Το τελευταίο διάστημα όλο και πιο επίκαιρος γίνεται ο θεσμός των “έξυπνων πόλεων” κυρίως για τις δυνατότητες που αναδύονται για τη δημόσια σφαίρα μιας πόλης. Η εφαρμογή της τεχνολογίας, με καινοτόμα εργαλεία και πρωτοποριακές μεθόδους, συνδυαζόμενα με δεδομένα περιβαλλοντικού ενδιαφέροντος, παρέχει ένα πλαίσιο ανάπτυξης, που έχει ως κύριο ζητούμενο την κάλυψη αναγκών και προσδοκιών του πολίτη. Οι έξυπνες πόλεις συνδέουν την τεχνολογία με το πολιτικό όραμα, μέσα από ένα ολοκληρωμένο αναπτυξιακό σχεδιασμό για τη βελτίωση του αστικού χώρου και υπηρεσιών. Καινοτομία στον τομέα της πληροφορικής αποτελούν τα Internet of Things (IoT) κομμάτι των οποίων είναι οι “Έξυπνες Συσκευές” (Smart Devices). Η δημιουργία εφαρμογών και τα συστήματα υπολογιστικού νέφους, σε συνδυασμό με την “ανάλυση δεδομένων” προσθέτουν επιπλέων επίπεδα διευκόλυνσης προς τους πολίτες, ενδυναμώνοντας τη σχέση εμπιστοσύνης προς την τοπική αυτοδιοίκηση. Οι έξυπνες συσκευές μπορούν να διαμοιραστούν περιβαλλοντικές πληροφορίες και μέσω της ανάλυσης δεδομένων να βοηθήσουν τόσο στην ανάπτυξη γνώσεών και τεχνολογιών στους εκάστοτε οργανισμούς, όσο και στη λήψη αποφάσεων μέσω των ψηφιακών εφαρμογών διαχείρισης γνώσης και πληροφορίας.
Η ερευνητική ομάδα SAGISRS του Τμήματος Γεωγραφίας του Πανεπιστημίου Αιγαίου, έχει αναπτύξει μια έξυπνη συσκευή ανοιχτού λογισμικού (ΕΛΛΑΚ) και ανοιχτού υλισμικού καταγραφής και ανάλυσης περιβαλλοντικών συνθηκών η οποία ενσωματώνει πολλά στοιχεία καινοτομίας. Η έξυπνη συσκευή περιλαμβάνει ένα κουτί έξυπνης παρακολούθησης (smart combo environmental sensor) το οποίο έχει δυνατότητες καταγραφής και ανάλυσης περιβαλλοντικών χαρακτηριστικών: θερμοκρασία, υγρασία, βαρομετρική πίεση, ποιότητα αέρα, Μικροσωματίδια (Particulate Matter) , φωτεινότητα, θόρυβος.
Η παρούσα εργασία περιγράφει τη μετατροπή των περιβαλλοντικών δεδομένων αυτών των έξυπνων συσκευών που έχουν εγκατασταθεί σε δυο δημόσια κτήρια στη πόλη της Μυτιλήνης, σε γνώση για τους διαχειριστές των κτηρίων. Στοχεύει να καταδείξει πως τα δεδομένα έξυπνων συσκευών μπορούν να μετατραπούν σε γνώση για εξοικονόμηση πόρων. Με βάση την πληροφόρηση, η διοίκηση και οι εργαζόμενοι μπορούν να παίρνουν αποφάσεις σχετικά με τη θέρμανση, τον εξαερισμό, το θόρυβο και το φως στους χώρους του κτιρίου. Η ολοκληρωμένη λύση συνοδεύεται και από πλήρες κεντρικό υπολογιστικό σύστημα (server-side) αποθήκευσης και οπτικοποίησης δεδομένων χρησιμοποιώντας παραμετροποιημένες τεχνολογίες διαχείρισης δεδομένων IοT και δεδομένων BigData (μεγάλης κλίμακας, μεγάλου όγκου, σε πραγματικό χρόνο). Η παρούσα λύση, έχει οφέλη για τη διοίκηση μέσα από εξοικονόμηση δημόσιων πόρων. Έχει οφέλη για τους υπαλλήλους οι οποίοι μπορούν να λάβουν αποφάσεις για το περιβάλλον εργασίας τους καθημερινά και απομακρυσμένα βελτιώνοντας τις συνθήκες εργασίας. Έχει οφέλη για το κοινό καθώς κατανοούν πως εξοικονομούνται δημόσιοι πόροι (θέρμανση, φωτισμός, κ.α.) και γίνεται μια ολοκληρωμένη προσπάθεια περιβαλλοντικής εξοικονόμησης πόρων μέσα από ψηφιακές τεχνολογίες.

Ένα από τα ταχέως αναπτυσσόμενα επιστημονικά πεδία αποτελεί ο τομέας της μαθηματικής ανάλυσης χωρικών δικτύων. Αποτελεί μια σχετικά νέα προσέγγιση η οποία συνδυάζει όχι μόνο το επιστημονικό πεδίο της Θεωρίας Γράφων από τα Μαθηματικά αλλά και τα Γεωγραφικά Συστήματα Πληροφοριών από τους τομείς των Γεωγραφικών Επιστημών. Είναι δηλαδή μια καινοτόμα προσέγγιση μαθηματικών υπολογισμών σε χωρικό δίκτυο, συνυπολογίζοντας τοπογραφικά χαρακτηριστικά και στοιχεία σημείων ενδιαφέροντος. Οι εφαρμογές που αναπτύσσονται στο παραπάνω πεδίο, σχετίζονται όχι μόνο με τις μεταφορές στο οδικό δίκτυο αλλά και με νέα πεδία όπως ο πολιτισμός , το περιβάλλον, ο τουρισμός και ο αθλητισμός.
Στην παρούσα εργασία θα παρουσιάσουμε έναν αλγόριθμό που αναπτύχθηκε σε γλώσσα προγραμματισμού R για την εύρεση μονοπατιών σε ένα χωρικό δίκτυο. Η μετατροπή του χωρικού δικτύου σε Γράφο και ο υπολογισμός των γεωγραφικών και μετρικών σχέσεων καταχωρούνται ως τιμές σε κόμβους και ακμές. Η διαδικασία αυτή πραγματοποιήθηκε με τη χρήση της βάσης δεδομένων PostgreSQL και των εργαλείων postgis και pgrouting. Η δυνατότητα των plugins που εμπεριέχονται στην R μας εξασφάλισε την δια-λειτουργικότητα των δυο εργαλείων γεωπληροφορικής για τη συλλογή, τη διαχείριση, τον μετασχηματισμό και την απεικόνιση των χωρικών δεδομένων μας.
Ο χωρικός αλγόριθμος ευριστικής αναζήτησης, δέχεται ως εισροές τις τιμές των κόμβων και των ακμών και με τη χρήση πολυμεταβλητής χωρικής ανάλυσης μέσα από μια αλληλουχία ερωτημάτων βρίσκει την κατάλληλη διαδρομή ανάλογα με τις προδιαγραφές του χρήστη.
Η μεθοδολογία αυτή που θα αναπτυχθεί έχει στόχο τη χάραξη πολιτικών και τη λήψη αποφάσεων μέσα από την διαχείριση μεγάλου όγκου χωρικών δεδομένων καθώς ενδείκνυται για την χωρική ανάλυση κάθε χωρικού δικτύων (δίκτυα μεταφορών, ενέργειας, υδρολογικά).

Η πιο διαδεδομένη πηγή παροχής πληθυσμιακών στοιχείων είναι η Εθνική Απογραφή, η οποία διενεργείται από την Ελληνική Στατιστική Αρχή κάθε δέκα χρόνια με έτος έναρξης το 1951. Κατά τη διάρκεια της απογραφής πληθώρα πληροφοριών συλλέγεται σε επίπεδο νοικοκυριού, ωστόσο, λόγω νομικών και κανονιστικών περιορισμών που αφορούν στην προστασία προσωπικών δεδομένων και του απορρήτου των στατιστικών μονάδων παρέχονται συγκεντρωμένα σε χονδροειδείς χωρικές οντότητες όπως οικοδομικά τετράγωνα, απογραφικοί τομείς, δημοτικές ενότητες, δήμοι κ.α.
Πολλές μελέτες/έρευνες έχουν ανάγκη για παροχή πληθυσμιακών δεδομένων σε λεπτομερέστερη κλίμακα και για το λόγο αυτό κρίνεται απαραίτητος ο υποβιβασμός χωρικής κλίμακας (spatial down-scaling) των πληθυσμιακών δεδομένων της απογραφής. Στόχος της παρούσας εργασίας είναι η δημιουργία ενός εργαλείου υποβιβασμού χωρικής κλίμακας πληθυσμιακών δεδομένων από ένα σύνολο χονδροειδών χωρικών οντοτήτων (source) σε ένα σύνολο οντοτήτων λεπτομερέστερης κλίμακας (target) στο προγραμματιστικό περιβάλλον της R. Αναπτύχθηκαν δύο μέθοδοι υποβιβασμού κλίμακας οι οποίες στηρίζονται σε τεχνικές σταθμισμένης χωρικής παρεμβολής: α) χωρομετρικής και β) ογκομετρικής. Στην πρώτη περίπτωση τα βάρη καθορίζονται με κριτήριο το εμβαδό των οντοτήτων επιφάνειας target, ενώ στη δεύτερη περίπτωση τα βάρη υπολογίζονται αξιοποιώντας το εμβαδό της επιφάνειας target επί τον αριθμό των ορόφων (ή του ύψους) για κάθε οντότητα target.
Η αποτελεσματικότητα του προτεινόμενου εργαλείου εξετάζεται χρησιμοποιώντας πραγματικά δεδομένα για την πόλη της Μυτιλήνης, Λέσβου. Ως επιφάνεια source χρησιμοποιούνται τα Οικοδομικά Τετράγωνα της πόλης (συμπεριλαμβανομένων των πληθυσμιακών μετρήσεων) ενώ ως επιφάνεια target χρησιμοποιούνται τα κτήρια της πόλης (συμπεριλαμβανομένου του αριθμού των ορόφων και του εμβαδού κάτοψης). Τα αποτελέσματα της βιβλιοθήκης populR συγκρίνονται με παρόμοιες λειτουργίες άλλων βιβλιοθηκών της R όπως η areal και sf όπως επίσης γίνεται και αξιολόγηση των παραπάνω με μια λεπτομερέστερη κατανομή πληθυσμού η οποία στηρίζεται στην ογκομετρική μέθοδο χρησιμοποιώντας σαν επιπρόσθετη πληροφορία την χρήση κάθε ορόφου. Τα αποτελέσματα αναδεικνύουν την αποτελεσματικότητα της ογκομετρικής μεθόδου επιτυγχάνοντας τα χαμηλότερα σφάλματα χρησιμοποιώντας τη ρίζα του μέσου τετραγωνικού σφάλματος και το μέσο τετραγωνικό σφάλμα με τιμές 1,45 και 0.94 αντίστοιχα ενώ πέτυχε τη μεγαλύτερη τιμή του συντελεστή συσχέτισης R2 με τιμή 0.9878.

Οι έξυπνες πόλεις επηρεάζουν μία πληθώρα επιστημονικών τομέων, όπως τις έξυπνες μεταφορές, το έξυπνο περιβάλλον, το έξυπνο δίκτυο κ.ά. Η εφαρμογή IoT δικτύων (Internet of Things - Διαδίκτυα των Πραγμάτων) στις έξυπνες πόλεις, συμβάλλει στη διεκπεραίωση των στόχων που θέτει η κάθε πόλη σχετικά με τη βελτίωση της ποιότητας ζωής των πολιτών. Τα δίκτυα αυτά συλλέγουν δεδομένα που καταγράφονται από διάφορες έξυπνες συσκευές (Smart Devices) και αισθητήρες, τα οποία διασυνδέονται μέσω του διαδικτύου. Τόσο η διαχείριση όσο και η επεξεργασία τους αναπτύσσει μία σειρά ζητημάτων, καθώς πρόκειται για μεγάλο όγκο δεδομένων (Big Data) και καταγραφή σε πραγματικό χρόνο (Real-Time Data). Έχουν τη μορφή χρονοσειρών και συνήθως περιέχουν και χωρική πληροφορία (τοποθεσία). Τα δεδομένα χωρικών χρονοσειρών είναι ένας σημαντικός παράγοντας δημιουργίας προβλέψεων, ανακάλυψης μοτίβων καθώς και εντοπισμού ακραίων τιμών. Ο σκοπός της παρούσας έρευνας είναι η μελέτη ακραίων τιμών σε χωρο-χρονικά δεδομένα. Η έρευνα θα απαντήσει σε ερωτήματα σχετικά με την εκτίμηση και διαχείριση των ακραίων τιμών στα χωρικά δεδομένα χρονοσειρών στα πλαίσια των έξυπνων πόλεων, την ανάδειξη των προβλημάτων χωρο-χρονικής κλίμακας των σημειακών δεδομένων που αναπτύσσονται και τη μετατροπή τους σε επιφάνειες ως χρονοσειρές. Τα δεδομένα που θα χρησιμοποιηθούν αποτελούνται κυρίως από περιβαλλοντικά δεδομένα αισθητήρων σε IoT δίκτυα. Η συλλογή τους θα πραγματοποιηθεί έπειτα από εγκατάσταση έξυπνων συσκευών – αισθητήρων (raspberry-pi, ESP32) στην πόλη της Μυτιλήνης και από αντίστοιχα ελεύθερα δεδομένα (Open Data) IoT δικτύων σε άλλες πόλεις. Τα δεδομένα θα απαρτίζονται από χωρικές χρονοσειρές όπως η θερμοκρασία, η υγρασία και η ποιότητα αέρα. Η ανάλυση θα πραγματοποιηθεί σε ελεύθερα προγράμματα ανοιχτού κώδικα (ΕΛΛΑΚ). Απώτερος σκοπός των αναμενόμενων αποτελεσμάτων είναι η ανάδειξη της σημαντικότητας της συμβολής της χωρικής ανάλυσης στις έξυπνες πόλεις, για τη διαχείριση και επίλυση προβλημάτων που στοχεύουν τη βιωσιμότητα και βελτίωση της ποιότητας ζωής των κατοίκων τους.