Формирование и развитие концепции мониторинга городской среды с применением искусственного интеллекта

Искусственный интеллект внедряется во все сферы деятельности человека и становиться неотъемлемой частью мониторинга городской среды. Цифровые инновационные технологии в управлении городской средой, позволяют производить контроль транспортной системы, энергетической структу- ры, управлять системой видеонаблюдения города, а также контролировать все строительно-ремонтные мероприятия производимые на территории города.

В настоящее время активно развиваются не только информационные технологии во всех сферах деятельности, но и активно увеличивается, как общественный, так и личный транспорт, что требует разработки и реализации инновационных концепций, способных разгрузить городскую инфраструктуру. Концепции основанные на инновационных технологиях с внедрением искусственного интеллекта, позволят в ближайшем будущем в значительной степени реорганизовать структуру управления городскими территориями и сделать города более комфортными для проживания населения. Мониторинг городской территории, обработка и анализ информации с использованием инновационных технологий и разработок, позволяют принимать эффективные решения на основе полученных данных.

Цель исследования – изучение процесса применения искусственного интеллекта для формирования концепции мониторинга городской среды. В процессе мониторинга городской среды с применением искусственного интеллекта были использованы оценочные показатели, основанные на матричной структуре, так как с помощью матрицы возможно составить детальное описание всех процессов происходящих в городской среде и увидеть их взаимодействие друг с другом. Матрица, которая позволяет произвести комплексную оценку показателей пространственного развития города, строиться на основании критериальных показателях (количественных и качественных), а именно на показателях безопасности, доступности, многообразии и обеспеченности социально значимых, архитектурно-планировочная и инженерных характеристиках [1]. Матрица представлена на рисунке 1.

В зависимости от поставленных задач, будет складываться система на основании, которой будет проводиться мониторинг, а именно будет формироваться состав территориальных единиц, так как если стоит задача произвести экспресс мониторинг необходимо ориентироваться на более крупные единицы, такие как административные районы. В целях исследования и составления наиболее подробного отчета территории, необходимо использовать более мелкие территориальные единицы [2].

Правительство РФ активно поддерживает внедрение инновационных технологий в городскую инфраструктуру, стимулируя создание и развитие отечественных разработок. Инновационные технологии с применением искусственного интеллекта в основном сегодня применяются в области CV («компьютерного зрения» или «машинного зрения») и NLP (обработка естественного языка) [3].

Характеристики систем

Пространственные системы

Архитектурнопланировочная	Охрана       _                            т               Природно Социальная    Инженерная Транспортная НАСЛЕДИЯ                                                  ЭКОЛОГИЧЕСКАЯ
Доступность	В2       ВЗ       В4       В5       Вб       IB
Обеспеченность	С2       СЗ       С4       С5       С6       IС
Безопасность	D2      D3      D4      D5      D6      ID
Многообразие	Е2        ЕЗ        Е4        Е5        Е6       IE
11	12      13      14      15      16

Рис. 1. Матрица оценки комплексных показателей пространственного развития

Экология и чистый воздух, в формировании эффективной концепции управления городской средой, является неотъемлемой составляющей и основывается на применении искусственного интеллекта [4]. В процессе мониторинга и исследования воздуха на территории города для получения достоверных данных, предлагается использовать инновационные датчики AirVisual мировой системы мониторинга, объединенной с государственными станциями и спутниками, которые позволяют фиксировать данные о концентрации и наличии вредных веществ в воздухе и в реальном времени производить обработку полученных данных, что в значительной степени позволило бы ускорить процессы негативно влияющие на экологию города [5].

В создании эффективной концепции мониторинга городской среды с применением искусственного интеллекта, необходимо руководствоваться не только проведением анализа по получению данных о состоянии воздуха, но разрабатывать оптимальные меры и способы учета отходов, технологии по переработки и утилизации мусора, прорабатывая маршруты транспорта (мусоровозов), что в значительной степени так же позволит сократить транспортную нагрузку и обеспечить экологическую чистоту города [6].

Материалы и методы исследования

Искусственный интеллект выступает в большей степени, как аналитическая составляющая в концептуальной системе обработки данных полученных с помощью инновационных разработок и технологий. В сборе данных при провидении мониторинга городской среды задействована экосистема, основанная на взаимодействии человека и инновационных технологий способных осуществлять взаимную и непрерывную связь в передаче, анализе, обработке, объединении в случаи необходимости полученной информации для высокой результативности выходных данных [7].

Важными и очень значимыми составляющими в процессе мониторинга городской среды, являются мониторинг дорог с использованием автомобилей с IoT, т.е. автомобили оснащенные датчиками связанными с программным обеспечением, которые могут отслеживать пробки, предотвращать аварийные ситуации, оповещать заранее о наличии светофоров и их работе и пере- давать данные сопоставимые с инфраструктурой города в онлайн режиме в городские службы. При получении информации с IoT (датчиков) в автоматическом режиме меняется работа светофоров при необходимости разгрузки перекрестков, городскими службами производиться анализ полученных данных и разрабатывается стратегия дополнительного дорожного пространства для общественного транспорта и экстренных служб, что в значительной степени позволяет улучшить качество дорожного движения в городе и разгрузить основные дороги.

Исследование и анализ зданий и сооружений города на сегодняшний день стало более эффективным благодаря видеоаналитике, инновационной технологии основанной на применении БПЛА со встроенными датчиками способными осуществлять мониторинг и фиксацию дефектов, как построенных, так и строящихся зданий и сооружений. После сбора информации происходит обработка полученных данных с помощью искусственного интеллекта, т.е. нейросеть уже производит аналитическое заключение о состоянии объекта [8]. Так как беспилотные летательные аппараты, оснащенные специальными датчиками могут осуществлять видеонаблюдение и сбор необходимой информации для проведения исследований в труднодоступных местах, то сокращается не только время на проведение данного вида исследования, но и затраты на их проведение [9]. ИИ используется также и для сегментации полученных изображений, в том числе для выделения зон застройки и водных объектов. Это задача семантической сегментации т.е. происходит классификация каждого пикселя в зависимости от того, какой объект на нём изображён [10]. Семантическая сегментация имеет свойство разделения объектов по их назначению, не объедения их в единую структуру, что является правильным и позволяет определить не только их смысловое значение и разделить на области и границы [11]. Сегментация с применением искусственного интеллекта изображена на рисунке 2.

Для сегментации изображений с помощью ИИ применяются следующие методы:

• •    Свёрточные нейронные сети. Преобразуют входное изображение в многомерное представление признаков, а развёрточная сеть создаёт сегментированное изображение на основе признаков, полученных от свёрточной сети [12].

  

  Рис. 2. Сегментация с применением искусственного интеллекта

  
  

• •    Двухэтапные методы. Сначала необходимо обозначить определенную зону, которую необходимо исследовать покрыв ее нейронным слоем, а также можно использовать поисковые системы основанные на селективной составляющей и позволяющие определять структуру объекта внутри той зоны которая подлежит обследованию. На втором этапе выбранные регионы рассматриваются классификатором для определения принадлежности исходным классам и регрессором, уточняющим местоположение ограничивающих рамок [12].

• •    Подходы, основанные на регионах. Например, R-CNN (Region-based Convolutiona lNetwork) – алгоритм, который на первом шаге находит селективным поиском «регионы» и на втором этапе рассматривает их классификатором.

Результаты исследования и их обсуждение

Искусственный интеллект обучают на большом количестве данных, где каждый пиксель имеет свою метку. В ходе проведенного исследования было установлено, что необходимо применять алгоритм основанный на сопоставимых данных с заложенным правильным ответом для каждой сегментационной задачи [13]. Благодаря структуре взаимодействия параметров в нейрон- ной сети все данные, которые поступают на обработку проходят отбор, через сравнительные характеристики и приведением к верному результата согласно требуемым параметрам. Сеть считается обученной, когда ошибка сравнения равна нулю или соответствует предельно допустимому значению ошибки [14].

Областью для применения ИИ в целях сегментации изображений, как правило выступают геоинформационные технологии и работа со спутниковыми снимками. Для того чтобы создать детализированную карту города необходимо сделать слои в ГИС системе с выделением всех значимых объектов и произвести анализ тех объектов и зон, которые были выделены, что в свою очередь позволяет осуществить мониторинг и выявить зоны, которые имеют природное значение, увидеть изменения границ и линий. А также производиться анализ данных полученных при помощи воздушного лазерного сканирования

Для успешной реализации и внедрения искусственного интеллекта во все системы мониторинга городской среды, необходимо создать сетевую базу данных инфраструктуры города и обучить искусственный интеллект, на основании последовательного алгоритма взаимодействия информационных составляющих.

Проблемы, возникающие при применении ИИ

Проблема	Описание	Последствия
Недостаточная квалификация кадров	Не хватает специалистов, способных работать с системами ИИ и понимать их возможности	Снижение эффективности использования ИИ
Недостаточная прозрачность алгоритмов ИИ	Непонятно, как именно принимаются решения системами ИИ, что вызывает недоверие у населения	Риск дискриминации и нарушения прав граждан
Отсутствие единой государственно платформы ИИ	Разрозненные системы ИИ не могут эффективно взаимодействовать друг с другом	Снижение эффективности работы государственных органов
Недостаточное финансирование	Не хватает средств на разработку, внедрение и поддержку систем ИИ	Снижение темпов развития ИИ в городском управлении
Низкая кибербезопасность	Системы ИИ могут быть подвержены хакерским атакам	Утечка данных, нарушение работы государственных систем
Неготовность общества к ИИ	Часть населения не готова к использованию ИИ в городском управлении	Сопротивление внедрению ИИ
Недостаточная квалификация кадров	Не хватает специалистов, способных работать с системами ИИ и понимать их возможности	Снижение эффективности использования ИИ
Недостаточная прозрачность алгоритмов ИИ	Непонятно, как именно принимаются решения системами ИИ, что вызывает недоверие у населения	Риск дискриминации и нарушения прав граждан
Отсутствие единой государственно платформы ИИ	Разрозненные системы ИИ не могут эффективно взаимодействовать друг с другом	Снижение эффективности работы государственных органов
Недостаточное финансирование	Не хватает средств на разработку, внедрение и поддержку систем ИИ	Снижение темпов развития ИИ в городском управлении
Низкая кибербезопасность	Системы ИИ могут быть подвержены хакерским атакам	Утечка данных, нарушение работы государственных систем
Неготовность общества к ИИ	Часть населения не готова к использованию ИИ в городском управлении	Сопротивление внедрению ИИ

Но не менее важным для реализации концепции мониторинга городской среды с использованием искусственного интеллекта является законодательная база, которую необходимо полностью пересматривать и расширять [15]. Существует ряд проблем, которые возникают в процессе применения искусственного интеллекта и основные из них представлены в таблице.

Ряд проблем, которые возникают в процессе внедрения искусственного интеллекта в значительной степени тормозят развитие инновационных технологий и их решение в более короткие сроки способствовало бы развитию городской инфраструктуры и развитию экономики страны в целом. Для этого необходимо развивать национальные кадры, производить обучение населения, осуществлять необходимое финансирование в установленные сроки и согласно требуемому объему. Представленные показатели позволят расширить область деятельности во многих сферах, в значительной степени снизить ошибки и минимизировать уровень затрат, а также выйти на новый уровень по развитию искусственного интеллекта, но и стать лидером среди многих стран в данной области[16].

Концепция мониторинга городской среды должна включать инновационную модель города с применением искусственного интеллекта, который будет способен осуществлять сбор, анализ, обработку и управление проанализированными данными. Информационный поток внешних данных основанный на интерактивных составляющих будет играть основную и самую главную роль в получении точных данных с наименьшими погрешностями, что благоприятно будет сказываться на концептуальных показателях.

Заключение

Предложенные инновационные технологии, в основе которых искусственный интеллект позволят сформировать интегрированные системы, которые будут способствовать правильному, безопасному и эффективному использованию территории города, а также повышению комфортности жизни граждан. На основании предложенной концепции мониторинга городской среды, можно предпо- ложить, что гармоничное и благоприятное взаимодействие всех отраслей, позволит создать наиболее современную структуру безопасного и удобного города.