تعد البيانات الضخمة جزءًا من المشهد العام لجمع بيانات حركة المرور، لكن الحجم الأكبر لا يعني دائمًا الأفضل
في ضوء التغيرات التي طرأت على أنماط حركة المرور خلال الجائحة، أوقفت بعض الولايات الأمريكية برامججمع البياناتالتقليدية مؤقتًا، وتسعى بدلاً من ذلك إلى اعتماد منصات برمجية تعتمد على البيانات الضخمة. غير أن منصات البيانات الضخمة تتطلب إرشادات استخدام محددة عندما يتعلق الأمر بتكملة برامج إحصاء حركة المرور (انظرتقرير ولاية فرجينيا)، لأن البيانات الضخمة ليست أداة مناسبة لجميع حالات الاستخدام. في تقرير بحثي نشرته وزارة النقل بولاية فرجينيا، لم يقتصر الأمر على توضيح الأغراض التي تُستخدم البيانات الضخمة من أجلها عادةً (مثل دراسات المنشأ والوجهة وتحديث جداول الرحلات)، بل قدم التقرير أيضًا بعض مقاييس دقة العد باستخدام البيانات الضخمة (مثل الدقة المتعلقة بالعتبات القائمة على الحجم ومعدلات الخطأ بناءً على العينات). وبالاستناد إلى مقاييس الدقة المقدمة، يقترح التقرير أيضًا حالات الاستخدام المناسبة للبيانات الضخمة، والحالات التي يُرجح أن تكون فيها البيانات الناتجة عن تقنيات أخرى (مثل عمليات العد القائمة على الفيديو) أكثر ملاءمة.
ما يبدو واضحًا، في ضوء التقرير، هو أن البيانات ليست كلها متساوية في طبيعتها. فخصائص البيانات تختلف باختلاف التقنيات المستخدمة في جمعها. فعلى سبيل المثال، تعتبر عمليات إحصاء حركة المرور القائمة على الفيديو مكملة في الواقع لعمليات الإحصاء المستندة إلى البيانات الضخمة، وتزداد أهميتها في عالم البيانات الضخمة، وذلك بفضل الدقة العالية التي تتمتع بها عمليات الإحصاء القائمة على الفيديو. وفي حين تكمن القيمة الفريدة للبيانات الضخمة في توفير نظرة عامة على مستوى الكلي لشبكة المرور، فإن عمليات العد القائمة على الفيديو تتمتع بموقع فريد يتيح لها تقديم رؤى على المستوى الجزئي، بالإضافة إلى رؤى مستمدة بصريًا (مثل الرؤى النوعية مثل معدل إشغال حارات السير، وتحليل الفجوات، وحالات الاصطدام الوشيكة).
أمثلة على المجالات التي تتفوق فيها البيانات المستندة إلى الفيديو والموقع الجغرافي:
حساب عدد الدورات (TMC)، والتسجيلات التلقائية لحركة المرور على أساس المسارات (ATR)، ودراسات مسارات المشاة وراكبي الدراجات والتقاطعات، ومعايرة النماذج
أمثلة على المجالات التي تتفوق فيها البيانات الضخمة: بيانات «المصدر-الوجهة» (OD) لجداول الرحلات، والغرض من الرحلة، وتقديرات متوسط حركة المرور اليومية السنوية (AADT).
عندما تحتاج إلى بيانات عالية الدقة وقابلة للتحقق ودقيقة، فإن عمليات العد القائمة على الفيديو توفر أفضل البيانات وأكثرها تفصيلاً.
- أي دراسات تتطلب بيانات متعددة الوسائط، بدءًا من دراسات الطلب وصولاً إلى تقييمات الشوارع الشاملة. اقرأ عنمدينة شيكاغو، على سبيل المثال.
- دراسات السلامة التي تكون فيها البيانات النوعية مفيدة بقدر البيانات الكمية، وحيث تسهم المعلومات المستمدة بصريًّا في الدراسة
- الدراسات التي تتطلب دقة زمنية، حيث تُعد دقة تحديد الأحجام في أوقات ومواقع محددة أمرًا بالغ الأهمية
- المواقع التي يقل فيها عدد المركبات المارة على الطرق عن 1000 مركبة في الساعة
في النهاية، فإن السؤال «أي البيانات أفضل؟» يعتمد على حالة الاستخدام والحاجة إلى الدقة في إطار الدراسة. فإذا كانت الأحجام و/أو التحركات المحددة في أوقات معينة أقل أهمية بالنسبة للدراسة، فإن البيانات الضخمة على المستوى الكلي تُعد خيارًا مناسبًا. أما إذا كانت الأحجام و/أو التحركات المحددة في أوقات معينة ذات أهمية، فستحتاج إلى بيانات ميدانية.
"الأمر يتعلق بنوع الدقة والتحديد اللذين تحتاجهما للإجابة على الأسئلة التي تطرحها. توفر أساليب البيانات الضخمة قيمة على المستوى الإجمالي (سواء من الناحية الزمنية أو المكانية)، ولكن عندما تحتاج إلى التعمق أكثر في التفاصيل، تصبح البيانات الميدانية ضرورية."
ساجاد شيرافي، مهندس معتمد
إذا كنت ترغب في معرفة المزيد عن كيفية جمع البيانات الميدانية وحالات الاستخدام المناسبة لها، سواء كان ذلك لدعم دراسات محددة أو لمعايرة نماذج البيانات الضخمة الخاصة بك، فتواصل مع فريق الخبراء في Miovision.
