ซอยนี้ไม่มีฟุตบาธ เดินเข้าออกทีนี่กลัวรถชนตายจัง ตรงนี้ขยะล้นจนเหม็นไปหมดแล้ว ไม่มีใครคิดจะมาเก็บเลยเหรอ? เส้นนี้รถเมล์น้อยจัง มาคันนึงก็คนแน่นมาก ไม่คิดจะแก้หรือไง?
ปัญหาเรื่อง ‘เมืองๆ’ นี่ดูเหมือนจะบ่นกันบ่อยๆ และบ่นกันมานาน โดยไม่รู้ตัวเลยว่าคำบ่นเหล่านั้นของเรา จริงๆ แล้วมีมูลค่ามหาศาล เพราะหากเราบ่นกันอย่างมีระบบ และคำบ่นของเราได้รับการนำไปวิเคราะห์อย่างเป็นระบบ คำบ่นเหล่านั้นอาจกลายเป็น ‘ข้อมูล’ ที่นำไปใช้ในการพัฒนาและแก้ปัญหาเรื่องเมืองๆ ที่เราเผชิญกันจนเกือบจะชินได้
ในงานทอล์ก ‘โลกรอบสถาปัตยกรรมผังเมือง’ ที่จัดขึ้นโดยศูนย์ออกแบบและพัฒนาเมือง (UDDC) ครั้งล่าสุด ‘ข้อมูล’ ได้ถูกหยิบยกมาเป็นประเด็นหลักในบทสนทนาเรื่องการพัฒนาเมือง โดยอาศัยศาสตร์ที่เรียกได้ว่ากำลังเนื้อหอมอย่างวิทยาศาสตร์ข้อมูล (Data Science) และงานสถาปัตยกรรมผังเมือง มาร่วมด้วยช่วยกัน
ในงานนี้ ผศ.ดร.สันติ พิทักษ์กิจนุกูร อาจารย์ภาควิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเชียงใหม่ และนักวิจัยจาก MIT Senseable City Lab ที่ทำงานวิจัยด้าน Open Data ได้มาเล่าให้ฟังถึง ‘Urban Informatics’ หรือการเก็บและศึกษาข้อมูลเพื่อเข้าใจพฤติกรรมของเมือง ซึ่งจะนำไปสู่การวางแผนพัฒนา แก้ปัญหา และปรับปรุงเมือง รวมถึงคุณภาพชีวิตของคนในแต่ละเมืองได้
‘ข้อมูล’ ช่วย ‘เมือง’ ได้ยังไง?
ก่อนอื่นเลย อาจารย์สันติได้แนะนำให้เรารู้จักกับ ‘Social Computing’ หรือการอธิบายพฤติกรรมของเมืองและคนเมืองด้วยโมเดลทางคณิตศาสตร์ พูดง่ายๆ ก็คือเราศึกษาวิเคราะห์ข้อมูลบางอย่างของเมือง แล้วสรุปออกมาเป็นสมการ รวมถึง ‘Human Mobility’ หรือการศึกษารูปแบบการเคลื่อนที่ของผู้คน ซึ่งข้อมูลและสมการเหล่านี้ สามารถนำไปใช้คาดการณ์ ประกอบการวิเคราะห์อื่นๆ ต่อไปได้
เริ่มจากตัวอย่างงานวิจัยขนาดเล็กที่อาจารย์สันติยกมาให้เห็นภาพ ก็อย่างเช่นการศึกษาระดับความใกล้ชิดของผู้คนในเมือง โดยดูข้อมูล Call Log ในรอบ 3 เดือน แล้วให้เจ้าของเบอร์ดูว่าแต่ละเบอร์ที่พวกเขาโทรหาใน 3 เดือนนี้ เป็นคนที่สนิทแค่ไหน สุดท้ายก็สรุปด้วยวิธีทางคณิตศาสตร์ได้ว่า เราจะมีจำนวนคนที่สนิทในแต่ละระดับเป็น 8 เท่า เช่น ถ้าเรามีคนที่สนิทมาก (Socially Closest) 1 คน ก็จะมีคนที่สนิทรองลงมา (Socially Near) 8 คน และมีคนที่สนิทแบบห่างๆ หน่อย (Socially Distant) 64 คน
ถามว่าผลจากงานวิจัยนี้เอาไปใช้อะไรได้? อาจารย์สันติยกตัวอย่างที่ชัดๆ คือการจัดโปรโมชั่นมือถือ (อย่างโทรฟรีเบอร์โปรด) ให้ตอบสนองความต้องการของคน หรือถ้าในสเกลที่ใหญ่กว่าก็อาจใช้ในการตรวจสอบความผิดปกติบางอย่างของเมือง (Anomaly Detection) หรือการคาดการณ์การแพร่ระบาดของโรคต่างๆ (Epidemiology) ได้
ตัวอย่างอื่นๆ ที่น่าสนใจก็อย่างเช่น โปรเจค Taxi-Aware Map ที่ทำการเก็บข้อมูลจาก GPS และมิเตอร์ของรถแท๊กซี่ในลิสบอน แล้วสามารถคาดการณ์จำนวนแท็กซี่ว่างในบริเวณต่างๆ ของเมือง ในเวลาต่างๆ ได้
โปรเจค AIDA (Affective Intelligent Driving Agent) ที่ MIT Senseable City Lab ร่วมมือกับ Volkswagen ในการสร้างหุ่นยนต์ติดรถช่วยออกแบบเส้นทาง (Navigation System) โดยวิเคราะห์จากข้อมูลสภาพของรถและสภาพการจราจร ข้อมูลเหตุการณ์แบบเรียลไทม์ที่เกิดขึ้นในจุดต่างๆ ของเมือง รวมถึงข้อมูลความต้องการของคนขับ แล้ววางแผนเส้นทางที่เหมาะที่สุด
หรือกรณีศึกษาในประเทศ Senegal ที่ต้องการสร้างระบบขนส่งสาธารณะ แต่เกิดคำถามว่าจะวางแผนการเดินรถอย่างไร และสร้างสถานีตรงไหนดี ก็ได้มีการเก็บข้อมูล Call Detail Record (CDR) เพื่อศึกษารูปแบบการเคลื่อนที่และการเดินทางของผู้คนในประเทศ จากนั้นนำไปเทียบกับระบบขนส่งที่มีอยู่แล้ว แล้วจัดกลุ่มเส้นทางเพื่อแนะนำการวางระบบคมนาคมให้กับประเทศ
แม้แต่เรื่องใกล้ตัวอย่างเรื่องของขยะ ข้อมูลก็ยังเอามาใช้เพื่อศึกษา วิเคราะห์ และปรับปรุงระบบการจัดการขยะของเมืองได้ อย่างโปรเจค TrashTrack ในสหรัฐฯ ที่ทดลองเอาเซ็นเซอร์ไปติดขยะ 3,000 ชิ้น แล้วดูว่าของที่เราทิ้งลงถังขยะ สุดท้ายแล้วมันไปไหน? ปรากฏว่ามีเพียง 10% ของขยะเท่านั้น ที่ถูกส่งไปยังที่ที่ควรไป (ที่ระบุไว้ในสัญญาของ Waste Management Companies และมีขยะรีไซเคิลหลายชิ้นที่ดูจะเดินทางไกลเกินความจำเป็น เพราะอาจจะสามารถไปยังแหล่งรีไซเคิลที่ใกล้กว่านั้นได้ การจัดเก็บข้อมูลนี้เลยทำให้เห็นข้อบกพร่องของระบบจัดการขยะของเมือง และสามารถหาแนวทางแก้ปัญหาได้อย่างถูกจุด
ใช้ ‘ข้อมูล’ ช่วย ‘เมืองไทย’ ได้บ้างไหม?
เมื่อถามถึงการนำข้อมูลมาใช้กับเมืองไทย อาจารย์สันติบอกว่าตัวเองก็ได้เริ่มทดลองทำบ้างแล้วในเชียงใหม่เมืองบ้านเกิด อย่างโปรเจค ‘TripRec’ (Trip Recommendation System) ที่วิเคราะห์ข้อมูลความสนใจและพฤติกรรมการท่องเที่ยวของบุคคล ประกอบกับข้อมูลอากาศ พื้นที่ และอีเวนท์ในขณะนั้น ซึ่งลองเอาไปติดตั้งไว้ในโรงแรมเพื่อแนะนำเส้นทางท่องเที่ยวให้แขกที่มาพัก
ส่วนโปรเจคที่เพิ่งเริ่มต้น ก็อย่างเช่น ‘CitiSense’ ที่ออกแบบแพลตฟอร์มให้คนช่วยรายงานสภาพหมอกควัน ปัญหาประจำปีของเมืองเชียงใหม่ เพราะตอนนี้เซนเซอร์ตรวจจับหมอกควันของเมืองยังมีไม่เพียงพอ และข้อมูลตรงนี้ น่าจะนำไปสู่การปรับปรุงคุณภาพชีวิตหรือดูแลสุขภาพชาวเมืองเชียงใหม่ได้ รวมถึงโปรเจค ‘Soundscape’ เซ็นเซอร์ตรวจจับระดับเสียงที่อาจารย์เพิ่งพัฒนาขึ้นมาใหม่ ก็น่าจะให้ข้อมูลที่เป็นประโยชน์สำหรับการจัดการปัญหามลพิษทางเสียงในอนาคตได้เช่นกัน
ความท้าทายของการใช้ข้อมูลพัฒนาเมืองคืออะไร?
ถ้าไม่นับเรื่องความสะอาดและความถูกต้องของข้อมูลที่ไม่ว่าใครก็ตามที่ทำงานกับ Big Data ต้องเจอ ความเหลื่อมล้ำก็ดูจะเป็นปัญหาสำคัญในกองข้อมูลที่จะเอามาใช้พัฒนาเมือง เพราะมีเพียงคนบางกลุ่มเท่านั้นที่มีความสามารถในการเข้าถึงแพลตฟอร์มการให้ข้อมูล (อย่างเช่นปัญหาของชนชั้นกลาง คนมีการศึกษา หรือเล่นอินเทอร์เน็ตก็อาจจะถูกหยิบยกขึ้นมามากกว่า)
แต่ประเด็นหนึ่งที่ทั้งอาจารย์สันติและ UDDC ได้เน้นย้ำร่วมกันอย่างหนักแน่นก็คือ เมืองไทยยังขาดพลเมืองที่มีความเป็น Active Citizen ทุกวันนี้ ก็มีความพยายามสร้างแรงจูงใจ (Incentive) ในการให้ข้อมูล ไม่ว่าจะเป็นการแจกของ ใช้วิธีแบบ Mechanical Turk หรือการใช้ Gamification เพื่อช่วยให้ทีมวิจัยหรือทีมพัฒนาได้มาซึ่งข้อมูลที่นำไปใช้ต่อได้ แต่สุดท้ายแล้ว การปลูกฝังให้คนเห็นคุณค่าของข้อมูลและความสำคัญในการมีส่วนร่วมปรับปรุงเมืองที่ตัวเองอยู่ ก็เป็นวิธีที่ยั่งยืนมากกว่า
อาจารย์สันติทิ้งท้ายไว้ในทอล์กครั้งนี้ว่า “ความท้าทายของ Crowdsourcing คือทำยังไงให้คนมีส่วนร่วมในการให้ข้อมูล ทำยังไงที่จะปลุกให้คนเป็น Active Citizen ให้คนรู้สึกว่าเป็นเจ้าของเมืองที่อยู่ และเป็นส่วนหนึ่งของการพัฒนาที่เกิดขึ้นได้จริง”
Cover Illustration by Namsai Supavong
อ่านบทความอื่นๆ ในซีรีส์ ‘Data for Future’
หากอยากทำอาชีพที่เซ็กซี่ที่สุดในศตวรรษ คุณมีนัดที่ Data Café
https://thematter.co/pulse/datacafe/30854
‘เปิด ใช้ แชร์’ เปลี่ยนข้อมูลไม่ให้เป็นแค่ข้อมูลด้วย Data Visualization กับ Boonmee Lab
https://thematter.co/byte/boonmeelab/31396
เรากำลังก้าวสู่โลกใหม่ที่ขับเคลื่อนด้วย AI และข้อมูล คุยกับ ดร. ต้า Data Scientist ของเมืองไทย
https://thematter.co/byte/dataforfuture/33082
ให้ BIG DATA ช่วยแก้ปัญหาแท็กซี่ กับ GIS Lab (SIIT)
https://thematter.co/byte/gis-lab/33767