Технология big data на транспорте. Информационные технологии управления городским пассажирским транспортом в рамках концепции "умный город". Эту идею принимают в российском градостроительстве

Столице уже много лет предрекают транспортный коллапс из-за стремительного роста числа автомобилей на ее улицах. Однако интеллектуальная транспортная система, внедряемая в городе в последние годы, не дает этому прогнозу сбыться. О том, как в столице управляют дорожным движением, рассказал Александр Поляков, директор научно-исследовательского и проектного института городского транспорта города Москвы (ГУП «МосгортрансНИИпроект»), который с 2013 года курировал вопросы развития транспортной аналитики, построения информационных систем и разработки комплексных программ развития транспортной инфраструктуры, будучи в должности заместителя руководителя Центра организации дорожного движения Правительства Москвы. На форуме BIG DATA 2017, проведенном издательством «Открытые системы» 29 марта, он рассказал о том, как московский транспортный комплекс использует Большие Данные для развития интеллектуальной транспортной системы, как на их основе создаются системы, управляющие дорожным движением, о том, как для решения наших задач можно использовать средства виртуальной и дополненной реальности.

- Когда началась «оцифровка» московского транспорта?

Началось все с постановления о развитии интеллектуальной транспортной системы в городе, которое Правительство Москвы утвердило 11 января 2011 года.

С тех пор Департамент транспорта проводит работу по развитию транспортной инфраструктуры, применяя современные информационные системы.

В рамках проекта в 2014 году был создан ситуационный центр ЦОДД, специалисты которого отвечают за организацию дорожного движения и все задействованные в работе этого центра системы, в том числе позволяющие осуществлять управление светофорами и камерами телеобзора, мониторинг условий дорожного движения, визуальное информирование участников дорожного движения, фото- и видеофиксацию нарушений управления наземным городским пассажирским траспортом.

- Проекты каких стран брались за образцы?

Во внимание был принят опыт европейских государств, в частности Испании и Германии, учитывался также опыт Сингапура, Гонконга, ряда городов США. Но при этом мы понимали, что каждый город уникален, поэтому транспортная инфраструктура Москвы развивается по своему сценарию, не говоря уже о нагрузках на улицы. Сейчас, скажем, по Москве едут 683 тыс. автомобилей.

- Как сейчас устроено управление дорожной ситуацией в столице?

За последние годы в рамках транспортного комплекса Москвы создан ряд ИТ-систем, которые решают различные задачи в этой области, в том числе с использованием Больших Данных.

Статическая транспортная модель, построенная в 2013 году, позволяет прогнозировать ситуацию на долгосрочный период с учетом различных вариантов изменения дорожной обстановки. С ее помощью можно рассчитывать сценарии в масштабах всего города, будь то долгосрочные перекрытия движения или ввод в эксплуатацию новых путепроводов.

Эта модель, помимо прочего, учитывает данные о жителях, предоставляемые нам различными службами: о количестве людей, их возрасте, гендерных признаках, о социальном положении, сколько работающих, сколько неработающих и т. д. Москва разбивается на так называемые транспортные районы, и мы анализируем, куда ездят жители каждого такого района, зачем, в какое время.

Благодаря полученным данным мы анализируем матрицу корреспонденций - совокупность всех «обменов» трафиком между районами. Например, если в районе 600 дошкольников и 500 мест в детских садах, то очевидно, что сотню детей утром повезут в другой район. Для уточнения общей картины происходящего мы проводим опросы, помогающие понять, какой вид транспорта и в каких случаях люди выбирают: когда - личную машину, когда - общественный транспорт. Кроме того, нам нужно спрогнозировать, как на транспортных предпочтениях людей скажутся те или иные изменения в городской планировке или в схеме организации движения, к чему приведет перекрытие дороги в ходе строительства или, наоборот, открытие новой.

Текущую ситуацию мы отслеживаем с помощью динамической транспортной модели, которая дает полное представление о московском трафике в режиме реального времени и позволяет реагировать на возникающие проблемы. Для этого в ДТМ агрегируются данные, полученные с датчиков ГЛОНАСС, установленных на городском транспорте, камер фото- и видеофиксации, транспортных детекторов - радиолокационных датчиков, которые считывает интенсивность движения, скорость автомобилей и ряд других параметров.

ДТМ позволяет управлять светофорами, анализировать проблемные участки, например обнаруживать очаги аварийности, места, где все время возникают заторы; выявлять затруднения в движении пассажирского транспорта и устранять их; производить мониторинг работы мобильных комплексов фото- и видеофиксации (так называемых парконов, фиксирующих правонарушения), производить оценку транспортного спроса на основе ежедневной матрицы корреспонденций.

На базе ДТМ создана интерактивная карта дорожного движения Москвы, на которой в реальном времени отображается информация о загруженности дорог в баллах, о количестве ДТП, транспортных средств на данный момент и за сутки, наземного городского пассажирского транспорта, числе зафиксированных камерами нарушений ПДД.

В 2015 году специалистами ЦОДД на базе динамической модели была создана система виртуальной и дополненной реальности, имитирующая полет над городом и предоставляющая данные о дорожно-транспортной ситуации в режиме онлайн. Благодаря этой системе уже сейчас можно увидеть образовавшийся затор, подключившись к камере, которая показывает реальное трехмерное изображение этого участка, что позволяет лучше разобраться в ситуации.

Для граждан на этой карте представлена различная информация (текстовая, фото- и видео-) о значимых исторических, культурных и социальных объектах, по сути дополненная реальность.

- По каким каналам вы информируете граждан о дорожно-транспортной ситуации?

Данные, полученные из ДТМ, в реальном времени транслирует ряд радиостанций, мессенджер Telegram, дорожные табло. На телеканале «Москва 24» и его интернет-портале m24.ru демонстрируется карта текущей обстановки на дорогах города.

Такое информирование - тоже средство управления транспортными потоками. Москвичи видят, какая обстановка на интересующих их улицах, выбирают пути объезда, рассматривают возможность передвижения на других видах транспорта, например пересаживаются с личного на общественный.

- Есть какие-нибудь численные показатели эффективности вашей работы?

Комплексная схема организации дорожного движения, призванная оптимизировать управление транспортными потоками на улицах города, а также увеличить их пропускную способность, заработала в 2015 году. И уже за первый год удалось добиться немалых результатов.

Приведу такие цифры. В городе сейчас зарегистрировано 4,6 млн автомобилей, при этом уровень аварийности, по данным ГИБДД, самый низкий за последние десять лет. В 2016 году по сравнению с 2010-м количество ДТП сократилось на 45%, а количество погибших - на 56%. В центральной части города, внутри Третьего транспортного кольца, средняя скорость движения индивидуальных транспортных средств увеличилась на 11%, а пассажирского транспорта - на 7%. На введенных в 2016 году выделенных полосах пассажиропоток увеличился в среднем на 11%. Среднее время прибытия «скорой» сократилось с 21 минуты до 8, почти втрое, благодаря тому что появились полосы для общественного транспорта, а автобусы и троллейбусы могут уступить «скорой» дорогу, уйдя в «карманы» на остановках.

Если сравнивать более близкие периоды, то в 2016 году по сравнению с 2015-м на 18% снизилось число ДТП с материальным ущербом, на 12% - ДТП с пострадавшими и на 14% сократилось количество случаев наезда на пешеходов.

- На базе чьих решений построены разработки ЦОДД?

Мы берем лучшие западные наработки. Например, нынешняя система управления светофорами сделана на базе испанского решения, статическая транспортная модель выстроена на немецкой платформе. Но решение, объединяющее все эти разработки, отечественное. Интегрировали все эти системы наши специалисты.

На основе накопленного опыта мы создаем решения по управлению дорожной ситуацией для других городов как нашей страны, так и зарубежных. Например - для Тегерана.

- Мы пока только догоняем или в чем-то уже опережаем другие страны?

Мы на пути к новой модели управления. В прошлом году на базе автоматизированной системы управления дорожным движением был запущен пилотный проект по автоматическому управлению светофорами. Сейчас система функционирует на Алтуфьевском и Варшавском шоссе, а также на проспекте Андропова, где на основе данных ДТМ о загруженности магистралей автоматически меняются режимы работы светофоров. Такого нет ни в одном городе мира. Например, даже в лондонской системе управления транспортом Transport for London режимы работы светофоров акцептуют операторы.

Теперь мы ставим перед собой задачу распространить работу этой системы на другие магистрали. Сложность состоит в том, что все дороги между собой связаны, и надо, «расчищая» одни, не застопорить наглухо движение по другим.

- Какие новые проекты планируются?

Мы продолжим дальнейшее развитие системы прогнозирования дорожно-транспортных происшествий. Для осуществления прогноза она постоянно анализирует погодные условия, характеристики проблемных дорожных участков (конфигурации узких мест, степень снижения их пропускной способности), показатели транспортного потока (средний балл транспортных заторов в городе и на дорожном участке, скорость потока на дорожном участке и т. п.).

Мы должны быть готовы к тому, что в будущем появятся транспортные средства без водителей. В их навигаторах уже будет загружена информация, например, об ограничении скорости на том или ином участке, и автомобиль самостоятельно выберет безопасный скоростной режим.

К долгосрочным перспективам следует отнести развитие системы общественного транспорта, который должен стать привлекательной альтернативой личному автомобилю. Помимо прочего, развитая транспортная инфраструктура является важным экономическим фактором, который способствует конкуренции городов в привлечении туристов, предпринимателей и т. д.

Помогут разгрузить дороги и системы дополненной реальности. Если можно будет не ехать на конференцию, а посмотреть с рабочего места видео с выступлениями в формате 360° или даже принять в ней участие, причем не через специальные очки, а на экране смартфона, то многие предпочтут такой вариант.

Московский транспорт и управление движением в цифрах

В центре обработке данных, находящемся под зданием ситуационного центра ЦОДД, установлено более 100 серверов, на которых хранится в общей сложности около 2 Пбайт данных. Часть информации постоянно обновляется - например, данные, полученные с камер, хранятся на серверах в течение семи дней. В связи с постоянным ростом потока данных планируется существенно увеличить серверные мощности.

В рядовое рабочее утро на основные «транспортные артерии» Москвы выезжает около 700 тыс. автомобилей.

В час пик 71% пассажиропотока приходится на общественный транспорт, поэтому именно его интересы в Департаменте транспорта ставят во главу угла.

Камеры видеофиксации распознают до 22 видов правонарушений - среди них езда по обочине или выделенной полосе, поворот из второго ряда, выезд на загруженный перекресток, непропуск пешехода, проезд грузовиков без пропуска и т. д. За сутки они передают в ГИБДД информацию о 100 тыс. нарушений (округленное значение).

Есть понятия «транспортный полдень» и «транспортная полночь». В Москве они смещены - «полдень» длится с 14:00 до 15:00, а «полночь» наступает» в 3 часа ночи.

Подобные документы

Принципы технологий "Умный дом". Выбор управляющего элемента для системы. Разработка программного обеспечения сегментов системы управления помещением: измерение влажности и температуры, автономный контроллер и освещение. Вывод информации пользователю.

дипломная работа, добавлен 07.08.2018


Применение технологии блокчейн в финансовой сфере, игровой индустрии, госуправлении. Создание концепции объединения блокчейн и Интернета вещей для работы сети "Умный дом", ее реализация в сочетании с технологией Big Data и искусственным интеллектом.

статья, добавлен 20.11.2018


Понятие, принцип работы и элементы системы "умный дом". Протоколы обмена данными между управляющими, передающими и исполнительными элементами. Пример практической реализации проекта. Описание основных программных элементов прототипа "умного дома".

дипломная работа, добавлен 30.07.2017


Рассмотрение существующих проблем управления городским пассажирским транспортом в России. Методика автоматизации системы диспетчерского контроля. Анализ безотказности работы экспертной системы пассажирского транспорта в программной среде AnyLogic.

статья, добавлен 01.03.2019


Описания конструкции и особенностей роботов для развлечений и охраны. Управление роботом-пылесосом. Движения и внешность андроидов. Изучение общего алгоритма работы системы "Умный Дом". Механизм интеллектуального управления в жилых и офисных помещениях.

реферат, добавлен 10.02.2015


Исследование таких технологических решений для городской среды, как "умная улица", "умная парковка", "умный город". Описание основных принципов работы и функциональных возможностей интернет вещей, обозначение эффекта от их внедрения и главные достоинства.

статья, добавлен 18.08.2018


Рассмотрение схемы устройств "Умного дома" и программного обеспечения. Разработка связи между элементами. Выбор объектов элементов. Подготовка технической документации. Характеристика процесса внедрения и тестирования. Изучение используемых технологий.

дипломная работа, добавлен 20.03.2017


Рассмотрение вопросов, связанных с комплексной разработкой и внедрением технологий типа "Умного города". Знакомство с основными тенденциями в развитии информационной безопасности. Угроза как потенциальная возможность нарушить информационную безопасность.

статья, добавлен 05.06.2018


Рассматривается модель умного города IBM, состоящая из трёх стадий: "инструментальность", "взаимосвязанность", "интеллектуальность". Способы внедрения энергосберегающих технологий и экологически безопасным развитием городских систем, их эффективность.

статья, добавлен 31.10.2017


Понятие информационной системы, ее использование для обработки информации, ее хранения и распространения. Информационные технологии в отрасли водного транспорта. Береговые и бортовые информационные системы. Тренажерные и портовые технологические системы.

Данные стали важным активом, они представляют немалую ценность сами по себе. При правильном подходе к определению владельца и внимательном построении доступа к ним они могут приносить прибыль всем участникам перевозочного процесса. Но могут стать и яблоком раздора, - пишет журнал .

«Данные превратились в актив. Данные сегодня – это золото и нефть XXI века. Тот, кто быстрее с ними научится работать, обрабатывать, кластеризировать, делать из них продукты, которые повышают добавленную стоимость, тот и будет впереди», – убеждал своих слушателей Михаил Мишустин, глава Федеральной налоговой службы, на сессии «Цифровая трансформация и качество жизни. Взгляд из регионов», прошедшей в рамках Российского инвестиционного форума в Сочи. Он ведёт речь о так называемых больших данных – и кому как не главе ФНС, где собраны данные о доходах и имуществе миллионов россиян, понимать всю их ценность? Но на самом деле чиновник лишь повторил фразу, которую сейчас можно услышать на сотнях форумов по всему миру от руководителей тысяч компаний, в том числе глобальных. И первый же вопрос, который возникает: раз большие данные стали ценным активом, значит, должны появиться правила, которые опишут, как с ними обращаться, кто ими владеет, можно ли и по какой цене эти данные купить?

Технология больших данных подразумевает наличие трёх элементов: огромных массивов данных, вычислительных мощностей для очень быстрой обработки этих данных и специальных математических моделей, позволяющих сравнивать заранее определённые параметры, доступ к которым раньше был запрещён. Это позволяет выявлять новые, очень часто неочевидные связи и закономерности и уже на основе их принимать управленческие решения и извлекать прибыль (или как вариант – решать общественно важные задачи).

Для того чтобы извлекать из больших данных пользу, должны были дозреть технологии. Совсем недавно в распоряжении компаний появились вычислительные мощности и алгоритмы, которые в состоянии быстро обрабатывать огромные массивы данных в режиме реального времени, дата-центры, где эти данные можно хранить, развивается так называемый Интернет вещей, который позволяет в режиме реального времени получать данные от оборудования и различных устройств, улучшаются характеристики и падает цена датчиков, которые используются для сбора данных.

Алексей Федосеев, руководитель департамента сервисной поддержки заказчиков «Сименс Мобильность», так определяет границу, с которой данные могут считаться большими: «1 млн измерений, так называемых дата-пойнтов. С этого момента мы можем реализовывать аналитические модели, которые основываются на подходе Big Data».

Пионерами стали авиастроители. Ценность больших данных, на основе которых можно предсказывать неисправности и отказы оборудования, в этой отрасли особенно велика. Например, сейчас Boeing 737 с двумя двигателями за шесть часов полёта передаёт 240 тыс. терабайт данных (объём данных на бумажных носителях в Ленинской библиотеке больше, но ненамного – примерно в 84 раза). Речь идёт о снятии за полёт нескольких сотен тысяч параметров, хотя предыдущие поколения самолётов собирали их всего несколько сотен.

В прошлом году глава горнодобывающей компании Tinto (в её парке данные снимаются с беспилотных самосвалов, буровых на карьерах, локомотивов и в порту) рассказал, что Центральный пункт управления в городе Перт получает 2,4 терабайта данных каждую минуту (приблизительно 3,5 тыс. терабайт в сутки).

Андрей Бородин, главный инженер проекта в Проектном конструкторско-технологическом бюро Центр цифровых технологий Департамента информатизации ОАО «РЖД», говорит, что, с точки зрения профессионалов, данные бывают горячие (то есть попадающие в обработку сразу, в режиме реального времени), тёплые и холодные (неиспользуемые, но оставленные для хранения).

«И даже сырые данные небезосновательно рассматриваются многими компаниями как актив, способный приносить ценность, даже если компании сейчас не могут ими воспользоваться, – сделать предиктивные модели или системы реагирования в режиме реального времени», – говорит Олег Пятаков, руководитель направления по инвестиционному анализу компании «2050. digital». Он уверен, что генерировать данные ради данных контрпродуктивно как минимум в ближайшей перспективе: «Нужна возможность связать данные между собой (идентификаторы устройств/пользователей, временные метки), хотя бы минимальная значимость данных для тех целевых параметров, которые пытаемся оптимизировать, умение выработать управляющее воздействие. Ведь в традиционных (старых) управленческих системах нормой была ситуация, когда более 95% собираемых данных в силу разных причин не использовались для принятия решения».

«РЖД» стали одной из первых компаний России, начавших процесс цифровой трансформации. И с технологией больших данных холдинг, конечно, тоже работает. Естественно, первая область для применения их очевидна – регулярный сбор данных с подвижного состава и инфраструктуры при помощи Интернета вещей.

В «Сименс Мобильность», который является стратегическим партнёром «РЖД» в этой области, проводится чёткое различение двух понятий – данных и информации. Данные, которые генерируются подвижным составом, инфраструктурой, по словам Алексея Федосеева, принадлежат эксплуатирующей организации: «Как только мы поставили технические системы компании Deutsche Bahn или ОАО «РЖД», данные принадлежат им».

Затем в рамках сервисных контрактов, в рамках отдельных контрактов на обработку этих данных они преобразовываются в полезную информацию. Например, поезда «Ласточка», которые эксплуатируются на МЦК, генерируют диагностические сообщения о техническом состоянии отдельных подсистем электропоезда. Эти данные агрегируются и по защищённому каналу передаются на сервер на территории РФ. И только потом, говорит Алексей Федосеев, в Центре анализа и обработки данных, созданном совместно ОАО «РЖД» и «Сименс» в феврале 2017 года, эти агрегированные данные преобразуются в полезную информацию.

Сотрудники центра используют аналитические модели, которые на базе полученных технических параметров позволяют реализовать концепцию предиктивного техобслуживания, прогнозировать отказы критически важных узлов подвижного состава, рассказывает эксперт. Пример – обработка данных, полученных с системы тягового привода. Но не только. Контролируется, например, и система пассажирских дверей. При движении в режиме городской электрички работа пассажирской двери может влиять на время нахождения поезда на станции, сбои и отказы в их работе могут влиять на нарушение графиков движения. К этой информации через компьютеризированную систему технического обслуживания Cormap имеют доступ сотрудники отдела ремонта Дирекции скоростного сообщения ОАО «РЖД». Система открыта, на её основе принимаются решения о выдаче поездов на линию.

Модели предиктивной аналитики по эксплуатации высокоскоростных поездов, поставляемых «Сименс» для немецких, испанских, российских, турецких железных дорог, а также компании Eurostar, совершенствуются на протяжении последних трёх-четырёх лет. Чем больше данных обработано, тем точнее модели функционируют. Результатом становится повышение технической готовности поездов. Например, работа Центра удалённого мониторинга компании «Сименс» по поездам Velaro в Испании началась немного раньше, чем с «Сапсанами» в России. Модели позволяют прогнозировать отказы тяговых двигателей за пять–семь дней, что привело к практически полному исключению возможности нарушения графика движения по причине снижения тяги. В результате компания RENFE продемонстрировала готовность компенсировать 100% стоимости билета пассажирам при опоздании поезда более чем на 15 минут на линии Мадрид – Барселона. Реакция пассажиров не заставила себя долго ждать: доля железнодорожных перевозок в пассажирообороте на данном направлении выросла с 20 до 61%, а авиаперевозок снизилась с 80 до 39%.

Если брать российский опыт по внедрению аналогичных моделей предиктивной диагностики поездов «Сапсан», то, по словам Алексея Федосеева, положительные эффекты очевидны: на линии Москва – Санкт-Петербург парк поездов «Сапсан» прошёл уже более 7 млн км без опозданий по причине технических отказов, которые превышают 5 минут (это один из параметров, его компания использует, чтобы оценить уровень надёжности).

Важной частью работы с большими данными стало создание так называемой доверенной среды – она предназначена для безопасного использования данных, исключения неправомерного доступа к ней. Например, «Доверенная среда локомотивного комплекса» строится для доступа к данным, которые будут генерироваться локомотивами, потребителями этих данных – сотрудниками холдинга «РЖД», сервисных компаний, производителями подвижного состава и производителями компонентов.

Не всегда взаимоотношения основаны на партнёрской основе. В этом случае возможно противостояние сторон, участвующих в предоставлении и обработке данных. Как это может происходить, демонстрирует история, которая прямо сейчас развивается с датской компанией Maersk, лидером океанских перевозок. Ещё в 2014 году компания решила, что будет цифровать свой бизнес океанских перевозок. Maersk тогда сообщила, что простая отправка морем охлаждённых фруктов из Восточной Африки в Европу проходит по цепочке из 30 людей и организаций и требует около 200 актов взаимодействия (передача документов, общение) между ними, а 20% затрат на доставку партии товара приходится на обработку, передачу документов и администрирование процесса. Maersk собиралась радикально снизить затраты в этой сфере, где серьёзных изменений не происходило уже 60 лет.

В 2016 году она определилась с технологией и партнёром, начала сотрудничество с компаний IBM как носителем продвинутых знаний в блокчейне. Блокчейн-систему умных контрактов, получившую название TradeLens, начали тестировать в 2017 году. В январе 2018 года Maersk и IBM объявили о создании совместного предприятия. Работали с партнёрами, чтобы понять, как ускорить передачу информации и снизить количество ошибок. Было объявлено, что к концу 2018 года будет запущена полноценная коммерческая версия TradeLens. Уже к середине 2018 года система содержала данные о 154 млн событий (даты прибытия судов, отчёты об отправке и прибытии контейнеров, таможенные разрешения, коммерческие счета и коносаменты, то есть документы о принятии груза перевозчиком от грузоотправителя), их количество прирастало на 1 млн каждый день – в общем, TradeLens была готова к полноценной эксплуатации.

На тестовой стадии к системе присоединились 92 участника: судовладельцы, океанские перевозчики, грузоотправители, порты (например, очень крупный порт Роттердама, через который проходит до 2/3 океанских грузов для Европы) и таможни. Но в то же время, как заканчивалось тестирование, стало известно, что другие океанские перевозчики категорически отказались подключаться к TradeLens. А без информации этих игроков исключено полноценное использование системы.

Похоже, для Maersk такое сопротивление стало неожиданностью. В середине ноябре датская компания приняла предложение конкурентов по первой шестёрке (MSC, CMA CGM, Hapag-Lloydand и Ocean Network Express) войти в некоммерческое объединение, которое займётся разработкой новых стандартов для обмена информацией в отрасли. Андре Симха, CIO компании MSC, океанского перевозчика № 2, заявил журналистам, что его компания с удовольствием присоединится к TradeLens, если компания станет более открытой. И вообще MSC гораздо больше нравится идея работать через некоммерческое объединение, ведь, несмотря на обещания равного доступа к информации, все интеллектуальные права на TradeLens разделены между IBM и Maersk. Перевозчикам не понравилась перспектива отдавать свои данные в систему, притом что зарабатывать на них будет их главный конкурент. Олег Пятаков всё же считает, что Maersk пошёл по правильному пути и в конце концов будут побеждать проприетарные решения мощных компаний, а открытые стандарты без участия сильных игроков будут уступать позиции. Но Maersk придётся побороться за владение таким ценным активом, как данные. В ноябре было объявлено о создании конкурирующей с TradeLens системы.

«Мегафон» разработал и представил в пользование «дочкам» РЖД тестовую версию сервиса для анализа пассажироперевозок, основанную на «больших данных», сообщает РБК со ссылкой на представителя оператора Максима Мотина. Инструмент помогает определить размер и подробные характеристики рынка перевозок, а также долю транспортной компании на нем в режиме, близком к реальному времени.

Сейчас идет подготовительная работа по внедрению системы для анализа Big Data, подтвердил начальник отдела ERP-систем (системы для планирования ресурсов предприятия) управления информационных технологий ФПК РЖД Олег Емченко. «В какой-то конкретный проект это может воплотиться только в 2016 году», - сказал Емченко.

Сервис геоаналитики «Мегафон» запустил еще в 2013 году, первоначальной целью было прогнозирование нагрузок на сеть. С его помощью можно оценить точный объем пассажиропотока, получить информацию о маршрутах (кто, когда, откуда и куда направляется), раскладку по видам транспорта. Сервис также оценивает платежеспособность пассажиров и характер путешествий (деловые поездки, туризм, личные нужды). Все данные обезличены.

Можно анализировать более 10 тысяч событий в секунду по более чем тысячи параметрам, уточнил директор «Мегафона» по сегментному маркетингу и клиентской аналитике Роман Постников. За три года накоплено уже более 5 петабайт информации - объем, сопоставимый с более чем 30 миллиардов фотографий на Facebook. Постников уверяет, что под каждого клиента определяется свой список параметров для анализа, то есть фактически речь идет об универсальном облачном решении, которым могут пользоваться абсолютно разные по типу заказчики, нуждающиеся в анализе больших массивов данных.

В «Мегафоне» подсчитали, что транспортные компании в России тратят на исследования пассажиропотоков более 1,2 миллиарда рублей ежегодно. «При этом сами компании могут собирать лишь часть доступных им данных, а наш сервис дает возможность увидеть всю картину рынка в целом», - утверждает Постников. Даже если благодаря внедрению сервиса перевозчик сможет увеличить свою долю на общем рынке пассажироперевозок на 1,5–2%, то это миллиарды рублей, говорит он.

Решения Big Data можно применять также для управления городской инфраструктурой. Экспертный центр электронного государства, правительство Москвы собирается заключить контракт, в рамках которого город в течение двух лет будет получать агрегированные обезличенные геопространственные данные пользователей местных операторов связи в 11 различных разрезах. Потребителями этой информации станут ГУП «НИ и ПИ Генплана Москвы», департамент транспорта и развития дорожно-транспортной инфраструктуры, департамент культуры и другие столичные ведомства.

01.10.2018, Пн, 10:03, Мск , Текст: Мария Сысойкина

Инновационный центр «Безопасный транспорт», созданный год назад в рамках Московского метрополитена, объединяет разработчиков решений для работы с цифровыми технологиями. В рамках первой стратегической сессии инновационного центра прошло обсуждение новых технологий, предлагаемых российскими компаниями, а также уже реализованных центром инициатив.

Сообщество вокруг «Безопасного транспорта»

Инновационный центр «Безопасный транспорт» начал создание сообщества экспертов и разработчиков для обмена идеями и опытом по использованию современных технологий в решении различных транспортных задач для Москвы. В рамках сообщества объединятся как те компании, которые уже работают с «Безопасным транспортом», так и новые участники. На состоявшейся первой стратегической сессии центра представители компаний ABBYY, «Максима телеком», «Яндекс.Такси», Avito, «Программный продукт» и др. поделились своим видением необходимых технологических изменений на транспорте в Москве, обсудили роль технологий в формировании новых инновационных сервисов и предложили идеи для персонализации взаимодействия города с его жителями.

Большие данные меняют коммуникации

Идея создания центра родилась в августе 2018 г. Основная цель этой инициативы – трансформация взаимодействия с пассажирами, вывод коммуникаций с горожанами на новый, персонализированный уровень. Достичь поставленных целей помогает анализ больших данных. Инновационный центр имеет возможность работать с данными подведомственных департаменту транспорта организаций, выполняя свои исследования, проверки гипотез, делая работу по построению сегментов для таргетированных коммуникационных компаний.

«Мы собираем достаточно много разнородных деперсонализированных данных о пассажирах и на основе анализа можем адресно сообщать горожанам важную информацию, – поясняет руководитель Инновационного центра Юрий Емельянов . – Сценарии могут быть самые разные. Например, часто возникают изменения маршрутов, ремонты, перекрытия движения в связи с какими-то событиями, мероприятиями. Анализируя данные, мы можем персонализировано информировать об изменениях тех пассажиров, которые часто двигаются по этим маршрутам».

Проекты инновационного центра

Есть в копилке Центра и более масштабные проекты, например анализ удовлетворенности районов города Москвы в пользовании наземным транспортом. Эксперты центра проводили многочисленные опросы по этой тематике, анализировали результаты и формулировали по итогам инициативы по изменению маршрутов, расписания и остановок. Эти инициативы Центр выносит на различные управляющие комитеты, проводимые в рамках транспортного комплекса и в случае утверждения, реализацией их занимаются подведомственные организации. Обратная связь по реализованным инициативам снова поступает в инновационный центр, где оцениваются результаты работ и степень удовлетворенности граждан. Эта программа стартовала в марте 2018 г. и на данный момент показала себя достаточно успешной. Сейчас Центр активно принимает участие в аналогичной программе для Московского Метрополитена.

Отдельный интерес представляет проект Центра по аналитической поддержке мероприятий в рамках Чемпионата Мира по футболу. Эксперты центра анализировали пассажиропотоки в дни матчей, проводившихся на московских стадионах («Лужники», «Спартак», фан-зона на Воробьевых горах), в кратчайшие сроки после игры реализовали опросы удовлетворенности и вырабатывали рекомендации для оптимизации нагрузки на транспортную систему города и более эффективной организации транспортного обслуживания.

Оценка распределения нагрузки на стадион «Лужники». Фрагмент аналитического отчета по матчу Россия – Саудовская Аравия, состоявшегося 14 июня, в день открытия чемпионата

Отдельным направлением работы центра стала поддержка мобильных приложений для граждан. «Безопасный транспорт» сотрудничает с рядом разработчиков, в том числе компанией «Инфокомпас», разрабатывающей приложение «Помощник Москвы». «Мы стараемся поддерживать инициативы по созданию различных сервисов на основе мобильных приложений для граждан. Для нас это один из каналов коммуникации с населением города, – рассказывает Юрий Емельянов. – Например, эксперты Центра совместно с разработчиками мобильного приложения «Помощник Москвы», ведут работу, направленную на улучшение алгоритма распознавания государственного регистрационного знака». Перед Инновационным центром стоит много амбиционных задача на предстоящий 2019 г.