸ ساعت زودتر پیش‌بینی کند؛ یا حتی نقاط آب‌گرفتگی معابر را با ترکیب داده‌های بارش، توپوگرافی و ترافیک شناسایی کرد.
در ادبیات نظری، ما با طیف متنوعی از بحران‌ها (Crisis) مواجه هستیم؛ از بحران‌های جمعیتی ناشی از مهاجران و پناهجویان گرفته تا اپیدمی‌هایی مثل کرونا یا تب دنگی. همچنین بلایای طبیعی و حوادث انسانی نظیر اقدامات وندالیستی یا خسارات ناشی از ازدحام جمعیت در ورزشگاه‌ها و مراسم آیینی نمونه‌های دیگری از این وضعیت هستند. در کنار آنها، می‌توان به حملات تروریستی همچون حمله داعش به مجلس شورای اسلامی، جنگ‌های داخلی، حمله نظامی به کشور و اعتراضات و خشونت‌های عمومی اشاره کرد. همچنین طیفی از بحران‌های دیگر شامل بی‌نظمی‌های اجتماعی، حوادث صنعتی و فروپاشی زیرساخت‌ها نیز وجود دارد.
شهر‌های امروز بیش از هر زمان دیگری با بحران‌هایی مانند آلودگی هوا، ترافیک یا بلایای طبیعی مواجه‌اند؛ کلان داده‌ها چطور می‌توانند در این بحران‌ها نقش ایفا کنند؟
همان‌طور که اشاره شد، این بحران‌ها در هر شکل خود نیازمند مدیریت مدون هستند و رویکرد داده‌محور می‌تواند این مدیریت را متحول کند. کلان‌داده‌ها 4 ویژگی شناخته‌شده دارند که اهمیت‌شان را در فرایند‌های تحلیلی و مدیریتی مشخص می‌کند:
حجم (Volume): انبوه عظیم داده‌ها که با ابزارهای سنتی قابل‌پردازش نیستند.
تنوع (Variety): داده‌ها در قالب‌های مختلف ساختاریافته، نیمه‌ساختاریافته و بدون ساختار تولید می‌شوند و منابع غنی تحلیلی به دست می‌دهند.
سرعت (Velocity): داده‌ها به‌صورت لحظه‌ای و در مقیاس میلی‌ثانیه تا چند ثانیه تولید می‌شوند و می‌توانند در شرایط اضطراری راهبرد‌های سریع فراهم کنند.
درستی (Veracity): چالش رایجی که به میزان واقعی و معتبر بودن داده‌ها اشاره دارد و با راهبرد‌های تحلیلی درست می‌توان بر آن غلبه کرد.
این مباحث را در مقاله‌ای با عنوان «تاملی بر روش‌شناسی علوم اجتماعی محاسباتی» بررسی کرده‌ام که به‌زودی در مجله «مطالعات جامعه‌شناختی» منتشر می‌شود.
وقتی حادثه‌ای رخ می‌دهد، دقیقه‌ها حیاتی‌اند. داده‌های لحظه‌ای از حسگرها، اپلیکیشن‌های مسیریابی و حتی شبکه‌های اجتماعی اجازه می‌دهند سریع‌ترین تصمیم گرفته شود
حال اگر این چهار ویژگی اصلی را در نظر بگیریم، می‌توان سه مرحله مهم مدیریت بحران را با کاربست کلان‌داده‌ها تعریف کرد:
مرحله پیشا بحران: مدیریت می‌تواند با گوش‌سپاری اجتماعی در شبکه‌های اجتماعی، گزارش‌های جمع‌سپارانه از سوی کنشگران شهری و داده‌های حسگر‌های محیطی و اینترنت اشیاء، زودتر از وقوع بحران واکنش نشان دهد. این اقدام نشانگر هوشمندی و مسئولیت‌پذیری مدیریت شهری است.
مرحله حین بحران: این مرحله نیازمند اشراف لحظه‌ای و واکنش سریع است. داده‌های لحظه‌ای اهمیت ویژه دارند و امکان پایش برخط شرایط محیطی، سنجش نتایج اقدامات و ارزیابی تغییرات افکار عمومی را فراهم می‌کنند.
مرحله پسا بحران: در این مقطع مدیریت باید با داده‌های دقیق و مستند، تجارب خود را ثبت کند، افکار عمومی را از موفقیت‌ها یا ضعف‌ها مطلع سازد و اعتماد اجتماعی را تقویت کند. در این مرحله سنجش اثرگذاری اقدامات و شنیدن صدای شهروندان با کلان‌داده شبکه‌های اجتماعی ممکن می‌شود.
به بیان دیگر، داده‌های لحظه‌ای همان چیزی است که فاصله میان پیش‌بینی و عمل را پر می‌کند. وقتی حادثه‌ای رخ می‌دهد، دقیقه‌ها حیاتی‌اند. داده‌های لحظه‌ای از حسگرها، اپلیکیشن‌های مسیریابی و حتی شبکه‌های اجتماعی اجازه می‌دهند سریع‌ترین تصمیم گرفته شود. برای نمونه، در صورت وقوع حمله نظامی، این داده‌ها می‌توانند مسیر‌های باز و بسته را مشخص کنند و نیرو‌های امدادی را به‌سرعت راهنمایی کنند. حتی تحلیل محتوای شبکه‌های اجتماعی فارسی قادر است چند دقیقه زودتر از رسانه‌های رسمی نخستین نشانه‌های بحران را آشکار کند. در تهران زیرساخت‌های متعددی مثل دوربین‌ها و ایستگاه‌های سنجش هوا وجود دارد، اما چالش اصلی اتصال و استفاده یکپارچه از این داده‌هاست؛ آن هم با رعایت حریم خصوصی شهروندان.
آیا نمونه‌ای عملی وجود دارد که تحلیل کلان‌داده‌ها به کاهش خسارت یا مدیریت بهتر یک بحران شهری کمک کرده باشد؟
بله، هم در جهان و هم در ایران نمونه‌های قابل توجهی وجود دارد. در زلزله هائیتی، داده‌های تلفن همراه به تیم‌های امدادی کمک کرد تا جابه‌جایی جمعیت را لحظه‌به‌لحظه ردیابی کنند. در تهران نیز سامانه (GIS) ترافیک در منطقه ۶ نمونه‌ای موفق است. با ثبت لحظه‌ای تصادفات و تحلیل داده‌ها، نقاط پرخطر شناسایی شدند و همین امر برنامه‌ریزی برای کاهش تلفات را هدفمندتر کرد. این نشان می‌دهد که داده، اگر درست جمع‌آوری و یکپارچه شود، می‌تواند جان انسان‌ها را نجات دهد.
علاوه بر این، گروه‌های علمی در سراسر دنیا مشغول پژوهش در این حوزه‌اند. به‌عنوان مثال، مقاله‌ای مروری از شبکه پایداری محاسباتی (CompSustNet) با عنوان «پایداری محاسباتی: محاسبات برای جهانی بهتر و آینده‌ای پایدار» ترجمه کرده‌ام که در آن آخرین یافته‌های این شبکه درباره کاربرد کلان‌داده در مواجهه با بحران‌های زیست‌محیطی و توسعه پایدار مرور شده است. این مقاله در شماره اخیر نشریه «آب و توسعه پایدار» (شماره ۳۶) منتشر شده است.
به نظر شما بزرگ‌ترین چالش در استفاده از کلان‌داده برای مدیریت بحران در شهر‌های ایران چیست؟
مهم‌ترین چالش، پراکندگی و جزیره‌ای بودن داده‌هاست. هر سازمانی داده‌های خودش را دارد؛ شهرداری، پلیس، اورژانس، محیط زیست. اما استاندارد و پروتکل مشترکی برای تبادل داده وجود ندارد. کیفیت داده‌ها نیز مشکل‌ساز است؛ گاهی ناقص ثبت می‌شوند یا فرمت‌های ناسازگار دارند.
مسئله اعتماد و حریم خصوصی نیز بسیار مهم است. اگر شهروندان مطمئن باشند امنیت داده‌هایشان تضمین شده و حریم خصوصی‌شان نقض نمی‌شود، حاضر به مشارکت خواهند شد. این مشارکت می‌تواند با گزارش‌های مردمی از طریق اپلیکیشن‌ها و سامانه‌ها به مدیریت شهری کمک کند و نوعی مدیریت مشارکتی را شکل دهد.
از سوی دیگر، کمبود تیم‌های بین‌رشته‌ای هم چالشی اساسی است. متخصص داده، مدیر بحران و جامعه‌شناس باید بتوانند با زبان مشترک کار کنند. در کشور تلاش‌هایی در حال انجام است، اما تربیت نیرو‌های بین‌رشته‌ای و حمایت از آنها، راهکار اساسی است.
مسئله اعتماد و حریم خصوصی نیز بسیار مهم است. اگر شهروندان مطمئن باشند امنیت داده‌هایشان تضمین شده و حریم خصوصی‌شان نقض نمی‌شود، حاضر به مشارکت خواهند شد. این مشارکت می‌تواند با گزارش‌های مردمی از طریق اپلیکیشن‌ها و سامانه‌ها به مدیریت شهری کمک کند و نوعی مدیریت مشارکتی را شکل دهد
اگر بخواهید به مدیران شهری توصیه‌ای کنید، برای یکپارچه‌سازی داده‌ها و استفاده موثر از آنها در زمان بحران چه پیشنهادی دارید؟
سه موضوع راهبردی را باید جدی گرفت:
ایجاد پایگاه کلان‌داده شهری: سامانه‌ای که داده‌های حیاتی مثل تماس‌های اورژانس، ترافیک، هواشناسی و گزارش‌های مردمی را در لحظه به هم متصل کند.
سرمایه‌گذاری بر مشارکت اجتماعی: ابزارهای ثبت و دریافت نظرات شهروندان در شبکه‌های اجتماعی و از طریق اپلیکیشن‌ها کمک می‌کند مدیریت شهری بداند مردم در محلات چه بحران‌هایی را تجربه می‌کنند و چه انتظاراتی دارند.
شفافیت در فرآیندها: وقتی شهروندی گزارشی ارسال می‌کند، باید بازخورد بگیرد. این شفافیت موجب می‌شود اعتماد اجتماعی تقویت شده و مشارکت مردمی تداوم یابد.
انتهای پیام/
