Тема умных городов в последние годы стала одной из самых обсуждаемых на всех ИТ-мероприятиях и, пожалуй, превзошла по популярности даже недавних фаворитов: большие данные и блокчейн. Возможно, причина кроется в том, что довольно футуристичные выгоды от этих технологий меркнут перед реальным бенефитами, которые уже приносит наиболее понятная составляющая умного города – умный транспорт.

Очевидные выгоды умного транспорта

Жители городов, где создана интеллектуальная транспортная система или внедрены какие-то ее элементы, могут собственными руками пощупать и на собственном опыте ощутить изменения в транспортной ситуации в целом и в работе общественного транспорта в частности. Проверить с помощью мобильного приложения или посмотреть на табло, когда подойдет нужный автобус, выбрать удобный способ оплаты проезда и наиболее выгодный тариф. Заранее найти свободное место на парковке и оплатить ее не только наличными, но и картой, мобильным телефоном и т.д. Видеть, как после появления на дорогах камер, фиксирующих нарушения правил дорожного движения, водители становятся все более аккуратными и вежливыми. Разве все эти понятные и приносящие очевидную пользу решения могут остаться незамеченными?

Понятно, что в зависимости от масштабов и финансовых возможностей города или региона интеллектуальная транспортная система может создаваться в нем быстрее или медленнее. Существенно отличается также список составляющих. Однако в любом случае появление даже отдельных элементов этой системы практически сразу делает город более удобным и привлекательным не только для его жителей, но и для гостей.

Интеллектуальная транспортная система Москва

Источник: ЦОДД Москвы, 2019

Наиболее полный вариант ИТС сегодня используется, пожалуй, только в Москве, где система создается с 2011 года. Ее внедрение в столице во многом было вынужденным шагом – город задыхался от пробок, росло число дорожно-транспортных происшествий, а общественный транспорт уже явно не справлялся с числом пассажиров.Появление интеллектуальной транспортной системы дало возможность оптимизировать работу светофоров и общественного транспорта, запустить автоматическую фиксацию нарушений ПДД, организовать платные парковки и ограничить въезд в определенные зоны города, выделить полосы для движения автобусов, троллейбусов и так далее, запустить онлайн мониторинг дорожной ситуации и систему информирования о ней, сделать удобной процедуру оплаты проезда, парковок и многое другое.

На сегодняшний день, согласно данным Центра организации дорожного движения, в состав столичной ИТС входит около 40 000 светофоров, 3700 детекторов транспорта, 2700 камер телеобзора, 48 метеостанций, более 2000 комплексов фотовидеофиксации и более 170 дорожных информационных табло. Для управления интеллектуально-транспортной системой создан самый современный в Европе Ситуационный центр. Кроме того, ИТС – это еще и каналы связи, система передачи данных, программное обеспечение и система обеспечения информационной безопасности. По данным ЦОДД, благодаря внедрению ИТС число погибших в ДТП в столице за последние 10 лет сократилось в 2 раза, а средняя скорость движения в часы пик, несмотря на рост числа автомобилей, увеличилась на 16% за последние 7 лет.

Компоненты ИТС

Одним из самых эффективных компонентов интеллектуальной транспортной системы являются умные камеры. К тому, что они фиксируют превышение скорости и соблюдение правил парковки, водители уже привыкли. Однако постепенно список их умений расширяется. Не так давно в Москве появились камеры, которые присылают штрафы за езду по выделенной полосе или по обочине, перестроение из ряда в ряд через сплошную линию, непропуск пешеходов на «зебре», выезд на вафельную разметку или за стоп-линию, проезд на красный сигнал светофора.

Кроме того, камеры уже научили определять водителей, ездящих без ОСАГО и не прошедших техосмотр. А в следующем году в России заработает единая база данных, которая позволит ГИБДД находить машины с одинаковыми номерами, которые часто используют мошенники, а также выявлять водителей, которые не платят за езду по платным дорогам.

Еще одна важная составляющая – датчики интенсивности дорожного движения и датчики ГЛОНАСС, установленные на городском транспорте. Вместе с камерами фото- и видеофиксации они дают возможность получить наиболее полную картину транспортной ситуации на дорогах – оценить интенсивность движения, скорость автомобилей, выявить проблемные участки и места, где чаще всего происходят аварии или возникают заторы. И конечно, сообщить пассажирам, когда придет нужный им автобус.

Все более востребованным становятся комплексы весогабаритного контроля. Их актуальность в нашей стране весьма велика - наверное, уже вся страна знает про мост на Софийской улице в Санкт-Петербурге, где регулярно застревают «Газели» несмотря на то, что перед въездом под него установлены 4 предупреждающих знака и плакат. Ограничения по весу и габаритам существуют и для проезда по небольшим мостам. Не говоря уже о том, что для передвижения некоторых «гигантов» по автомобильным дорогам вообще надо получать специальное разрешение.

Массовая остановка умных весов началась в 2017 году, сегодня ими оснащены дороги более чем в 17 регионах России. В 2019 году количество автоматизированных пунктов весогабаритного контроля должно достигнуть 125, в 2020 — 387. Они должны появиться на всех федеральных трассах. В дальнейшем планируется распространить опыт и на региональные дороги. По данным Росавтодора, уже первые эксперименты по использованию системы показали, что число нарушений снизилось на 17%.

Понятно, что в основе работы всех этих устройств лежит программное обеспечение на базе технологий искусственного интеллекта и машинного обучения. «Самой распространенной технологией, которая сейчас применяется в цифровом зрении, является использование нейронных сетей, – рассказывает Юлия Семыкина, продакт- менеджер программно-аппаратного комплекса «Sova-M» компании «Ситилабс». – На бытовом уровне обучение нейронных сетей схоже с обучением человека. На вход подаются фотографии с определенным признаком, сеть их запоминает и может найти среди других изображений. Машины, грузовики, лица людей — объекты могут быть разные. Поиск, классификация, кластеризация — спектр решаемых задач многогранен, но принцип остается. Чем больше «обучающих» фотографий, тем лучше сеть работает. Мы активно используем методику дообучения, когда фотографии реальной городской среды обогащают обучающую выборку. Это позволяет нам постоянно повышать точность работы нейронной сети».

Одна из важнейших функций государства – обеспечение безопасности граждан. И здесь умный транспорт тоже приходит на помощь. Постоянное видеонаблюдение за тем, что происходит на вокзале, автостанции, в метро, а также в салонах общественного транспорта существенно снижает вероятность того, что злоумышленник сможет беспрепятственно сделать свое черное дело. Тем более, что видеокамеры становятся все более умными и уже умеют сами распознавать подозрительные лица и нештатные ситуации. Все больше возможностей появляется и у граждан – они могут быстро вызвать полицию или скорую помощь с помощью специальных колонн экстренного вызова или устройства «Пассажир-Машинист».

Данные с установленных на общественном транспорте устройств обогащенные информацией о передвижении жителей города, полученными от мобильных операторов или из единой городской системы оплаты проезда, – это бесценный источник информации, на базе которого можно планировать новые транспортные маршруты или оптимизировать уже существующие. И социальный эффект от такой оптимизации сложно переоценить.

Проблема интеграции

Очевидно, что при разработке концепции создания умного города никак не обойтись без такой важной его составляющей, как умный транспорт. Но что делать в том случае, когда отдельные элементы умного города уже созданы? Всегда ли их можно интегрировать с новыми решениями? И что для этого необходимо?

«От взаимообогащения разных информационных контуров появляются новые эффективные решения, определяющие перспективы развития умных городов. Грамотная интеграция компонентов в конечном итоге будет стимулировать повышение качества жизни, комфортности городской среды, управления различными отраслями городского хозяйства при сокращении потребления ресурсов, – говорит Федор Жерновой, директор «Фабрики информационных технологий». – Например, обработка неструктурированных данных и принятия решений с помощью искусственного интеллекта, машинное обучение необходимы для создания умных систем управления дорожно-транспортной инфраструктурой, включающей управление трафиком, умные светофоры и распределение автомобилей по парковкам. Именно поэтому комплексная интеграция и сквозные технологии должны быть обязательны при разработке проектов умных городов.