Ding Ma disputerade nyligen inom geografiska informationssystem med sin avhandling ”Topological and Scaling Analysis of Geospatial Big Data”. Denna forskning kommer att revolutionera våra digitala kartor skriver Högskolan i Gävle.
– Att kunna visa det unika med en stad eller en gata, är vad min forskning handlar om, säger Ding Ma, doktor inom geografiska informationssystem vid Högskolan i Gävle.
Vid modellering av stadsmiljöer har Ding Ma ett helt nytt angreppssätt som är fundamentalt annorlunda från hur det hittills har gjorts. Det baseras på att så mycket data som möjligt tas med i modellen. Han har nämligen hittat ett sätt att isolera det som är relevant ur den stora datamängden.
– Vi kan nu visa detta på ett sätt som gör att människor kan förstå sin omgivande miljö bättre, säger Ding Ma.
Naturliga gator och städer
Allt handlar om ett nytt sätt att modellera och det nya i Ding Mas forskning är naturliga gator och naturliga städer. Det har aldrig visats så tidigare. Fram till nu har digitala kartor visat en gata som olika sammanfogade delar.
– Men då vi visar samma gata är den inte splittrad i olika segment, utan det är en helhet, en fortsättande gata med samma namn, säger Ding Ma.
Vi arbetar nu på ett universellt sätt att beskriva en stad oberoende av länder, genom att förlita oss på vissa attribut, till exempel byggnader, som datorn kan kalkylera och därefter visa hur staden ser ut.
– Om vi modellerar staden utifrån den naturliga gatan, så kan vi få veta den mänskliga rörligheten, beteendet, och hur den gatan kan forma det mänskliga beteendet. Eller om vi modellerar relationen mellan naturliga städer så kan vi se mekanismen bakom hur den urbana ytan blir större eller mindre. Det finns alltid ett mönster bakom det, säger Ding Ma.
Att kunna visa det unika med ett träd, en stad, eller en gata, är det huvudsakliga med Ding Mas forskning.
För stadsplanerare
Ding säger att det verktyg de nu utvecklar kan hjälpa stadsplanerare förstå mer om mekanismerna bakom hur en stad fungerar och ge en djupare kunskap om hur människor som använder städer uppför sig. Hur de rör sig, var de möts, arbetar och bor.
– Om vi vet mer om de underliggande mekanismerna, om vi förstår dem, så kommer det också att underlätta beslutsfattande, menar Ding Ma.
Fler användningsområden
Metoden är också tillämpbar inom till exempel miljöövervakning och miljökatastrofer. Om vi vet karaktären av big data när det gäller observationer av miljöförändringar så får vi mer exakt information och vi kommer också att förstå vilken information som är inkorrekt. Då kan vi fokusera på vad vi bör göra.
Ding Ma har nu accepterat en post doc-tjänst i Tokyo. Där kommer han bland annat att, med hjälp av modellen, utveckla evakueringsplaner vid miljökatastrofer som till exempel jordbävningar.
– Vid miljökatastrofer tror jag att det kommer att finnas många områden där vår kunskap kommer till nytta, andra är tunnelbanan och kanske också inom industrin, säger Ding Ma.
