1. Tanım

Son zamanlardaki teknolojik gelişmeler Büyük Veri uygulama araçlarının artmasını sağlamıştır. Sensörler kullanılarak  çok büyük miktarda veri toplanmaktadır. Öncelikle İngilizce baş harflerinin kullanıldığı  5 veri çeşiti öne çıkmaktadır.  5V(kapasite(volume), hız(velocity), variety(çeşit), value(değer) ve veracity(doğruluk)) Bu tür veri çeşitleri yapısal, yarı yapısal ya da yapısız olmak üzere üç değişik karakteristikte olabilir. Sensör teknolojisindeki gelişmelere bağlı olarak, veri toplama ve depolama ile  bu verilerin programlanabilir algoritmalarla  işlenmesi bir çok sektörde hızlı hale gelmiştir. Çok hacimli veriler çeşitli kaynaklardan toplanması geleceğin teknolojisinde yeni bir uygulama alanı gerekliliği ve ihtimali ortaya çıkarmaktadır.

Büyük Veri; kabul edilebilir bir zaman içinde boyutsal ve biçimsel olarak birbiriyle ilişkili  belirli yazılım ve araçlar kullanılarak toplanan, işlenen, yönetilen ve düzenlenen veriler olarak tanımlanmaktadır. “Büyük Veri”yi niceliksel olarak tanımlanma oldukça karmaşık bir konudur. Ne kadar büyük bir veri? Örnek olarak “Büyük Veri” denildiğinde 100 Terra Bytes, yüz farklı kaynaktan  saniyede 10 GB veri akışı ve Nesnelerin İnterneti (IoT) ,Kablosuz Sensör Ağları ( WSN) , bulut bazlı servisler ve ağır makinelerin durum izlemesi gibi proseslerin kullanılması anlamına geliyor. Büyük verilerin kullanımı nedir? Bu büyük veri mantıksal analizi için önemli bir sorudur. Büyük Verilerin analizi  ile analistler, araştırmacılar, teknik birimler, operatörler ve son kullanıcıların faaliyette oldukları sistemi daha iyi anlama, daha hızlı ve sağlıklı karar vermeleri sağlama imkanı olmaktadır.

Büyük veriler bilişim, telekomünikasyon, web ve mobil servisler, imalat, proses endüstrileri, taşımacılık, bilimsel simülasyon v.b gibi bir çok sektörde kullanılmaktadır.  Bir çok uygulama alanı olmasına rağmen şu anda McKinsey Global Enstitüsü analiz kuruluşları   en çok sağlık,  perakende satış, ulaştırma, imalat,  toplum servisleri ve kişisel veriler gibi alanlarda yaygın olarak kullanılmaktadır.  Önümüzdeki dönemde “Arttırılmış gerçeklik”  ve İnfografik araçlarda kullanımın artacağı beklenmektedir.

2. Ulaştırma Sektörü

Fiilen veri toplamak ve toplanan bu verilerin analizi , transit otobüsler ile  şehir içi ve şehirlerarası  taşımacılıkta kullanılan trenler ve metro araçlarının bakım çalışmalarında önemli bir yer tutmaktadır.  Dahası bu tür uygulamalar toplumların ve sanayinin gelişmesinde tarihsel bir öneme sahiptir. Örnek olarak İstanbul Hızlı Otobüs Geçiş Hattında (BRT-Bus Rapid Transit line )  mesafeye göre  bilet  fiyatlandırması bu şekilde yapılmıştır.

Markov ziniciri yaklaşımı ile Londra’daki çok modlu (Multi-Modal) ulaşım ağı bu ağda faaliyet gösteren paydaşlar tarafından daha verimli kullanılacak hale getirildi.  Büyük verilerin kullanımı şehirlerin taşımacılık performansları ve sürdürülebilirlik gibi birçok gösterge  için  kilit öneme sahiptir.

Sonsuz ihtimalin olduğu büyük veri mantıksal analizi ulaştırmada, maksimum yüklemeleri, trafikteki çeşitliliği, plansız durma sürelerinin değerlendirilmesi ve kazaların müşterinin konforu üzerindeki etkilerini , iş/fırsat kayıplarını tekrar gözden geçirmeye ve bu sayede trafiğin görece daha az yoğun zamanlarda bakım çalışmaları planlamaları yapılmasına imkan sağlamaktadır. Bu da maksimum sayıda müşteri sayısı, operasyonel maliyetlerde azalma ve maksimum verimliliği en üst düzeye çıkarmaya yardımcı olacaktır.

3. Demiryolları ve Doğrusal Varlıklar

Avrupa’da demiryolu altyapı yöneticisinin odaklandığı iki önemli nokta vardır: Operasyonel maliyetleri aşağıya çekmek ve bunu yaparken aynı zamanda parasal varlıkları ve emniyet performansları arttırmak.

Büyük verinin demiryollarında birçok kullanım alanı vardır. Demiryolları için yeni bir kavram olmakla birlikte yakın zamanda kullanımın giderek artacağı öngörülmektedir. EIT (Enabling Innovation Team) Inovasyonu Sağlama Ekibi gelecek projelerde büyük veri kullanımı üzerine çalışmalar yapmaktadır.

Büyük şirketlerden Hitachi büyük verilerin kullanımı konusundaki çalışmaların öncüsü konumundadır. Hollanda’da Hollanda Demiryolları aks başı (buatagres) ivmelenmeleri konusunda bir çalışma yapmaktadır. Toplanan 1 terabyte verinin e bakım zamanı ve önleyici bakım çalışmalarına ışık tutması hedeflenmektedir. Bütün bu çalışmalar demiryollarının gelecekte daha güvenli, daha ucuz ve daha verimli olması için gerekli görülmektedir. Büyük veri, mevcut sistemlerden toplanan bilgiler il geleceğe dair doğru kararların alınmasını sağlıyor.

Şekil 1: Tipik Avrupa Demiryolu Yönetim Sistemi Haberleşmesinin Gösterimi