Геосервисы как фактор развития «Умного города»

BigData – поток структурированных и неструктурированных данных, получаемых из разных источников для того, чтобы использовать их в конкретных целях. Их анализ позволяет увидеть закономерности, в том числе и неочевидные, которые не может заметить человек. Они позволяют оптимизировать многие сферы нашей жизни — от небольших бизнес-задач до госуправления. О конкретных примерах того, как методы BigData помогают создавать Умный город, рассказали участники семинара «Использование геоданных в современном мире», прошедшего в рамках форума «Великие реки». Основные потоки информации, получаемые от датчиков на транспорте, на инфраструктурных объектах, интернета вещей, от смартфонов жителей и другие, могут быть объединены на основе геосервисов и использованы в таких составляющих «Умного города» как безопасность и транспорт. Безопасность В США страховые компании с помощью больших данных на геолокационной платформе рассчитывают риски и размеры потенциального ущерба от стихийных бедствий и строят прогнозы, рассказала представитель компании HERE Technologies Виктория Лазарева. Например, о доме известен год его постройки, этажность и информация о том, насколько далеко от него находятся пожарные части – с учетом этой информации рассчитывается вероятность того, насколько сильно дом может пострадать в результате пожара. В случае со старым домом с деревянными перекрытиями далеко от пожарной части, вероятность убытков от пожара будет выше, чем в современном доме или доме, расположенном недалеко от пожарной части. Аналогична ситуация с наводнениями и землетрясениями. Как этим пользуется город? В домах с высокими страховыми коэффициентами не располагаются стратегические и социальные объекты – больницы, структуры, отвечающие за безопасность и т.д. Кроме данных, собираемых с объектов, может анализироваться и информация на основе трафика. На этом построен, например, сервис Фейсбука Disaster Map. Он собирает данные пользователей, у которых установлен «Фейсбук» на смартфоне – в условиях чрезвычайной ситуации они получат информацию о том, где поблизости можно найти медпомощь, транспорт, работающие магазины и другую необходимую инфраструктуру. На основе местоположения пользователей строится три типа карт: - карты плотности размещения объектов показывают места с наибольшим скоплением людей - карты перемещения объектов – места, откуда и куда двигаются люди, при этом учитываются данные за последние три недели, чтобы было понятно, в каких местах скопление людей характерно, а в какие они перемещаются, если что-то произошло. - карты проверки безопасности – «Фейсбук» вычисляет местоположение человека, и если он оказывается в месте, где потенциально есть какая-то угроза, то может поставить (или не поставить) галочку «я в безопасности» - это помогает родственникам узнать, что с человеком ничего не случилось, или информация может быть предоставлена экстренным службам (в обезличенном виде) для оказания помощи. Например, этими сервисами пользовалось население во время прошлогоднего наводнения в Перу. Как этим пользуется город и бизнес? В местах с высокой проходимостью на основе наличия в этих местах различных объектов можно принимать решения об открытии, например, магазинов, т.е. гораздо быстрее создавать новые проекты, которые с большой вероятностью станут востребованными у потребителей. Или можно привлекать людей в места с низкой проходимостью, создавая там дополнительные сервисы и «точки притяжения». В России городские сервисы на основе BigData пока еще находятся в стадии пилотных проектов. Например, есть программа «Безопасный город». Она задумана как аппаратно-программный комплекс, в результате деятельности которого информацию о различных проблемах в городе должны получать одновременно все заинтересованные структуры. Если говорить о чрезвычайных ситуациях, то пока в большинстве регионов мы видим следующее: у МЧС есть прогноз неблагоприятной погоды, который они рассылают по территориям, где ожидается что-то неблагоприятное. В регионах, где систему пытались внедрить в пилотном варианте, к ней подключены коммунальные службы, больницы и другие городские сервисы, которые может затронуть ЧС. Все должны понимать, что им, возможно, придется выделять дополнительные ресурсы для уборки упавших деревьев, откачки воды, приема пострадавших с определенными травмами и т.д. Транспорт Проекты Умного транспорта реализованы во многих городах в разных странах мира. На каждом автомобиле стоит масса датчиков – света, дождя, ABS, они могут считывать разметку, дорожные происшествия онлайн – и если автомобиль подключен к интернету – информация уходит в облако, где эти данные могут быть обработаны различными сервисными центрами, - рассказал Александр Исаев из HERE Technologies. Это удобно для управления транспортными компаниями, пассажирскими предприятиями, когда можно отследить местоположение автомобиля и его скорость, что помогает оптимизировать процессы, экономить ресурсы, а если произошло ДТП – оперативно выслать помощь. В случае с общественным транспортом информация о местоположении автобуса, получаемая из табло на остановках или из приложений, повышает мобильность пассажира: он может быстро выбрать другой способ передвижения, если автобус стоит где-то в пробке. Проблему разгрузки дорог помогает решать и Умная парковка. В большом городе парковки бывают перегружены и в некоторых местах припарковаться невозможно даже за деньги. Пользуясь информацией о загрузке парковок, город и бизнес может поднимать цены в местах, пользующихся спросом, опуская их там, где спроса нет. Например, высокие цены на центральных улицах и кратно низкие на второстепенных, рублем мотивируют водителей не парковаться на загруженных дорогах. Кроме того, парковки способствуют повышению культуры автомобилистов. Машина, контролирующая оплату парковки, в идеале, должна работать совместно с эвакуатором: обнаружив неправильно припаркованный автомобиль, контролер может просто выписать штраф, а может и способствовать его эвакуации. Данные, полученные на основе анализа дорожного трафика, подсказывают решения главной проблемы больших городов – проблему пробок. Эта информация помогает принимать решения о строительстве развязок, пешеходных переходов, добавлении (убирании) светофоров и т.д. Проблемы в использовании больших данных «На практике реально используется только 0,5% больших данных», – комментирует Виктория Лазарева. Развитию BigData мешает как минимум две проблемы. С одной стороны, это проблема их формирования и доступа. Различные городские службы, например, Центр организации дорожного движения в Москве, имеет огромное количество данных по транспортной инфраструктуре с датчиков на парковках, светофорах, общественном транспорте, но получить их для использования в коммерческих или других целях невозможно. Вторая причина – большие данные нужно обрабатывать под конкретный заказ, но его нет, поскольку не многие пока понимают, что они могут дать. Сейчас работу с большими данными, к которым в перспективе можно будет получить доступ, начинают сотовые операторы. Также компании, работающие с подобной информацией, пытаются собирать ее с соцсетей, анализируя данные, которые пользователи сами пишут о себе. Но можно получать информацию и путем организации активности пользователей – на этом основан, например, сервис «Народная карта», о котором рассказала контент-менеджер «Яндекса» Ирина Николаева. Основная идея сервиса в том, что в большом городе постоянно все меняется: строятся новые дома, появляются (закрываются) новые магазины, кафе, светофоры, дороги – об этих изменениях жители знают больше и узнают быстрее, чем сотрудники компании. Поэтому пользователь может внести в «Народную карту» свои изменения, если он считает, что на карте что-то изображено неправильно. После проверки администратором, если все подтвердится, изменение появится в Яндекс.Картах.