Город становится умным, когда городской средой начинают управлять информационные и коммуникационные технологии. Им можно доверить разные аспекты городской жизни: транспорт, коммунальные системы, энерго- и водоснабжение, школы и больницы и многое другое.
Технически системы умного города состоят из четырех элементов. Первый — это системы, которые получают информацию из окружающей среды: видеокамеры, датчики, счетчики. Они могут быть любыми и собирать, например, информацию о состоянии зданий или дорог, о пешеходных походах или содержании каких-нибудь загрязнителей в воздухе.
Второй элемент умного города — телекоммуникационная инфраструктура, которая позволяет передавать информацию от датчиков к вычислительным центрам, где эта информация анализируется. Третий элемент — это те самые вычислительные центры, компьютеры, где информация хранится и анализируется и откуда к городским устройствам — четвертому элементу — могут передаваться, например, команды, хотя это необязательно.
Информация при этом может быть любой, в зависимости от конкретной задачи; принципиальная схема умного города не меняется, когда система мониторит состояние воздуха, регулирует трафик или ставит задачу снизить потребление электроэнергии.
Первые эксперименты с умными системами в городах начали ставить в конце 2000-х: в 2008 году исследованиями в рамках программы Smarter Cities занялась компания IBM, через год к ней присоединился американский холдинг Cisco с экспериментом Connected Urban Development. В последующие годы в рамках этих программ было реализовано несколько громких проектов — например, оптимизация движения контейнеров в порту Гамбурга и новые системы регулирования дорожного движения для Амстердама, Сан-Франциско и Сеула.
В основе технологий для умного города лежат достижения самых разных фундаментальных и прикладных наук. Например, развитие умных городов невозможно без повсеместного внедрения умных устройств, оснащенных компактными компьютерами. А возникновение современных компьютеров было бы невозможно без развитой полупроводниковой техники, которая появилась благодаря достижениям в области физики полупроводников, а та, в свою очередь, обязана своим развитием квантовой механике.
Для эффективной работы большого числа компьютеров необходимы алгоритмы, наличием которых мы обязаны информатике. Можно выделить алгоритмы на основе быстрого преобразования Фурье; оно позволяет быстро, по сравнению с прямолинейным вычислением, раскладывать сигналы на частотные составляющие. Быстрое преобразование Фурье используется в приемниках и передатчиках для перевода сигналов из временной области в частотную и обратно; при анализе и обработке изображений — к примеру, для применения фильтров; при сжатии звука; при вычислении распределения случайных величин и так далее.
Для систем умного города также важны и технологии искусственного интеллекта, в том числе машинное обучение. Оно в умных устройствах используется повсеместно: для распознавания образов, речи, текстов, для предсказания величин и многого другого. С развитием инфокоммуникационных технологий и накоплением больших объемов данных область применения методов машинного обучения будет расти.
Умные города невозможны без эффективных систем связи, а их нельзя представить без современных методов помехоустойчивого кодирования. В основе этих методов лежит теория информации, историю которой отсчитывают с 1948 года — от статьи американского ученого Клода Шеннона «Математическая теория связи». Теория информации опирается на теорию вероятностей и математическую статистику.
Вообще, методы теории вероятностей очень широко применяются при разработке и анализе решений для систем связи. Так, они используются в теории множественного доступа, в которой исследуются способы организации доступа устройств к общему каналу связи, например к беспроводному каналу. Значительный вклад в развитие теории множественного доступа еще в 1970–1980-е годы внесли такие ученые, как Леонард Клейнрок, Роберт Галлагер, и советские ученые, в частности Борис Цыбаков, сотрудник Института проблем передачи информации РАН: он создал наиболее эффективный алгоритм случайного множественного доступа, и этот результат не превзойден до сих пор.
Стоит упомянуть и теорию массового обслуживания (ТМО) — раздел теории вероятностей, в котором исследуются свойства очередей при заданных потоках заявок на входе и заданной политике обслуживания очереди. ТМО существует уже более ста лет. Ее автором считается датский инженер Агнер Эрланг, который анализировал работу телефонных линий; большой вклад в развитие ТМО внес и советский математик Александр Хинчин. Эта теория до сих пор развивается и активно применяется, например, для исследования систем 5G.
В проекте Connected Urban Development изначально участвовали три города: Амстердам, Сан-Франциско и Сеул. Выбор городов во многом определила их готовность перейти на передовую технологию связи 4G. Этот стандарт мобильной связи позволил некоторым городам «поумнеть», но для масштабного развертывания умных систем связи 4G не хватало емкости.
Новый стандарт 5G соединяет в одной сети на три-четыре порядка больше устройств, чем делал его предшественник, поэтому именно с 5G связаны надежды на массовое разворачивание городского интернета вещей — сети, в которой данными обмениваются не только люди-пользователи, но и устройства, а их количество может достигать десятков миллионов. Кроме прочего, сети 5G будут поддерживать сверхнадежную связь с низкими задержками, то есть порядка одной тысячной секунды. Это важно для управления объектами городской инфраструктуры в реальном времени.
Впрочем, не обязательно выводить все устройства умного города в «большой» интернет. Многие датчики могут общаться друг с другом по отдельным радиоканалам. Это снижает нагрузку на мобильную сеть и в некоторых случаях оказывается надежнее. Такие сети называются сенсорными, и для создания умного города они тоже важны.
Собранные в городе данные нужно обрабатывать, выделять из них полезную информацию — например, обрабатывать данные с камер и определять, где в городе возникают пробки, — и принимать на основе этой информации решения. Для каждой конкретной задачи нужен свой искусственный интеллект.
Автомобильный трафик и его проблемы — очевидное применение умных систем; давно понятно, что с помощью датчиков и анализа данных можно по крайней мере отчасти разгрузить дороги, справиться с пробками, решить проблемы с парковками, снизить частоту ДТП.
В Москве уже работают умные светофоры, снабженные приемопередающими устройствами, которые позволяют им связываться с центральным контроллером. Центральный контроллер принимает решения на основании данных (в основном с видеокамер). Отдельные системы анализируют видео, распознают автомобили на дороге, оценивают плотность транспортного потока. Впрочем, не все ограничивается камерами. В подобных системах могут использоваться и датчики в дорожном покрытии — те, что определяют, какие машины над ними проезжают и с какой скоростью.
Умный светофор может повышать пропускную способность транспортной сети, сокращать время простоя на пустых дорогах, балансировать потоки; они могут открывать «зеленую улицу» машинам скорой помощи или пожарной службы, спасателям.
Другое популярное применение умных систем в городском транспорте — мониторинг парковок. Количество парковочных мест они не увеличивают, но информируют водителя о том, где есть свободные места, — например, обновляют карту, доступную через мобильное приложение. Данные на местах в таких системах собирают простые датчики, которые сообщают, занято место или нет.
Но по-настоящему проявить себя умные транспортные сервисы смогут тогда, когда на дорогах появится значительное количество беспилотных автомобилей. Став частью городского интернета вещей, бортовые компьютеры беспилотников будут общаться друг с другом по технологии vehicle-to-vehicle communication [2], передавать важную информацию, например о том, что впереди авария, ремонт или пешеход.
Автомобили могут быть совсем рядом, а до ближайшей базовой станции, через которую транслируется сигнал сотовой связи, может быть несколько сотен метров, поэтому связь vehicle-to-vehicle по определению надежнее и быстрее передачи данных по мобильной сети. Сейчас для такого обмена данными разрабатывают интересные решения; некоторые из них позволяют создавать умные кортежи автомобилей, в которых машины следуют друг за другом в автоматическом режиме. Благодаря автоматическому управлению можно уменьшить, например, расстояние между автомобилями и снизить нагрузку на дороге.
Другие решения позволяют оптимизировать движение на перекрестках — скажем, устроить так, чтобы пересекающиеся автомобильные потоки проезжали друг сквозь друга. Это может сильно сократить пробки в «узких горлышках».
Главные требования к умным системам в транспорте — надежность и скорость реакции, от них зависит безопасность. Даже маленькая задержка сообщения о том, что нужно остановиться, может стоить человеческих жизней, поэтому сейчас для нее разрабатывают протоколы сверхнадежной связи с низкими задержками. Для применения в городском транспорте сети связи должны обеспечивать задержку порядка миллисекунды с надежностью 99,9999% [3].
Такие показатели кажутся невероятными, но еще несколько лет назад невозможно было представить себе, к примеру, возможность смотреть потоковое видео, сидя в скоростном поезде. Сейчас пассажиры «Сапсанов» смотрят ролики онлайн, и задержки случаются только в районах, где покрытия сети нет вообще. Поэтому специалисты считают, что появление сверхнадежных сетей с миллисекундной задержкой — вопрос нескольких лет.
По-настоящему перспективное применение умных систем в этой сфере связано скорее с распределением электроэнергии, вырабатываемой разными источниками: большими станциями, дающими ток в городскую сеть, и маленькими частными генераторами, например солнечными батареями. Энергию из разных источников можно направлять туда, где она больше всего нужна. В некоторых проектах владельцы небольших генераторов получают оплату за киловатты, которые отдают городу, и могут рассчитывать на подключение к общей сети, если свой источник электроэнергии выйдет из строя. В обмен город получает резерв электроэнергии для плановых и внеплановых отключений, а вся система расходует энергию эффективнее и снижает потери при передаче энергии.
Но и в таких городах, как Москва, где почти вся потребляемая энергия вырабатывается на больших электростанциях, есть место умной оптимизации. Самый очевидный и давно применяемый ее компонент — умные счетчики электроэнергии — собирают информацию об энергопотреблении отдельных домохозяйств и предприятий и позволяют предсказывать пики и спады потребления и, соответственно, планировать производство. Кроме очевидной экономии такая оптимизация может дать и сокращение выбросов вредных газов, если город получает электроэнергию от газовой или угольной электростанции.
Если когда-нибудь умным приборам полностью доверят управление энергосистемами больших городов, придется позаботиться о безопасности, в том числе продублировать все системы. Самые надежные цифровые приборы могут выйти из строя, поэтому будущие умные электросети будут, вероятно, иметь классические аналоги на случай отказа электроники.
Если мы хотим получать информацию о городе как об экосистеме или защищать природные объекты в городе, умные системы могут оказаться большим подспорьем.
С помощью датчиков, передающих данные по беспроводному каналу в центральный центр обработки данных, можно следить за чем угодно. Можно мониторить содержание вредных соединений в водоемах и получать оповещения, когда значения приближаются к пороговым. Можно измерять содержание загрязнителей в воздухе с помощью датчиков, встроенных в неподвижные объекты городской инфраструктуры (в Барселоне использовали фонари, а в Майами — скамейки). Можно размещать сенсоры в подвижных объектах, чтобы одним датчиком собирать данные из разных точек: в Дублине всего 30 велосипедов, оборудованных датчиками, создали карту загрязненности воздуха за трое суток.
Умный полив, позволяющий экономить воду и электричество, возможен при использовании датчиков влажности почвы. Можно следить за охраняемыми территориями с помощью камер или датчиков движения, а при нежелательных визитах автоматически отправлять сообщения в соответствующие службы.
Технических препятствий, которые мешали бы созданию таких систем, уже нет: есть все нужные датчики, алгоритмы, системы обмена данными. Препятствием к распространению умного экомониторинга остается стоимость датчиков. В некоторых случаях их использование может помочь бизнесу сэкономить, и тогда вложения в датчики и другие расходы на поддержание умной системы окажутся оправданы.
Одним из выгодных для бизнеса вариантов умного мониторинга может быть система датчиков заполнения в мусорных баках. Сейчас мусоровозы объезжают баки по расписанию и не всегда приезжают в самый подходящий момент; бак может быть давно переполнен или, наоборот, заполнен не до конца.
Датчики, сообщающие о заполнении бака в центр, и алгоритм, который учитывает эти данные и составляет для мусоровозов оптимальные маршруты, могли бы сократить транспортные расходы мусорных операторов. Уже существуют готовые решения — прочные, надежные датчики, как российские, так и зарубежные. Технически в этом нет ничего сложного, и развитие технологии ограничивает скорее экономика. Прежде чем вложиться в систему, мусорный оператор должен понять, куда отправлять собранные данные, где их хранить и обрабатывать.
Это касается всех систем умного города, использовать которые собираются организации, не имеющие отношения к IT. У экологов или, например, малого бизнеса может не быть собственных мощностей, для того чтобы хранить и обрабатывать данные, следить за их безопасностью. Поэтому по мере развития появятся специальные сервисы: дата-центры, облачные сервисы, которые будут предоставлять услуги хранения и обработки данных умного города. Это упростит и защиту данных.
Получается, что цифровые решения в сфере обращения с отходами находятся сразу в двух плоскостях: логистики и учета. При их грамотном применении можно влиять не только на качество оказываемых услуг и экологическую обстановку, но и на тариф.
Умные системы могут снижать потребление электроэнергии и в целых городах, и в отдельных зданиях. Энергосбережение, пожалуй, самое очевидное направление оптимизации офисов и предприятий. Реализация здесь выглядит так же, как в городе: датчики включают свет (воду, отопление, кондиционеры) там, где есть люди, и выключают в тех помещениях, где никого нет. Некоторые существующие системы работают в полуавтоматическом режиме — скажем, управляются через веб-страничку или мобильное приложение. Другие мониторят состояние помещений и управляют техникой самостоятельно.
Еще одно очевидное применение умных систем — автоматизация производства: если для каких-то однообразных, простых операций вам нужны люди-операторы, то велик шанс, что эти операции можно передать автоматике, получающей команды от компьютера, который анализирует данные с ряда сенсоров. Требования к таким системам выше, чем к тем, что экономят электроэнергию в бизнес-центрах: тут нужна и защита данных, и та же сверхнадежная связь с низкой задержкой, о которой мы говорили в главе про транспорт.
Устройства на предприятии или в офисе с большой вероятностью общаются друг с другом через Wi-Fi. Современных технологий передачи данных по этим сетям может оказаться недостаточно. В городе, где устройств и сигналов много, понадобятся новые, более емкие протоколы, и сейчас они разрабатываются. Много надежд связывают с технологией неортогонального множественного доступа (non-orthogonal multiple access, или NOMA), которая позволяет устройствам одновременно передавать и принимать сразу несколько сигналов на одинаковых частотах. В будущем NOMA можно будет внедрить в новые поколения технологии Wi-Fi и в технологии сотовых сетей для повышения емкости сетей.
Массовая оптимизация производств, перевод промышленности на умные рельсы еще не начался — отчасти по технологическим, отчасти по экономическим причинам. Для того чтобы внедрение умных систем было выгодным, они должны экономить больше ресурсов, чем уходит на их покупку и обслуживание. Поэтому сейчас на рынке есть тренд на новые, более дешевые, но не менее производительные устройства, с компактными, но производительными компьютерами.
Но дело не только в компьютерах: значительную часть стоимости устройств составляют аккумуляторы. В идеале автономные датчики можно будет просто «посеять», наладить связь с центральными узлами — и забыть об обслуживании самих датчиков на несколько лет. Для этого аккумуляторы должны стать долговечнее — это задача для физиков и материаловедов. Программистам и математикам же предстоит создать экономичные алгоритмы и технологии передачи данных, которые требуют минимальных энергетических затрат.
Для того чтобы больше предприятий перешли на умные решения, должны также появиться и некоторые программные решения, которых сейчас не хватает. Чтобы передавать данные внутри городского или производственного интернета вещей, необходимо защищать данные — шифровать их прямо на устройстве сбора данных. Иногда это диктуют соображения безопасности, иногда — закон, чаще всего и то и другое. Но шифрование — задача, требующая немалых вычислительных ресурсов, поэтому на этом моменте возникает конфликт между желанием делать как можно более простые и недорогие датчики и в то же время устройства, достаточно мощные для криптографии.
Решить эту проблему должны экономичные с точки зрения вычислительных ресурсов алгоритмы шифрования, или облегченных шифров. Разработчики облегченных шифров, в отличие от специалистов по обычной криптографии, все время балансируют между безопасностью шифра, производительностью и стоимостью устройства. Поэтому задача создания облегченных алгоритмов часто оказывается в некотором смысле сложнее обычной криптографии: в ней больше вызовов и ограничений. Но без ее решения невозможен защищенный интернет вещей, а значит, и весь умный город.
Также для развития умного города необходима работа с населением. Нужно демонстрировать людям пользу новых технологий, показывать, как их использование позволит сделать жизнь в городе более комфортной, эффективной и безопасной. Это важно, потому что существует часть населения, которая с недоверием относится ко всему новому и может тормозить внедрение технологий умного города.
Источник:postnauka.ru