Эко-Big Data в большом городе: как технологии делают мегаполис чище

Big Data, Большие данные, машинное обучение, Machine Learning, город, IoT, Internet Of Things, интернет вещей

Цифровизация возможна не только на предприятиях. Цифровая трансформация настигает даже города, чтобы сделать их более удобными для жителей и менее вредными для планеты. Сегодня мы подготовили для вас 8 интересных примеров по 4 разным направлениям об использовании больших данных (Big Data), машинного обучения (Machine Learning) и интернета вещей (Internet of Things) в улучшении городской инфраструктуры. Читайте в нашем материале, как оперативно следить за мусорными баками, состоянием лесопарков, велотранспортом и чистотой воздуха с помощью больших данных, машинного обучения и интернета вещей.

Интернет вещей для управления мусором

В Барселоне, которая считается одним из наиболее продвинутых мегаполисов в плане технического оснащения и удобства городской инфраструктуры, использование технологий Big Data и Internet Of Things в мусорных контейнерах существенно улучшило экологическую обстановку. Специальные ультразвуковые сенсоры, установленные в контейнерах, определяют степень их наполненности. По Wi-Fi информация отправляется в информационную систему коммунальных служб, которые отвечают за сбор мусора. На основании этих данных работники эффективно планируют свои маршруты и своевременно опустошают заполненные мусорные баки.

Таким образом, внедрение технологий принесло следующие положительные результаты [1]:

  • оптимизация маршрутов мусороуборочных машин;
  • сокращение времени на сбор мусора;
  • экономия денежные средства на топливо, расходуемое спецтехникой при сборе мусора;
  • сокращение выбросов вредных веществ в атмосферу.
машинное обучение, Machine Learning, IoT, Internet Of Things, интернет вещей, датчик, мусорный бак, городская инфраструктура, ЖКХ
Умный мусорный бак с IoT-датчиками делает город чище, экономя время и деньги

Однако, современные мусорные контейнеры могут не только сообщать о наполнении, но и сами разбираться с отходами. Например, в Нью-Йорке, Женеве, Дублине, а также некоторых других городах Европы и США, установлены высокотехнологичные урны, которые самостоятельно прессуют мусор и упаковывают его. Примерная стоимость одной урны около $4 000. Благодаря этим устройствам Филадельфии удалось сократить количество мусоросборочных рейсов почти в 8 раз: с 17 до 2 [2].

Большие данные, интернет вещей и машинное обучение для ухода за городскими парками

Благодаря информационной системе на основе Machine Learning, которая анализирует большие данные о состоянии 2,5 млн деревьев, растущих в Нью-Йоркских парках, удалось на 22% сократить число случаев экстренного выезда на места падения крупных веток. Например, за 2009-2010 год только в Центральном парке из-за падающих веток пострадали 4 человека. Теперь программа на базе технологий Big Data рассчитывает регулярный график обрезки и ухода за большими деревьями, что существенно снижает риски их повреждения от штормов и сильных ветров [3]. Аналогичным образом машинное обучение и интернет вещей (в виде дронов) применяется в Швейцарии для обследования полостей в деревьях, а также для исследований лесопарков в Финляндии и Японии, о чем мы подробно рассказывали здесь.

Big Data в системах велопроката

Как Big Data, Machine Learning и Internet of Things применяются для оптимизации дорожной транспортной сети, мы опишем в отдельном материале, а в этой статье поговорим про, пожалуй, самый экологичный транспорт – велосипед. Благодаря комбинации вышеуказанных технологий по всему миру увеличивается доля городских велосипедистов. Например, с 2005 года в Париже действует система совместного использования велосипедов, чтобы любой турист и горожанин мог выбрать удобный для себя пункт велопроката. Датчики, установленные на каждой велопарковке, передают в систему данные о числе устройств, доступных для проката и число свободных парковочных мест. Все это оперативно отображается на интерактивной карте городского веб-сайта.  Это увеличило популярность велотранспорта, улучшив дорожную и экологическую обстановку в мегаполисе.

Другие города и страны после успешного примера Парижа также реализовали подобную систему на основе Big Data и Internet of Things. В России это внедрено в Казани, Санкт-Петербурге, Сочи и, конечно, в Москве. С 2013 года в столице РФ действует около 300 станций велопроката. Только за 2015 год москвичи совершили около 900 тысяч поездок на арендованных велосипедах [2]. Сведения о велопарковках можно найти в свободном доступе на портале открытых данных правительства Москвы: наименование парковки, адрес и количество мест. Сведения об удобстве пользования, охране и автоматизации отсутствуют, в отличии от тематических ресурсов. Также велосипедные парковки отображаются в сервисах Яндекс.Карты и Яндекс.Транспорт. В 2016 году карта велопарковок «Велобайка» появилась в мобильном приложении «Яндекс.Карты» с функцией показа данных о наличии обычных и электровелосипедов, а также стояночных мест [4]. Подробнее про использование технологий Big Data, Machine Learning и Internet of Things в городском транспорте и оптимизации дорожной сети читайте в нашей следующей статье.

Big Data, Большие данные, IoT, Internet Of Things, интернет вещей, датчик, мусорный бак, городская инфраструктура, велосипеды, велопарковки
Умная велопарковка с IoT-датчиками поможет быстро найти экологичный транспорт для мегаполиса

Machine Learning для контроля экологической обстановки

Для мониторинга и анализа уровня загрязненности городского воздуха в Сиднее установлено 14 специальных IoT-сенсоров, которые собирают большие данные о состоянии атмосферы и передают их в систему Национального центра ИКТ Австралии (NICTA) и Департамента защиты окружающей среды штата Новый Южный Уэльс (NSW EPA). Методы Machine Learning и алгоритмы прогнозирования обрабатывают эту информацию и рассчитывают индекс качества воздуха на ближайшие сутки. По значению этого показателя система предсказывает уровень загрязненности воздуха на ближайшие 24 часа в различных районах штата. Данная информация позволяет жителям и промышленным предприятиям оценивать качество воздуха и принимать меры по его улучшению [1].

Аналогичный проект планируется реализовать в Чикаго, чтобы уличные датчики измеряли температуру, влажность, уровень загрязнённости воздуха, тепла и ветра. Полученные данные будут использоваться аналитиками Big Data и профильными специалистами для изучения окружающей среды в городе и оперативного решения локальных экологических проблем, а также учитываться при планировании строительства новых жилых и производственных кварталов [2].

 

Еще больше интересных примеров и других полезных вещей по использованию больших данных, машинного обучения и интернета вещей в нашем учебном центре: практические курсы обучения пользователей, инженеров, администраторов и аналитиков Big Data в Москве.

расписание компьютерные курсы для руководителей, аналитиков, программистов, администраторов и пользователей Internet of Things, Big Data и Machine Learning Смотреть расписание занятий
регистрация на компьютерные курсы для руководителей, аналитиков, программистов, администраторов и пользователей Internet of Things, Big Data и Machine Learning Зарегистрироваться на курс

Источники

  1. https://www.pwc.ru/ru/government-and-public-sector/assets/ddc_rus.pdf
  2. http://downtown.ru/voronezh/technology/8847
  3. https://www.cio.com/article/2385245/new-york-turns-to-big-data-to-solve-big-tree-problem.html
  4. https://www.the-village.ru/village/city/transport/265074-transport