رویکرد شهروند محور برای بهبود مدیریت خدمات سرزمینی

خلاصه

در دهه گذشته، آگاهی فزاینده ای وجود داشته است که مشارکت شهروندان در تصمیم گیری می تواند تأثیر فوری و مثبتی بر اقداماتی که باید انجام شود، داشته باشد، زیرا آنها صاحبان واقعی دانش در مورد مکان زندگی خود هستند. با جمع‌آوری و مکان‌یابی داده‌ها از طریق تلفن‌های هوشمند و اینترنت، شهروندان در واقع می‌توانند به تصمیم‌گیرندگان کمک کنند هم اطلاعات مکانی-زمانی قابل اشتراک‌گذاری درباره اشیا و پدیده‌ها ایجاد کنند و هم پویایی سرزمینی را تفسیر کنند. با این حال، اگرچه چنین نقشی به طور قطع به رسمیت شناخته شده است، فقدان یک پارادایم همگن برای ساختار فرآیند سنجش، مدیریت داده های جغرافیایی تولید شده و مدیریت خدمات، بهره برداری از چنین پتانسیلی را دشوار می کند. در این صفحه، ما یک رویکرد شهروند محور را توصیف می کنیم که برای ایجاد دانش سرزمینی مفید است تا تصویری به موقع و قابل اعتماد از وضعیت یک قلمرو مشخص به تصمیم گیرندگان ارائه دهد. به طور خاص، یک نمایش بصری از دانش جغرافیایی توصیف می‌شود که اطلاعات حساس به بافت در مورد یک قلمرو و شهروندان آن را خلاصه می‌کند، بنابراین وظایف نظارت بر زمین را بهبود می‌بخشد. یک سیستم اطلاعاتی، SAFE، در نهایت ارائه می‌شود که شامل یک وب و یک مؤلفه تلفن همراه برای مدیریت داده‌های ارائه‌شده شهروندان است تا برای ایجاد سناریوهای پویا قابل اعتماد یکپارچه شوند. بنابراین وظایف نظارت بر زمین بهبود می یابد. یک سیستم اطلاعاتی، SAFE، در نهایت ارائه می‌شود که شامل یک وب و یک مؤلفه تلفن همراه برای مدیریت داده‌های ارائه‌شده شهروندان است تا برای ایجاد سناریوهای پویا قابل اعتماد یکپارچه شوند. بنابراین وظایف نظارت بر زمین بهبود می یابد. یک سیستم اطلاعاتی، SAFE، در نهایت ارائه می شود که شامل یک وب و یک مؤلفه تلفن همراه برای مدیریت داده های ارائه شده توسط شهروندان است تا برای ایجاد سناریوهای پویا قابل اعتماد یکپارچه شود.

کلید واژه ها:

طراحی شهروند محور ; مدیریت ریسک ؛ برنامه های موبایل

1. معرفی

در دهه گذشته، آگاهی فزاینده ای وجود داشته است که مشارکت شهروندان در تصمیم گیری تأثیر فوری و مثبتی بر اقداماتی که باید انجام شود دارد، زیرا آنها تنها صاحبان دانش عمیق در مورد مکان زندگی خود هستند. در واقع، شهروندان می توانند نقش ناظرانی را ایفا کنند که از نظر جغرافیایی توزیع شده اند و می توانند از طریق مشارکت مستقیم، به موقع بودن داده ها را فراهم کنند، بنابراین قابلیت اطمینان اطلاعات به دست آمده را افزایش می دهند و امکان فعالیت در قلمرو را به شیوه ای کارآمد و مؤثر فراهم می کنند. علاوه بر این، همانطور که در [ 1]، خود انسان ها یک شبکه حسگر (بیش از 6 میلیارد جزء) را نشان می دهند، به دلیل توانایی آنها در تفسیر آنچه که با حواس خود می گیرند. آنها با جمع‌آوری، تجسم و مکان‌یابی اطلاعات از طریق تلفن‌های هوشمند و اینترنت، از تصمیم‌گیرندگان حمایت می‌کنند تا پایگاه‌های اطلاعاتی مکانی-زمانی قابل اشتراک‌گذاری درباره اشیاء و پدیده‌های سرزمینی ایجاد کنند و به کارشناسان حوزه کمک می‌کنند تا پویایی سرزمینی را با بهبود فرآیندهای تحلیل توصیفی و تشخیصی تفسیر کنند. این یک رویکرد پایه گذاری برای کارشناسان است و نشان دهنده مبنایی است که هر اقدام در یک منطقه باید از آن شروع شود.

با وجود این آگاهی، روش‌ها و ابزارهای موجود برای پشتیبانی از وظایف نظارتی با اهداف عمومی هنوز رضایت‌بخش نیستند. در واقع، آنها با هر موضوع از منظری منحصر به فرد مواجه می شوند و اگرچه نوآور هستند، اما ممکن است به دلیل عدم مشارکت واقعی کاربران نهایی توسط کارشناسان و تصمیم گیرندگان در طول مرحله طراحی محدود شوند.

جهت تحقیقی که ما در حال حاضر در آزمایشگاه سیستم های اطلاعات جغرافیایی (LabGIS) دپارتمان علوم کامپیوتر (دانشگاه سالرنو) دنبال می کنیم، شناسایی راه حل های ترکیبی است که به شهروندان و کارشناسان اجازه می دهد تا با همکاری یکدیگر اطلاعات را جمع آوری و توزیع کنند. پردازش شده [ 2 ، 3 ]. در تعقیب این هدف، ما در حال بررسی تک تک جنبه‌ها، فازها و مؤلفه‌های مرتبط با آن هستیم، از طراحی و توسعه گرفته تا روش‌ها و ابزارها، از محیط‌ها تا برنامه‌های کاربردی، به منظور تعریف یک سیستم چند وجهی که قادر به تضمین نتایج مورد انتظار برای همه انواع کاربران

1.1. مشارکت پژوهشی

هدف این مقاله توصیف رویکرد شهروند محوری است که برای ایجاد دانش سرزمینی مفید برای ارائه تصویری به موقع و قابل اعتماد از وضعیت یک قلمرو به تصمیم گیرندگان مفید است. زیربنای این رویکرد، یک بازنمایی بصری از دانش مکانی تعریف می‌شود که اطلاعات حساس به بافت در مورد یک قلمرو و شهروندان آن را خلاصه می‌کند. این نمایش که geometaphor نام دارد، به صورت بصری یک شی یا یک پدیده را به عنوان مجموعه ای از ویژگی های توصیفی، گرافیکی و فضایی بیان می کند که می تواند برای پشتیبانی از فعالیت های نظارت و تصمیم گیری در یک قلمرو دارای قابلیت فضایی استفاده شود. علاوه بر این، استعاره های هندسی برای ارائه نتایج حاصل از روش های تجمیع داده ها قبل از فراخوانی تکنیک های تجسم اطلاعات بر روی نقشه ها طراحی شده اند.4 ، 5 ، 6 ، 7 ].

به منظور اثبات امکان سنجی این رویکرد، یک سیستم پشتیبانی تصمیم فضایی، SAFE (ایمنی برای خانواده ها در شرایط اضطراری)، توسعه داده شده است. یکی از ویژگی‌های اساسی کل سیستم، «پویایی داده‌ها» است که به‌عنوان به‌روزرسانی مداوم تکه‌های دانش برای ایجاد سناریوهای پویا قابل اعتماد است. برای این هدف، SAFE یک محیط بصری را با هدف متخصصان و متخصصان تعبیه کرده است، و یک برنامه تلفن همراه که عمدتاً برای حمایت از شهروندان در فعالیت های روزانه آنها قرار دارد. به طور خاص، کاربران خبره و تصمیم گیرندگان را می توان در وظایف روزانه و فوق العاده خود از طریق یک محیط وب مشترک پشتیبانی کرد که در آن چندین عملکرد برای نظارت بر زمین و وظایف مدیریت رویداد ارائه شده است. کاربران نهایی، شهروندان و متخصصان می توانند در عوض با استفاده از برنامه های کاربردی تلفن همراه که برای پشتیبانی از آنها در نظر گرفته شده است، شرکت کنندسودجویی و تسهیل تعامل با هدف ارائه داده (کاربر به عنوان تولید کننده) و کسب اطلاعات (کاربر به عنوان مصرف کننده) [ 8 ]. این ابزارهای نوآورانه با هم، فرآیندهای جغرافیایی-اجتماعی مختلفی را ممکن می‌سازند، که به طور کلی امکان افزایش دانش در مورد یک قلمرو را فراهم می‌کند.

علاوه بر یک فعالیت نظارتی همه منظوره، SAFE برای بهبود رویه‌های تایید شده در نظر گرفته شده است، که ممکن است از محتوای تولید شده توسط کاربر که از شبکه‌های اجتماعی هوشمند موجود به دست می‌آید، بهره‌مند شود. این ویژگی SAFE را مخصوصاً برای رسیدگی به رویه‌های اضطراری مناسب می‌سازد که می‌توانند در صورت وقوع یک رویداد، برنامه‌ریزی شده و غیرعادی، فعال شوند. در این موارد، اکثر وظایف مدیریت دولتی می تواند تسهیل و خودکار شود، مانند شناسایی خطرات در یک قلمرو و برنامه ریزی نیازها بر اساس آنها. سپس، مشارکت شهروندان از طریق برنامه تلفن همراه بسیار مهم می شود زیرا ارتباط به موقع هر اطلاعات محلی مرتبط در مورد یک رویداد به تصمیم گیرندگان اجازه می دهد تا توزیع منابع موجود را بهبود بخشند.

1.2. ادغام کنشگری اجتماعی و رویه های تایید شده: سناریوی حفاظت از مدنی 2.0

تمرکز اولیه SAFE ایجاد آن به عنوان یک سرویس جغرافیایی-اجتماعی است که در آن شهروندان نقش اصلی را در تحول سناریوهای مربوط به آنها ایفا می کنند. در واقع، علاوه بر نقشی که کارشناسان و متخصصان ایفا می کنند، مشارکت شهروندان بسیار مهم است. دلیلش دو چیز است. مشارکت دادن شهروندان در فرآیند تصمیم گیری مستلزم ایجاد راه حل های کارآمدتر است، زیرا آنها می توانند به عنوان سهامداران فعال در تجزیه و تحلیل نیازمندی ها مشارکت داشته باشند و در نتیجه توجه را به نیازهای واقعی جلب کنند. علاوه بر این، اگر شهروندان بتوانند در توسعه راه حل مشارکت داشته باشند، اتخاذ آن قانع کننده تر خواهد بود. این مفروضات بدین معناست که شهروندان می توانند نسبت به قلمرو و پدیده های آن آگاهی کسب کنند و هوش جمعی تولید کنند.

منطق پشت چنین رویکردی مفهوم کنشگری اجتماعی است که مسئولیت عمومی به آن سپرده شده است. مدلی وجود دارد که به «نقشه‌برداری فعال» معروف است، که ترکیبی از کنش‌گری اجتماعی، روزنامه‌نگاری شهروندی و اطلاعات مکانی است. برای اولین بار در Ushaidi، برای جمع آوری و انتشار روی نقشه گوگل، گزارش های شاهدان عینی خشونتی که در کنیا در سال 2007 رخ داد، استفاده شد [ 2 ].

حوزه ای که در آن این رویکرد موفقیت آمیز است، مربوط به حوزه حفاظت مدنی است، که نشان دهنده بخش عمومی است که در آن ادغام فعالیت اجتماعی و داده های تایید شده می تواند به افزایش کارایی آن کمک کند.

به طور کلی، زمانی که رویدادی رخ می دهد که نیاز به اقدامات حفاظت مدنی دارد، می توان از سناریوهای خاصی استفاده کرد. برخی از آنها ناشی از فعالیت های انجام شده در مراحل آماده سازی است، مانند شناسایی خطرات یک قلمرو، سرشماری منابع موجود، برنامه ریزی نیازها با توجه به خطرات، انتشار طرح اضطراری به شهروندان. برخی دیگر پیامدهای سناریوهای در حال تحول هستند و به یک سیستم نظارت و پشتیبانی تصمیم نیاز دارند، به عنوان مثال، برای فعال کردن روش‌های هشدار یا نجات. رویه هایی که سناریوهای فوق را مشخص می کنند، می توانند توسط انواع مختلف کاربران فعال و انجام شوند، که هر کدام از طریق یک نوع برنامه کاربردی خاص عمل می کنند.

بخش 5 مدل زیربنایی SAFE را توصیف می کند و به عنوان مثال نشان می دهد که چگونه دسته های مختلف کاربران می توانند عملکردهای آن را با توجه به نقشی که در یک سناریو اضطراری ایفا می کنند، فراخوانی کنند. در اینجا، SAFE الگویی را اتخاذ می کند که هدف آن قرار دادن فعالیت های حفاظت مدنی است [ 8] به لطف استفاده از روش‌ها و ابزارهای جدید، از جمله راه‌حل‌های مبتنی بر فناوری اطلاعات و ارتباطات. ایده اصلی این است که مقدار داده های مدیریت شده در زمینه حفاظت مدنی را بر روی یک پلت فرم ابری به هم پیوند دهیم تا امکان تبادل صحیح و بی نقص داده ها و اطلاعات فراهم شود. تحقیقات در این زمینه با آگاهی اولیه تحریک شده است که اگرچه هر شهرداری ملزم به تهیه و مدیریت یک طرح اضطراری برای خطرات احتمالی مرتبط با قلمرو خود است، اما بسیاری از آنها به دلایل مختلف در حال شکست هستند. کمبود بودجه برای تخصیص، عدم تخصص در این زمینه و عدم نظارت مستمر بر منابع و اطلاعات، تنها برخی از دلایل احتمالی است. اولین هدف مورد توجه پژوهش حاضر، بهینه سازی مدیریت منابع موجود و تضمین مشارکت و هماهنگی صحیح بازیگران حاضر در رویه های مختلف اجرای طرح شهرداری است. یک استاندارد با کیفیت بالا نیز باید تضمین شود تا از تکرار، ناهماهنگی، ناقص بودن و عدم اطمینان جلوگیری شود.

پس از دستیابی به چنین نتیجه ای، هدف ارائه مجموعه ای از ویژگی هایی است که هر روز و در 24 ساعت شبانه روز، شهروندان را در اجرا و مدیریت رویه ها مشارکت می دهد. برای این هدف، SAFE مجموعه‌ای از عملکردها را در اختیار کاربران قرار می‌دهد که با به اشتراک گذاشتن داده‌های ساده و دانش منطقه‌ای، از وظایف پیچیده نظارت و مدیریت ریسک پشتیبانی می‌کنند.

ادامه مقاله به شرح زیر تدوین شده است. بخش 2 مواد و روش های اعمال شده در طول طراحی SAFE را شرح می دهد. در بخش 3 ، مدل زیربنای SAFE، سیستم مدیریت خدمات منطقه ای، توضیح داده شده است. بخش 4 نحوه عملکرد SAFE را هنگام اعمال در حوزه مدیریت ریسک نشان می دهد. برخی از بحث ها و نتیجه گیری ها در بخش 5 آورده شده است.

2. مواد و روشها

چندین بهترین شیوه برای مشارکت شهروندان را می‌توان در ادبیات یافت، که در حوزه‌های مختلف منتشر شده‌اند، از نمونه‌های اطلاعات جغرافیایی داوطلبانه (VGI) در زمینه هشدار اولیه [ 2 ] تا الگوی عمومی‌تر دولت باز (OG) ، که در آن سه اصل اساسی، یعنی شفافیت، مشارکت و همکاری بر مدیریت عمومی (PA) و جامعه مدنی تأثیر می گذارد [ 9 ].

2.1. استعاره های هندسی به عنوان روش شناسی خلاصه های بصری

با توجه به حجم زیاد داده‌های موجود، لازم است تجزیه و تحلیل بصری یک سناریو برای دستیابی به درک و شناخت کارآمد آن تسریع شود. برای این هدف، ادبیات دو رویکرد متفاوت را پیشنهاد می‌کند، یعنی رویکردی با نمایش مستقیم که از روش‌های تجمیع داده‌ها استفاده می‌کند و رویکردی مبتنی بر خلاصه‌هایی که قبل از تجسم داده‌ها بر روی نقشه ساخته شده‌اند. در این مقاله، ما مفهوم هندسه را به عنوان یک نمایش بصری ترکیبی اتخاذ می‌کنیم که از روش‌های تجمیع داده‌ها برای ایجاد خلاصه‌ای از مجموعه داده‌ها استفاده می‌کند تا به تحلیلگران کمک کند آنچه مهم است را پیدا کنند و به سؤالات سریع پاسخ دهند [ 10 ].

مفهوم هندسه در ابتدا در [ 11 ] معرفی شد. این شامل یک نمایش بصری از یک شی یا یک پدیده است که توسط مجموعه‌ای از ابرداده‌های توصیفی، گرافیکی و مکانی-زمانی توصیف می‌شود. نیاز به چنین نمایشی از نیاز به انتقال اطلاعات در مورد یک قلمرو به دسته های مختلف کاربران به شیوه ای ساده و فشرده ناشی می شود.

2.2. داده های جغرافیایی بزرگ

داده های جغرافیایی همیشه “داده های بزرگ” بوده اند [ 12 ]. از طریق استفاده از منابع پیشرفته، مانند سیستم های موقعیت یاب جهانی (GPS)، گوشی های هوشمند، اینترنت اشیا (IoT) [ 13 ]، وب 2.0 [ 14 ] و برنامه کوپرنیک [ 15 ]، حجم عظیمی از این داده ها جمع آوری شده است که حاوی مولفه های ضمنی مکانی و زمانی و روابط معنایی میان آنها که باید برای بهره مندی از آنها آشکار و آشکار شود.

هنگامی که توانایی جمع‌آوری داده‌ها دیگر مانع پیشرفت و نوآوری نمی‌شود، مهم‌ترین مسئله این است که چگونه از این مقدار داده‌های بزرگ جغرافیایی [ 16 ] برای به دست آوردن ارزش از دانش سرزمینی بهره‌برداری می‌شود. این حجم عظیم داده را نمی توان به راحتی توسط سخت افزار، نرم افزار و ابزارهای پایگاه داده معمولی، ذخیره، تجزیه و تحلیل و مدیریت کرد و برای تولید ارزش تجاری نیاز به معماری های فنی و تحلیل های جدید دارد [ 13 ].

به طور کلی، سیستم‌های جمع‌آوری و تجزیه و تحلیل داده‌های بزرگ جغرافیایی از سه لایه تشکیل شده‌اند: یکپارچه‌سازی و مدیریت داده‌های بزرگ جغرافیایی، تجزیه و تحلیل داده‌های بزرگ جغرافیایی، و پلت‌فرم‌های خدمات داده‌های بزرگ جغرافیایی. در این میان، لایه دوم اغلب پیچیده ترین لایه است، زیرا مسئول انجام تجزیه و تحلیل داده ها است. این به طور کلی به یک ماژول برای تجزیه و تحلیل تعاملی داده های زمان واقعی یا پویا و یک ماژول برای تجزیه و تحلیل دسته ای داده های استاتیک یا آرشیو شده ساختار یافته است. بیشتر معماری های تثبیت شده یک موتور پردازش تحلیلی فضایی آنلاین (SOLAP) را با هدف ترکیب سیستم های اطلاعات جغرافیایی (GIS) و OLAP تعبیه کرده اند [ 17 ]]. این یک پلت فرم بصری برای تجزیه و تحلیل داده های مکانی-زمانی از طریق یک حالت چند بعدی با سطوح تجمع است. نتیجه بر روی انواع مختلف نقشه ها تجسم می شود، به طوری که کاربر به راحتی می تواند نتیجه هر عملیات را درک کند. GeoMondrian اولین اجرای یک سرور SOLAP واقعی است [ 18 ]. این سرور به عنوان یک نسخه فعال شده از خدمات تجزیه و تحلیل Pentaho (موندریان) با قابلیت فضایی ایجاد شده است، یک سرور SOLAP منبع باز است که امکان جاسازی قابلیت های تجزیه و تحلیل فضایی را در پرس و جوهای تحلیلی فراهم می کند، بنابراین پرس و جوهای ژئوتحلیلی واقعی را تولید می کند.

در نهایت، راه‌حل‌های اخیر برای بهره‌مندی از پیشرفت‌های حاصل از روش‌ها و فن‌آوری‌های داده‌محور بزرگ مطرح شده‌اند. برخی از رویکردهای جدید در واقع برای گسترش Hadoop برای داده‌های بزرگ جغرافیایی و سپس استفاده از یکی از نسخه‌های فضایی آن به‌عنوان پلتفرم پایه [ 19 ] در نظر گرفته شده‌اند.

3. SAFE: سیستمی برای مدیریت خدمات منطقه ای

SAFE تصور شده است که در چندین حوزه، از اجتماعی گرفته تا نهادی، از آموزش تا داوطلبانه استفاده می شود. این مبتنی بر آگاهی است که محیط زیست و شهروندان، هر دو در تکامل مستمر، “منابع داده” مهمی هستند که به طور مداوم اطلاعات مرتبط را برای برنامه ریزی شهری بهتر ارائه می دهند. در واقع، استنباط اطلاعات در مورد استفاده از خدمات شهری و عادات شهروندان می تواند کمک بزرگی به طراحی اقدامات برنامه ریزی شهری هوشمند و بهبود مدیریت شهر باشد [ 20 ، 21 ، 22 ]. به عنوان مثال، هنگامی که اتوبوس مدرسه وارد منطقه ای در فاصله معینی از خانه مادر می شود، یک اعلان به طور خودکار برای مادر ارسال می شود ( شکل 1).). علاوه بر این، یک شهروند می تواند برای گزارش یک مشکل زیست محیطی هشداری را به دفتر مورد نظر ارسال کند.

نسخه اولیه SAFE در [ 23 ] توضیح داده شد که در آن هدف اولیه پروژه دنبال کردن روند تحقیقات فعلی و شناسایی راه حل های ترکیبی است که به شهروندان و کارشناسان اجازه می دهد تا با یکدیگر برای جمع آوری و توزیع مجدد اطلاعات، پس از پردازش مناسب، همکاری کنند.

SAFE بهبود یافته است تا پشتیبان تصمیم گیرندگان باشد تا عدم قطعیت در اتخاذ همه تصمیمات، یعنی روزانه و استراتژیک را کاهش دهد. این سیستم فرآیندی را برای به دست آوردن، تجزیه و تحلیل و تجسم مقادیر زیادی از داده ها فراهم می کند. به طور خاص، روش پیشنهادی بر اساس طرح‌واره‌سازی فرآیند تصمیم‌گیری [ 24 ، 25 ] است و از سه مرحله کلان تشکیل شده است ( شکل 2 ).

ماکروفاز 1 مربوط به مرحله هوشمندی است، یعنی مرحله جمع آوری اطلاعات که در آن مشکل هدف شناسایی می شود. ماکروفاز 2 مربوط به مرحله طراحی است. این شامل ساختار مسئله تصمیم گیری از طریق دو مرحله فرعی است:

1. تبعیض آمیز بازیگران و اشیاء درگیر در یک سناریو.

2. ایجاد خلاصه بصری دانش.

در نهایت، ماکروفاز 3 مربوط به مرحله انتخاب است. این فاز کلان اجازه می دهد تا پارامترهای مورد علاقه برای ساخت یک سناریوی تصمیم گیری را کمی سازی کنیم.

الزامات فن آوری لازم برای تعاملات عملکردی در میان فازهای کلان فوق می تواند به عنوان الزامات طراحی محیط بصری که عملکرد سیستم را تعبیه می کند استفاده شود.

3.1. ماکروفاز 1: هوش

این فاز کلان شامل طراحی معماری سیستم برای ارضای نیازهای کسب اطلاعات پویا توسط بازیگران مختلف (تصمیم گیرندگان و شهروندان) است. این فاز کلان شامل طراحی معماری سیستم برای پاسخگویی به نیازهای کسب اطلاعات پویا توسط بازیگران مختلف (تصمیم گیرندگان و شهروندان) است. معماری سیستم زیربنایی در شکل 3 نشان داده شده است. این یک مدل مشتری-سرور معمولی است که از یک برنامه وب، یک برنامه کاربردی تلفن همراه و یک پایگاه داده MongoDB تشکیل شده است. این مدل توسط فناوری های JSP و Servlet محقق شده است. سرور همچنین با سرویس های خارجی که می توانند توسط دو مجموعه از سرویس هایی که قبلا توضیح داده شد فراخوانی شوند تعامل دارد. علاوه بر این، برخی از پردازش‌های موازی حجم عظیمی از داده‌ها با استفاده از چارچوب MapReduce، مؤلفه Hadoop برای پردازش داده‌ها، که برای گسترش آن برای داده‌های بزرگ جغرافیایی طراحی شده است، انجام می‌شود. هنگامی که هر قسمت پردازش شد، نتایج جزئی به درستی در یک نتیجه نهایی منحصر به فرد جمع می شوند. فرصت استفاده از خدمات وب و پلتفرم های ابری امکان غلبه بر مسائل مربوط به مقیاس پذیری، ذخیره سازی کلان داده ها، حریم خصوصی اطلاعات و امنیت را فراهم می کند.

3.2. ماکروفاز 2: طراحی

3.2.1. عوامل تبعیض آمیز و اشیاء درگیر در یک سناریو

این مرحله بر اساس یک استعاره هندسی مرتبط با مفهوم خانواده است. در SAFE، طراحی شهروند محور و الزامات قبلی منجر به تعریف کاربر خانواده (nucleo familiare) شد. خانواده یک واحد جامعه‌شناختی است که نشان‌دهنده مجموعه‌ای از افراد است که از نظر مالی، حقوقی و اقتصادی به یک هسته تعلق دارند و دارای محل‌های مشابهی هستند. فراداده هایی که یک واحد خانواده را مشخص می کنند، هم کمی هستند، مانند تعداد مؤلفه ها، و هم کیفی، مانند مؤلفه هایی که به عنوان سلسله مراتبی از پیوندهای خانوادگی بین آنها بیان می شود.

شکل 4 خانواده استعاره هندسی را نشان می دهد که به صورت بصری اجزای یک خانواده را گروه بندی می کند. این شامل یک جزء فیزیکی یا هندسه، در این مورد یک نقطه، و از یک جزء منطقی یا نماد است که به صورت یک جفت (نمایش فیزیکی و معنی) و یک حالت بیان می شود.

3.2.2. ایجاد خلاصه های تصویری دانش

به عنوان بخشی از SAFE، یک نیاز اساسی مربوط به تجسم داده‌هایی است که به یک فضای محدود مانند نقشه اشاره می‌کنند. در این حالت، محدودیت یک مرجع جغرافیایی دقیق، قابلیت مکان‌یابی داده‌های انبوه را در بهترین موقعیت از نظر تجسم محدود می‌کند. تکنیک‌های معمول تجسم ممکن است در واقع برای داده‌های جغرافیایی ناکارآمد باشند، زیرا این تکنیک‌ها با مختصات دقیق (جغرافیایی یا دکارتی) مرتبط هستند و نمی‌توانند در موقعیت‌های متفاوتی مرتب شوند، حتی اگر در مناطق احترام گنجانده شوند. از سوی دیگر، رؤیت ماندن داده های اتمی همیشه می تواند منجر به تفسیر نادرست یک سناریو توسط یک تصمیم گیرنده شود.

سپس لازم است از تکنیکی استفاده شود که هم امکان تخصیص یک مرجع دقیق برای هر کاربر SAFE را فراهم می کند و هم به طور همزمان کاربرانی را که در یک ناحیه مشخص شده ارجاع داده شده اند به صورت بصری جمع می کند.

راه حل ارائه شده در SAFE یک تکنیک خلاصه بصری است که اجازه می دهد تحت شرایط خاص، یک سنتز بصری از داده های موجود در یک موضوع را داشته باشید. این ایده ترکیبی از مانترای اشنایدرمن [ 26 ] و روش کیم [ 27 ] است.]. فرمول Shneiderman “اول نمای کلی، بزرگنمایی و فیلتر، سپس جزئیات در صورت تقاضا” یک الگوی تجسم شناخته شده را نشان می دهد، که شامل تجسم، در مرحله نظارت، تمام داده های موجود در مجموعه داده برای به دست آوردن یک نمای کامل از وضعیت است. یک حوزه مورد علاقه را مشخص می کند. این نوع تجسم به کاربر امکان می دهد دیدی جهانی از اطلاعات داشته باشد و مدیریت دقیق تری را تضمین می کند. فرمول Keim “اولین تجزیه و تحلیل – مهم را نشان دهید” بیان می کند که استفاده از روش های بصری و تعاملی برای نمایش مقادیر زیاد داده مناسب نیست. منطقی است که ابتدا یک سری تحلیل های محاسباتی اعمال شود و سپس یک نمای کلی از اطلاعات مربوط به کاربر ارائه شود. به این ترتیب، کاربر می‌تواند با مؤلفه‌هایی که ترکیب داده‌ها را نشان می‌دهند، بدون خطر از دست دادن داده‌هایی که مجموعه داده را تشکیل می‌دهند، تعامل داشته باشد. با در نظر گرفتن هر دو پارادایم، در SAFE یک استعاره هندسی جدید معرفی شده است که به عنوان یک راه حل ترکیبی پدید می آید و با نیازهای ارجاع جغرافیایی تطبیق می یابد.11 ]. استعاره هندسی مفهوم محله (ویسیناتو) را تعریف می کند که به صورت بصری خانواده های مرتبط با یک منطقه معین را گروه بندی می کند. این مورد، برای مثال، در مورد خانواده‌هایی است که در یک ساختمان هستند، از این رو با مختصات پلانیمتری یکسان، یا خانواده‌هایی که در منطقه‌ای که توسط یک آستانه بافر تعریف شده است، حضور دارند. شکل 5اجزای هندسه همسایگی را نشان می دهد. همانطور که در SAFE استعاره هندسه محله با یک نقشه مرتبط است، نماد مرتبط با بالونی نشان داده می شود که کاربر در حال حرکت در نقشه با آن آشنا است. اندازه آن به طور ضمنی شامل مفهوم یک یا چند کاربر خانواده است که در یک مرجع فضایی منحصر به فرد یا در منطقه ای که توسط یک مرز مشخص تعریف شده است، قرار دارند. برای مدیریت وضعیت این هندسه، نمایش فیزیکی آن می‌تواند با رنگ‌بندی کاملاً مشخص متفاوتی همراه باشد که از استعاره سمافور استفاده می‌کند ( شکل 6 ).

این هندسه همچنین دارای مقیاس بزرگنمایی است که بر رفتار بصری آن تأثیر می گذارد. این مکانیسم باعث می شود که پروژه مقیاس پذیر باشد و بتواند حجم زیادی از داده ها را به شیوه ای واضح و کارآمد مدیریت کند. شکل 7 ، شکل 8 و شکل 9 نشان می دهد که چه اتفاقی می افتد زمانی که اقدامات مختلف زوم بر روی یک استعاره همسایگی اعمال می شود. در ابتدا، یک نمونه به تصویر کشیده می شود و مقادیر فراداده آن نمایش داده می شود ( شکل 7 )، یعنی تعداد ساختمان های متعلق به آن و تعداد کل خانواده های واقع در آن ساختمان ها.

هنگامی که یک بزرگنمایی فراخوانی می شود، یک خوشه مرتبط با استعاره های هندسی خانواده و همسایگی محاسبه می شود، و یک برچسب برای هر ساختمان تجسم می شود که حاوی ارجاع به خانواده درگیر (نام صاحب خانه) است، همانطور که در شکل 8 نشان داده شده است.

در نهایت، شکل 9 نشان می دهد که چگونه پس از فراخوانی مجدد یک مقدار مقیاس مناسب، خوشه تفکیک می شود. به طور خاص، یک برچسب برای هر خانواده نمایش داده می شود که حاوی اطلاعات مربوط به اعضای خانواده است. در این مورد، اعضای دو هندسه خانوادگی واقع در ساختمان سمت راست، پس از انتخاب فهرست می شوند.

در نهایت، عملگرهای فضایی را می توان به هندسه همسایگی، مطابق با عملیات مجاز در هندسه نقطه ای با توجه به هندسه های موجود در موضوعات دیگر، اعمال کرد. به طور خاص، عملگرهای توپولوژیکی (محدودیت و مجاورت)، عملگرهای جهتی و عملگرهای متریک (فاصله) را می توان برای به دست آوردن اطلاعات جدید فراخوانی کرد.

3.3. ماکروفاز 3: انتخاب

ماکروفاز 3 مربوط به مرحله انتخاب است. این شامل انتخاب راه حل مناسب برای اجرای بعدی است. برای ساختن یک سناریوی تصمیم‌گیری، تمام پارامترهای مورد علاقه تا کنون، و همچنین پارامترهای جدیدی که از طریق روش‌های تحلیل فضایی پردازش شده‌اند را در نظر می‌گیرد. به طور خاص، این سناریو بستگی به هدفی دارد که باید به آن دست یافت. در SAFE می توان دو دسته را در نظر گرفت. اولی به بهینه سازی خدمات روزانه عمومی سرزمینی اشاره دارد. دسته دوم مربوط به بهینه سازی خدمات برای مدیریت ریسک است. به طور خاص، آزمون شرح داده شده در زیر بخش زیر به این موضوع اخیر اشاره دارد.

3.4. محیط بصری

شکل 10 رابط محیط بصری برای مؤلفه وب را نشان می دهد. این شامل سه بخش اصلی است که هر کدام با عملکرد خاصی مرتبط هستند. در سمت چپ، منوی اصلی نمایش داده می شود که چهار مجموعه موضوعی از لایه ها را تعبیه می کند. هنگامی که یک مجموعه به همراه چند لایه انتخاب می شود، چیدمان مرکزی بر این اساس مدیریت می شود. در نهایت، دو مجموعه از عملکرد در اطراف طرح مرکزی توزیع شده است.

اولی، به نام خدمات (Servizi)، در سمت بالا قرار دارد و خدمات مرتبط با سناریوهای ریسک (Scenario di Rischio) و نظارت بر زمین (Monitoraggio del Territorio) را برای کاربران متخصص و تصمیم‌گیرندگان، و فعالیت‌های شهروندان (Cittadino) را فراخوانی می‌کند. کاربران نهایی به ترتیب. دومی، در سمت پایین، شامل خدمات ارتباطی (Comunicazioni) برای فراخوانی به اشتراک گذاری اطلاعات و فعالیت های سودجویی است.

تشویق به انجام روزانه این برنامه ها مهم است زیرا تضمین می کند که SAFE در مواقع اضطراری نیز استفاده می شود که شرایط استرس می تواند استفاده از یک برنامه ناآشنا را پیچیده کند.

در مورد مولفه تلفن همراه، شکل 11 رابط ثبت نام اعضای خانواده را به همراه برخی از داده های شخصی مانند سن، شماره تلفن، آسیب شناسی های احتمالی و آلرژی نشان می دهد. هر حساب یک ساختمان، یک صاحب خانه و اعضای خانواده را با نمونه‌ای از هندسه خانوادگی مرتبط می‌کند، بنابراین روابط بین اعضا را حفظ می‌کند که می‌تواند برای بهینه‌سازی برخی کارها و عملکرد آنها استفاده شود.

شکل 12 رابط را پس از ثبت نام کاربر خانواده جدید نشان می دهد. پس از به روز رسانی لایه برداری توزیع جغرافیایی کاربران، نمونه جدید به صورت یک بالون آبی رنگ روی نقشه ظاهر می شود. شایان ذکر است که این نمونه از هندسه خانواده همیشه به یک ساختمان مرتبط است. این تضمین می کند که رویکرد توصیف شده در شکل 4 ، شکل 5 و شکل 6 همچنان پابرجاست، یعنی جزئیات را می توان با عملیات بزرگنمایی بعدی به دست آورد. ابزار چشم ماهی در دسترس است، که امکان بزرگنمایی بخشی از نقشه را با حفظ زمینه فراهم می کند.

4. فعالیت مدیریت ریسک در SAFE

رویکرد SAFE به ویژه در ارزیابی ریسک سودمند است، زیرا در شرایط مختلف ممکن است بسیاری از عوامل و متغیرها به سطح دانش مناسبی نرسیده باشند. مدل مدیریتی پیشنهاد شده توسط کتابچه‌های حفاظت مدنی در واقع اغلب مبتنی بر دانش خاصی از وضعیت خطر قلمرو است که از پایگاه‌های داده قدیمی مشتق شده است. این وضعیت در زمینه‌های سرزمینی بسیار پویا که در آن عوامل اجتماعی-طبیعی و آسیب‌پذیری می‌توانند دستخوش تغییرات سریع در کوتاه‌مدت و میان‌مدت شوند [ 28 ]، بیشتر تأکید می‌شود، بنابراین نیاز به نظارت مستمر برای به دست آوردن اطلاعات اضافی از منابع دیگر دارد.

SAFE می تواند یک راه حل باشد.

بخش‌های فرعی زیر چگونگی استفاده از SAFE را برای پشتیبانی از فعالیت‌های مختلف مدیریت ریسک با نشان دادن تعاملات انجام‌شده توسط کاربران درگیر در آنها شرح می‌دهند.

نسخه اولیه SAFE در شهرداری Monteforte Irpino در جنوب ایتالیا آزمایش شده است، جایی که اخیراً یک طرح اضطراری شهری (Piano di Emergenza Comunale) طراحی شده است.

کل فرآیند برنامه ریزی شده در SAFE با جمع آوری و ذخیره داده ها از طریق یک سرشماری هوشمند بر اساس رویکرد وب داده [ 14 ] آغاز می شود. هستی شناسی حوزه حفاظت مدنی بر اساس نرم افزار Protégé در دست ساخت است [ 29]. این امکان مدل سازی و اعتبارسنجی منابع را از نظر فراداده، حالت و رفتار فراهم می کند. علاوه بر این، هستی‌شناسی می‌تواند برای جمع‌آوری زیرمجموعه‌های منابع برای ساخت واحدهایی استفاده شود که یک حالت ترکیبی و یک رفتار می‌تواند به آنها مرتبط شود. الگوریتم‌های استنتاج می‌توانند برای استخراج روابط اضافی بین منابع معتبر مورد استفاده قرار گیرند. لازمه این است که سیستمی داشته باشیم که به صورت پویا کارت های جدید را برای وظایف ورود داده تولید کند و مجموعه داده های موجود را پر کند، از طریق رویه هایی که مبتنی بر دانش قلمرویی موثر است، جایی که منابع ابزاری و انسانی، قوانین، رفتارها و تعاملات همگرا می شوند.

مرحله آزمایش بر روی یک منطقه نمونه با هدف اولیه ارزیابی عملکرد SAFE انجام شده است. در مرحله بعدی که هماهنگی با حفاظت مدنی محلی برای مدیریت تعداد فزاینده خانواده ها ضروری است، کل شهرداری قرار است درگیر شود. این مرحله ارزیابی بیشتری را در مورد مقیاس پذیری سیستم به ما ارائه می دهد.

4.1. کمی سازی پویا پارامترهای ریسک

از ادبیات شناخته شده است که ریسک با فرمول [ 30 ] تعریف می شود:

R = P × V × E،

که در آن متغیرها با:

P = خطر: احتمال وقوع پدیده ای با شدت معین در یک بازه زمانی معین و در یک ناحیه معین است.

V = آسیب‌پذیری: آسیب‌پذیری یک عنصر (مردم، ساختمان‌ها، زیرساخت‌ها، فعالیت‌های اقتصادی) تمایل به آسیب‌پذیری در نتیجه تنش‌های ناشی از یک رویداد با شدت معین است.

E = Exposure یا Exposure Value: تعداد واحدها (یا “ارزش”) هر یک از عناصر خطر موجود در یک منطقه معین، مانند زندگی یا سکونت انسان ها است.

در این فرمول، متغیر E نشان دهنده حساس ترین داده ها است زیرا به مؤلفه انسانی مرتبط است. معمولاً هنگامی که پردازش می شود، ریسک به مقدار به دست آمده از داده های موجود در ثبت رسمی اشاره دارد. با این حال، از ادبیات شناخته شده است که این مقدار مستعدترین تغییرات است، و یک مقدار به دست آمده در زمان واقعی با توجه به یک مقدار تخمینی یا ایستا می تواند در شرایط اضطراری تفاوت ایجاد کند.

4.2. نقش کارشناسان و تصمیم گیرندگان

در مواقع اضطراری، یک تصمیم گیرنده یا یک مدیر اضطراری با برنامه SAFE Web تعامل دارد. شکل 13 رابط اولیه را نشان می دهد که در آن آلارم های فعال فعلی نمایش داده می شوند. از منوی سمت چپ، می توان یک نمونه جدید از یک آلارم معین را فعال کرد و ناحیه درگیر (در صورت از پیش تعریف شده) را انتخاب کرد یا آن را از ابتدا ویرایش کرد.

شکل 14 رابط را نشان می دهد که تابع Seleziona Area فراخوانی می شود، که امکان انتخاب یک منطقه خطر را از بین موارد از پیش تعریف شده فراهم می کند.

در صورتی که ناحیه درگیر هنوز وجود نداشته باشد، باید اضافه شود. شکل 15 فرمی را نشان می دهد که باید برای تعیین محل زنگ هشدار جدید با اشاره به پدیده رخ داده پر شود. همانطور که در شکل 16 نشان داده شده است، می توان ناحیه مورد نظر را یا با ترسیم هندسه مناسب مشخص کرد یا مشخص کرد ، جایی که یک بخش بزرگنمایی شده از فرم نمایش داده می شود.

پس از مشخص شدن منطقه خطر، لایه‌های مرتبط با پدیده مانند ساختمان‌ها، نقاط دیدنی و خیابان‌ها نمایش داده می‌شوند.

در صورتی که یک ناحیه جدید باید به مجموعه موارد از پیش تعریف شده اضافه شود، تابع Land Monitoring به کاربران اجازه می دهد فایل geojson مربوطه را که چند ضلعی را بر حسب مجموعه ای از نقاط توصیف می کند، آپلود کنند. شکل 17 نشان می دهد که چگونه می توان آن را فراخوانی کرد.

هنگامی که تصمیم گیرنده هشدار را راه اندازی کرد، شهروندانی که در منطقه مورد علاقه قرار دارند یک اعلان در دستگاه تلفن همراه خود دریافت می کنند. شکل 18 بخشی بزرگنمایی شده از قلمرو درگیر را نشان می دهد. بالن‌هایی که هم کاربران خانواده و هم محله را نشان می‌دهند قرمز رنگ هستند تا نشان دهند که تا زمانی که SAFE بازخورد دریافت نکند، شهروندان در وضعیت نامعلومی هستند. نمودار سمت راست نشان‌دهنده سناریوی Exposure است و به صورت بصری توزیع جهانی وضعیت کاربران را بر حسب حالت‌های ایمن (sicuro)، ناامن (pericolo) و ناشناخته (ignoto) خلاصه می‌کند. مقادیر مرتبط با آن فرمول را برای محاسبه پارامترهای ریسک در زمان واقعی پر می کند.

4.3. نقش شهروندان

از نقطه نظر کاربر، مشارکت شهروندان برجسته است. هنگامی که آنها هشداری را در دستگاه تلفن همراه خود دریافت کردند، صاحبخانه می تواند اطلاعات لازم را در مورد وضعیت هر یک از اعضای خانواده به اشتراک بگذارد، در حالی که هر عضو می تواند فقط ایالت خود را مطلع کند. به موقع بودن این اقدام هم از نظر جان انسان ها و هم از نظر بهینه سازی توزیع مصاحبه شوندگان امدادی تفاوت ایجاد می کند. شکل 19 a-c رابط تلفن همراه را نشان می دهد که توسط آن یک شهروند در فعالیت های SAFE شرکت می کند. به طور خاص، شکل 19 a نشان می دهد که هیچ اطلاعیه ای برای ویتوریو روسی وجود ندارد. در شکل 19ب، از وقوع آتش سوزی به شهروند اطلاع داده شده است. او “وضعیت امن” را برای خود فراهم می کند، در حالی که همسرش، ماریا وردی، قبلاً همان بازخورد را توسط خودش ارائه کرده است. با این حال، وضعیت جهانی خانواده او هنوز در وضعیت هشدار است (بالون زرد رنگ) زیرا هیچ بازخوردی برای فرزندان، ایلاریا و پائولو ارائه نشده است. شکل 19 c رابط موجود برای Ilaria را نشان می دهد. او می تواند از آنچه سایر اعضا تنظیم کرده اند آگاه باشد، اما فقط می تواند اطلاعاتی در مورد وضعیت خود بدهد.

با رسیدن اعلان‌های کاربران، رنگ بادکنک‌ها می‌تواند متناسب با آن تغییر کند. زمانی سبز می شود که هر فرد مرتبط با آن در وضعیت ایمن باشد. به طور متفاوت، اگر حتی یک نفر در وضعیت ناشناخته باشد، قرمز باقی می ماند، در حالی که اگر حتی یک نفر به کمک نیاز داشته باشد، زرد می شود. شکل 20 دو بادکنک مرتبط با دو هندسه مختلف خانواده را نشان می دهد.

پس از انتخاب، هر بالون اعضای مرتبط با آن و وضعیت آنها را فهرست می کند. شکل 21 چنین اطلاعاتی را برای هر دو خانواده نشان می دهد.

در SAFE، مهم است که متغیرهایی که در طول محاسبه ریسک وارد عمل می شوند، برای تصمیم گیرنده قابل مشاهده باشند و در عین حال مقادیر آنها تا حد امکان واقعی باشد. راه حل پیشنهادی مبتنی بر استفاده از هندسه همسایگی و به ویژه بر ارزش فرض شده توسط مؤلفه ای است که حالت آن را بیان می کند. سپس، یک مقدار مرتبط با حالت آرام، با ارزش جهانی برآورد شده یا به دست آمده از طریق طرح های شهرداری مطابقت دارد. در غیر این صورت، بازخورد ناشی از تغییر حالت (ناامن، ناشناخته) مستقیماً بر محاسبه متغیر E تأثیر می‌گذارد که امکان نظارت در زمان واقعی توزیع جمعیت را فراهم می‌کند. بنابراین، از طریق عناصر گرافیکی SAFE برای نمایش مقادیر متغیرهای به روز شده در زمان واقعی،

شکل 22 نشان می دهد که چگونه سناریوی تصویر شده در شکل 18 از نظر رنگ بادکنک ها و گرافیک با رسیدن بازخوردهای شهروندان تغییر می کند.

4.4. نقش اتاق کنترل و پاسخ دهندگان در سایت

اطلاعاتی که می توان از اعلان های کاربران به دست آورد نیز می تواند برای بهینه سازی توزیع کمک ها استفاده شود. شکل 23 رابط موجود برای پرسنل را نشان می دهد، مانند سازمان های داوطلبانه، نیروهای پلیس، نیروهای مسلح و صلیب سرخ [ 31 ].

آنها می توانند هم حوزه صلاحیت خود (aree di competenza) را به طور کلی کنترل کنند و هم سناریوهایی را که در درون آنها در حال تکامل است، در نتیجه به مناطقی برسند که مداخله آنها بسیار مهم است. به طور خاص، شکل 24 کاربرانی را که به وسایل کمکی نیاز دارند (Soccorsi) و مسیر دسترسی به آنها را فهرست می کند.

در شکل 25 ، محیط بصری مؤلفه وب نمایش داده شده است، همانطور که هنگام فراخوانی توسط یک کاربر متخصص یا توسط یک تصمیم گیرنده ظاهر می شود. در این حالت در یک دستگاه دیواری تعاملی تعبیه شده است.

5. بحث و نتیجه گیری

استعاره‌های هندسی، اپراتورهای بصری و پارامترهای ریسک، و فعالیت‌های جغرافیایی-اجتماعی همگی در SAFE، یک محیط بصری که برای کمک به تصمیم‌گیرندگان، کاربران متخصص و شهروندان در کارهای عادی و غیرعادی مربوط به قلمروشان طراحی شده است، گنجانده شده‌اند. به طور خاص، مؤلفه SAFE Mobile ابزاری ساده و چابک برای شهروندانی است که می‌خواهند هم در انجام عملیات در یک منطقه مشارکت داشته باشند و هم در عین حال اطلاعاتی از آن به دست آورند. مؤلفه SAFE Web نقش دوگانه ای دارد. هدف آن بهینه سازی مدیریت منابع موجود و تضمین مشارکت صحیح و هماهنگی بازیگران مختلف حاضر در رویه های مختلف برای اجرای یک طرح شهرداری است. علاوه بر این،

در مورد مدیریت اضطراری، طی چند ماه، اداره حفاظت مدنی ایتالیا آزمایش IT-Alert را آغاز می کند. این سیستمی است که امکان دسترسی از طریق پیامک را به هر دستگاه تلفن همراهی که در داخل منطقه ای که احتمالاً تحت تأثیر یک خطر طبیعی قرار دارد، می دهد. IT-Alert نشان دهنده نسخه ایتالیایی یک پلت فرم فناورانه اروپایی برای فعالیت های هشدار حفاظت مدنی به جمعیت در هنگام شرایط اضطراری است. IT-Alert همچنین یک برنامه تلفن همراه است که می تواند برای ارائه اخبار شهروندان در مورد سناریوهای خطر در حال تحول استفاده شود.

هنگام مقایسه SAFE و IT-Alert می توان بر برخی تفاوت ها تأکید کرد. IT-Alert عمدتاً برای پشتیبانی از فعالیت های هشدار توسعه داده شده است و مزیت معماری ذخیره سازی داده ساده را ارائه می دهد. در عوض SAFE همچنین به عنوان یک محیط جغرافیایی-اجتماعی در نظر گرفته شده است که هم می تواند از فعالیت های روزانه کاربران (شهروندان و خانواده ها) پشتیبانی کند و هم داده های ارائه شده از شهروندان را مدیریت کند که برای ارائه تصویری به موقع و قابل اعتماد در مورد وضعیت یک قلمرو به تصمیم گیرندگان مفید است. معرفی مجموعه‌ای از استعاره‌های هندسی به‌عنوان نمایش بصری اشیاء و خوشه‌های فضایی اجازه می‌دهد تا یک نمای کلی فوری از یک سناریوی مورد بررسی را که در قالب سنتز بصری بیان می‌شود، به دست آوریم. علاوه بر این، با تعامل بصری با استعاره‌های هندسی، می‌توان جزئیاتی را به دست آورد که آنها را مشخص می‌کند.

قابلیت به اشتراک گذاری اطلاعات و دانش در میان عملکردهای مختلف نشان دهنده ویژگی نوآورانه دیگری است که توسط SAFE ارائه شده است. در واقع، اطلاعات به دست آمده از یک قلمرو بخشی از یک زنجیره تامین می شود، بنابراین در چندین فرآیند بعدی، مانند تعیین کمیت پارامترهای ریسک در طول یک سناریوی اضطراری، مشارکت می کند.

همانطور که برای کارهای آینده برنامه ریزی شده، مرحله دوم آزمایش اطلاعات مفیدی در مورد استحکام معماری SAFE اساسی، هم از نظر ذخیره سازی داده ها و هم از نظر پردازش پرس و جو، که به طور اجتناب ناپذیری تحت تأثیر افزایش حجم داده قرار می گیرند، ارائه می دهد.

SAFE همچنین در یک سرشماری هوشمند مبتنی بر رویکرد وب داده ادغام خواهد شد. یک هستی شناسی که یک سیستم شهری را توصیف می کند با بهره برداری از ویرایشگر هستی شناسی Protégé [ 32 ] در دست ساخت است. این امکان مدل‌سازی و اعتبارسنجی منابع را از نظر فراداده، حالت و رفتار فراهم می‌کند که می‌تواند به نوبه خود از طریق روابط اضافی بین منابع معتبر با استفاده از الگوریتم‌های استنتاج غنی شود.

هدف نهایی افزایش پتانسیل SAFE و استفاده از آن به عنوان وسیله ای برای انتشار اطلاعات در مورد رفتارهایی که در صورت وقوع یک رویداد طبیعی انجام می شود و به طور کلی درک خطر توسط افراد مستقل از نقشی که می توانند ایفا کنند

منابع

Goodchild، MF Citizens به عنوان حسگر: دنیای جغرافیای داوطلبانه. ژئوژورنال 2007 ، 69 ، 211-221. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
پروژه اوشهیدی. در دسترس آنلاین: https://www.ushahidi.com/ (در 23 دسامبر 2019 قابل دسترسی است).
جینیگه، ا. پائولینو، ال. رومانو، ام. سبیلو، ام. تورتورا، جی. ویتیو، جی. اشتراک‌گذاری اطلاعات در میان پاسخ‌دهندگان فاجعه – یک رویکرد همکاری مبتنی بر صفحه‌گسترده تعاملی. در مجموعه مقالات The Computer Supported Cooperative Work (CSCW)، بالتیمور، MD، ایالات متحده آمریکا، 15-19 فوریه 2014. [ Google Scholar ]
مانیکا، جی. چوی، م. براون، بی. بوگین، جی. دابز، آر. راکسبورگ، سی. هانگ بایرز، A. داده های بزرگ: مرز بعدی برای نوآوری، رقابت و بهره وری . موسسه جهانی مک کینزی: واشنگتن، دی سی، ایالات متحده آمریکا، 2011; در دسترس آنلاین: www.mckinsey.com (در 31 ژانویه 2019 قابل دسترسی است).
Laney، D. Deja VVVu: دیگران ادعای ساختار گارتنر برای داده های بزرگ را دارند. در دسترس آنلاین: https://blogs.gartner.com/doug-laney/deja-vvvue-others-claiming-gartners-volume-velocity-variety-construct-for-big-data/ (در 23 دسامبر 2019 دسترسی پیدا کرد).
ایوانز، ام آر. الیور، دی. ژو، ایکس. Shekhar, S. Spatial Big Data: Studies Case on Volume, Velocity, and Variety. در Big Data: Techniques and Technologies in Geoinformatics ; CRC Press: Boca Raton، FL، USA، 2014. [ Google Scholar ]
عقاب، ن. گرین، ک. واقعیت کاوی: استفاده از داده های بزرگ برای مهندسی دنیای بهتر ، ویرایش اول. انتشارات MIT: کمبریج، MA، ایالات متحده آمریکا، 2014. [ Google Scholar ]
پائولینو، ال. رومانو، ام. سبیلو، ام. Vitiello, G. پشتیبانی از مدیریت اضطراری در محل از طریق تکنیک تجسم برای دستگاه های تلفن همراه. J. Locat. سرویس مبتنی بر 2010 ، 4 ، 222-239. [ Google Scholar ] [ CrossRef ]
فاروگیا، اس. Sebillo، M. شهرهای هوشمند و فرصت های حرفه ای جدید: مدیر اطلاعات جغرافیایی. در مجموعه مقالات نوزدهمین کنفرانس بین المللی AGILE در علم اطلاعات جغرافیایی، هلسینکی، فنلاند، 14 تا 17 ژوئن 2016. [ Google Scholar ]
دی کیارا، دی. دل فاتو، وی. لورینی، آر. سبیلو، ام. Vitiello, G. یک رویکرد مبتنی بر chorem برای تجزیه و تحلیل بصری داده های فضایی. J. ویژوال لنگ. محاسبه کنید. 2011 ، 22 ، 173-193. [ Google Scholar ] [ CrossRef ]
سبیلو، ام. تورتورا، جی. Vitiello, G. زبان پرس و جوی GIS استعاره. J. Vis. لنگ محاسبه کنید. 2000 ، 11 ، 439-454. [ Google Scholar ] [ CrossRef ]
سیتا، اچ. مورتی، MN; Tripathy، فناوری‌های مدرن BK برای طبقه‌بندی و خوشه‌بندی داده‌های بزرگ ؛ IGI Global: پنسیلوانیا، PA، ایالات متحده آمریکا، 2020؛ صص 1–360. [ Google Scholar ] [ CrossRef ]
جایاوردانا، جی. راجکومار، بی. اسلاون، م. Marimuthu، P. اینترنت اشیا (IoT): چشم انداز، عناصر معماری و جهت گیری های آینده. ژنرال آینده. محاسبه کنید. سیستم 2013 ، 29 ، 1645-1660. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
هیتزلر، پی. کروتزش، ام. رودولف، اس. مبانی فن آوری های وب معنایی ; چاپمن و هال CRC Press: لندن، بریتانیا، 2019. [ Google Scholar ]
کوپرنیک. چشمان اروپا به زمین در دسترس آنلاین: www.copernicus.eu (در 31 ژانویه 2020 قابل دسترسی است).
لی، جی.-جی. هان، جی. لی، ایکس. گونزالس، اچ. ترا کلاس: طبقه‌بندی مسیر با استفاده از خوشه‌بندی مبتنی بر منطقه‌ای HierArchical و مبتنی بر مسیر. Proc. VLDB Enddow. 2008 ، 1 ، 1081-1094. [ Google Scholar ] [ CrossRef ]
برشتاین، اف. Wholsapple، C.; جوکیچ، ن. جوکیچ، بی. مالیاریس، ام. پردازش تحلیلی آنلاین (OLAP) برای پشتیبانی تصمیم. در کتابچه راهنمای سیستم های پشتیبانی تصمیم 1 ; Springer: برلین/هایدلبرگ، آلمان، 2008. [ Google Scholar ]
در دسترس آنلاین: www.spatialytics.org/projects/geomondrian (در 19 مارس 2020 قابل دسترسی است).
آپاچی هادوپ. در دسترس آنلاین: https://hadoop.apache.org/ (در 19 مارس 2020 قابل دسترسی است).
فاسولینو، آی. نادئو، وی. گریمالدی، م. Zarra, T. استراتژی های کنترل بو برای یک برنامه اقدام مزاحم پایدار. گلوب. Nest J. 2016 ، 4 ، 734-741. [ Google Scholar ]
نادئو، وی. فاسولینو، آی. گریمالدی، م. زارا، ت. اجرای طرح اقدام یکپارچه مزاحمت ها. شیمی. مهندس ترانس. 2016 ، 54 ، 19-24. [ Google Scholar ]
جروندو، آر. فاسولینو، آی. گریمالدی، M. مدل ISUT. یک شاخص ترکیبی برای سنجش پایداری تحول شهری در روکو پاپا رومانو فیستولا. انرژی هوشمند در شهر هوشمند ; Springer: برلین/هایدلبرگ، آلمان، 2016. [ Google Scholar ]
سبیلو، ام. ویتیو، جی. گریمالدی، م. Buono، DD SAFE (ایمنی برای خانواده ها در شرایط اضطراری). رویکرد شهروند محور برای مدیریت ریسک در مجموعه مقالات نوزدهمین کنفرانس بین المللی علوم محاسباتی و کاربردهای آن، سن پترزبورگ، روسیه، 1 تا 4 ژوئیه 2019. [ Google Scholar ]
Simon, H. علم جدید تصمیم مدیریت ; Prentice Hall: Upper Saddle River، نیوجرسی، ایالات متحده آمریکا، 1977. [ Google Scholar ]
فاسولینو، آی. گریمالدی، م. پلکیا، V. برنامه ریزی شهری و زیرساخت های آبی: روشی بر اساس ANP فضایی. Sustainability 2017 , 9 , 771. [ Google Scholar ] [ CrossRef ][ Green Version ]
اشنایدرمن، بی. چشم ها آن را دارند: وظیفه ای با طبقه بندی نوع داده برای تجسم اطلاعات. در مجموعه مقالات سمپوزیوم IEEE 1996 در زبان های بصری، بولدر، CO، ایالات متحده آمریکا، 3 تا 6 سپتامبر 1996. [ Google Scholar ]
کیم، دی. منزمن، اف. اشنایدویند، جی. Ziegler, H. Challenges in Visual Data Analysis. در مجموعه مقالات دهمین کنفرانس بین المللی تجسم اطلاعات، لندن، بریتانیا، 5 تا 7 ژوئیه 2006. صص 9-16. [ Google Scholar ]
گارشاگن، ام. تغییر مخاطره آمیز؟ آسیب پذیری و سازگاری بین تغییر اقلیم و دینامیک تحول . Franz Steiner Verlag: Can Tho City، ویتنام; اشتوتگارت، آلمان، 2014. [ Google Scholar ]
Protégé 5.5.0. در دسترس آنلاین: www.standford.edu (در 23 دسامبر 2019 قابل دسترسی است).
Varnes، DJ IAEG: اصول و عمل منطقه بندی خطر زمین لغزش . انتشارات یونسکو: پاریس، فرانسه، 1984. [ Google Scholar ]
در دسترس آنلاین: https://www.protezionecivile.gov.it/national-service/components (در 15 فوریه 2020 قابل دسترسی است).
گریمالدی، م. سبیلو، ام. ویتیو، جی. Pelecchia، V. یک رویکرد مبتنی بر هستی شناسی برای ساخت مدل داده ها که از مدیریت و برنامه ریزی خدمات آب یکپارچه پشتیبانی می کند. در مجموعه مقالات نوزدهمین کنفرانس بین المللی علوم محاسباتی و کاربردهای آن، سن پترزبورگ، روسیه، 1 تا 4 ژوئیه 2019. [ Google Scholar ]