Часть 3
Информационно-управляемые города
Глава восьмая
Сенсорные города
Как сенсорные мобильные технологии создают нервную систему городов, позволяя им стать более здоровыми, безопасными и работоспособными
Поддержание здорового, защищенного и развивающегося общества – сложная научно-техническая задача, которая восходит к началу XIX столетия, когда индустриальная революция привела к стремительному росту городов и стала причиной серьезных социальных и экологических проблем. Тогда единственным средством было построить централизованные сети, через которые поставлялась чистая вода и пища, осуществлялась торговля, удалялись отходы, подавалась энергия, функционировал транспорт и был открыт доступ к здравоохранению, полиции и образовательным услугам.
Но эти решения столетней давности все больше устаревают. Теперь у нас есть города, переполненные автомобилями, всемирные эпидемии болезней, которые, кажется, невозможно остановить, и политические учреждения, оказавшиеся в тупике и неспособные к действию. К тому же мы столкнулись с угрозой глобального потепления, потенциальной нехваткой энергетических, водных и пищевых ресурсов и приростом населения, который требует постройки тысячи новых городов, на один миллион жителей каждый, всего лишь для того, чтобы людям было где жить.
Но это можно изменить. Мы можем создать города, которые будут защищены от пандемий и энергоэффективны, обеспечить надежные источники пищи и воды и лучшее качество управления. Однако чтобы добиться этих целей, нам необходимо радикально пересмотреть наши методы. Мы должны рассматривать эти системы – ресурсы воды, пищи, переработку отходов, транспорт, образование, энергию и т. д. – не как статические, установленные системы, разделенные по функциям, а как динамические, информационно-управляемые системы. Нам нужны динамичные, сетевые, саморегулирующиеся системы, в основе которых лежат нужды и предпочтения граждан, а не сфокусированные исключительно на доступе и распространении.
Чтобы обеспечить устойчивое общество будущего, мы должны использовать наши новые технологии и создать «нервную систему», которая будет поддерживать стабильность государства, энергии и систем общественного здравоохранения по всему миру. Сейчас наши цифровые аналитические технологии способны достичь того уровня динамической восприимчивости, который требуется для нашего более крупного, более сложного современного общества. Мы должны заново разработать общественные системы в рамках структуры управления: такой, которая вначале улавливает ситуацию; затем сочетает эти наблюдения с моделями спроса и динамических реакций; и, наконец, использует полученные таким образом прогнозы для настройки систем в соответствии с существующим спросом.
На данный момент самым важным генератором данных о городах является знакомый всем инструмент – вездесущий мобильный телефон. Эти телефоны, по сути, персональные сенсорные устройства, которые становятся все более мощными и изощренными с каждой новой версией. Они позволяют не только извлекать информацию о местонахождении и шаблонах звонков пользователя, но также отображать социальные сети, участником которых он является, и даже оценивать настроение владельца, анализируя виртуальное общение, ставшее совершенно повсеместным. Потребители уже могут делать покупки, сканируя товары при помощи своих телефонов и так добавляя к виртуальным биографиям, состоящим из мобильного трафика, информацию о финансах и выборе продуктов. По мере того как смартфоны все больше превращаются в центры персональной информации и увеличивается их вычислительная способность, они отражают все больше информации о поведении людей.
Беспроводные устройства и сетевые системы, собранные воедино, представляют собой глаза и уши этой стремительно развивающейся виртуальной нервной системы. Кроме того, ее эволюция будет происходить все быстрее из-за экспоненциального прогресса вычислительных и интерактивных технологий, а также основных экономических сил. Сети станут быстрее, мобильные устройства получат большее количество датчиков, а методы моделирования человеческого поведения станут более точными и детализированными.
Многие из элементов, необходимых для построения цифровой нервной системы, уже находятся на своем месте. Не хватает, однако, двух чрезвычайно важных пунктов: к первому относятся динамические модели спроса и реакции, разработанные на основе социальной физики и необходимые для того, чтобы все компоненты правильно функционировали, а второй – это «новое соглашение по данным»; оно представляет собой такую конфигурацию и правовую политику, которая будет гарантировать неприкосновенность частной жизни, стабильность и эффективность правительства. Я расскажу о социально-физической стороне цифровой нервной системы в этой и последующих главах, а к вопросам частной жизни, стабильности и эффективности обращусь в завершающей части этой книги.
Демографические данные о поведении
Сегодня все коммерческие организации и государственные службы опираются на демографические данные. Какие районы жилые? Какие промышленные? Сколько людей работают или живут в них? Насколько они здоровы? К сожалению, на данный момент сбор этих данных – дорогостоящее предприятие. Например, в Соединенных Штатах всеобщая перепись населения проводится лишь раз в десять лет, и ее результаты могут быстро устаревать. А во многих частях мира этих демографических данных нет вообще. Распространение мобильных телефонов позволяет пересечь границы демографической статистики и измерять человеческое поведение непосредственно. Используя данные, собранные на основе виртуальных «хлебных крошек», которые люди оставляют после себя, мы можем с большей уверенностью ответить на вопросы типа: где люди едят, работают и развлекаются? По каким маршрутам они передвигаются? С кем они взаимодействуют?
На рис. 13 показаны шаблоны активности жителей Сан-Франциско на основе GPS-данных мобильных телефонов, собранных «Эксплораториумом» – научным музеем Сан-Франциско. Шаблоны обозначены разными оттенками серого в зависимости от сферы деятельности – рестораны, развлекательные центры, ремонтные мастерские, предприятия и т. д. В каждом из этих шаблонов прослеживается свой ежедневный и еженедельный ритм. Эти данные, созданные дочерней компанией МТИ Sense Networks (соучредителем которой я являюсь), позволяют нам анализировать передвижения и потребительское поведение десятков миллионов людей в реальном времени.
Рис. 13. Паттерны активности в пределах города (на основе данных GPS, полученных с мобильных телефонов). В паттернах, обозначенных различными оттенками серого, можно проследить отчетливую ритмичность, которая меняется предсказуемым образом
Что рис. 13 не показывает, так это то, что население состоит из различных подгрупп, иногда именуемых «племенами». Члены каждого племени посещают одни и те же места, питаются похожими продуктами и выбирают одни и те же развлечения. Эти данные о персональном выборе заносятся в «демографию поведения», потому что такие образцы поведения членов племени выборочно раскрывают их базовые предпочтения. В дополнение к этому, так как люди в этих племенах проводят время друг с другом, процесс социального обучения обретает свою тяговую силу и стимулирует развитие поведенческих норм в пределах данного племени. Они могут не иметь никакого отношения к их сознательным предпочтениям, и члены племени могут ничего не знать о возникновении этих норм. Тем не менее люди, попадающие в одну и ту же категорию поведенческой демографии, имеют схожие пищевые привычки, похожий гардероб, похожие финансовые привычки, похожее отношение к власти, и как следствие они приходят к схожему состоянию здоровья и следуют по схожим карьерным маршрутам.
По моему опыту, эти демографические данные о поведении, как правило, позволяют прогнозировать потребительские предпочтения, финансовые риски и политические взгляды в четыре раза точнее, чем это делают стандартные географические демографические данные вроде почтовых индексов. Они также точно предсказывают риск появления заболеваний, связанных с поведением, таких как диабет или алкоголизм. Как показали исследования «Друзья и семья» и «Социальная эволюция» из третьей главы, в основе процесса социального обучения и развития социальных норм в городах лежит наблюдение за близким окружением.
Кроме того, мы также можем лучше понять ежедневные привычки людей и узнать больше об их предпочтениях. У большинства людей есть много разграничений по времени, затрачиваемому на разные занятия; есть время для работы, время для сна и время для досуга. Приемы пищи, кофе-брейки и встречи с друзьями тоже следуют определенным ежедневным и еженедельным шаблонам. Но каковы общие шаблоны нашей жизни? Временные рамки наших передвижений задают ритмы городской жизни, как это показано на рис. 13, и определяют пиковые запросы на транспорт, энергию, развлечения и жизнеобеспечение.
Для большинства людей основным шаблоном повседневной жизни является рабочий день, то есть отправление на работу и возвращение домой, и это, как правило, повторяется без изменений день за днем. Второй наиболее выраженный шаблон – это выходные и отгулы, где характерным поведением является долгий сон и ночное времяпрепровождение вне дома и рабочего места. Удивительно, но места, которые мы посещаем, и занятия, которым мы уделяем свое свободное время, столь же регулярны, что и повторяющиеся шаблоны наших рабочих дней. Третий шаблон, однако, менее предсказуем: это дни, посвященные поиску нового – например, походам по магазинам или загородным прогулкам. Этот последний шаблон отличается отсутствием выраженной структуры. В сумме эти три шаблона, как правило, составляют 90 и более процентов нашего поведения.
Комбинируя эти временны́е привычки с данными поведенческой демографии, о которых говорилось выше, мы можем создать гораздо лучше управляемое общество. Знание типичных моделей поведения жителей города может помочь нам лучше планировать системы городского транспорта, услуг и общее развитие населения. В частности, непрерывные потоки данных о поведении людей уже позволяют нам точно прогнозировать изменения в дорожном движении, использовании электроэнергии и даже уличную преступность и распространение гриппа. Как мы увидим в следующих разделах, прогнозы, сделанные на основе этих данных, дают нам возможность готовиться к моментам повышения спроса и лучше его удовлетворять. Это также означает, что мы можем лучше реагировать на чрезвычайные ситуации или стихийные бедствия, поскольку есть способ узнать, кто с большей вероятностью окажется в том или ином месте и в какое время. Так, возможность знать, где и когда питаются люди с повышенным риском заболевания диабетом и где делают покупки те, кто испытывает трудности с грамотным распределением средств, может стать потенциальным средством для улучшения здоровья людей и просвещения общественности.
В следующих разделах я расскажу, как эта новая нервная система может изменить нашу жизнь, используя в первую очередь примеры из области транспорта и здравоохранения. Примеры, связанные с преобразованием власти, созданием условий для обучения и повышением креативного потенциала нашей культуры, мы обсудим в последующих главах.
