Μεγάλη τεχνολογία δεδομένων στις μεταφορές. Τα Big Data βοήθησαν να μετρήσουν τους τουρίστες. Δημιουργία κέντρου καινοτομίας στον τομέα της πολιτικής αεροπορίας για την ενίσχυση της εμπειρογνωμοσύνης στον τομέα των Big Data

Το "Megafon" ανέπτυξε και παρουσίασε για τη χρήση των "θυγατρικών" της Russian Railways μια δοκιμαστική έκδοση της υπηρεσίας για την ανάλυση της κίνησης των επιβατών, με βάση "μεγάλα δεδομένα", αναφέρει η RBC με αναφορά στον εκπρόσωπο του αερομεταφορέα Maxim Motin. Το εργαλείο βοηθά στον προσδιορισμό του μεγέθους και των λεπτομερών χαρακτηριστικών της αγοράς μεταφορών, καθώς και του μεριδίου της εταιρείας μεταφορών σε αυτήν, σε σχεδόν πραγματικό χρόνο.

Τώρα βρίσκονται σε εξέλιξη προπαρασκευαστικές εργασίες για την εφαρμογή ενός συστήματος ανάλυσης Big Data, επιβεβαίωσε ο Oleg Yemchenko, επικεφαλής του τμήματος συστημάτων ERP (συστήματα προγραμματισμού πόρων επιχειρήσεων) του τμήματος τεχνολογίας πληροφοριών του ρωσικού σιδηροδρόμου FPC. «Αυτό μπορεί να ενσωματωθεί μόνο σε ένα συγκεκριμένο έργο το 2016», δήλωσε ο Γιεμένκο.

Η υπηρεσία Geoanalytics "Megafon" ξεκίνησε το 2013, ο αρχικός στόχος ήταν η πρόβλεψη φορτίων δικτύου. Με τη βοήθειά του, μπορείτε να εκτιμήσετε τον ακριβή όγκο της κίνησης των επιβατών, να λάβετε πληροφορίες σχετικά με τις διαδρομές (ποιος, πότε, πού και πού πηγαίνει), διάταξη ανά τύπο μεταφοράς. Η υπηρεσία αξιολογεί επίσης την ικανότητα πληρωμής των επιβατών και τη φύση του ταξιδιού (επαγγελματικά ταξίδια, τουρισμός, προσωπικές ανάγκες). Όλα τα δεδομένα είναι αποπροσωποποιημένα.

Μπορείτε να αναλύσετε περισσότερα από 10 χιλιάδες συμβάντα ανά δευτερόλεπτο με περισσότερες από χίλιες παραμέτρους, δήλωσε ο Roman Postnikov, διευθυντής της MegaFon για τμήματα μάρκετινγκ και αναλύσεις πελατών. Σε τρία χρόνια, έχουν συγκεντρωθεί περισσότερα από 5 petabytes πληροφορίες - ένας όγκος συγκρίσιμος με περισσότερες από 30 δισεκατομμύρια φωτογραφίες στο Facebook. Η Postnikov διαβεβαιώνει ότι κάθε πελάτης έχει τη δική του λίστα παραμέτρων για ανάλυση, δηλαδή στην πραγματικότητα μιλάμε για μια καθολική λύση cloud που μπορεί να χρησιμοποιηθεί από πελάτες εντελώς διαφορετικών τύπων που πρέπει να αναλύσουν μεγάλες ποσότητες δεδομένων.

Η Megafon υπολόγισε ότι οι εταιρείες μεταφορών στη Ρωσία ξοδεύουν περισσότερα από 1,2 δισεκατομμύρια ρούβλια ετησίως για την έρευνα της κυκλοφορίας επιβατών. «Ταυτόχρονα, οι ίδιες οι εταιρείες μπορούν να συλλέξουν μόνο ένα μέρος των δεδομένων που έχουν στη διάθεσή τους και η υπηρεσία μας καθιστά δυνατή τη συνολική εικόνα της αγοράς», λέει ο Postnikov. Ακόμα κι αν, χάρη στην εισαγωγή της υπηρεσίας, ο αερομεταφορέας θα είναι σε θέση να αυξήσει το μερίδιό του στη συνολική αγορά μεταφοράς επιβατών κατά 1,5-2%, θα είναι δισεκατομμύρια ρούβλια, λέει.

Οι λύσεις Big Data μπορούν επίσης να χρησιμοποιηθούν για τη διαχείριση αστικών υποδομών. Το κέντρο εμπειρογνωμόνων της ηλεκτρονικής διακυβέρνησης, η κυβέρνηση της Μόσχας πρόκειται να συνάψει σύμβαση βάσει της οποίας η πόλη θα λάβει συγκεντρωτικά ανώνυμα γεωχωρικά δεδομένα χρηστών τοπικών φορέων τηλεπικοινωνιών σε 11 διαφορετικά τμήματα εντός δύο ετών. Οι καταναλωτές αυτών των πληροφοριών θα είναι το Κρατικό Ενιαίο Επιχειρησιακό "Ινστιτούτο Έρευνας και Ανάπτυξης του Γενικού Σχεδίου της Μόσχας", το Υπουργείο Μεταφορών και Ανάπτυξης Οδικών και Μεταφορικών Υποδομών, το Υπουργείο Πολιτισμού και άλλα τμήματα της πρωτεύουσας.

10/01/2018, Δευ, 10:03, ώρα Μόσχας , Κείμενο: Μαρία Συσοϊκήνα

Το Κέντρο Καινοτομίας Ασφαλούς Μεταφοράς, που ιδρύθηκε πριν από ένα χρόνο ως μέρος του Μετρό της Μόσχας, συγκεντρώνει προγραμματιστές λύσεων για εργασία με ψηφιακές τεχνολογίες. Στο πλαίσιο της πρώτης στρατηγικής συνεδρίασης του κέντρου καινοτομίας, πραγματοποιήθηκε συζήτηση για τις νέες τεχνολογίες που προσφέρουν οι ρωσικές εταιρείες, καθώς και πρωτοβουλίες που έχουν ήδη υλοποιηθεί από το κέντρο.

Κοινότητα γύρω από την "Ασφαλή μεταφορά"

Το Κέντρο Καινοτομίας Safe Transport έχει αρχίσει να δημιουργεί μια κοινότητα εμπειρογνωμόνων και προγραμματιστών για την ανταλλαγή ιδεών και εμπειριών σχετικά με τη χρήση σύγχρονων τεχνολογιών για την επίλυση διαφόρων προβλημάτων μεταφοράς για τη Μόσχα. Η κοινότητα θα συγκεντρώσει και τις δύο εταιρείες που συνεργάζονται ήδη με την ασφαλή μεταφορά και νέα μέλη. Στην πρώτη στρατηγική σύνοδο του κέντρου, εκπρόσωποι των ABBYY, Maxima Telecom, Yandex. Taxi, Avito, Software Product και άλλοι μοιράστηκαν το όραμά τους για τις απαραίτητες τεχνολογικές αλλαγές στις μεταφορές στη Μόσχα, συζήτησαν το ρόλο της τεχνολογίας στο σχηματισμό νέων καινοτόμων υπηρεσίες και προσφέρθηκαν ιδέες για την εξατομίκευση της αλληλεπίδρασης της πόλης με τους κατοίκους της.

Τα μεγάλα δεδομένα αλλάζουν τις επικοινωνίες

Η ιδέα της δημιουργίας του κέντρου γεννήθηκε τον Αύγουστο του 2018. Ο κύριος στόχος αυτής της πρωτοβουλίας είναι να μετατρέψει την αλληλεπίδραση με τους επιβάτες, να φέρει τις επικοινωνίες με τους πολίτες σε ένα νέο, εξατομικευμένο επίπεδο. Η μεγάλη ανάλυση δεδομένων σάς βοηθά να πετύχετε τους στόχους σας. Το κέντρο καινοτομίας έχει τη δυνατότητα να συνεργάζεται με τα δεδομένα των οργανισμών που υπάγονται στο τμήμα μεταφορών, πραγματοποιώντας την έρευνά του, δοκιμάζοντας υποθέσεις, κάνοντας εργασίες για την κατασκευή τμημάτων για στοχευμένες εταιρείες επικοινωνίας.

«Συλλέγουμε πολλά ετερογενή αποπροσωποποιημένα δεδομένα σχετικά με τους επιβάτες και, με βάση την ανάλυση, μπορούμε να παρέχουμε στοχευμένες πληροφορίες σε πολίτες σημαντικών πληροφοριών», εξηγεί ο επικεφαλής του Κέντρου Καινοτομίας. Γιούρι Εμελάνοφ... - Τα σενάρια μπορεί να είναι πολύ διαφορετικά. Για παράδειγμα, υπάρχουν συχνά αλλαγές διαδρομής, επισκευές, εμπόδια κυκλοφορίας σε σχέση με ορισμένα συμβάντα, δραστηριότητες. Αναλύοντας τα δεδομένα, μπορούμε να ενημερώσουμε για αλλαγές με εξατομικευμένο τρόπο σε εκείνους τους επιβάτες που ταξιδεύουν συχνά σε αυτές τις διαδρομές. "

Έργα κέντρου καινοτομίας

Υπάρχουν επίσης πιο φιλόδοξα έργα στο ταμείο του Κέντρου, για παράδειγμα, μια ανάλυση της ικανοποίησης των περιφερειών της Μόσχας στη χρήση των χερσαίων μεταφορών. Οι εμπειρογνώμονες του Κέντρου πραγματοποίησαν πολλές έρευνες για αυτό το θέμα, ανέλυσαν τα αποτελέσματα και διατύπωσαν πρωτοβουλίες για την αλλαγή διαδρομών, δρομολογίων και στάσεων με βάση τα αποτελέσματα. Το Κέντρο υποβάλλει αυτές τις πρωτοβουλίες σε διάφορες διευθύνουσες επιτροπές που πραγματοποιούνται εντός του συγκροτήματος μεταφορών και, εάν εγκριθούν, υλοποιούνται από δευτερεύουσες οργανώσεις. Τα σχόλια για τις πρωτοβουλίες που υλοποιούνται αποστέλλονται και πάλι στο κέντρο καινοτομίας, όπου αξιολογούνται τα αποτελέσματα της εργασίας και ο βαθμός ικανοποίησης των πολιτών. Αυτό το πρόγραμμα ξεκίνησε τον Μάρτιο του 2018 και έχει αποδειχθεί αρκετά επιτυχημένο μέχρι στιγμής. Τώρα το Κέντρο συμμετέχει ενεργά σε ένα παρόμοιο πρόγραμμα για το μετρό της Μόσχας.

Ιδιαίτερο ενδιαφέρον παρουσιάζει το έργο του Κέντρου αναλυτικής υποστήριξης εκδηλώσεων στο πλαίσιο του Παγκόσμιου Κυπέλλου της FIFA. Οι ειδικοί του κέντρου ανέλυσαν την κίνηση των επιβατών τις ημέρες των αγώνων που πραγματοποιήθηκαν στα στάδια της Μόσχας (Luzhniki, Spartak, ζώνη ανεμιστήρων στο Vorobyovy Gory), πραγματοποίησαν έρευνες ικανοποίησης το συντομότερο δυνατό μετά το παιχνίδι και ανέπτυξαν προτάσεις για τη βελτιστοποίηση του φορτίου στο σύστημα μεταφορών της πόλης και να το καταστήσει πιο αποτελεσματικό. οργάνωση των μεταφορικών υπηρεσιών.

Αξιολόγηση της κατανομής φορτίου στο στάδιο Luzhniki. Θραύσμα της αναλυτικής έκθεσης για τον αγώνα Ρωσία - Σαουδική Αραβία, που πραγματοποιήθηκε στις 14 Ιουνίου, ημέρα έναρξης του πρωταθλήματος

Η υποστήριξη κινητών εφαρμογών για πολίτες έγινε ξεχωριστός τομέας εργασίας του κέντρου. Η Safe Transport συνεργάζεται με αρκετούς προγραμματιστές, συμπεριλαμβανομένης της Infocompass, η οποία αναπτύσσει την εφαρμογή Moscow Assistant. «Προσπαθούμε να υποστηρίξουμε πρωτοβουλίες για τη δημιουργία διαφόρων υπηρεσιών βασισμένων σε κινητές εφαρμογές για πολίτες. Για εμάς, αυτό είναι ένα από τα κανάλια επικοινωνίας με τον πληθυσμό της πόλης, - λέει ο Yuri Yemelyanov. "Για παράδειγμα, οι εμπειρογνώμονες του Κέντρου, μαζί με τους προγραμματιστές της εφαρμογής κινητής τηλεφωνίας Moscow Assistant, εργάζονται για τη βελτίωση του αλγορίθμου αναγνώρισης της πινακίδας κυκλοφορίας του κράτους." Το Κέντρο Καινοτομίας έχει πολλούς φιλόδοξους στόχους για το προσεχές 2019.

Τα δεδομένα έχουν γίνει ένα σημαντικό πλεονέκτημα · είναι πολύτιμα από μόνα τους. Με τη σωστή προσέγγιση για τον προσδιορισμό του ιδιοκτήτη και την προσεκτική οικοδόμηση της πρόσβασης σε αυτόν, μπορούν να αποφέρουν κέρδος σε όλους τους συμμετέχοντες στη διαδικασία μεταφοράς. Αλλά μπορούν επίσης να γίνουν μια διαμάχη, - γράφει το περιοδικό.

«Τα δεδομένα έχουν γίνει πλεονέκτημα. Τα δεδομένα σήμερα είναι ο χρυσός και το λάδι του 21ου αιώνα. Αυτός που μαθαίνει γρήγορα να δουλεύει μαζί τους, να επεξεργάζεται, να συσσωρεύει, να δημιουργεί προϊόντα που αυξάνουν την προστιθέμενη αξία τους, θα είναι μπροστά », δήλωσε ο Mikhail Mishustin, επικεφαλής της Ομοσπονδιακής Υπηρεσίας Φορολογίας, που έπεισε τους ακροατές του στη συνεδρία« Ψηφιακός μετασχηματισμός και ποιότητα της ζωής. Μια άποψη από τις περιφέρειες », που πραγματοποιήθηκε στο πλαίσιο του ρωσικού επενδυτικού φόρουμ στο Σότσι. Μιλά για τα λεγόμενα μεγάλα δεδομένα - και ποιος, αν όχι ο επικεφαλής της Ομοσπονδιακής Φορολογικής Υπηρεσίας, όπου συλλέγονται δεδομένα για το εισόδημα και την περιουσία εκατομμυρίων Ρώσων, κατανοούν την πλήρη αξία τους; Αλλά στην πραγματικότητα, ο αξιωματούχος επανέλαβε μόνο μια φράση που μπορεί τώρα να ακουστεί σε εκατοντάδες φόρουμ σε όλο τον κόσμο από επικεφαλής χιλιάδων εταιρειών, συμπεριλαμβανομένων των παγκόσμιων. Και το πρώτο ερώτημα που προκύπτει: δεδομένου ότι τα μεγάλα δεδομένα έχουν γίνει πολύτιμο περιουσιακό στοιχείο, τότε θα πρέπει να υπάρχουν κανόνες που περιγράφουν πώς να το χειριστούν, ποιος το κατέχει και σε ποια τιμή μπορούν να αγοραστούν αυτά τα δεδομένα;

Η μεγάλη τεχνολογία δεδομένων συνεπάγεται την παρουσία τριών στοιχείων: τεράστιες ποσότητες δεδομένων, υπολογιστική ισχύ για πολύ γρήγορη επεξεργασία αυτών των δεδομένων και ειδικά μαθηματικά μοντέλα που επιτρέπουν τη σύγκριση προκαθορισμένων παραμέτρων, η πρόσβαση στις οποίες απαγορεύτηκε προηγουμένως. Αυτό σας επιτρέπει να εντοπίσετε νέες, πολύ συχνά προφανείς συνδέσεις και μοτίβα και ήδη βάσει αυτών λαμβάνετε αποφάσεις διαχείρισης και κερδίζετε (ή, προαιρετικά, επιλύετε κοινωνικά σημαντικά προβλήματα).

Για να επωφεληθούν από τα μεγάλα δεδομένα, οι τεχνολογίες έπρεπε να ωριμάσουν. Πιο πρόσφατα, οι εταιρείες έχουν στη διάθεσή τους υπολογιστική ισχύ και αλγόριθμους που είναι σε θέση να επεξεργάζονται γρήγορα τεράστιες ποσότητες δεδομένων σε πραγματικό χρόνο, κέντρα δεδομένων όπου μπορούν να αποθηκευτούν αυτά τα δεδομένα, αναπτύσσεται το λεγόμενο Internet of Things, το οποίο σας επιτρέπει να λαμβάνετε δεδομένα από εξοπλισμό σε πραγματικό χρόνο. και διάφορες συσκευές, η απόδοση βελτιώνεται και η τιμή των αισθητήρων που χρησιμοποιούνται για τη συλλογή δεδομένων μειώνεται.

Ο Alexey Fedoseev, Επικεφαλής του Τμήματος Εξυπηρέτησης Πελατών της Siemens Mobility, καθορίζει το όριο στο οποίο τα δεδομένα μπορούν να θεωρηθούν μεγάλα: «1 εκατομμύριο μετρήσεις, τα λεγόμενα σημεία δεδομένων. Από τώρα και στο εξής, μπορούμε να εφαρμόσουμε αναλυτικά μοντέλα που βασίζονται στην προσέγγιση Big Data. "

Οι πρωτοπόροι ήταν κατασκευαστές αεροσκαφών. Η αξία των μεγάλων δεδομένων, από τα οποία είναι δυνατή η πρόβλεψη δυσλειτουργιών και βλαβών του εξοπλισμού, είναι ιδιαίτερα μεγάλη σε αυτόν τον κλάδο. Για παράδειγμα, τώρα ένα Boeing 737 με δύο κινητήρες μεταδίδει 240 χιλιάδες terabyte δεδομένων σε έξι ώρες πτήσης (ο όγκος των δεδομένων σε χαρτί στη βιβλιοθήκη Lenin είναι περισσότερος, αλλά όχι πολύ - περίπου 84 φορές). Μιλάμε για την κατάργηση αρκετών εκατοντάδων χιλιάδων παραμέτρων ανά πτήση, αν και προηγούμενες γενιές αεροσκαφών συνέλεξαν μόνο μερικές εκατοντάδες.

Πέρυσι, ο επικεφαλής της εταιρείας εξόρυξης Tinto (στο πάρκο της, τα δεδομένα λαμβάνονται από μη επανδρωμένα φορτηγά, γεώτρηση σε λατομεία, ατμομηχανές και στο λιμάνι) δήλωσε ότι το Κεντρικό Κέντρο Διοίκησης στο Περθ λαμβάνει 2,4 terabyte δεδομένων κάθε λεπτό (περίπου 3,5 χιλιάδες τόνοι). Terabyte ανά ημέρα).

Ο Andrey Borodin, επικεφαλής μηχανικός έργου στο Γραφείο Σχεδιασμού και Τεχνολογίας, Κέντρο Ψηφιακών Τεχνολογιών του Τμήματος Πληροφορικής των Ρωσικών Σιδηροδρόμων, λέει ότι, από την άποψη των επαγγελματιών, τα δεδομένα μπορεί να είναι καυτά (δηλαδή, υποβάλλονται σε επεξεργασία αμέσως, σε πραγματικό χρόνο), ζεστό και κρύο (δεν χρησιμοποιείται, αλλά αφήνεται για αποθήκευση).

«Και ακόμη και τα ανεπεξέργαστα δεδομένα δεν θεωρούνται αδικαιολόγητα πολλές εταιρείες ως περιουσιακό στοιχείο που μπορεί να φέρει αξία, ακόμη και αν οι εταιρείες δεν μπορούν να το χρησιμοποιήσουν τώρα - για να δημιουργήσουν προγνωστικά μοντέλα ή συστήματα απόκρισης σε πραγματικό χρόνο», λέει ο Oleg Pyatakov, επικεφαλής της επενδυτικής ανάλυσης εταιρεία. 2050. ψηφιακό ". Είναι πεπεισμένος ότι η δημιουργία δεδομένων για χάρη των δεδομένων είναι αντιπαραγωγική, τουλάχιστον βραχυπρόθεσμα: «Χρειαζόμαστε τη δυνατότητα σύνδεσης δεδομένων μεταξύ τους (αναγνωριστικά συσκευής / χρήστη, χρονικά σήματα), τουλάχιστον την ελάχιστη σημασία των δεδομένων για εκείνες τις παραμέτρους στόχους που προσπαθούμε να βελτιστοποιήσουμε, τη δυνατότητα ανάπτυξης μιας δράσης ελέγχου ... Πράγματι, στα παραδοσιακά (παλιά) συστήματα διαχείρισης, ο κανόνας ήταν μια κατάσταση όπου πάνω από το 95% των δεδομένων που συλλέχθηκαν, για διάφορους λόγους, δεν χρησιμοποιήθηκαν για τη λήψη απόφασης. "

Η Russian Railways έγινε μια από τις πρώτες ρωσικές εταιρείες που ξεκίνησαν τη διαδικασία ψηφιακού μετασχηματισμού. Και φυσικά, η εκμετάλλευση λειτουργεί επίσης με μεγάλη τεχνολογία δεδομένων. Φυσικά, ο πρώτος τομέας για την εφαρμογή τους είναι προφανής - η τακτική συλλογή δεδομένων από τροχαίο υλικό και υποδομές χρησιμοποιώντας το Διαδίκτυο των πραγμάτων.

Στη Siemens Mobility, η οποία είναι στρατηγικός εταίρος των ρωσικών σιδηροδρόμων σε αυτόν τον τομέα, γίνεται σαφής διάκριση μεταξύ δύο εννοιών - δεδομένων και πληροφοριών. Τα δεδομένα που παράγονται από το τροχαίο υλικό και την υποδομή, σύμφωνα με τον Alexei Fedoseev, ανήκουν στον λειτουργικό οργανισμό: «Μόλις παραδώσαμε τα τεχνικά συστήματα στην Deutsche Bahn ή τη Russian Railways, τα δεδομένα ανήκουν σε αυτά».

Στη συνέχεια, στο πλαίσιο συμβάσεων παροχής υπηρεσιών, στο πλαίσιο χωριστών συμβάσεων για την επεξεργασία αυτών των δεδομένων, μετατρέπονται σε χρήσιμες πληροφορίες. Για παράδειγμα, τα τρένα Lastochka που λειτουργούν στο MCC δημιουργούν διαγνωστικά μηνύματα σχετικά με την τεχνική κατάσταση μεμονωμένων υποσυστημάτων ηλεκτρικών αμαξοστοιχιών. Αυτά τα δεδομένα συγκεντρώνονται και μεταδίδονται μέσω ενός ασφαλούς καναλιού σε έναν διακομιστή στην επικράτεια της Ρωσικής Ομοσπονδίας. Και μόνο τότε, λέει ο Alexey Fedoseev, στο Κέντρο Ανάλυσης και Επεξεργασίας Δεδομένων, που δημιουργήθηκε από κοινού από τους Russian Railways και τη Siemens τον Φεβρουάριο του 2017, αυτά τα συγκεντρωτικά δεδομένα θα μετατραπούν σε χρήσιμες πληροφορίες.

Οι υπάλληλοι του κέντρου χρησιμοποιούν αναλυτικά μοντέλα που, βάσει των λαμβανόμενων τεχνικών παραμέτρων, καθιστούν δυνατή την εφαρμογή της έννοιας της προγνωστικής συντήρησης, προβλέπουν αστοχίες κρίσιμων μονάδων τροχαίου υλικού, λέει ο ειδικός. Ένα παράδειγμα είναι η επεξεργασία δεδομένων που λαμβάνονται από ένα σύστημα κίνησης έλξης. Όχι μόνο. Για παράδειγμα, παρακολουθείται επίσης το σύστημα θυρών επιβατών. Όταν οδηγείτε σε κατάσταση αστικής αμαξοστοιχίας, η λειτουργία της πόρτας επιβατών μπορεί να επηρεάσει το χρόνο που περνά η αμαξοστοιχία στο σταθμό, αστοχίες και αστοχίες στην εργασία τους μπορούν να επηρεάσουν την παραβίαση των δρομολογίων. Οι υπάλληλοι του τμήματος επισκευής της Διεύθυνσης κυκλοφορίας υψηλής ταχύτητας των ρωσικών σιδηροδρόμων έχουν πρόσβαση σε αυτές τις πληροφορίες μέσω του μηχανογραφημένου συστήματος συντήρησης του Cormap. Το σύστημα είναι ανοιχτό, στη βάση του λαμβάνονται αποφάσεις για το θέμα των αμαξοστοιχιών προς τη γραμμή.

Τα προγνωστικά μοντέλα ανάλυσης για τη λειτουργία τρένων υψηλής ταχύτητας που παρέχονται από τη Siemens για γερμανικούς, ισπανικούς, ρωσικούς, τουρκικούς σιδηροδρόμους, καθώς και για το Eurostar, έχουν βελτιωθεί τα τελευταία τρία έως τέσσερα χρόνια. Όσο περισσότερα δεδομένα υποβάλλονται σε επεξεργασία, τόσο ακριβέστερα λειτουργούν τα μοντέλα. Το αποτέλεσμα είναι μια αύξηση στην τεχνική ετοιμότητα των τρένων. Για παράδειγμα, οι εργασίες του Κέντρου Απομακρυσμένης Παρακολούθησης της Siemens στα τρένα Velaro στην Ισπανία ξεκίνησαν λίγο νωρίτερα από ό, τι με τους Sapsans στη Ρωσία. Τα μοντέλα καθιστούν δυνατή την πρόβλεψη αστοχιών κινητήρα έλξης σε πέντε έως επτά ημέρες, γεγονός που οδήγησε στον σχεδόν πλήρη αποκλεισμό της πιθανότητας διακοπής του χρονοδιαγράμματος κυκλοφορίας λόγω μείωσης της ώσης. Ως αποτέλεσμα, η RENFE απέδειξε την ετοιμότητά της να αποζημιώσει το 100% της τιμής του εισιτηρίου στους επιβάτες εάν το τρένο καθυστερήσει περισσότερο από 15 λεπτά στη γραμμή Μαδρίτη - Βαρκελώνη. Η αντίδραση των επιβατών δεν ήταν πολύ καιρό: το μερίδιο της σιδηροδρομικής κίνησης στην επιβατική κίνηση προς αυτή την κατεύθυνση αυξήθηκε από 20 σε 61% και η εναέρια κυκλοφορία μειώθηκε από 80 σε 39%.

Εάν πάρουμε τη ρωσική εμπειρία στην εφαρμογή παρόμοιων μοντέλων προγνωστικής διάγνωσης των τρένων Sapsan, τότε, σύμφωνα με τον Alexei Fedoseev, τα θετικά αποτελέσματα είναι προφανή: στη γραμμή Μόσχα - Αγία Πετρούπολη, ο σιδηροδρομικός στόλος Sapsan έχει ήδη καλύψει περισσότερα από 7 εκατομμύρια χιλιόμετρα χωρίς καθυστερήσεις λόγω τεχνικών βλαβών, που υπερβαίνουν τα 5 λεπτά (αυτή είναι μία από τις παραμέτρους που χρησιμοποιεί η εταιρεία για να αξιολογήσει το επίπεδο αξιοπιστίας).

Ένα σημαντικό μέρος της εργασίας με μεγάλα δεδομένα ήταν η δημιουργία ενός λεγόμενου αξιόπιστου περιβάλλοντος - έχει σχεδιαστεί για την ασφαλή χρήση δεδομένων, εξαιρουμένης της μη εξουσιοδοτημένης πρόσβασης σε αυτά. Για παράδειγμα, το "Αξιόπιστο περιβάλλον του συγκροτήματος ατμομηχανής" είναι κατασκευασμένο για πρόσβαση σε δεδομένα που θα δημιουργηθούν από ατμομηχανές, καταναλωτές αυτών των δεδομένων - υπάλληλοι της εταιρείας ρωσικών σιδηροδρόμων, εταιρείες παροχής υπηρεσιών, κατασκευαστές τροχαίου υλικού και κατασκευαστές εξαρτημάτων.

Οι σχέσεις δεν βασίζονται πάντα σε συνεργασίες. Σε αυτήν την περίπτωση, είναι δυνατή η αντιπαράθεση μεταξύ των μερών που εμπλέκονται στην παροχή και επεξεργασία δεδομένων. Το πώς μπορεί να συμβεί αυτό αποδεικνύεται από την ιστορία που αναπτύσσεται αυτή τη στιγμή με τη δανική εταιρεία Maersk, ηγέτη στη ναυτιλία. Το 2014, η εταιρεία αποφάσισε ότι θα ψηφιοποιήσει την επιχείρηση ναυτιλίας της θάλασσας. Στη συνέχεια, ο Maersk ανέφερε ότι μια απλή θαλάσσια αποστολή κατεψυγμένων φρούτων από την Ανατολική Αφρική στην Ευρώπη περνά από μια αλυσίδα 30 ατόμων και οργανισμών και απαιτεί περίπου 200 πράξεις αλληλεπίδρασης (μεταφορά εγγράφων, επικοινωνία) μεταξύ τους και το 20% του κόστους αποστολής μια αποστολή εμπορευμάτων εμπίπτει στην επεξεργασία, μεταφορά εγγράφων και διαχείριση της διαδικασίας. Ο Maersk επρόκειτο να μειώσει δραστικά το κόστος σε αυτόν τον τομέα, όπου δεν σημειώθηκαν σημαντικές αλλαγές τα τελευταία 60 χρόνια.

Το 2016, αποφάσισε για μια τεχνολογία και έναν συνεργάτη, ξεκίνησε τη συνεργασία με εταιρείες της IBM ως φορέας προηγμένων γνώσεων στο blockchain. Το σύστημα έξυπνης σύμβασης blockchain, που ονομάζεται TradeLens, ξεκίνησε τις δοκιμές το 2017. Τον Ιανουάριο του 2018, η Maersk και η IBM ανακοίνωσαν μια κοινή επιχείρηση. Συνεργαστήκαμε με συνεργάτες για να καταλάβουμε πώς να επιταχύνουμε τη μεταφορά πληροφοριών και να μειώσουμε τον αριθμό των σφαλμάτων. Ανακοινώθηκε ότι θα κυκλοφορήσει μια πλήρη εμπορική έκδοση του TradeLens έως το τέλος του 2018. Μέχρι τα μέσα του 2018, το σύστημα περιείχε δεδομένα για 154 εκατομμύρια συμβάντα (ημερομηνίες άφιξης πλοίων, αναφορές για την αναχώρηση και άφιξη εμπορευματοκιβωτίων, τελωνειακές άδειες, εμπορικά τιμολόγια και φορτωτικές, δηλαδή έγγραφα σχετικά με την αποδοχή φορτίου από ο μεταφορέας από τον αποστολέα), ο αριθμός τους αυξανόταν κατά 1 εκατομμύριο κάθε μέρα - σε γενικές γραμμές, το TradeLens ήταν έτοιμο για πλήρη λειτουργία.

Στο στάδιο της δοκιμής, 92 συμμετέχοντες εντάχθηκαν στο σύστημα: πλοιοκτήτες, μεταφορείς ωκεανών, φορτωτές, λιμάνια (για παράδειγμα, το πολύ μεγάλο λιμάνι του Ρότερνταμ, μέσω του οποίου περνούν έως τα 2/3 του ωκεανού φορτίου για την Ευρώπη) και τελωνεία. Αλλά την ίδια στιγμή, καθώς τελείωσε η δοκιμή, έγινε γνωστό ότι άλλοι αερομεταφορείς ωκεανού αρνήθηκαν να συνδεθούν με το TradeLens. Και χωρίς τις πληροφορίες αυτών των παικτών, αποκλείεται η πλήρης χρήση του συστήματος.

Φαίνεται ότι ο Maersk ήρθε ως έκπληξη για τον Maersk. Στα μέσα Νοεμβρίου, η δανική εταιρεία δέχτηκε μια προσφορά από τους ανταγωνιστές των πρώτων έξι (MSC, CMA CGM, Hapag-Lloydand και Ocean Network Express) για να συμμετάσχει σε μια μη κερδοσκοπική ένωση που θα αναπτύξει νέα πρότυπα για την ανταλλαγή πληροφοριών στον κλάδο. Ο André Simha, CIO της MSC, ο νούμερο 2 ωκεανός μεταφορέας, δήλωσε στους δημοσιογράφους ότι η εταιρεία του θα χαρεί να συμμετάσχει στο TradeLens εάν η εταιρεία γίνει πιο ανοιχτή. Σε γενικές γραμμές, η MSC ενδιαφέρεται πολύ περισσότερο για την ιδέα της συνεργασίας μέσω μιας μη κερδοσκοπικής ένωσης, επειδή, παρά τις υποσχέσεις για ίση πρόσβαση στις πληροφορίες, όλα τα πνευματικά δικαιώματα στο TradeLens χωρίζονται μεταξύ της IBM και της Maersk. Οι αερομεταφορείς δεν άρεσαν την προοπτική να δώσουν τα δεδομένα τους στο σύστημα, ενώ ο κύριος ανταγωνιστής τους θα έπαιρνε χρήματα σε αυτό. Ωστόσο, ο Oleg Pyatakov πιστεύει ότι ο Maersk έχει επιλέξει το σωστό δρόμο και στο τέλος θα κερδίσουν οι ιδιόκτητες λύσεις ισχυρών εταιρειών και θα ανοίξουν τα ανοιχτά πρότυπα χωρίς τη συμμετοχή ισχυρών παικτών. Αλλά ο Maersk θα πρέπει να αγωνιστεί για να αποκτήσει ένα πολύτιμο περιουσιακό στοιχείο όπως τα δεδομένα. Τον Νοέμβριο, ανακοινώθηκε ένα ανταγωνιστικό σύστημα με το TradeLens.

Η Μόσχα είναι μια τεράστια μητρόπολη με 11.979.529 κατοίκους, σύμφωνα με την απογραφή του 2013. Κάθε ένα από αυτά μετακινείται στη δουλειά, χρησιμοποιεί κινητό τηλέφωνο (ή ακόμα και περισσότερα από ένα), παίρνει το μετρό, στέκεται σε μποτιλιαρίσματα. Όλα αυτά παρακολουθούνται από αστικές υπηρεσίες, κυβερνητικές υπηρεσίες, ιδιωτικές εταιρείες που παρέχουν διάφορες υπηρεσίες. Χιλιάδες βιντεοκάμερες, εκατοντάδες χιλιάδες αισθητήρες, οθόνες που ελέγχουν τη ζωή της πόλης, εκατομμύρια κινητά τηλέφωνα, μόντεμ 3G / 4G. Και όλα αυτά είναι δισεκατομμύρια πηγές δεδομένων, επεξεργάζοντας τις οποίες μπορείτε να λάβετε πληροφορίες για τον περαιτέρω προγραμματισμό της πόλης, τη διαχείριση της ροής της κίνησης, διασφαλίζοντας την ασφάλεια της μητρόπολης. Ένα από τα λίγα εργαλεία που μπορούν να αντιμετωπίσουν την επεξεργασία ενός τέτοιου όγκου πληροφοριών είναι οι λύσεις της κατηγορίας Big Data. Αρχικά, ας δούμε πού μπορούν να χρησιμοποιηθούν.

Δεδομένα πυκνότητας πληθυσμού και εκτοπισμού

Το κύριο εργαλείο για τον προσδιορισμό του μεγέθους και της δομής του πληθυσμού, η κατανομή του στην περιοχή αυτή τη στιγμή είναι η απογραφή. Το κύριο μειονέκτημα της απογραφής είναι το κόστος της εφαρμογής της και η έλλειψη δεδομένων σχετικά με την κυκλοφορία των κατοίκων. Η πηγή πληροφοριών για την απογραφή είναι οι ίδιοι οι κάτοικοι, οι οποίοι ελέγχονται στον τόπο κατοικίας τους.

Ποια είναι τα οφέλη από τη χρήση λύσεων Big Data; Για να απαντήσουμε σε αυτήν την ερώτηση, καθορίζουμε πρώτα ποια δεδομένα χρειαζόμαστε:

• όπου οι κάτοικοι κοιμούνται και εργάζονται ·
• πού και πού πηγαίνουν τις καθημερινές και τα σαββατοκύριακα ·
• τι μεταφορά χρησιμοποιούν οι Μοσχοβίτες και οι επισκέπτες της πρωτεύουσας;
• που έρχονται στην πόλη και γιατί.

Για να συλλέξουμε αυτές τις πληροφορίες, πρέπει πρώτα να προσδιορίσουμε την πηγή των δεδομένων και τη μέθοδο ανάλυσής τους. Για να προσδιορίσετε την τοποθεσία ενός κατοίκου, είναι πιο βέλτιστο να χρησιμοποιείτε τα δεδομένα τοποθεσίας του κινητού του (είναι πάντα μαζί του). Πως να το κάνεις?

Διαθέσιμος:

• δεδομένα από φορείς κινητής τηλεφωνίας σχετικά με τη θέση του τηλεφώνου ·
• δεδομένα από εξειδικευμένες υπηρεσίες (όπως Yandex.Traffic jams) ·
• δεδομένα από εφαρμογές για κινητά με ενσωματωμένη λειτουργικότητα τοποθεσίας που παρέχονται από την πόλη για την ευκολία των κατοίκων.

Μπορούν να χρησιμοποιηθούν διάφοροι αλγόριθμοι για την ανάλυση των πληροφοριών που λαμβάνονται, ανάλογα με την πηγή, τη μορφή και τη μέθοδο παρουσίασής τους. Αλλά εδώ είναι τα κύρια σημεία.

Ο προσδιορισμός του τόπου όπου οι κάτοικοι περνούν τη νύχτα και όπου εργάζονται μπορούν να ληφθούν αναλύοντας δεδομένα σχετικά με την κίνηση και τις ενέργειες που έχουν αναληφθεί. Για παράδειγμα, η περιοδική απουσία κλήσεων από τις 22:00 έως τις 7:00 και η απουσία κίνησης θα δείξει πού ζει το άτομο και την απουσία κίνησης κατά τις ώρες εργασίας - όπου εργάζεται το ίδιο άτομο και ένα από τα κριτήρια που αυξάνονται η ακρίβεια θα είναι η παρουσία δραστηριότητας στο τηλέφωνο του συνδρομητή. Εδώ θα είναι επίσης δυνατό να προσδιοριστεί πόσο συχνά κινείται ένα άτομο κατά τις ώρες εργασίας, πόσα άτομα στην πόλη καταλαμβάνουν θέσεις που σχετίζονται με συνεχή κίνηση (ταχυμεταφορείς, οδηγοί και άλλα επαγγέλματα).

Ο προσδιορισμός της κατεύθυνσης της κίνησης των κατοίκων πραγματοποιείται με τον ίδιο τρόπο, χρησιμοποιώντας τα ίδια δεδομένα σχετικά με την κίνηση των συνδρομητών κινητής τηλεφωνίας και σας επιτρέπει να προσδιορίσετε τις κύριες ροές των κινήσεων των κατοίκων, των επισκεπτών, των μεταναστών εργασίας, να συλλέξετε στατιστικά στοιχεία για τις μετακινήσεις κατά περιοχές και οδηγίες, μάθετε πόσο συχνά οι κάτοικοι και οι επισκέπτες επισκέπτονται καταστήματα, πολιτιστικές εκδηλώσεις, αξιοθέατα της πόλης και πόσο δημοφιλή είναι ορισμένα μέρη της πόλης.

Παρακολουθώντας την ταχύτητα κίνησης και τα μέρη που επισκέπτεστε, μπορείτε να προσδιορίσετε τι είδους μεταφορά χρησιμοποιεί ένα άτομο: αυτοκίνητο, μετρό, επίγειες δημόσιες συγκοινωνίες, υπεραστικές μεταφορές.

Ανάλυση του έργου των αστικών υποδομών και διασφάλιση της ασφάλειας του πληθυσμού

Ένας μεγάλος αριθμός φωτεινών σηματοδοτών, συστήματα ελέγχου κυκλοφορίας πόλης, συστήματα εγγραφής βίντεο εκδηλώσεων (κάμερες παρακολούθησης), έλεγχος των δημόσιων μεταφορών εντός μιας πόλης με πληθυσμό άνω του ενός εκατομμυρίου ανθρώπων απαιτεί συντονισμένη προσέγγιση στη διαχείριση δεδομένων και τη συγκέντρωση. Ένα από τα προβλήματα που εντοπίστηκαν ταυτόχρονα κατά την εφαρμογή συστημάτων παρακολούθησης βίντεο σε όλη την πόλη ήταν η αδυναμία ελέγχου των γεγονότων (για παράδειγμα, για τον εντοπισμό παράνομων ενεργειών) από τους επιχειρησιακούς υπαλλήλους. Λαμβάνοντας υπόψη τις τρέχουσες δυνατότητες των σύγχρονων τεχνολογιών, καθίσταται δυνατή η δημιουργία ενοποιημένων κατανεμημένων συστημάτων που παρέχουν τόσο αναγνώριση συμβάντων από διάφορες πηγές (συστήματα ελέγχου κυκλοφορίας, κάμερες παρακολούθησης κ.λπ.) όσο και τα αναλυτικά στοιχεία τους με σκοπό την άμεση απόκριση: αστυνομία, υπάλληλοι οργανισμών επισκευής και άλλες πόλεις επιχειρησιακών υπηρεσιών. Μια άλλη εφαρμογή των λύσεων Big Data είναι η κατανεμημένη και μακροπρόθεσμη αποθήκευση των συλλεγόμενων πληροφοριών, η αναζήτηση των απαραίτητων δεδομένων και συναφών συμβάντων. Τι προκάλεσε αυτήν ή αυτή την αλλαγή στην κατάσταση στην πόλη, ποια γεγονότα προηγήθηκαν, ποια επηρέασαν - αυτά είναι ένα μικρό μέρος των ερωτήσεων που μπορούν να απαντήσουν οι Big Data.

Σύγκριση δεδομένων

Μία από τις βασικές στιγμές των γεγονότων που πραγματοποιούνται είναι να προσδιοριστούν τα χαρακτηριστικά των αντικειμένων που εμπλέκονται σε αυτά. Για τη συλλογή δεδομένων, μπορούν να χρησιμοποιηθούν εντελώς διαφορετικές πηγές: για παράδειγμα, για δεδομένα που λαμβάνονται από έναν φορέα κινητής τηλεφωνίας, - τα χαρακτηριστικά ενός ατόμου στο οποίο είναι καταχωρημένη μια κάρτα SIM, για συστήματα παρακολούθησης - πληροφορίες από συστήματα αναγνώρισης προσώπων, βάσεις δεδομένων τμημάτων. Ένα από τα βασικά σημεία είναι η δυνατότητα ανωνυμοποίησης πληροφοριών, εξαίρεσης προσωπικών στοιχείων κατά τη μεταφορά δεδομένων από διάφορους κατόχους και πηγές.

Κύρια προβλήματα

Και όμως υπάρχει μια μύγα στην αλοιφή σε όλα αυτά. Το κύριο πρόβλημα όλων των λύσεων ολοκλήρωσης, ειδικά εάν η ανταλλαγή δεδομένων πραγματοποιείται μεταξύ διαφορετικών τμημάτων, οργανισμών, είναι νομικοί περιορισμοί που δεν επιτρέπουν την παροχή δεδομένων με τη μορφή με την οποία υπάρχουν. Ως αποτέλεσμα, απαιτείται προκαταρκτική επεξεργασία από την πλευρά του ιδιοκτήτη.

Σύνολο

Συνοψίζοντας, θα ήθελα να σημειώσω ότι οι σύγχρονες τεχνολογίες για την επεξεργασία "μεγάλων δεδομένων" καθιστούν δυνατή την παροχή στην πόλη πολύ περισσότερα από τις υπάρχουσες υπηρεσίες πληροφορικής. Ταυτόχρονα, δεν υπάρχει ανάγκη ενημέρωσης της υπάρχουσας υποδομής, καθώς μπορούν να χρησιμοποιηθούν εκείνες οι πηγές δεδομένων που είναι διαθέσιμες αυτήν τη στιγμή.

Με τη βοήθεια λύσεων της κατηγορίας Big Data, είναι δυνατόν να βελτιωθεί η άνεση των κατοίκων της πόλης και των επισκεπτών της, να μειωθεί ο αριθμός των μποτιλιαρίσματος όχι λόγω περιορισμών στην είσοδο στην πόλη, αλλά με τη διαχείριση των ροών κυκλοφορίας, για τη μείωση αριθμός εγκλημάτων λόγω άμεσης ανταπόκρισης, για τη βελτίωση της ποιότητας της παροχής αστικών υπηρεσιών λόγω του άμεσου και αυτόματου ελέγχου τους.

Παρόμοια έγγραφα

Αρχές τεχνολογιών Smart Home. Επιλογή στοιχείου ελέγχου για το σύστημα. Ανάπτυξη λογισμικού για τμήματα συστήματος ελέγχου δωματίου: μέτρηση υγρασίας και θερμοκρασίας, αυτόνομος ελεγκτής και φωτισμός. Εμφάνιση πληροφοριών στον χρήστη.

διατριβή, προστέθηκε 08/07/2018


Η χρήση της τεχνολογίας blockchain στον χρηματοπιστωτικό τομέα, τη βιομηχανία τυχερών παιχνιδιών, την κυβέρνηση. Δημιουργία της έννοιας του συνδυασμού blockchain και του Διαδικτύου των πραγμάτων για τη λειτουργία του δικτύου Smart Home, την εφαρμογή του σε συνδυασμό με την τεχνολογία Big Data και την τεχνητή νοημοσύνη.

προστέθηκε άρθρο στις 11/20/2018


Έννοια, αρχή λειτουργίας και στοιχεία του συστήματος «έξυπνου σπιτιού». Πρωτόκολλα ανταλλαγής δεδομένων μεταξύ στοιχείων ελέγχου, μετάδοσης και εκτελεστικών στοιχείων. Ένα παράδειγμα πρακτικής εφαρμογής του έργου. Περιγραφή των κύριων στοιχείων προγράμματος του πρωτοτύπου "έξυπνο σπίτι".

διατριβή, προστέθηκε στις 30/7/2017


Εξέταση των υφιστάμενων προβλημάτων διαχείρισης αστικών μεταφορών επιβατών στη Ρωσία. Η μέθοδος αυτοματοποίησης του συστήματος ελέγχου αποστολής. Ανάλυση της αξιοπιστίας του ειδικού συστήματος μεταφοράς επιβατών στο περιβάλλον λογισμικού AnyLogic.

προστέθηκε άρθρο στις 03/01/2019


Περιγραφές του σχεδιασμού και των χαρακτηριστικών των ρομπότ για ψυχαγωγία και ασφάλεια. Έλεγχος ηλεκτρικής σκούπας ρομπότ. Κίνηση και εμφάνιση Android. Μελέτη του γενικού αλγορίθμου του συστήματος "Smart House". Ευφυής μηχανισμός ελέγχου σε χώρους κατοικιών και γραφείων.

περίληψη, προστέθηκε στις 02/10/2015


Έρευνα τέτοιων τεχνολογικών λύσεων για το αστικό περιβάλλον όπως "έξυπνος δρόμος", "έξυπνος χώρος στάθμευσης", "έξυπνη πόλη". Περιγραφή των βασικών αρχών λειτουργίας και λειτουργικότητας του Διαδικτύου των πραγμάτων, προσδιορισμός του αποτελέσματος της εφαρμογής τους και των κύριων πλεονεκτημάτων.

προστέθηκε άρθρο στις 18/8/2018


Εξέταση του σχήματος συσκευών και λογισμικού Smart Home. Ανάπτυξη της επικοινωνίας μεταξύ των στοιχείων. Επιλογή αντικειμένων στοιχείων. Προετοιμασία τεχνικής τεκμηρίωσης. Περιγραφή της διαδικασίας εφαρμογής και δοκιμών. Μελέτη των χρησιμοποιούμενων τεχνολογιών.

διατριβή, προστέθηκε 03/20/2017


Εξέταση θεμάτων που σχετίζονται με την ολοκληρωμένη ανάπτυξη και εφαρμογή τεχνολογιών όπως το "Smart City". Γνωριμία με τις κύριες τάσεις στην ανάπτυξη της ασφάλειας των πληροφοριών. Απειλή ως πιθανή ευκαιρία για παραβίαση της ασφάλειας των πληροφοριών.

προστέθηκε άρθρο στις 06/05/2018


Λαμβάνεται υπόψη το μοντέλο μιας έξυπνης πόλης της IBM, το οποίο αποτελείται από τρία στάδια: "οργανική", "διασύνδεση", "πνευματικότητα". Μέθοδοι εισαγωγής τεχνολογιών εξοικονόμησης ενέργειας και φιλικής προς το περιβάλλον ανάπτυξη αστικών συστημάτων, η αποτελεσματικότητά τους.

προστέθηκε άρθρο στις 31/3/2017


Η έννοια ενός συστήματος πληροφοριών, η χρήση του για την επεξεργασία πληροφοριών, την αποθήκευση και τη διανομή. Τεχνολογία πληροφοριών στη βιομηχανία θαλάσσιων μεταφορών. Παράκτια και αεροπορικά συστήματα πληροφοριών. Εκπαίδευση και λιμενικά τεχνολογικά συστήματα.