“Умная планета” – как это сделано?

Куприяновский В.П., Esri CIS (vpkupriyanovsky@gmail.com, vk@esri-cis.ru)
Мартынов Б.А., IBM (martynov@ru.ibm.com)
Корнильев К.Г., IBM (kirill_korniliev@ru.ibm.com)

«Smart Planet» – how is it done?

Естественно, что сегодня необходимо понять, какие существуют смарт-решения. Безусловно, в первую очередь, это то, что обслуживает города, то есть структурные компоненты “умных” (smart) городов. Конечно, это автодороги (интеллектуальные транспортные системы), электрические сети (Smart Grid, Smart Metering), системы газо- и водоснабжения (“умная” вода, “умный” газ). Начиная с 2008 года, число объектов инфраструктуры, подключённых к сети интернет, превысило количество интернет-пользователей, и эта цифра к 2020 г. достигнет 50 млрд.! Теперь мы можем взаимодействовать не только с содержимым веб-сайтов, но и с реальными объектами.

Впервые мы получили возможность жить в «умных» городах, напичканных всевозможными сенсорами, которые помогают нам улучшить наш образ жизни, и машинами, которые «разговаривают» с другими машинами на понятном им языке. В результате люди и объекты перешли в интернет, добавляя новые слои данных и функциональностей. Привычный «виртуальный» интернет, который мы знали, становится более «физическим», чем когда-либо. Мы вступили в эру «Интернета Вещей».

Теперь мы можем собирать данные повсеместно и обо всем: о нашей окружающей среде, инфраструктуре, предприятиях и даже о самих себе. И это огромное количество информации порождает новые экосистемы бизнес-возможностей, связанных с хранением этих данных, их анализом и предоставлением к ним доступа. Новый «Интернет Вещей» требует открытой платформы, способной взаимодействовать с различными технологиями, протоколами связи и базами сенсорных данных. По этой причине не так давно была создана первая платформа для беспроводной сенсорной сети с открытым исходным кодом, горизонтальной модульной структурой и доступная для разработчиков в проектировании и развёртывании сенсорных приложений на верхнем уровне. Эта новая платформа известна на рынке под названием «Waspmote». В течение последних 2-х лет более 2000 разработчиков по всему миру присоединились к этой сенсорной платформе, создавая новые приложения и бизнес-модели, доказывая ее универсальность. Некоторые из сотен таких приложений перечислены ниже.

В мире прикладываются постоянные усилия по изучению и разработке сенсорных технологий и связанной с ними инфраструктуры, необходимых для повышения эффективности предприятий практически любой отрасли. Особенно активные внедрения и разработки ведутся в следующих областях: применение информации от сенсоров; развитие сенсоров; коммуникация и сбор данных с сенсоров; безопасность; экономия электроэнергии; алгоритмы обработки и визуализация данных.

Полученная от смарт-объектов информация используется для контроля автоматики, анализа и выработки рекомендаций по профилактическому обслуживанию, эксплуатации оборудования и роботов, оптимизации управления транспортными парками и т.д. Все это позволяет достичь снижения затрат, повышения безопасности производства продукции и более эффективной эксплуатации активов.

Вот перечень и краткое описание некоторых примеров применений смарт-объектов в различных категориях, соответствующих “умным” решениям. Категория “Умные города”:

1. «Умная» парковка. Мониторинг свободных парковочных мест в городе.
2. Состояние конструкций. Мониторинг толчков и технического состояния в зданиях, мостах и исторических памятниках.
3. Карта шумового загрязнения города. Мониторинг уровня шума в районе баров и центральном районе в режиме реального времени.
4. Заторы на дорогах. Мониторинг уровня загруженности автомобильных дорог и тротуаров для оптимизации построения автомобильных и пешеходных маршрутов.
5. «Умное» освещение. Интеллектуальное и адаптируемое под погоду уличное освещение.
6. Управление вывозом мусора. Наблюдение за наполняемостью мусорных контейнеров для оптимизации маршрутов для сбора мусора.
7. Интеллектуальная транспортная система. «Умные» дороги и «интеллектуальные» шоссе, снабжённые предупредительными сообщениями и объездами, основанными на погодных условиях и непредвиденных происшествиях, таких как аварии и автомобильные пробки.
   Категория «Умная» окружающая среда:
8. Обнаружение лесных пожаров. Мониторинг дымовых газов и приоритетных параметров пожара для определения зон оповещения.
9. Загрязнение воздуха. Контроль за выбросами углерода заводами, загрязнениями от автомобилей и токсичными газами, генерируемыми на фермах.
10. Профилактика оползней и лавин. Мониторинг влажности почвы, вибраций и плотности земли для обнаружения опасных изменений в состоянии почв.
11. Раннее обнаружение землетрясений. Развёрнутый контроль в конкретных местах толчков.
    Категория «Умная» вода:
12. Качество воды. Изучение приемлемости воды в реках и морях для животного мира и ее пригодности для питья.
13. Утечка воды. Обнаружение присутствия воды вне хранилищ и колебаний давления в трубах.
14. Разливы рек. Мониторинг изменения уровня воды в реках, плотинах и водохранилищах.
    Категория «Умные» измерения:
15. «Умная» сеть. Мониторинг и управление потреблением энергии.
16. Уровень наполненности резервуаров. Наблюдение за уровнем воды, масла и газа в резервуарах для хранения и цистернах.
17. Фотоэлектрические установки. Мониторинг и оптимизация производительности солнечных электростанций.
18. Расход воды. Измерение давления воды в системе ее транспортировки.
19. Расчёты запасов хранилища. Вычисление свободного пространства и веса хранимых запасов.
    Категория «Безопасность и чрезвычайные ситуации»:
20. Контроль доступа и охрана периметра. Контроль доступа на запретные территории и выявление людей в несанкционированных зонах.
21. Обнаружение жидкости. Обнаружение жидкости в центрах обработки данных, складах, основаниях зданий для предотвращения разрушений и коррозий.
22. Уровень радиации. Распределённое измерение уровня радиации в окрестностях атомной электростанции для оповещения об утечках.
23. Взрывчатые и опасные газы. Определение уровня газа и выявление утечек в промышленной среде, окрестностях химических заводов и в шахтах.
    Категория «Розничная торговля»:
24. Контроль цепочек поставок. Мониторинг условий хранения и отслеживание товаров на протяжении всего пути доставки.
25. Бесконтактные платежи. Расчёты платежей на основе обработки данных о местоположении и продолжительности деятельности, для общественного транспорта, тренажерных залов и т.д.
26. Интеллектуальные торговые приложения. Консультации в точках продаж, основывающиеся на привычках покупателя, его предпочтениях, наличии аллергических компонентов и срока годности.
27. «Умное» управление продуктами. Контроль за ротацией продуктов на полках и складах для автоматизации процесса пополнения товарами.
    Категория «Логистика»:
28. Качество условий перевозок. Мониторинг колебаний, ударов, вскрытия контейнеров или поддержки холодильной цепи в страховых целях.
29. Расположение товара. Поиск интересующих товаров на больших территориях, таких как склад или гавань.
30. Выявление несоответствия условий хранения. Предупреждение утечек из контейнеров, заполненных горючими материалами, расположенных рядом с контейнерами, содержащими взрывчатые вещества.
31. Отслеживание флота/парка. Контроль за маршрутами, по которым следуют “деликатные” грузы, такие как медицинские препараты, драгоценности или опасные материалы.
    Категория «Промышленный контроль»:
32. М2М-приложения. Авто-диагностика механизмов и контроль активов.
33. Качество воздуха в помещении. Мониторинг уровня токсичных газов и кислорода на химических заводах для безопасности рабочих и товаров.
34. Контроль температуры. Контроль температуры в промышленных и медицинских холодильниках с чувствительным к холоду товаром.
35. Детекция озона. Наблюдение за уровнем озона в процессе сушки мяса для пищевой промышленности.
36. Определение внутреннего местоположения. Определение внутреннего местоположения актива с помощью использования активных (ZigBee) и пассивных (RFID/NFC) меток.
37. Авто-диагностика транспортных средств. Считывание информации с CanBus для отправки сигналов тревоги в режиме реального времени в службы спасения или для предоставления консультаций водителям.
    Категория «Умное земледелие»:
38. Повышение качества вина. Наблюдение за влажностью почвы и диаметром ствола на виноградниках для контроля над количеством сахара в винограде и за здоровьем виноградной лозы.
39. “Зелёные дома”. Контроль за состоянием микроклимата для увеличения производства фруктов и овощей и улучшения их качества.
40. Озеленение. Уменьшение расхода водных ресурсов для озеленения в засушливых районах.
41. Сеть метеорологических станций. Изучение погодных условий в полях для предсказания образования льда, дождя, засухи, снега или изменений направления ветра.
42. Компост. Контроль влажности и температуры в люцерне, сене, соломе и т.д. для предотвращения грибка и другого микробного загрязнения.
    Категория «Умное животноводство»:
43. Мониторинг здоровья. Мониторинг условий содержания для обеспечения здоровья и выживаемости потомства.
44. Отслеживание местоположения. Отслеживание местоположения и идентификация животных при выпасе на открытых пастбищах.
45. Мониторинг токсичных газов. Вентилирование хозяйственных помещений при превышении содержания вредных газов из экскрементов животных.
    Категория «Умный дом»:
46. Использование энергии и воды. Мониторинг энерго- и водопотребления, сокращения расходов.
47. Удалённое управление бытовой техникой. Управление режимами работы бытовой техники для экономии электроэнергии и предотвращения аварий.
48. Охранная сигнализация. Детекция открытия окон/дверей для предотвращения проникновения.
49. Сохранение произведений искусства. Мониторинг условий их хранения в музеях и картинных галереях.
    Категория «Умное здравоохранение»:
50. Детекция падения. Помощь для инвалидов и пожилых людей, живущих дома.
51. Хранение медикаментов. Контроль условий хранения вакцин, лекарственных препаратов и органических элементов.
52. Спортивный мониторинг. Контроль жизненно важных функций организма при силовых нагрузках во время занятий спортом.
53. Наблюдение за пациентами. Мониторинг условий содержания пациентов в больницах и домах престарелых.
54. Ультрафиолетовое излучение. Измерение УФ-излучения, информирование людей о повышенной солнечной активности.

Под каждое из перечисленных выше решений существует базовый набор смарт-объектов (сенсоров, датчиков и т.п.), которые, по сути, расширяют до интерактива возможности ITS-систем на немедленное реагирование, следующее за событием, с оптимизацией работы всей системы.

Однако существуют “умные системы” и другого рода. Рассмотрим две из них – “Умная полиция” и “Умная почта”. Начнём с полиции.

Значительная часть населения России живёт в городах. Города растут вверх и в землю, создаётся сложная урбанистическая среда. Действия полиции в этих условиях должны тщательно планироваться и учитывать множество факторов: возможности и варианты доезда, прилёта до точки, где полиция должна предпринимать действия; информацию о состоянии домов, инфраструктуры, погоды и т.п.

Полицейский должен получить максимально полные сведения о том, с чем он столкнётся на месте происшествия, и планировать свою работу в общей операционной картине. У него должна быть легко и быстро воспринимаемая информация, преинсталированные модели действий, простой интерфейс, хорошая связь и точное понимание, где он находится. Также ему необходимо знать, с кем из коммунальных служб города он должен взаимодействовать. Это объективные данные, которые надо иметь для успешных действий полиции.

В результате реализации большого количества программ в США и Великобритании появились практические методики по снижению уровня преступности через реализацию концепции “умной полиции”. При реализации этой концепции в рамках Smart-city удаётся снизить уровень преступности на 40% (рис. 1, 2).

Рис. 1. Книга “Снижение преступности с помощью «интеллектуальной полиции»”.

Рис. 2. Преимущества внедрения Smart Police в рамках Smart City.

Примечательно, что в основе данного решения по-прежнему лежит взаимодействие двух моделей: бизнес-процедуры и геоинформационной системы (ГИС). Первые базовые модели действий “умной полиции” были созданы в 2003 – 2004 гг. Они непрерывно развиваются и дополняются, позволяя формализовать действия полицейских в различных ситуациях (рис. 3). Это приводит к существенной экономии времени прибытия на место преступления и также снижает время на все процессуальные действия. Работа в “поле” базируется на привязанной к территории ГИС-информации, которая также формализуется с помощью развитого аппарата моделей (рис. 4).

Рис. 3. Концепция – определение для старших офицеров полиции США основных принципов и минимальных стандартов, общей терминологии и процедур, возможности применения и реализации Национальной интеллектуальной модели.

Рис. 4. Книга “Моделирование нашего мира” издательства Esri – построение моделей средствами ПО Esri. Доступна на русском языке (переведена и издана DATA+).

Мировой тенденцией в востребованности технологий для сил правопорядка является первоочередное, наряду со средствами идентификации и интегрированными базами данных, развёртывание ГИС как платформы. Последующее развитие практически всех других технологических систем базируется на уже развёрнутой ГИС-платформе. Применение промышленной ГИС обеспечивает снижение расходов как на развитие самой ГИС-платформы, так и на совершенствование других подсистем и технологий.

Приоритетность внедрения технологий для «умной полиции» по материалам исследования, проведенного компанией Lockheed Martin Corporation в 2009 году, показана на рис. 5. Видно, что во всех выделенных категориях присутствуют геоинформационные системы (ГИС, GIS).

Рис. 5. Приоритетность внедрения технологий для «умной полиции» (ГИС выделены овалами желтого цвета).

Пример реализации технологий IBM для поиска закономерностей (преступных связей) приведён на рис. 6. Очевидно, что информационной основой аналитических решений являются данные ГИС.

Рис. 6. Интеллектуальная полиция – технологии от компании IBM.

Естественный вопрос о том, имеются ли “умные решения” для армейских структур и спецслужб, имеет такой же положительный ответ. Таким образом, растёт список возможного применения смарт-решений.

Смарт-почта в наиболее полном варианте реализована в USPS (Почта США), адаптация клиентов которой произошла в сжатые сроки, после начала предоставления полного объема сервисов с 2009 года (рис. 7). Предыдущие реализации содержали определенные ограничения по использованию цифровых технологий и соответствующих новых почтовых сервисов. С началом предоставления полного набора сервисов были достигнуты следующие результаты:

Рис. 7. Автоматизированная отправка почты в одном из почтовых отделений Нью-Йорка.

• объём почтовых отправлений, обработанных с помощью электронных систем, превысил $8,3 млрд. Еженедельная прибыль от этого сервиса превысила $300 млн. (более 600% роста);
• более 33 млрд. почтовых отправлений были представлены через электронную документацию, что составило еженедельно более 800 млн. отправок (более 600% роста);
• свыше 500 крупных корпоративных клиентов почты прошли сертификацию и перешли на электронную форму подготовки почтовых отправлений (более 700% роста);
• более 20 млрд. почтовых отправлений прошли через новые электронные сервисы. Еженедельный показатель составил более 600 млн. отправлений и 200 млн. долларов.

Отметим основные преимущества смарт-почты:

• рост доходов и привлекательность услуг на рынке;
• уменьшение операционных расходов за счёт оптимизации обработки почтовых отправлений с широким использованием информационных систем и стандартных методов кодирования;
• уменьшение капитальных затрат за счёт стандартизации и интеграции структуры кодирования, сбора данных, коммуникаций и инфраструктуры хранения;
• повышенная точность доходов за счёт тщательной проверки почтовой оплаты и выполнения требований по скорости различных категорий отправления;
• повышение безопасности почты, быстрое предоставление данных для расследования чрезвычайных ситуаций, а также готовность к ликвидации последствий и причин преступной деятельности.

Ключевым элементом интеллектуальной почты стало введение набора «интеллектуальных штрих-кодов» и небольшого количества RFID. Интеллектуальный штрих-код – это 31-значный штрих-код почтового обслуживания для каждого из типов почтовых отправлений. Он используется для сортировки и отслеживания каждого письма. В отличие от POSTNET штрих-кода, который содержит только ZIP-пункт доставки, новый интеллектуальный штрих-код содержит дополнительные поля, такие как индикатор Service Type, Мейлер ID, уникальный серийный номер и другую информацию. Введение этих полей существенно расширило возможности для отслеживания отдельных отправлений и обеспечило большую прозрачность потока отправлений. При этом появилась возможность реализовать в электронном виде такие недоступные ранее услуги, как корректировка адреса отправления в процессе доставки и др.

Почтовая служба США признана лучшей почтовой службой в топ-20 крупнейших экономик мира (по данным Оксфордского стратегического консалтингового отчёта от 15.12.2011 г.). Она стала на 200% эффективнее, чем почтовые службы соседних стран, и на 500% эффективнее, чем Почтовая служба Германии (№5 в мире). Динамика развития Почты США по ряду показателей показана на рис. 8.

Рис. 8. Почта США: А) число профессиональных сотрудников; Б) годовая экономия, сравнение по рабочим часам; В) совокупный показатель производительности.

Что же такое смарт-решения? Это возможность информационно-телекоммуникационной системы (ИТС, англ. ITS) автоматически реагировать на изменения окружающего мира, которые фиксируются сенсорами и другими датчиками, получившими название Smart-объектов.

В Smart-системах миллионы Smart-объектов (рис. 9) передают цифровую информацию в центры обработки данных (ЦОД). При этом и сами ЦОД, и вычислительная инфраструктура претерпели существенные изменения. Детально мы представим это видение далее, но, в целом, в новом ЦОДе – это облачные вычисления, а среда передачи данных называется “новым интернетом” (WEB 2.0, IPv6, Internet of Things,…).

Рис. 9. Планируемый объём продаж смарт-объектов (в млн. штук).

Однако Smart-решения – это не только ИТС, но и реальное «физическое» изменение мира, заключающееся в проектировании и строительстве (например, скоростные авто- и железные дороги), которые с точки зрения ИТС тоже являются объектами бизнеса, требующими ИТ-решений на всех этапах жизненного цикла (проектный офис).

Рынок Smart-решений в ITS наиболее динамичен и исчисляется триллионами долларов в год. Области применения: энергетика (Smart Grid), города и регионы (Smart City), системы водоснабжения, транспорта и т.п. И этот рынок начинает развиваться в России под разными названиями. В сетевой энергетике России он называется «интеллектуальными адаптивными сетями» (Smart Grid), в Москве – это «Город, удобный для жизни»(Smart City) и т.п.

Что такое ГИС и как она со всем этим связана? По большому счёту, именно геоинформационная система (ГИС) и есть хранилище данных об объективной реальности. Инструментально – это той или иной плотности облако точек с измеряемыми расстояниями между ними. Проще говоря, это три измерения (широта, долгота, высота). Появление на точках меток времени ввело четвёртое измерение, денег – пятое и т.п.

Практика показала, что так или иначе порядка 80% данных, необходимых для функционирования Smart-систем, связано с геоданными, то есть зависят от пространственного положения объекта. И с этими данными лучше всего работать в среде ГИС.

Архитектурно в Smart-решениях компаний IBM и Esri проводится чрезвычайно простая идея. Объект, например, дорога – это имущество, которым нужно эффективно управлять (Maximo+ArcGIS), среда коммуникаций IPv6 (WebSphere+ArcGIS), плюс, если необходимо, АСУТП и SCADA других производителей, следующих той же архитектуре (Siemens, Schlumberger, …). При этом способность той же WebSphere работать со Smart-объектами становится реальным конкурентным преимуществом.

Важной частью Smart-решений является экономика и впечатляющий ответ на вопрос, сколько денег сэкономит бизнес или потребитель, заказчик при их внедрении.

При внедрении Smart-систем достигаются (рассчитываются) значительные финансово-экономические эффекты (10%-ная экономия), заданные KPI (КПЭ) и т.п.

И в IBM, и в Esri по всем этим вопросам имеется огромная практика, в которой различные требования и стандарты ложатся на архитектуру Smart-решения и реализуются в виде готовых ИТ-систем (рис. 10).

Рис. 10. Архитектура совместных решений Esri и IBM.

В таблице приведена оценка потенциального экономического эффекта от смарт-технологий в трлн. долларов США до 2025 г. (только в развитых странах) (отчёт McKinsey).

Возможно ли освоить этот огромный рынок без кооперации между многими компаниями? Нет. Поэтому политика IBM и Esri при реализации смарт-решений – это политика организации кооперации на основе базовых решений ИТС IBM и Esri. В России это означает поддержку производителей приложений, или “бандлирование”. Собственно говоря, это – единственный путь локализации возможных решений в таком большом количестве.