میں جتنا @vangrid_io کو دیکھتا ہوں، اتنا ہی محسوس کرتا ہوں کہ اس کا سب سے دلچسپ پہلو یہ ہے کہ یہ "ڈیٹا کی ضرورت" کو "جس شخص کو اسے جمع کرنے کی خواہش ہے" سے جوڑتا ہے۔ ایک بہت آسان منظر کا تخیل کریں۔ کوئی کمپنی چاhti ہے کہ روبوٹ کسی شہر کے مال، اسٹور یا محلے میں حرکت کرنا سیکھے۔ اسے شاید انٹرنیٹ پر اور 100,000 تصاویر کی ضرورت نہیں ہے۔ اسے شاید صرف کسی خاص جگہ، خاص وقت، اور خاص ماحول کا Ground-level Spatial Data چاہیے۔ اس صورت میں، صرف لوگوں کو آزادانہ طور پر ڈیٹا جمع کرنے دینا ایک مسئلہ پیدا کرتا ہے۔ لوگ اپنے لیے آسان جگہوں پر جائیں گے۔ مقبول بازاروں پر کوئی فوٹو لے گا۔ مرکزی شہر پر کوئی فوٹو لے گا۔ سیاحتی مقامات پر کوئی فوٹو لے گا۔ آخرکار، ڈیٹا صرف "جہاں سے ڈیٹا حاصل کرنا آسان ہے" اس جگہ پر مرکوز ہوتا جائے گا۔ Vangrid کا طریقہ Commissioned Capture ہے۔ Requester اپنی مخصوص جگہ کی ضرورت بیان کر سکتا ہے، اور Bounty فراہم کر سکتا ہے، جس میں رقم Escrow میں جمع ہو جائے گی۔ Contributor جب ضرورت دیکھتا ہے، تو وہ خود جا کر Capture مکمل کر سکتا ہے۔ جب وہ اپنا کام جمع کرتا ہے، تو اگر Requester اسے قبول کر لے، تو Reward جاری ہو جائے گا۔ اس نظام کا سب سے دلچسپ پہلو یہ ہے کہ وہ: "جہاں لوگ ہیں" کو بدل دیتا ہے: "جہاں حقیقی طور پر ڈیٹا کی کمی ہے" اور براہ راست Coverage کو ایک ایسا متغیر بناتا ہے جسے نیٹ ورک خود ترتیب دے سکتا ہے۔ کیونکہ اگر کسی جگہ پر ڈیٹا کم ہو، تو وہاں کے采集 کے انعام میں اضافہ کرنے سے Contributor کو وہاں جانے کا وقت دینے کا رجحان بڑھ سکتا ہے۔ اس طرح، Vangrid درحقیقت ایک واضح سائکل بنانا چاhta ہے: کوئی ڈیٹا چاhta ہے → ضرورت جاری کرتا ہے → Bounty فراہم کرتا ہے → کوئی جا کر جمع کرتا ہے → ڈیٹا تسلیم کر دیا جاتا ہے → Reward جاری ہوتا ہے اس سے صرف لوگوں کو "زیادہ فوٹو لینے" کے لیے متاثر کرنے والا مالی نظام بالکل مختلف ہے۔ مجھے لگتا ہے کہ Spatial Data نیٹ ورک کا اس طرح سے نظرانداز کردہ ایک اہم مسئلہ بھی یہی ہے۔ بہت زیادہ ڈیٹا موجود ہونا، اس بات کا ضمانت نہیں دे�تا کہ وہ مناسب طور پر تقسیم ہوا ہوا۔ واقع مفید ڈیٹا، اکثر اس جگہ پر موجود ہوتا ہے جahan لوگ خاص طور پر جانے سے بچتے ہیں۔ اور Bounty واقع مسئلۂ "میرا لازمی طور پر وahan جانے کا سبب کya ہے؟" حل کرتا ہے۔