知らなきゃ恥かく「ビッグデータ」超入門【2】

写真拡大

アマゾンで本を購入すると、「この商品を買った人はこんな商品も買っています」というメッセージが出る。同社は、蓄積された購買履歴を解析し、結果を表示しているのだ。これもビッグデータ活用例の一つといえる。

購買履歴などのデータは、構造化データと呼ばれる。社員情報やエクセル上の販売データも、これに含まれる。

デジタルデータはこれら構造化データと非構造化データの2つに分類される。実はいま、圧倒的に増加しているのは後者であり、全データ中、8割を占めるといわれている。

非構造化データとは、画像や動画、電子メールの文字データなどを指す。TwitterやFacebookへの書き込みも、非構造化データに含まれる。グーグルの検索予測機能やAdWords(検索語句に連動して広告を表示する仕組み)は、これらを活用したわかりやすい例だ。

ビッグデータの活用例は、ネット検索やネットショッピングだけでなく、私たちの生活にも広がりつつある。

注目される分野の一つが「スマートシティ」だ。ITを活用し、電気、水、交通などの社会インフラをより効率的に整備しようとする試みである。

スウェーデン・ストックホルム市の取り組みは、最先端事例の一つだ。同市は市街地に入る自動車から料金を徴収し、交通量25%、CO2排出量14%の削減を達成した。

まず、同市では市街地に入る18カ所に、センサーおよびカメラを設置し、認識装置を搭載した自動車が通過するたびに課金を行った。一方、装置を搭載していない自動車には、カメラで撮影したナンバーの画像から文字認識を行い、自動車の所有者を特定。そこから課金を行う仕組みをつくった。課金情報は3分以内に処理され、口座引き落としのほか、センサーが設置された場所を通行した直後に、コンビニでも料金の支払いができる。

現在、同市では1秒間に25万件もの自動車のGPSデータを収集できるという。これをもとに、渋滞をさらに解消する試みを始めようとしている。

市内を走行するバスなどの公共車両にセンサーを搭載し、道路の混雑状況を把握。これに、気象情報やイベント情報などを連動させ、市内を走行する1日70万台の自動車の動きを予測する。予測結果を自動車へ配信し、別のルートに導いたり、走行レーン数を一時的に増やすことで、より高度な交通渋滞解消策へと繋げようとしている。

ビッグデータの社会インフラへの応用は、日本でも検討が始まっている。

※すべて雑誌掲載当時