Tecnologia per big data nei trasporti. Big data per una grande città. Trasporto di Mosca e controllo del traffico in numeri

introduzione

Secondo gli analisti, il 67% delle aziende del settore aerospaziale sta realizzando progetti basati sui Big Data, un altro 10% sta pianificando tali progetti. Per quanto riguarda le compagnie aeree, qui l'attuazione del progetto per febbraio 2019 è stata annunciata dal 44% delle compagnie e i piani per tali progetti sono stati annunciati dal 25%.

Questi sono i risultati di uno studio condotto da FlightGlobal nel dicembre 2017 sul ruolo dei Big Data per le imprese aerospaziali e le compagnie aeree. Gli analisti hanno anche trovato un parere sulla condivisione dei dati sullo stato degli aeromobili con i produttori e le società di riparazione e manutenzione. Lo studio ha coinvolto 300 professionisti delle industrie aerospaziale e aeronautica. Molti di loro sono sicuri che le tecnologie Big Data possano aumentare l'affidabilità operativa e l'efficienza delle compagnie aeree.

Circa la metà degli intervistati ha affermato che le loro compagnie utilizzano array di dati sullo stato degli aeromobili, il che li aiuta a prendere decisioni migliori. A breve termine, la quota di tali società salirà al 75%.

La condivisione dei dati con OEM / MRO è ancora problematica. Tuttavia, il 38% delle compagnie aeree ritiene che un tale modello possa offrire loro vantaggi economici significativi.

Secondo un sondaggio Honeywell di Connected Aircraft pubblicato a maggio 2018, il 47% delle compagnie aeree ha esaminato il piano di spendere fino a $ 1 milione nel prossimo anno su ciascun velivolo che operano per collegarsi alla rete. La maggior parte di queste società prevede di raggiungere la somma compresa tra 0,1 e 0,5 milioni di dollari. Tuttavia, in un periodo di cinque anni, il 38% dei vettori aerei ha già annunciato investimenti per 1-10 milioni di dollari per aereo.

Fino a febbraio 2019, quando si investiva da compagnie aeree in tecnologie correlate (tecnologie connesse), si trattava principalmente di fornire comunicazioni satellitari e Wi-Fi. Ora le aziende sono pronte a sfruttare i dati che possono ottenere utilizzando le apparecchiature direttamente a bordo degli aeromobili. Ad esempio, tali dati possono fornire loro un risparmio dell'1% del carburante consumato, che equivale a $ 50.000 per aereo all'anno, calcolati dagli analisti di Honeywell.

Utilizzo di Big Data da parte di compagnie aeree straniere

Le tecnologie dei Big Data sono utilizzate per svolgere una serie di compiti nel campo dell'aviazione civile. In questo capitolo, ci soffermiamo più in dettaglio sulle principali aree di utilizzo dell'aviazione in numerosi paesi stranieri. Innanzitutto, si tratta di riparazione e manutenzione, garanzia di risparmio di carburante, creazione di doppie digitali, ottimizzazione delle attività operative (compresa la previsione dei ritardi dei voli), creazione di offerte personali per i passeggeri, ecc.

Big Data e aeronavigabilità

Una di queste aree prioritarie nel prossimo futuro sarà la manutenzione (MOT) e la riparazione delle navi. Pertanto, l'88% degli intervistati di studi analitici si aspetta che sia in quest'area che saranno in grado di ottenere i massimi benefici dall'uso della tecnologia. Manutenzione e riparazione sono molto più importanti di tutte le altre aree importanti. L'analisi e le riparazioni predittive nel settore dell'aviazione dimostrano la loro efficacia e dimostrano in pratica che le tecnologie connesse funzionano.

Dopo la manutenzione e le riparazioni, gli intervistati si aspettano benefici dall'introduzione di tecnologie relative al pilota, tra cui l'ottimizzazione del consumo di carburante e dei tempi di consegna degli aeromobili, nonché del servizio passeggeri.

Pertanto, nello studio "Sky High Economics: valutazione dei vantaggi economici delle operazioni di compagnie aeree connesse", gli analisti notano che gli aeromobili connessi possono trasmettere dati al cloud o ai server di terra, dove questi dati possono essere analizzati utilizzando gli strumenti di Big Data Analytics. Grazie a ciò, i vettori aerei possono, ad esempio, risolvere i problemi prima che diventino problemi gravi. Le informazioni ottenute possono essere utilizzate per prendere decisioni migliori e ridurre i costosi tempi di inattività degli aeromobili (aeromobili a terra).

Inoltre, con l'avvento della modellazione predittiva, è diventato possibile sostituire parti che, sulla base dell'analisi, vengono identificate come richiedenti la sostituzione prima che si guastino, in particolare durante i lavori di riparazione e manutenzione programmati. Tutto ciò aiuta a ridurre i costi, aumenta la sicurezza del volo.

Digit Twins Cos'è?

L'argomento delle riparazioni predittive (proattive) è anche strettamente correlato all'uso dei cosiddetti "gemelli digitali". Tuttavia, a differenza, ad esempio, dell'industria petrolifera e del gas, dove i data center sono già utilizzati da numerose grandi aziende nella pratica, questo argomento è ancora più discusso a livello di esperti e analisti nel settore dell'aviazione.

Nel 2019, gli esperti del settore dell'aviazione hanno iniziato a promuovere attivamente l'uso dei gemelli digitali: la leadership dell'azienda svedese IFS, uno sviluppatore di software per clienti aziendali, compresi quelli dell'industria aeronautica, ha annunciato nell'aprile 2018 che una delle innovazioni tecnologiche che potrebbero aiutare le compagnie aeree a fornire il funzionamento efficiente delle navi riducendo i costi di manutenzione e riparazione sono "controparti digitali". Le controparti digitali sono repliche virtuali di risorse fisiche che possono dimostrare le prestazioni del motore agli ingegneri a terra mentre l'aeromobile è in volo. Per renderlo possibile, gli ingegneri installano migliaia di punti di raccolta dati nelle fasi di progettazione e produzione del motore. Vengono quindi utilizzati per creare un modello digitale che tiene traccia e monitora il motore in tempo reale, fornendo le informazioni necessarie durante l'intero ciclo di vita, come temperatura, pressione e flusso d'aria.

GE ha contribuito a sviluppare un gemello digitale per il carrello di atterraggio dell'aeromobile. I sensori sono stati posizionati su parti del telaio più soggette a danni. In tempo reale, dati come pressione e temperatura sono stati trasmessi agli specialisti, aiutando a prevedere malfunzionamenti o durata residua. Questi dati sono stati confrontati con i dati di un gemello digitale, che è stato sottoposto a carichi simili.

Verranno utilizzate due soluzioni per implementare il modello predittivo di riparazione e manutenzione: il sistema di scambio di dati a bordo per le operazioni di volo e manutenzione (FOMAX) e gli strumenti off-board per l'analisi dei dati del trasporto aereo Skywise. FOMAX, un server di Rockwell Collins, raccoglie dati sulla manutenzione e sulle prestazioni degli aeromobili, li invia automaticamente a ingegneri e tecnici. Alimentato da una piattaforma cloud, SkyWise offre una varietà di analisi dei dati, sviluppate congiuntamente da Airbus e Palantir Technologies.

Il sistema FOMAX riceve tutti i dati dal sistema FDIMU (unità di gestione dell'interfaccia dati di volo) di bordo. FOMAX ha la funzionalità di un router 4G: dopo l'atterraggio, tutti i dati che utilizzano antenne 4G Gatelink vengono trasmessi alla piattaforma analitica Skywise e analizzati dagli specialisti Airbus. A scopo di analisi, gli esperti Airbus hanno sviluppato in modo indipendente modelli speciali in grado di prevedere il verificarsi di problemi di sistema. Dopo l'analisi, i suoi risultati vengono trasmessi agli specialisti di EasyJet, che già decidono autonomamente sulla necessità di manutenzione predittiva o riparazione. Utilizzando le informazioni ricevute, gli specialisti della compagnia aerea possono creare algoritmi che consentiranno in futuro di prevedere il verificarsi di un problema specifico su uno degli aeromobili.

I modelli di aeromobili A320 con FOMAX sono in grado di raccogliere oltre 24.000 parametri, ovvero fornire una raccolta al 100% di informazioni da sistemi e componenti di aeromobili. Gli aeromobili senza FOMAX raccolgono 400 parametri, vale a dire il 2% delle informazioni disponibili.

Secondo la gestione Delta, il programma di manutenzione predittiva utilizzato aiuta la compagnia aerea a ridurre significativamente il numero di malfunzionamenti: negli ultimi 12 mesi, l'uso della manutenzione proattiva ha contribuito a evitare 1.200 ritardi o cancellazioni dei voli.

Il programma utilizza dati provenienti da vari sistemi, come ad esempio Aircraft Health Management di Boeing, Airbus e GE. Allo stesso tempo, la base della flotta della compagnia aerea sono gli aeroplani che sono stati sviluppati ancor prima che l'estrazione e l'analisi dei dati diventassero una funzione "indispensabile". Dopo aver analizzato i dati ricevuti, il programma elabora raccomandazioni per la sostituzione di parti e meccanismi. Secondo Delta Air Lines, il programma utilizzato dimostra un livello di accuratezza del 95% per quanto riguarda le raccomandazioni sulla necessità di sostituire le parti.

Alla presentazione della decisione, l'avvio ha indicato che nella primavera del 2018 dovrebbe essere implementato un pilota con un grande vettore aereo internazionale. Tuttavia, non sono state pubblicate ulteriori informazioni su questo argomento.

L'uso di Big Data per l'analisi e la previsione della domanda di viaggi aerei

Sabre Corporation, uno sviluppatore di tecnologia per l'aviazione, uno sviluppatore di soluzioni per l'industria del turismo globale, ha annunciato a novembre 2017 di aver firmato un accordo pluriennale in base al quale Hong Kong Airlines avrebbe ricevuto una soluzione MIDT (Market Information Data Tapes). Questa soluzione è un database che fornisce l'accesso ai dati di prenotazione storici e di previsione (fino a 11 mesi di profondità). La proprietà di questo prodotto consente alle compagnie aeree di analizzare l'impatto delle misure nel campo della formazione tariffaria e dei programmi di marketing.

Hong Kong Airlines prevede di utilizzare il prodotto per implementare piani per iniziare nel mercato nordamericano. Il prodotto consente di generare report e dispone di funzionalità analitiche, che offrono all'utente la possibilità di identificare i canali ottimali per l'implementazione di una strategia di marketing. Hong Kong Airlines avrà accesso agli agenti Sabre in tutto il mondo per tutti i punti di partenza e destinazione in cui è presente la compagnia aerea.

Big Data per aumentare la soddisfazione e la personalizzazione del cliente

Dal 2013, British Airways, membro della TOP 10 in termini di flusso di passeggeri, utilizza Big Data Analytics per migliorare il livello del servizio clienti: un vettore raccoglie vari dati dei passeggeri in un archivio speciale, quindi li carica in un programma chiamato "Know Me". Lo scopo del programma è apprendere e comprendere meglio le esigenze dei clienti, nonché utilizzare i dati accumulati durante tutti i tipi di contatti con questi clienti per migliorare il loro livello di servizio.

"Know Me" contiene vari dati sui passeggeri: comportamento con ordini online, desideri quando si effettuano acquisti, preferenze nella scelta di un luogo. Tutte queste informazioni vengono generate automaticamente e utilizzate automaticamente alla successiva prenotazione effettuata dal cliente.

Il programma funziona utilizzando il software analitico di Opera Solutions. Google Image Search viene utilizzato anche per la ricerca di foto, che consente ai dipendenti delle compagnie aeree di riconoscere passeggeri particolarmente importanti e molti già volanti nel momento in cui entrano nell'aeroporto o nel business box e, di conseguenza, offrono loro un servizio di prima classe.

Un altro importante operatore di mercato, Virgin Australia, alla fine del 2017, ha dichiarato che stava ottimizzando le sue applicazioni di apprendimento automatico. A tal fine, la società ha assunto DataRobot di avvio. La startup americana ha sviluppato una piattaforma di analisi predittiva per creare e implementare rapidamente modelli predittivi. Questa piattaforma sta già aiutando Virgin Australia a ridurre del 90% il tempo necessario per creare modelli predittivi, mentre la precisione delle previsioni è aumentata del 15%.

A partire da febbraio 2019, la compagnia aerea sta lavorando all'ottimizzazione del suo programma fedeltà Velocity Frequent Flyer, introducendo analisi predittive al suo interno, che dovrebbero supportare i clienti dell'azienda quando scelgono il momento migliore per utilizzare i punti ricevuti. DataRobot ha il compito di costruire previsioni / modelli di qualcuno che è più probabile che faccia un viaggio, quale prezzo e quale tipo di viaggio preferisce il viaggiatore. In generale, stiamo parlando di migliorare il livello di servizio per i partecipanti al programma di fidelizzazione delle compagnie aeree.

Utilizzo di chatbot intelligenti

La prima soluzione è un modello di chatbot vicino alla comunicazione umana. Allo stesso tempo, è stata utilizzata un'applicazione basata sull'apprendimento automatico denominata LUIS (Language Understanding Intelligence Service) per migliorare le capacità di dialogo. Inoltre, i servizi cognitivi sono integrati nel chat bot, in particolare il riconoscimento facciale. Grazie a ciò, i clienti delle compagnie aeree saranno in grado di richiedere la visione a bordo di un elenco di film in cui recita un particolare attore. Per fare ciò, devi solo caricare una foto di questo attore nell'applicazione.

La seconda soluzione è un'applicazione basata sull'intelligenza artificiale per l'analisi dei contenuti video mediante l'apprendimento automatico. La piattaforma è stata in grado di identificare determinati oggetti, scenari o contenuti con limiti di età, che è spesso richiesto in conformità con i requisiti di contenuto delle compagnie aeree. Ad esempio, l'intelligenza artificiale è in grado di rilevare contenuti relativi a scene di incidenti aerei o contenuti per adulti e di filtrarli.

Nell'aprile 2018, FoxTripper per la prima volta ha dimostrato un programma con una "mappa mobile". Il programma fornisce ai passeggeri informazioni sui luoghi in cui vola l'aereo e consente ai passeggeri di effettuare prenotazioni nelle destinazioni. I dati raccolti durante il volo, in combinazione con i dati dei passeggeri della compagnia aerea, consentono di fare previsioni sul totale di quali prodotti e servizi sono rilevanti per esso.

Un altro esempio interessante è Gogo Air. Questa compagnia di sistemi di infotainment in volo utilizza l'intelligenza artificiale e l'apprendimento automatico per aiutare le compagnie aeree a migliorare i propri servizi. Gogo Air utilizza una serie di strumenti della serie Adobe Analytics, tra cui Virtual Analyst, uno strumento di apprendimento automatico, per raccogliere informazioni sui clienti per una serie di importanti compagnie aeree.

Fornendo contenuti divertenti e accesso Wi-Fi in volo, Gogo Air raccoglie informazioni sui passeggeri che utilizzano questi servizi. Queste informazioni vengono quindi elaborate e analizzate. Di conseguenza, le compagnie aeree ricevono dati che li aiutano a migliorare il servizio clienti e, spesso, offrono ai loro passeggeri prodotti più mirati. Le compagnie aeree scopriranno a quali prodotti potrebbero interessare i loro clienti durante il volo, quali dispositivi usano in volo, quanto tempo sono disposti a trascorrere su Internet o che tipo di intrattenimento preferiscono sull'aereo.

Le compagnie aeree utilizzano i dati ottenuti per personalizzare i servizi in base a un contesto situazionale, ad esempio adattando gli schermi dei sistemi di infotainment in un aereo per un cliente, a seconda della lunghezza del volo, dei dispositivi utilizzati dal passeggero e della destinazione.

La tecnologia della ristorazione a bordo non si distingue. Così, nell'aprile 2018 ad Amburgo, Black Swan Data, una società che sviluppa soluzioni di analisi dei dati, ha stretto un accordo di cooperazione con gategroup. Lo scopo della cooperazione è l'analisi dei dati dei passeggeri e le tendenze nei social network per prevedere quale menu sull'aereo i passeggeri sceglieranno. I passeggeri potranno ordinare e aspettarsi di ricevere i loro piatti preferiti dopo l'imbarco. Il progetto pilota delle due società ha mostrato buoni risultati: è stato possibile ridurre gli sprechi alimentari del 50% e aumentare la produttività del 15%.

Nel maggio 2018, SITA, uno sviluppatore di soluzioni aeronautiche, ha introdotto un sistema di monitoraggio e gestione dei bagagli. La tecnologia BagJourney sviluppata da essa consente di gestire le operazioni sui bagagli per un numero crescente di compagnie aeree. Solo nei primi sei mesi del 2018, oltre 20 vettori hanno scelto questa soluzione. SITA BagJourney è una delle principali soluzioni che aiuta l'industria aeronautica a conformarsi alla Risoluzione IATA 753, che stabilisce i requisiti per il tracciamento dei bagagli in ogni fase del viaggio.

SITA BagJourney viene utilizzato ogni anno per gestire centinaia di milioni di bagagli. Secondo gli utenti, la soluzione riduce il numero di errori del 30%. BagJourney è compatibile con una varietà di hardware, inclusi dispositivi mobili di scansione o dispositivi fissi.

Secondo BahamasAir, uno degli utenti della soluzione, dopo la sua implementazione entro 7 giorni, è stato possibile completare il passaggio ai dispositivi mobili per tenere traccia di tutti i bagagli nelle due destinazioni più caricate in termini di bagaglio: Nassau e Miami. Secondo i risultati di sei mesi, il numero di reclami per problemi con i bagagli nella direzione più trafficata è diminuito del 60%. La compagnia aerea prevede di implementare la soluzione in tutte le direzioni e prevede che entro la fine dell'anno sarà pienamente conforme ai requisiti della risoluzione 753.

Interviste con esperti

Applicazione delle tecnologie dei Big Data nell'aviazione civile russa

Lavorare con la reputazione di un cliente è di grande importanza per le compagnie di trasporto, compresa l'aviazione. I social network ti consentono di raccogliere recensioni dei passeggeri in tempo reale e di rispondere rapidamente a esse.

I vantaggi del sistema in esame sono la capacità di monitorare continuamente la soddisfazione dell'azienda e l'interazione con gli utenti sui social network; garantire la sicurezza e identificare le organizzazioni terroristiche, l'estremismo e altri problemi; miglioramento continuo dell'offerta per il cliente attraverso l'analisi nei social network e la capacità di comunicare direttamente con l'operatore; mantenere la reputazione della compagnia aerea attraverso il contatto operativo con il pubblico nei social network; analisi delle preferenze dell'utente e preparazione delle offerte dei singoli prodotti, nonché pubblicità mirata di successo. Maggiori informazioni sul progetto -

DBMS nazionale di Tarantool nel progetto di analisi dei Big Data

Aeroflot ha introdotto algoritmi di analisi predittiva nell'ambito di un progetto di piattaforma per l'analisi e l'elaborazione delle richieste dei passeggeri sui social network. Come DBMS, è stato utilizzato uno sviluppo domestico: la soluzione Tarantool del gruppo Mail.Ru.

Il complesso è costituito da un gran numero di moduli che coprono sia i requisiti aziendali funzionali sia i moduli di integrazione nell'infrastruttura IT esistente di PJSC Aeroflot e vari canali per la ricezione di chiamate (social network, e-mail, sito Web ufficiale, account personale).

Il primo modulo è responsabile dell'identificazione del cliente sulla base di un'analisi completa dei dati, sia del testo stesso che dei dati del profilo dell'autore. Il numero di chiamate può raggiungere diverse migliaia al giorno.

Il secondo modulo è progettato per cercare hit duplicati. Copia di testo per la pubblicazione su risorse diverse o invio per posta. Post semanticamente simili sono identificati al fine di identificare i cluster che sono incidenti. L'elaborazione di più di questi post contemporaneamente porta a una significativa riduzione del carico di dipendenti responsabili.

Il terzo modulo "Infoprovody" è uno dei più importanti nel sistema. La sua caratteristica principale è identificare in modo predittivo post pericolosi anche prima che inizi la crescita dell'attività. Pertanto, gli algoritmi integrati indicano una potenziale "bomba informativa" e consentono di livellare le perdite di reputazione.

Il numero stimato di accessi ai dati era di diverse migliaia di richieste al secondo con la risposta richiesta in un paio di millisecondi. Per soddisfare gli elevati requisiti del cliente, come il limite di tre secondi prescritto per arricchire la circolazione con varie proprietà, è stato richiesto l'uso di software ad alta tecnologia. In base ai risultati dei test su prestazioni, qualità e funzionalità di archiviazione dei dati, è stato deciso di utilizzare lo sviluppo domestico - DBMS Tarantool.

Tarantool viene utilizzato nella piattaforma come database operativo in cui le chiamate vengono archiviate sotto forma di strutture dati speciali necessarie per gli algoritmi di analisi. Le prestazioni estremamente elevate e la presenza nel database di proprietà come indici secondari e il supporto di un gran numero di connessioni senza perdita di prestazioni ci hanno permesso di implementare con successo i moduli funzionali sopra descritti, senza andare oltre l'intervallo di tempo impostato.

L'uso di sviluppi domestici in un'azienda così grande come Aeroflot è estremamente importante. Il software russo spesso non è inferiore a nulla, ma, come nel nostro caso, supera gli analoghi stranieri. Ecco perché è stato scelto Tarantool. E, naturalmente, si sta realizzando un importante fattore di sostituzione delle importazioni, che per la nostra azienda è una delle priorità chiave per i prossimi anni.

Kirill Bogdanov, CIO PJSC Aeroflot

Sulla base dei risultati dell'implementazione, il cliente che utilizza la piattaforma ha aumentato significativamente l'efficienza del processo di elaborazione dei reclami e dei reclami dei clienti da parte dei dipendenti responsabili di PJSC Aeroflot, ha ridotto drasticamente i tempi di consegna dell'applicazione e il tempo di elaborazione / risoluzione del problema a causa dei meccanismi di arricchimento del trattamento con contesto, tonalità, soggetti (tag), profilo autore, ecc. Tutto ciò è finalizzato a ottenere un effetto economico e di reputazione positivo in quasi tutte le fasi della fornitura dei servizi Aeroflot PJSC. Sulla base dell'esperienza di successo, tutti i partecipanti al progetto continueranno a utilizzare il software Tarantool nei loro progetti e rafforzare le partnership.

Technoserv ha implementato un sistema di segmentazione dei clienti intelligente per Aeroflot

Technoserv ha confermato che le tecnologie dei Big Data sono generalmente richieste nel settore dei trasporti, e ciò è confermato da un aumento del numero di progetti che utilizzano queste tecnologie. Inoltre, gli argomenti dei progetti, secondo lei, sono completamente diversi. Questi sono i compiti di crescente personalizzazione delle comunicazioni con i clienti, riparazione proattiva delle apparecchiature, previsione della domanda e altri compiti risolti da algoritmi di machine learning e analisi di grandi volumi di dati strutturati, non strutturati e debolmente strutturati sia per la compagnia aerea che per i suoi partner. La velocità di insediamento è aumentata da 14 giorni a 23 secondi.

Abbiamo fatto un accordo per acquistare un biglietto attraverso l'API blockchain aperto alla banca, ma sono sicuro che un tale schema verrà utilizzato da molte aziende in tutto il mondo molto presto. La piattaforma blockchain ti consente di ottimizzare in modo significativo i processi aziendali. Automatizza qualsiasi schema di regolamento reciproco, anche molto complesso, ad esempio le consegne di magazzino. Con tale meccanismo, la partecipazione umana non è praticamente richiesta: non è necessaria alcuna fatturazione, riconciliazione o scrittura di atti. Potenzialmente, i fornitori di servizi di catering a bordo, carburante e servizi aeroportuali possono essere collegati alla piattaforma - tutte quelle compagnie con cui S7 Airlines e non solo lavorano costantemente. (Contratti intelligenti di carburante per l'aviazione, AFSC) basati su blockchain. Il progetto ha permesso di automatizzare la pianificazione e la contabilità delle forniture di carburante ed è progettato per aumentare la velocità degli insediamenti reciproci durante il rifornimento di carburante degli aeromobili.

Secondo i rappresentanti di Gazprom Neft, questa è la prima esperienza di utilizzo di tecnologie di contabilità distribuita per il mercato dell'aviazione russo. Con il loro aiuto, la compagnia aerea è stata in grado di pagare immediatamente il carburante direttamente durante il rifornimento di carburante sugli aerei senza pagamento anticipato, garanzie bancarie e rischi finanziari per i partecipanti alla transazione. Questo approccio aumenta l'efficienza delle operazioni finanziarie e riduce i costi del lavoro, secondo la compagnia petrolifera e del gas.

Previsioni di crash degli aerei S7 Airlines utilizzando l'apprendimento automatico e l'analisi dei big data

All'inizio di marzo 2018, S7 Airlines ha sviluppato un sistema di manutenzione predittiva. Secondo la compagnia stessa, fu il primo vettore aereo russo a completare lo sviluppo di tale sistema.

Inizialmente, viene utilizzato per gli aeromobili Airbus A319. In futuro, il sistema sarà adattato per l'intera flotta.

Un sistema di manutenzione predittiva prevede l'analisi di una serie di dati storici sulla manutenzione degli aeromobili e sul funzionamento dei singoli componenti.

Il software per l'analisi dei dati e la costruzione di un modello matematico è stato sviluppato da S7 Airlines in collaborazione con la società russa Datadvance, specializzata nello sviluppo di soluzioni per l'analisi predittiva.

A marzo 2018, una serie di dati per il periodo dal 2012 al 2017 era già disponibile per l'analisi. Questi sono i dati registrati nei sistemi di telemetria dei velivoli, il database dell'azienda per la manutenzione e la riparazione dei velivoli S7 Technics e i dati meteorologici.

I principali compiti che la compagnia prevede di risolvere con l'aiuto della manutenzione predittiva sono la riduzione del numero di partenze ritardate a causa di motivi tecnici, il miglioramento della sicurezza del volo e l'efficienza della manutenzione della nave, la previsione della probabilità di possibili guasti per ciascun aeromobile della flotta della compagnia.

Diverse centinaia di tag RFID in ciascuno dei velivoli sono attaccati letteralmente a tutto ciò che non è appuntato, dai giubbotti di salvataggio alle cinture di sicurezza. Inoltre, i tag sono applicati a guanti resistenti al calore, megafoni, bombole di ossigeno, maschere, estintori, ecc.

Lo scopo del progetto è quello di accelerare l'inventario delle attrezzature di salvataggio che si verificano dopo ogni volo. Uno degli assistenti di volo lancia un'applicazione speciale sul tablet e passa attraverso la cabina, scansionando i tag RFID. Ogni tag rilevato risponde con un breve segnale acustico e alla fine l'applicazione genera un rapporto sulla disponibilità di tutte le apparecchiature di emergenza. Il report viene immediatamente caricato sul server: le schede SIM vengono installate nei tablet e la parte cloud si basa su Microsoft Azure.

Se alcune attrezzature non sono disponibili, questo è immediatamente visibile nel rapporto, rispettivamente, in questo caso, non vi è alcun comando per spedire gli autobus grembiule con i passeggeri e vengono controllati.

Senza equipaggiamento, l'aeromobile non può essere autorizzato sul volo successivo (ovvero, se a bordo non è presente un giubbotto di salvataggio sufficiente, significa che a uno dei passeggeri verrà negato il trasporto). Un inventario manuale richiede molto più tempo e fatica: 189 giubbotti da soli sotto le poltrone, e tutti devono essere controllati. Pertanto, grazie alla tecnologia RFID, Pobeda è riuscita a ridurre da 30 a 25 minuti il \u200b\u200btempo di risposta minimo di un aeromobile. Questo è uno degli indicatori chiave di prestazione chiave nel settore dell'aviazione passeggeri: il punto è che meno tempo passa dall'arrivo in aeroporto alla partenza sul volo successivo, maggiore è l'efficienza economica della compagnia aerea, poiché l'aereo guadagna entrate solo quando vola, non a terra. Con le dimensioni della flotta Victory di una dozzina e mezza di aeromobili, la riduzione del tempo di inventario di ciascun lato di 5 minuti consente di completare almeno un volo aggiuntivo senza aumentare la flotta.

Istituzione di un centro di innovazione nel settore dell'aviazione civile per rafforzare l'esperienza dei Big Data

Nel 2017, Innodata, uno sviluppatore di software russo nel campo delle tecnologie innovative, e Innopolis, un'università informatica russa, hanno creato il Center for Innovation in Civil Aviation (TsIGA). Lo scopo dell'associazione è lo sviluppo di una presenza tecnologica e digitale nell'aviazione civile moderna, contribuendo alla divulgazione dell'essenza e dell'importanza delle moderne tecnologie che influenzano l'offerta e la domanda per gli attori del settore dell'aviazione e l'integrazione delle innovazioni del mondo digitale nelle attuali tecnologie dell'aviazione civile. Nel 2018, il gruppo RAMACS è diventato partner del Centro con l'obiettivo di rafforzare le competenze esistenti nel campo della tecnologia, nonché di sviluppare soluzioni specializzate per l'industria aeronautica.

Le attività principali sono rispettivamente lo sviluppo di esistenti e la creazione di nuove soluzioni per l'industria aeronautica. Il centro svolge attività educative e di progettazione, sia che si tratti di realizzazione di progetti sul piano scientifico, tecnico, innovativo o informativo-analitico. TsIGA è anche aperto a progetti pilota con l'obiettivo di promuovere tecnologie e soluzioni avanzate ed è pronto a fornire supporto allo sviluppo.

Realtà virtuale per la lotta contro l'aerofobia, la navigazione in aeroporto basata su tecnologie di realtà virtuale, analisi comportamentale delle attività dei dipendenti nel campo dell'informazione, previsione del potere d'acquisto dei passeggeri e generazione di raccomandazioni dinamiche per la modifica del costo dei biglietti, pianificazione degli orari dei voli e analisi dell'ottimizzazione degli orari stagionali, gestione predittiva del flusso di passeggeri, gestione del personale negli aeroporti, sviluppo di un sistema per la selezione di pacchetti personalizzati di servizi di compagnie aeree e partner, nonché metodi per la scansione della superficie degli aeromobili durante la manutenzione post-volo, analisi della pista, gestione dei livelli di overbooking, analisi degli interessi dei passeggeri e formazione di proposte per essi.

Conclusione

Gli esempi discussi sopra mostrano che le compagnie aeree non sono più solo velivoli, vettori a cui ci siamo abituati. Una base importante per il loro sviluppo sono le tecnologie che consentono, ad esempio, di personalizzare i servizi. Offerte individuali che rendono il viaggio di ciascun passeggero il più confortevole possibile. Cerca informazioni di viaggio, ordini di biglietti, query di ricerca: qualsiasi azione sulla rete lascia tracce digitali che possono essere analizzate per formare il pacchetto di servizi più mirato. Inoltre, lavorare con i big data può aumentare la fedeltà dei clienti, ad esempio rispondendo rapidamente alle richieste dei passeggeri.

I sistemi di produzione generano ancora più dati. Aerei, locomotive ferroviarie e treni sono la fonte di un enorme flusso di dati tecnici che provengono dai sensori installati nei motori e nei sistemi di supporto vitale. Un'analisi dettagliata di questi dati consente di identificare e prevedere la necessità di riparare una parte particolare. Pertanto, possono aumentare il livello di sicurezza e risparmiare significativi fondi per i vettori. Il tempo di riparazione richiesto è ridotto e l'aeromobile può essere utilizzato per lo scopo previsto per un periodo più lungo.

Il materiale proposto ha toccato alcune delle possibilità e dei risultati pratici dell'utilizzo delle tecnologie dei Big Data nell'industria aeronautica; in realtà, ogni giorno ci sono sempre più opportunità di sviluppo.

10/01/2018, lun, 10:03, ora di Mosca , Testo: Maria Sysoikina

Il Safe Innovation Innovation Center, creato un anno fa nell'ambito della metropolitana di Mosca, unisce gli sviluppatori di soluzioni per lavorare con le tecnologie digitali. Nell'ambito della prima sessione strategica del centro di innovazione, si è discusso delle nuove tecnologie offerte dalle società russe, nonché delle iniziative già attuate dal centro.

Comunità intorno al trasporto sicuro

Il Safe Innovation Innovation Center ha iniziato a creare una comunità di esperti e sviluppatori per scambiare idee ed esperienze sull'uso delle moderne tecnologie nella risoluzione di vari problemi di trasporto per Mosca. All'interno della comunità, si uniranno entrambe le aziende che già lavorano con Safe Transport e i nuovi membri. Alla prima sessione strategica del centro, i rappresentanti di ABBYY, Maxima Telecom, Yandex.Taxi, Avito, Software Product e altri hanno condiviso le loro opinioni sui necessari cambiamenti tecnologici nei trasporti a Mosca, hanno discusso il ruolo delle tecnologie nella formazione di nuovi servizi innovativi e idee suggerite per personalizzare l'interazione della città con i suoi residenti.

I big data cambiano le comunicazioni

L'idea di creare il centro è nata nell'agosto 2018. L'obiettivo principale di questa iniziativa è trasformare l'interazione con i passeggeri e portare la comunicazione con i cittadini a un nuovo livello personalizzato. L'analisi dei big data ti aiuta a raggiungere i tuoi obiettivi. Il centro di innovazione ha la capacità di lavorare con dati subordinati al dipartimento delle organizzazioni dei trasporti, svolgendo le sue ricerche, test di ipotesi, svolgendo il lavoro di costruzione di segmenti per aziende di comunicazione mirate.

"Raccogliamo molti dati spersonalizzati eterogenei sui passeggeri e, in base all'analisi, siamo in grado di inviare informazioni importanti ai cittadini", spiega il responsabile del Centro di innovazione Yuri Emelyanov. - Gli scenari possono essere molto diversi. Ad esempio, cambiamenti di percorso, riparazioni e ostruzione del traffico si verificano spesso in relazione ad alcuni eventi, eventi. Analizzando i dati, possiamo informare personalmente dei cambiamenti di quei passeggeri che viaggiano spesso lungo queste rotte. "

Progetti del centro di innovazione

Ci sono più progetti su larga scala nel salvadanaio del Centro, ad esempio un'analisi della soddisfazione dei distretti della città di Mosca nell'uso del trasporto terrestre. Gli esperti del centro hanno condotto numerosi sondaggi su questo argomento, analizzato i risultati e formulati a seguito dei risultati dell'iniziativa per modificare percorsi, orari e fermate. Il Centro presenta queste iniziative a vari comitati direttivi tenuti all'interno del complesso dei trasporti e, se approvati, sono attuati da organizzazioni subordinate. Il feedback sulle iniziative attuate risale al centro di innovazione, dove vengono valutati i risultati del lavoro e il grado di soddisfazione dei cittadini. Questo programma è iniziato a marzo 2018 e al momento ha dimostrato di avere abbastanza successo. Ora il Centro partecipa attivamente a un programma simile per la metropolitana di Mosca.

Di particolare interesse è il progetto del Centro per il supporto analitico degli eventi nell'ambito della Coppa del mondo. Gli esperti del centro hanno analizzato il traffico passeggeri durante i giorni delle partite tenute negli stadi di Mosca (Luzhniki, Spartak, Vorobyovy Gory fan zone), hanno effettuato sondaggi di soddisfazione il prima possibile dopo la partita e hanno formulato raccomandazioni per ottimizzare il carico sul sistema di trasporto della città e renderlo più efficiente organizzazione di servizi di trasporto.

Valutazione della distribuzione del carico allo stadio Luzhniki. Un frammento del rapporto analitico sulla partita Russia - Arabia Saudita, tenutasi il 14 giugno, nella giornata di apertura del campionato

Un'area separata del lavoro del centro è stata il supporto di applicazioni mobili per i cittadini. Safe Transport collabora con numerosi sviluppatori, tra cui Infocompas, che sta sviluppando l'applicazione Assistente di Mosca. "Stiamo cercando di supportare iniziative per creare vari servizi basati su applicazioni mobili per i cittadini. Per noi, questo è uno dei canali di comunicazione con la popolazione della città ", afferma Yuri Emelyanov. "Ad esempio, gli esperti del Centro, insieme agli sviluppatori dell'applicazione mobile Moscow Assistant, stanno lavorando per migliorare l'algoritmo di riconoscimento del marchio di registrazione statale". Il Centro di innovazione deve affrontare molte sfide ambiziose per il prossimo 2019.

Megafon ha sviluppato e presentato per l'uso alle filiali delle ferrovie russe una versione di prova del servizio per l'analisi del traffico passeggeri, basata su "big data", riferisce RBC con riferimento al rappresentante dell'operatore Maxim Motin. Lo strumento aiuta a determinare le dimensioni e le caratteristiche dettagliate del mercato dei trasporti, nonché la quota dell'azienda di trasporto su di esso in modalità quasi in tempo reale.

Sono in corso lavori preparatori per introdurre un sistema per l'analisi dei Big Data, ha confermato Oleg Yemchenko, capo del dipartimento dei sistemi ERP (sistemi per la pianificazione delle risorse aziendali) del dipartimento di informatica delle ferrovie federali delle ferrovie russe. "Questo può essere incarnato in un progetto specifico solo nel 2016", ha detto Yemchenko.

Megafon ha lanciato il servizio di geoanalitica nel 2013, con l'obiettivo iniziale di prevedere i carichi di rete. Con esso, è possibile valutare il volume esatto del traffico passeggeri, ottenere informazioni sui percorsi (chi, quando, dove e dove andare), il layout in base al modo di trasporto. Il servizio valuta anche la solvibilità dei passeggeri e la natura del viaggio (viaggi d'affari, turismo, esigenze personali). Tutti i dati sono anonimi.

Puoi analizzare più di 10 mila eventi al secondo in base a più di mille parametri, ha affermato Roman Postnikov, direttore del segmento Marketing e analisi dei clienti di Megafon. In tre anni sono stati accumulati più di 5 petabyte di informazioni, un volume paragonabile a oltre 30 miliardi di foto su Facebook. Postnikov assicura che ogni cliente ha il proprio elenco di parametri per l'analisi, vale a dire che stiamo parlando di una soluzione cloud universale, che può essere utilizzata da tipi completamente diversi di clienti che devono analizzare grandi quantità di dati.

Megafon stima che le compagnie di trasporto in Russia spendano ogni anno oltre 1,2 miliardi di rubli per la ricerca sul traffico passeggeri. "Allo stesso tempo, le aziende stesse possono raccogliere solo una parte dei dati a loro disposizione e il nostro servizio consente di vedere l'intero quadro del mercato nel suo insieme", afferma Postnikov. Anche se, grazie all'introduzione del servizio, il vettore sarà in grado di aumentare la propria quota nel mercato generale del trasporto passeggeri dell'1,5–2%, allora si tratta di miliardi di rubli, afferma.

Le soluzioni di Big Data possono anche essere utilizzate per gestire l'infrastruttura urbana. Centro specializzato dello stato elettronico, il governo di Mosca concluderà un contratto in base al quale la città riceverà dati geospaziali anonimi aggregati dagli utenti degli operatori di telecomunicazioni locali in 11 sezioni diverse per due anni. I consumatori di queste informazioni saranno GUP "NI e PI Piano generale di Mosca", il Dipartimento dei trasporti e dello sviluppo delle infrastrutture di trasporto stradale, il Dipartimento della cultura e altri dipartimenti metropolitani.

Mosca è un'enorme metropoli con 11.979.529 residenti, secondo il censimento del 2013. Ognuno di loro va al lavoro, usa un telefono cellulare (o anche più di uno), scende in metropolitana, è in ingorghi. Tutto ciò è monitorato da servizi cittadini, agenzie governative, società private che forniscono vari servizi. Migliaia di telecamere, centinaia di migliaia di sensori, monitor che monitorano la vita della città, milioni di telefoni cellulari, modem 3G / 4G. E tutti insieme, si tratta di miliardi di fonti di dati, che possono essere elaborati per ottenere informazioni per pianificare ulteriormente lo sviluppo della città, gestire i flussi di traffico e garantire la sicurezza della metropoli. Uno dei pochi strumenti in grado di gestire l'elaborazione di una tale quantità di informazioni sono le soluzioni di classe Big Data. Per iniziare, considera dove possono essere utilizzati.

Densità dei dati sulla popolazione e sugli spostamenti

Lo strumento principale per determinare le dimensioni e la struttura della popolazione, la sua distribuzione per area al momento è il censimento. Il principale svantaggio del censimento è il costo della sua conduzione e la mancanza di dati sul movimento dei residenti. La fonte di informazioni per il censimento sono gli stessi residenti, il cui sondaggio viene condotto nel loro luogo di residenza.

Quali sono i vantaggi dell'utilizzo dei Big Data? Per rispondere a questa domanda, determiniamo innanzitutto quali dati sono necessari:

dove i residenti trascorrono la notte e lavorano;
dove e dove vanno nei giorni feriali e nei fine settimana;
quale trasporto usano i moscoviti e gli ospiti della capitale;
da dove vengono in città e perché.

Per raccogliere queste informazioni, dobbiamo prima determinare l'origine dei dati e il metodo di analisi. Per determinare la posizione di un residente, la cosa migliore è utilizzare i dati sulla posizione del suo telefono cellulare (è sempre con lui). Come farlo?

Puoi prenderlo:

dati degli operatori mobili sulla posizione del telefono;
dati da servizi specializzati (come Yandex.Tracks);
dati da applicazioni mobili con funzionalità di localizzazione integrata fornite dalla città per la comodità dei residenti.

Per analizzare le informazioni ricevute, è possibile utilizzare vari algoritmi a seconda della fonte, del formato e del metodo di fornitura. Ma ecco i punti principali.

La determinazione del luogo in cui i residenti trascorrono la notte e del luogo di lavoro può essere ottenuta analizzando i dati sui movimenti e le azioni intraprese. Ad esempio, la periodica assenza di chiamate dalle 22:00 alle 7:00 e l'assenza di movimento mostreranno dove vive la persona, e l'assenza di movimento durante l'orario di lavoro - dove la stessa persona lavora, e uno dei criteri che aumentano l'accuratezza sarà la presenza del telefono dell'abbonato posizione data. Qui sarà possibile determinare la frequenza con cui una persona si sposta durante l'orario di lavoro, quante persone in città ricoprono posizioni legate al costante movimento (corrieri, autisti e altre professioni).

La direzione dei movimenti dei residenti è determinata in modo simile, secondo gli stessi dati sui movimenti degli abbonati mobili, e consente di identificare i principali flussi di movimenti di residenti locali, visitatori, lavoratori migranti, raccogliere statistiche sui movimenti per regione e destinazione, scoprire quanto spesso residenti e ospiti visitano negozi, cultura eventi, attrazioni della città, nonché quanto sono popolari questi o altri luoghi della città.

Tracciare la velocità di movimento e i luoghi visitati, è possibile evidenziare quale tipo di trasporto utilizza una persona: auto, metropolitana, trasporto pubblico a terra, trasporto interurbano.

Analisi delle infrastrutture urbane e garanzia della sicurezza pubblica

Un gran numero di semafori, sistemi di controllo del traffico urbano, sistemi di registrazione video di eventi (telecamere di sorveglianza), controllo dei trasporti pubblici all'interno della città con una popolazione di oltre un milione di persone richiedono un approccio coordinato alla gestione e alla centralizzazione dei dati. Uno dei problemi identificati al momento dell'introduzione di sistemi di videosorveglianza in tutta la città era l'incapacità di controllare gli eventi attuali (ad esempio, allo scopo di individuare azioni illegali) da parte di funzionari operativi in \u200b\u200bservizio. Date le attuali capacità delle moderne tecnologie, diventa possibile creare sistemi distribuiti unificati che forniscono sia il riconoscimento degli eventi da varie fonti (sistemi di controllo del traffico, telecamere di sorveglianza, ecc.) Sia la loro analisi ai fini di una risposta operativa: chiamare la polizia, le organizzazioni di riparazione e altri servizi operativi città. Un'altra applicazione delle soluzioni Big Data è l'archiviazione distribuita ea lungo termine delle informazioni raccolte, la ricerca dei dati necessari e degli eventi correlati. Che cosa ha causato questo o quel cambiamento nella situazione della città, quali eventi l'hanno preceduto e che hanno influenzato - queste sono una piccola parte delle domande a cui i "big data" consentono di rispondere.

Mappatura dei dati

Uno dei punti chiave degli eventi è la determinazione delle caratteristiche degli oggetti coinvolti in essi. Per raccogliere dati, è possibile utilizzare fonti completamente diverse: ad esempio, per i dati ricevuti da un operatore di telefonia mobile, le caratteristiche della persona su cui è registrata la carta SIM, per i sistemi di sorveglianza, le informazioni dai sistemi di riconoscimento facciale, i database dipartimentali. Uno dei punti chiave è la possibilità di anonimizzare le informazioni, escludendo i componenti personali durante la trasmissione di dati da vari proprietari, fonti.

Problemi principali

Eppure in tutto questo c'è una mosca nell'unguento. Il problema principale di tutte le soluzioni di integrazione, specialmente se i dati vengono scambiati tra diversi dipartimenti, organizzazioni, sono le restrizioni legislative che non consentono di fornire i dati nella forma in cui esistono. Di conseguenza, la loro elaborazione preliminare è richiesta dal lato del proprietario.

Totale

Riassumendo, vorrei sottolineare che le moderne tecnologie di elaborazione dei "big data" ci consentono di fornire alla città molto più dei servizi IT esistenti. Allo stesso tempo, non è necessario aggiornare l'infrastruttura esistente, poiché è possibile utilizzare le origini dati attualmente disponibili.

Con l'aiuto di soluzioni di classe Big Data, è possibile aumentare la comodità dei residenti e dei suoi ospiti, ridurre il numero di ingorghi non dovuti a restrizioni all'ingresso in città, ma controllando i flussi di traffico, ridurre il numero di reati dovuti alla pronta reazione e migliorare la qualità dei servizi della città grazie alla loro tempestiva e automatica controllo.

Per molti anni, la capitale ha previsto un crollo del traffico a causa del rapido aumento del numero di auto nelle sue strade. Tuttavia, il sistema di trasporto intelligente introdotto in città negli ultimi anni non consente che questa previsione diventi realtà. A proposito di come il traffico è controllato nella capitale, ha dichiarato Alexander Polyakov, direttore dell'Istituto di ricerca e progettazione della città di Mosca (SUE MosgortransNIIproekt), che nel 2013 ha supervisionato lo sviluppo di analisi dei trasporti, la costruzione di sistemi di informazione e lo sviluppo di programmi di sviluppo completi infrastrutture di trasporto, essendo il vice capo del Centro di gestione del traffico del governo di Mosca. Al forum BIG DATA 2017 tenuto dalla Open Systems Publishing House il 29 marzo, ha parlato di come il complesso dei trasporti di Mosca utilizza i Big Data per sviluppare un sistema di trasporto intelligente, come vengono creati i sistemi di gestione del traffico sulla base e come risolverli I nostri compiti possono usare la realtà virtuale e aumentata.

- Quando è iniziata la "digitalizzazione" del trasporto di Mosca?

Tutto è iniziato con un decreto sullo sviluppo di un sistema di trasporto intelligente in città, che il governo di Mosca ha approvato l'11 gennaio 2011.

Da allora, il Dipartimento dei trasporti ha lavorato allo sviluppo di infrastrutture di trasporto utilizzando moderni sistemi di informazione.

Nell'ambito del progetto, nel 2014 è stato creato un centro dati, i cui specialisti sono responsabili dell'organizzazione del traffico e di tutti i sistemi coinvolti nel lavoro di questo centro, compresi quelli che consentono la gestione di semafori e telecamere, il monitoraggio delle condizioni del traffico, le informazioni visive degli utenti della strada, registrazione di foto e video di violazioni del controllo del trasporto urbano di passeggeri a terra.

- I progetti di quali paesi sono stati presi come campioni?

È stata presa in considerazione l'esperienza dei paesi europei, in particolare Spagna e Germania, è stata presa in considerazione anche l'esperienza di Singapore, Hong Kong e alcune città degli Stati Uniti. Ma allo stesso tempo, abbiamo capito che ogni città è unica, quindi l'infrastruttura di trasporto di Mosca si sta sviluppando secondo il suo scenario, per non parlare dei carichi per le strade. Ora, diciamo, 683 mila auto guidano a Mosca.

- Come è organizzata la gestione del traffico nella capitale?

Negli ultimi anni, all'interno del complesso dei trasporti di Mosca sono stati creati numerosi sistemi IT che risolvono vari problemi in quest'area, incluso l'uso dei Big Data.

Il modello di trasporto statico costruito nel 2013 ci consente di prevedere la situazione a lungo termine tenendo conto delle varie opzioni per cambiare la situazione della strada. Con il suo aiuto, è possibile calcolare scenari su scala cittadina, sia che si tratti di blocco del traffico a lungo termine o di messa in servizio di nuovi cavalcavia.

Questo modello, tra le altre cose, tiene conto dei dati sui residenti forniti da vari servizi: il numero di persone, la loro età, genere, stato sociale, quanti lavoratori, quanti disoccupati, ecc. Mosca è suddivisa nelle cosiddette aree di trasporto, e noi Analizziamo dove vanno i residenti di ciascuna di queste regioni, perché, a che ora.

Grazie ai dati ottenuti, analizziamo la matrice di corrispondenza - la totalità di tutti gli "scambi" di traffico tra regioni. Ad esempio, se ci sono 600 bambini in età prescolare nel distretto e 500 posti nelle scuole materne, è ovvio che un centinaio di bambini saranno portati in un altro distretto al mattino. Per chiarire il quadro generale di ciò che sta accadendo, conduciamo sondaggi per aiutare a capire quale tipo di trasporto e in quali casi le persone scelgono: quando - la loro auto personale, quando - i trasporti pubblici. Inoltre, dobbiamo prevedere in che modo alcuni cambiamenti nella struttura della città o nell'organizzazione del traffico influenzeranno le preferenze di trasporto delle persone, il che comporterà il blocco della strada durante la costruzione o, al contrario, l'apertura di una nuova.

Monitoriamo la situazione attuale con l'aiuto di un modello di trasporto dinamico, che fornisce un quadro completo del traffico di Mosca in tempo reale e consente di rispondere ai problemi emergenti. Per fare ciò, il DTM aggrega i dati ottenuti dai sensori GLONASS installati su trasporto urbano, telecamere per la registrazione di foto e video, rilevatori di trasporto - sensori radar, che leggono l'intensità del traffico, la velocità del veicolo e una serie di altri parametri.

DTM consente di controllare i semafori, analizzare aree problematiche, ad esempio per rilevare centri di incidenti, luoghi in cui si verificano continuamente ingorghi; identificare le difficoltà di circolazione dei veicoli passeggeri ed eliminarle; monitorare il funzionamento dei sistemi mobili di registrazione di foto e video (i cosiddetti parkon che riparano i reati), per valutare la domanda di trasporto in base alla matrice di corrispondenza giornaliera.

Una mappa stradale interattiva di Mosca è stata creata sulla base del DTM, in cui vengono visualizzate informazioni in tempo reale sulla congestione del traffico in punti, il numero di incidenti, i veicoli al momento e al giorno, il trasporto urbano di passeggeri a terra e il numero di violazioni del traffico registrate dalle telecamere.

Nel 2015, gli specialisti del data center basati sul modello dinamico hanno creato un sistema di realtà virtuale e aumentata che simula un volo sopra una città e fornisce dati sul traffico online sulla situazione del traffico. Grazie a questo sistema, puoi già vedere la congestione risultante collegandoti a una telecamera che mostra un'immagine tridimensionale reale di questa area, che ti consente di capire meglio la situazione.

Per i cittadini, questa mappa fornisce varie informazioni (testo, foto e video) su importanti oggetti storici, culturali e sociali, in realtà realtà aumentata.

- Con quali canali informi i cittadini sulla situazione del traffico?

I dati ricevuti dal DTM vengono trasmessi in tempo reale da una serie di stazioni radio, messenger Telegram e display del traffico. Sul canale televisivo "Moscow 24" e sul suo portale Internet m24.ru, viene mostrata una mappa della situazione attuale sulle strade della città.

Tali informazioni sono anche un mezzo per controllare i flussi di traffico. I moscoviti vedono la situazione nelle strade di loro interesse, scelgono percorsi di deviazione, considerano la possibilità di viaggiare con altri mezzi di trasporto, ad esempio il trasferimento da personale a pubblico.

- Esistono indicatori numerici dell'efficacia del tuo lavoro?

Nel 2015 è stato lanciato un sistema di gestione del traffico completo, progettato per ottimizzare la gestione dei flussi di traffico sulle strade della città, nonché per aumentare la loro capacità di traffico. E già nel primo anno siamo riusciti a ottenere risultati considerevoli.

Ti darò tali numeri. In città sono ora immatricolate 4,6 milioni di auto, mentre il tasso di incidenti, secondo la polizia stradale, è il più basso degli ultimi dieci anni. Nel 2016, rispetto al 2010, il numero di incidenti è diminuito del 45% e il numero di morti - del 56%. Nella parte centrale della città, all'interno del terzo anello di trasporto, la velocità media dei singoli veicoli è aumentata dell'11% e il trasporto passeggeri del 7%. Nelle corsie designate introdotte nel 2016, il traffico passeggeri è aumentato in media dell'11%. Il tempo medio di arrivo di un'ambulanza è stato ridotto da 21 minuti a 8, quasi tre volte, a causa della comparsa di corsie per il trasporto pubblico, e autobus e filobus possono lasciare spazio a un'ambulanza andando in tasca alle fermate.

Se confrontiamo i periodi più vicini, quindi nel 2016 rispetto al 2015, il numero di incidenti con danni materiali è diminuito del 18%, gli incidenti con lesioni del 12% e il numero di casi di collisione con i pedoni è diminuito del 14%.

- Sulla base di quali decisioni vengono sviluppate le attività di sviluppo del data center?

Prendiamo i migliori sviluppi occidentali. Ad esempio, l'attuale sistema di controllo del semaforo è realizzato sulla base della soluzione spagnola, il modello di trasporto statico è costruito su una piattaforma tedesca. Ma la soluzione che combina tutti questi sviluppi è domestica. Integrati tutti questi sistemi dai nostri esperti.

Sulla base della nostra esperienza, creiamo soluzioni di gestione del traffico per altre città sia nel nostro paese che all'estero. Ad esempio, per Teheran.

- Finora stiamo solo recuperando terreno o siamo già in vantaggio rispetto ad altri paesi in qualcosa?

Stiamo raggiungendo un nuovo modello di gestione. L'anno scorso è stato lanciato un progetto pilota per il controllo automatico dei semafori sulla base di un sistema di controllo del traffico automatizzato. Ora il sistema funziona su Altufevskoye e Varshavskoye shosse, nonché su Andropov Avenue, dove, in base ai dati DTM sulla congestione del traffico, i semafori cambieranno automaticamente. Questo non si trova in nessuna città del mondo. Ad esempio, anche nel sistema di gestione dei trasporti di Londra Transport for London, le modalità di traffico sono accettate dagli operatori.

Ora ci poniamo il compito di estendere il lavoro di questo sistema ad altre autostrade. La difficoltà sta nel fatto che tutte le strade sono interconnesse, ed è necessario "ripulire" alcuni, non muoversi rigidamente lungo gli altri.

- Quali nuovi progetti sono previsti?

Continueremo l'ulteriore sviluppo di un sistema di previsione degli incidenti stradali. Per effettuare una previsione, analizza costantemente le condizioni meteorologiche, le caratteristiche dei tratti stradali problematici (configurazioni del collo di bottiglia, il grado di riduzione della loro capacità di traffico), gli indicatori di flusso del traffico (punteggio medio di congestione del traffico in città e sulla strada, la portata sulla sezione della strada, ecc. )

Dobbiamo essere preparati al fatto che in futuro ci saranno veicoli senza conducente. I loro navigatori avranno già scaricato informazioni, ad esempio, sui limiti di velocità in una determinata sezione e l'auto sceglierà la modalità di velocità sicura da sola.

Le prospettive a lungo termine includono lo sviluppo di un sistema di trasporto pubblico, che dovrebbe diventare un'alternativa interessante a un'auto personale. Tra le altre cose, un'infrastruttura di trasporto sviluppata è un importante fattore economico che contribuisce alla concorrenza delle città nell'attirare turisti, imprenditori, ecc.

Aiuteranno a scaricare strade e sistemi di realtà aumentata. Se non puoi andare alla conferenza, ma guardare video dal posto di lavoro con discorsi a 360 ° o addirittura prenderne parte, e non attraverso occhiali speciali, ma sullo schermo dello smartphone, molti preferiranno questa opzione.

Trasporto di Mosca e controllo del traffico in numeri

Nel centro di elaborazione dati, situato sotto l'edificio del centro di situazione del centro dati, sono installati più di 100 server, che memorizzano un totale di circa 2 PB di dati. Parte delle informazioni viene costantemente aggiornata, ad esempio i dati ricevuti dalle telecamere vengono archiviati sui server per sette giorni. In connessione con la costante crescita del flusso di dati, si prevede di aumentare significativamente le capacità del server.

In una normale mattinata di lavoro, circa 700 mila auto partono per le principali "arterie di trasporto" di Mosca.

Nelle ore di punta, il 71% del traffico passeggeri cade sui trasporti pubblici, motivo per cui sono proprio i suoi interessi nel Dipartimento dei trasporti ad essere di primaria importanza.

Le telecamere di registrazione video riconoscono fino a 22 tipi di infrazioni, tra cui cavalcare sul lato della strada o una corsia designata, svoltare dalla seconda fila, guidare verso un incrocio trafficato, non passare un pedone, guidare attraverso camion senza un passaggio, ecc. Per un giorno, trasmettono informazioni alla polizia stradale circa 100 mila. violazioni (valore arrotondato).

Ci sono i concetti di "mezzogiorno di trasporto" e "mezzanotte di trasporto". A Mosca sono sfollati: "mezzogiorno" dura dalle 14:00 alle 15:00 e "mezzanotte" arriva alle 3 del mattino.

Condividere

Piace