грант РНФ, проект 20-71-10087

Руководитель проекта: Финогеев А.А., к.т.н., доцент кафедры «Системы автоматизированного проектирования»

Исполнители: Васин С.М., Гамидуллаева Л.А., Деев М.В., Колесников И.Н., Маслов В.А., Парыгин Д.С., Финогеев А.Г.

Цель проекта – развитие подхода к проактивному мониторингу событий в урбанистической среде умного города на основе сбора, консолидации и анализа больших сенсорных данных, предиктивного моделирования и оценки ситуаций с целью прогноза возможных негативных трендов развития событий и поддержки принятия решений для снижения рисков происшествий и нештатных ситуаций, повышения безопасности жизнедеятельности человека.

Задачи проекта:

1. Разработка концепции и методологии проактивного мониторинга событий в территориально-распределенных системах урбанистической среды на основе сбора, консолидации и предиктивного анализа больших данных о нештатных ситуациях и авариях с целью выявления возможных причин и факторов влияния для прогностического моделирования и оценки рисков возникновения и развития негативных событий.

2. Разработка методов сбора и обработки больших данных (текстовой информации, фотографий, видеороликов, телеметрической информации) о критических событиях, авариях и нештатных ситуациях на участках инженерных коммунальных сетей и дорожно-транспортной инфраструктуры города. В качестве основных источников данных о событиях выбраны сенсорные устройства (датчики загрязнения воздуха, охранно-пожарные системы оповещения, погодные станции, фоторадарные комплексы фото и видеофиксации дорожно-транспортных происшествий (ДТП), камеры видеонаблюдения и т.п.), а также открытые источники информации в сети Интернет и мобильные средства связи пользователей.

3. Разработка модели и метода обеспечения информационной безопасности для защиты больших сенсорных данных в распределенном информационном ханилище на сенсорных и мобильных узлах сбора данных и в каналах связи телекоммуникационной среды в процессе сбора, передачи и хранения на основе технологий распределенного реестра (блокчейн).

4. Разработка метода консолидации больших разнородных данных о критических событиях, авариях и нештатных ситуациях с разными временными и геопространственными метками, включая исключение дубликатов, подтверждение достоверности, очистку информационного шума, формализацию в виде векторных и графовых моделей, классификацию и кластеризацию в пространстве признаков и факторов влияния, сбор статистик, ретроспективный анализ для установления корреляций с аналогичными происшествиями в прошлом (паттернами событий).

5. Разработка метода представления консолидированных данных о критических событиях, авариях и нештатных ситуациях в виде временных рядов динамики изменения характеристик событий и метода синтеза временных рядов динамики изменения возможных факторов влияния. Временные ряды характеристик событий и факторов необходимы для сравнительного и предиктивного анализа с целью выявления корреляций и скрытых закономерностей влияния факторов на риски появления и развития аналогичных событий в будущем.

6. Разработка метода сравнительного анализа (бенчмаркинга) временных рядов характеристик событий с временными рядами факторов влияния для определения возможных корреляций между ними, отбора и оценки чувствительности и степени влияния факторов на возникновение аварий и нештатных ситуаций.

7. Разработка предиктивной модели для прогностической оценки рисков возникновения и развития аналогичных критических событий, аварий и нештатных ситуаций на участках инженерных коммунальных сетей и дорожно-транспортной инфраструктуры города.

8. Разработка способов визуализации результатов проактивного мониторинга с геопространственной и временной привязкой на мобильных средствах связи для помощи пользователям и лицам, принимающим решения (ЛПР) для обеспечения безопасности в урбанистической среде Smart City.

Ожидаемые результаты проекта:

1. Разработка метода консолидации больших разнородных данных с разными временными и геопространственными метками, включая исключение дубликатов, подтверждение достоверности, очистку информационного шума, формализацию в виде векторных и графовых моделей, классификацию и кластеризацию в пространстве признаков и факторов влияния, сбор статистик, ретроспективный анализ для установления корреляций с аналогичными происшествиями в прошлом (паттернами событий).

2. Модель обеспечения информационной безопасности для защиты больших сенсорных данных в распределенном информационном хранилище на сенсорных и мобильных узлах сбора данных и в каналах связи телекоммуникационной среды в процессе сбора, передачи и хранения на основе технологий распределенного реестра (блокчейн).

3. Метод обеспечения информационной безопасности для защиты больших сенсорных данных в распределенном информационном хранилище на сенсорных и мобильных узлах сбора данных и в каналах связи телекоммуникационной среды в процессе сбора, передачи и хранения на основе технологий распределенного реестра.

4. Методика представления информации о событиях в виде временных рядов характеристик событий и временных рядов динамики возможных факторов для оценки рисков возникновения и развития негативных событий, определения корреляций с рядами факторов и закономерностей их влияния.

Область применения.

Результаты могут применяться в качестве инструментальных средств для внедрения и развития технологий Smart City, Smart Manufacturing и цифровой экономики в рамках четвертой промышленной революции (Industry 4.0). Разработка методов и моделей проактивного мониторинга с использованием технологий интеллектуального анализа больших данных, предиктивного анализа временных рядов и машинного обучения определяет научную и практическую значимость проектных исследований. Общественная и социальная значимость проекта определяется тем, что результаты проекта предназначены для обеспечения безопасности жизнедеятельности человека в урбанистической среде.