В Издательском доме ВШЭ вышла книга Ирины Ильиной и Мичинага Коно «Трансформация подходов к развитию "умного города"». IQ.HSE публикует из неё фрагмент, посвящённый тому, как искусственный интеллект влияет на город и его жителей.
В последние несколько лет количество диссертаций и статей, посвященных вкладу искусственного интеллекта (AI) в развитие науки, постоянно растет. Однако большинство обсуждений в них все еще очень расплывчаты и ограничиваются указанием на то, что интернет вещей (IoT) будет производить гораздо больше данных, несравнимых с обычными данными, и что будет необходимо использовать искусственный интеллект для анализа и использования этих больших данных. Напротив, обсуждения конкретного применения искусственного интеллекта в решении существующих проблем пока не наблюдаются. Но есть немалые надежды на то, что качество жизни горожан будет улучшено и городские проблемы будут решены, поскольку анализ больших данных постоянно совершенствуется с помощью искусственного интеллекта.
Этот специфический феномен ожидания идентичен ожиданиям от «умных городов» первого поколения, согласно которым информационно-коммуникационные технологии должны были решить большинство городских проблем. Есть случаи, когда «искусственным интеллектом» называют простое улучшение характеристик, при котором достижение обычных целей стало возможным — благодаря тому, что возможности компьютеров и запоминающих устройств улучшились, а их цены упали; но это всего лишь современные версии традиционного адаптивного управления, известного с 1960-х годов, и интеллектуального анализа данных, известного с 1990-х годов. Можно видеть здесь некое проявление восторга по поводу модного слова, но, по сути, никакой новизны оно не несет.
Использование искусственного интеллекта в сфере городского развития до сих пор, по-видимому, ограничивается «предварительной обработкой» данных для извлечения из массива объемных данных требуемых характеристик, которые затем используются для количественной оценки, — как, например, измерение параметров «зеленого каркаса» городов, необходимого для предотвращения формирования городского «острова тепла» (urban heat island, UHI) в городах с высокой плотностью населения. «Зеленый каркас» определяется как сумма площадей всех зеленых поверхностей — высоких и низких деревьев, кустарников и газонной зелени, вертикального озеленения, которые очень трудно измерить, так как измерение с использованием фотографий (аэрофотосъемка и спутниковая съемка) не адаптировано для детального анализа.
В исследовательском проекте искусственный интеллект используется для идентификации деревьев и листьев по фотографиям, сделанным с наземной базы, например, по имеющимся в Google Street View, а также для автоматической оценки «зеленого каркаса». Искусственный интеллект умеет распознавать деревья и листья на самых разных городских фотографиях. Точно так же AI обладает мощными возможностями для получения конкретной информации в технологиях распознавания лиц и голоса. Однако, как представляется, все еще существует большой разрыв между такой предварительной обработкой и практическим использованием AI при обработке данных и информации.
Причины этого кроются в необходимости «глубокого обучения», которое повышает возможности искусственного интеллекта. Глубокое обучение — это процесс системы искусственного интеллекта, дающий возможность извлекать и классифицировать конкретные признаки или выбирать то, что имеет наибольшую вероятность успеха из массы данных. В первую очередь, должна быть поставлена задача определить, что должно быть извлечено и с какой целью это делается. Исходя из этого, AI может быть мощным инструментом в распознавании образов и голосов, когда цели ясны и четко конкретизированы. Но в тех случаях, когда показатели неоднозначны, как в случае многокритериальных «пригодных для жизни городов», возможности использования искусственного интеллекта еще предстоит определить.
Основная причина повышенных температур в городе — антропогенные преобразования земной поверхности. Они проявляются в плотной застройке городской среды, покрытии естественной поверхности материалами, активно поглощающими тепловое излучение, и в сокращении площадей, занятых зелеными насаждениями, что ведет к изменениям в термических свойствах земной поверхности и понижает суммарное испарение (испарение + транспирация).
Такие материалы, как бетон и асфальт, обычно используемые в городах для строительства дорог и крыш, существенно отличаются по своим термическим свойствам (включая теплоемкость и теплопроводность) и поверхностным излучательным свойствам (альбедо и излучательная способность) от окружающих природных территорий. По оценкам специалистов некоторый объем бетона может удержать приблизительно в 2000 раз больше тепла, чем эквивалентный объём воздуха. Это приводит к изменению энергетического баланса территории, что влечет за собой повышение температуры в городе по сравнению с окружающей местностью.
Формирование «теплового острова» связано также с особенностями геометрии земной поверхности на территории города. Высокие здания имеют большую площадь поверхности для отражения и поглощения солнечного излучения, что увеличивает интенсивность нагрева городских территорий. Это явление носит название «эффект городских каньонов» (urban canyon effect). Другая особенность вклада зданий в формирование «теплового острова» — в городе происходит блокирование ветров, что приводит к снижению интенсивности конвективного охлаждения.
Автомобили, промышленные предприятия и другие источники также вносят свой вклад в формирование избыточного тепла. Высокий уровень загрязнения городских территорий может усилить эффект «теплового острова», так как многие виды загрязнителей изменяют радиационные свойства атмосферы. Тепловые потери в энергетике являются вторым ведущим фактором. При росте урбанизированных центров происходит изменение все больших территорий, растет и средняя температура поверхности в их пределах.
Большое разнообразие систем моделирования необходимо на всех этапах планирования городского развития, и не только для «умных городов». Системы включают моделирование изменений природной среды для предотвращения и смягчения последствий стихийных бедствий, планирование потоков людей, связанных с транспортом, а также демографический и экономический анализ, необходимый для прогнозирования и планирования экономической деятельности и необходимости развития городских функций.
Моделирование является основой прогнозирования, и различные модели необходимы для широкого круга целей. Эти модели не ограничиваются отдельными показателями, такими как изменение температуры, численность населения и потребление энергии. Для моделирования сложных явлений городского развития необходимы комплексные модели, представляющие сложный набор взаимодействующих между собой компонентов. Непосредственный эффект использования AI в городском развитии можно увидеть в повышении точности прогнозов и улучшении процесса генерации моделей.
Мониторинг услуг, оказываемых городской администрацией и частным сектором, является незаменимым в управлении городами, и объем данных, собираемых для этой цели, будет постоянно увеличиваться по мере расширения сферы услуг и повышения их качества. Сбор данных при мониторинге «умных городов» следующего поколения будет осуществляться через интернет вещей (IoT), который будет настолько массовым, что не сможет сравниться с обычным сбором данных, а анализ данных будет усложнен сочетанием различных осей оценок.
Хотя искусственный интеллект, как ожидается, станет эффективным инструментом в решении сложных задач, но ряд проблем городского развития, таких, например, как желание или нежелание жить в данном городе, до сих пор не имеет четких критериев оценки, а значит, не может быть изучено AI. Ожидается, что направления исследований, нацеленных на повышение удовлетворенности жизнью в конкретных городах, помогут определить собранные и проанализированные искусственным интеллектом данные горожан. Данные о степени удовлетворенности могут быть собраны из наблюдений за деятельностью граждан с помощью датчиков, размещенных по всему городу и в домах, как только будет выявлена корреляция между удовлетворенностью и поведением жителей.
Модельные города должны показать некоторые аспекты развития «умных городов» с применением искусственного интеллекта. Однако видение проектов не затрагивает конкретных моделей городского развития, в которых используется искусственный интеллект. Большинство компонентов для построения «умных городов», таких как автономное вождение транспортных средств, дистанционное здравоохранение, уход за пожилыми людьми и детьми с помощью камер наблюдения и навигационные услуги (е-мобильность как услуга), должны использовать искусственный интеллект, но конкретные сценарии его использования как основы для разработки предложения услуг отсутствуют.
Благодаря сочетанию больших данных с технологиями их использования для городского развития «общество, основанное на данных», становится важным элементом «умных городов». Министерство экономики, торговли и промышленности Японии (METI) определяет общество, основанное на данных, как общество, в котором взаимоотношения между киберпространством и физическим пространством реализуются в каждом сегменте бизнеса и создают огромную социальную ценность.
С точки зрения городской администрации, несомненно, потребуются принятие решений и разработка политики на основе больших данных. Политика, нацеленная на удовлетворение требований и решение проблем развития, вскрытых жителями, потребует сбора и анализа массивов данных, и искусственный интеллект будет играть значимую роль при извлечении информации из собранных данных и формировании альтернатив развития для городской администрации.
Выше искусственный интеллект был описан с точки зрения потребностей городов; с точки зрения жителей, его образ выглядит совсем иначе. Были прогнозы, что 65% детей, поступивших в начальную школу в 2011 году, пойдут на работу, которой 10 лет назад не существовало, а более 40% нынешних рабочих мест будут заняты искусственным интеллектом и роботами. Ожидается, что структура занятости людей, живущих в эпоху искусственного интеллекта, будет сильно отличаться от сегодняшней.
В обычных городах места для жизни, работы, учебы и игр были физически и пространственно разделены, и развитие городов осуществлялось, исходя из этих разделений как предпосылок формирования пространственного образа города. Сегодня, еще до наступления эры искусственного интеллекта, мы видим, что общественные места, такие как кафе, улицы и площади, стали местами работы, другими словами, офисами, благодаря использованию портативных терминалов — смартфонов и планшетов. Также стало обычным работать дома, офисные уголки с письменными столами и Wi-Fi размещают возле железнодорожных вокзалов и площадей в жилых районах, также везде появились коворкинги, которыми могут пользоваться мамы с детьми и инвалиды.
Если предположить, что общество, подобное описанному в «Общество 5.0», становится более реалистичным, слияние мест для жизни, работы, учебы и игр будет расти. Людям не нужно будет выходить из дома, и совсем скоро пассажиропоток, состоящий из тех, кто едет на работу и учебу, прекратится. Общение между людьми будет происходить только в киберсфере, а физическое пространство — улицы, станет тихим и пустынным.
Когда покупки товаров смещаются в онлайн, реальные магазины, как правило, предлагают своим клиентам «ценность общения и опыта», а не товаров. Есть модели развития городов, особенно небольших, в которых людей специально «выманивают» на улицу, чтобы вернуть оживление в опустевшие пространства. И горожане выходят прогуляться, без четких целей, таких как работа, учеба или покупки, только для того, чтобы пройтись по улицам и магазинам, зайти в библиотеки или кафе. Другими словами, целый район и весь город становятся своего рода тематическим парком, не для практической жизни, а для развлечений. Сомнительно, что такой вид города будет устойчивым.
В предыдущих пунктах, возможно, слишком много внимания уделялось негативным аспектам искусственного интеллекта и высокоразвитых информационно-коммуникационных технологий. В будущем роботы и автономные транспортные средства устранят препятствия в работе и во всех видах деятельности, одинокие пожилые люди получат услуги, предоставляемые государственными и частными организациями, а необходимую информацию можно будет получить в любой момент в любом месте. Не надо будет преодолевать препятствия для включения в общественную жизнь, но в то же время не надо будет и прилагать усилий ради социальной вовлеченности, и будущее общество может стать «чрезмерно удобным».
Для того чтобы люди почувствовали привлекательность города и захотели в нем жить, помимо ощущения безопасности и комфорта, им необходимо почувствовать удовольствие от встреч с другими людьми, а также от живости и жизненности окрестностей. Примером может послужить американский город Портленд, штат Орегон: там воплотили в жизнь концепцию города «человеческого размера», где люди могут встречаться и разговаривать на улицах, что привело к росту численности населения, в частности, молодежи.
Ответы на вопрос о том, какая особенность города привлекает людей, разнятся не только в зависимости от пола, профессии, возраста, образования, дохода, национальности опрашиваемых, но даже могут зависеть от времени года, дня, погоды и прочих нюансов. Исследования только начались. В последнее время на конференциях и в журналах профессиональных сообществ по городскому развитию стали чаще появляться доклады психологов, что свидетельствует об общих тенденциях в изучении бытия городов.
Подходы, основанные на использовании искусственного интеллекта, должны стать мощным инструментом для определения принципов человеческого поведения и восприятия удовлетворенности городской жизнью. В качестве расширения этого исследования с помощью искусственного интеллекта будет разрабатываться видение города, который сумеет приспособиться к предпочтениям жителей, а также к адаптивному контролю городской среды, которая динамически меняется в зависимости от окружающей среды. Искусственный интеллект, интернет вещей, большие данные и цифровые двойники просто необходимы в обществе будущего.
Проектам «устойчивых умных городов» необходимо уделять гораздо больше внимания, чем обычным проектам «умных городов» во всем мире. «Умные города», оснащенные самыми передовыми технологиями сегодняшнего дня, станут устаревшей моделью в тот момент, когда научно-технологическое развитие общества перейдет на новый этап. Настоящий прорыв технологий AI, IoT, Big Data, Digital Twin и слияние кибер- и физического пространств уже на пороге и будет развиваться с каждым днем.
Городское развитие, напротив, должно планироваться и осуществляться в долгосрочной перспективе — на 20, 30, 50 или даже 100 лет. Ведутся дискуссии о том, что цикл городского планирования должен быть увязан с быстрым прогрессом технологий, но очевидно, что оперативно обновлять городские пространства, устойчиво привязанные к таким физическим пространствам, как земельные участки, дороги, железные дороги и водные пути, — нереалистичная идея, здесь необходимо долгосрочное видение.
Городское развитие в следующем поколении, в частности «умные города» следующего поколения, требует концептуального внедрения новых технологий и систем и обновления существующих технологий как предпосылок развития. Финансируемые правительством проекты, которые обычно осуществляются на краткосрочной основе в течение 5–10 лет в любой точке мира, должны иметь и долгосрочную перспективу на 20–30 лет, с тем, чтобы иметь возможность, при государственной поддержке, внедрять плоды технологической революции в планы развития и реализации «умных городов». Эти планы должны разрабатываться с учетом новейших достижений, но на более длительный срок — в этом ключ к успеху «умных городов» в эпоху искусственного интеллекта.
Цифровые двойники (digital twins), концепция и идеология которых была предвосхищена в 1990-е годы, вошли в употребление в начале 2010-х годов и окончательно утвердились на обновленной технологической основе в конце 2010-х.
Цифровой двойник — это цифровая, или компьютеризированная, копия сущностей физического мира: физических структур, систем, устройств, людей, процессов и мест. Технология цифровых двойников может быть определена как окончательно развитое или эволюционировавшее компьютерное моделирование и характеризуется использованием новейших информационно-коммуникационных достижений, особенно в области интернета вещей (IoT), больших данных и искусственного интеллекта (AI).
В обычном компьютерном моделировании операторы должны были вводить переменные, и при модификации моделей корректировка параметров производилась вручную. Отличительной чертой цифрового двойника является то, что модель может быть адаптирована к реальному миру в режиме реального времени через автоматизированный ввод реальных данных от многочисленных датчиков через IoT. Условия модели, таким образом, всегда остаются идентичными реальным; обширные параметры, влияющие на модель и собранные через IoT, обрабатываются как большие данные и анализируются искусственным интеллектом для поддержания обновленной модели, а также для составления информации, необходимой для обратной передачи в реальный мир. Короче говоря, цифровой двойник символизирует слияние физической и киберсферы, использующей все самые передовые технологии интернета вещей, больших данных и искусственного интеллекта.
Цифровые двойники впервые были применены для мониторинга сложных машин и машинных комплексов, таких как реактивные двигатели, машины на производственных предприятиях, медицинские установки в больницах, а также сами здания. В этих приложениях эксплуатационные и экологические данные машин подаются в цифровой двойник через IoT, а цифровая реплика отслеживает изменения временного ряда в режиме реального времени; это широко используется для облегчения профилактического обслуживания машин и систем, что, в свою очередь, максимизирует коэффициент использования и безопасную и стабильную работу систем.
Цифровые двойники также улучшили визуализацию объектов с помощью передовых технологий презентаций — дополненной реальности (AR) и смешанной реальности (MR), а также таких устройств, как 3D-дисплеи Goggles. Многие до сих пор путают понятия «цифровой тени» и «цифрового двойника». Говоря простым языком, цифровая тень может использовать трехмерные модели с заданными параметрами, но при этом не способна прогнозировать то, что может случиться в будущем (как правило, с объектом) при определенных условиях эксплуатации, то есть цифровая тень может предсказать поведение реального объекта только в тех условиях, в которых осуществлялся сбор данных (big data), но не позволяет моделировать ситуации, в которых реальный объект не эксплуатировался. В основе цифровой тени, как правило, лежит 3D-геометрическая модель (электронный макет изделия), адекватность которой пытаются повысить за счет длительных и дорогостоящих натурных испытаний или режимов эксплуатации, а также данных с избыточного количества датчиков на реальном объекте.
Внедрение цифровых двойников началось со строительной отрасли, где были созданы системы информационного моделирования зданий (BIM) для компьютерного моделирования физических объектов как на этапах проектирования, так и на этапах эксплуатации и технического обслуживания. Применение цифрового двойника в городском развитии и управлении находится в зачаточном состоянии, и объём выгод, получаемых от него, пока трудно прогнозировать.
Ключевым этапом работы по созданию глобально конкурентоспособных цифровых двойников в промышленности является реализация комплекса мероприятий «Формирование национального Digital Brainware» — «оцифровка» всех физических, натурных и других дорогостоящих и зачастую уникальных экспериментов. Технология цифрового двойника является технологией-интегратором практически всех сквозных цифровых технологий и субтехнологий, драйвером, обеспечивающим технологические прорывы, и позволяет высокотехнологичным компаниям переходить на новый уровень развития на пути к промышленному лидерству на глобальных рынках.
Все существующие системы энергоменеджмента, управления движением транспорта, водоснабжения и канализации могут быть интегрированы в один цифровой двойник вместе с данными об окружающей среде, такими как температура, качество воздуха, шум и поток людей, полученными из систем наблюдения.
Затраты на развитие в России новых производственных технологий в течение ближайших пяти лет составят 145 млрд руб. В перечень запланированных мероприятий включено создание отечественных PLM- и MES-систем, разработка Национальной платформы цифровых двойников и Национальной базы математических моделей высокого уровня адекватности Digital Brainware.
По прогнозам, количество высокотехнологичных предприятий, применяющих технологию цифровых двойников, увеличится с 3 в 2019 году до 100 в 2024-м, а количество реализованных проектов на высокотехнологичных предприятиях из приоритетных отраслей промышленности, для которых была применена технология разработки цифровых двойников, — с 3 до 250. За этот же период время разработки высокотехнологичных продуктов сократится на 25%.
От цифрового двойника ожидают немалых преимуществ в сфере управления городами, а также в улучшении качества жизни горожан. Во-первых, цифровой двойник города обеспечивает оптимизацию работы коммунальных услуг, транспорта и связи посредством динамической обратной связи данных реального времени, полученных от многочисленных датчиков в городе. Адаптивное управление инженерными коммуникациями и объектами зданий на цифровых двойниках является гораздо более комплексным и оптимальным, чем управление отдельными объектами традиционным способом, и может быть более персонализированным в зависимости от индивидуальной ситуации жителей и их микросреды.
Во-вторых, цифровой двойник может строить модели города при различных обстоятельствах, сохраняя при этом саму модель, соответствующую реальности города в режиме реального времени. Цифровой двойник может подготовить полный набор моделей города в условиях, например, стихийного бедствия, и этот город в киберсфере может быть при необходимости перенесен в физическую сферу.
Вопросы городского хозяйства — например: «какие железнодорожные службы должны быть сокращены, в какой степени?», «как изменится поток людей в результате реализации транспортного проекта?», «какие дороги будут затоплены во время шторма и как автомобильное движение найдет альтернативные маршруты?» и множество других — могут быть визуализированы в киберпространстве, и когда произойдет реальное событие, все эти действия могут быть осуществлены в физическом пространстве с минимальными последствиями и максимальной защитой горожан.
В сравнении с традиционными подходами, разработка изделий и продукции на основе технологии цифрового двойника может обеспечить снижение временных, финансовых и иных затрат в 10 раз и более. Эти эффекты «цифрового двойника» могут быть аналогизированы как «горячий резерв» в компьютерных операциях.
Среди сегментов городской инфраструктуры, классифицируемых в традиционном понимании «умного города» как энергетика, водоснабжение, отходы, мобильность и телекоммуникации, наиболее значительные изменения в «умных городах» следующего поколения предполагаются в мобильности. Уже в 1990-е годы автопроизводители начали осознавать, что их бизнес в будущем будет заключаться не в продаже легковых автомобилей, автобусов и грузовиков, а в предоставлении услуг с использованием транспортных средств. Будучи ограничены рамками технологического прогресса самих автомобилей — электромобилей (EVs), гибридных электромобилей (HEV) и автомобилей на топливных элементах (FCV), — автопроизводители уже видели в них мобильные терминалы информационного общества, интегрированные в качестве компонента более крупных социальных систем.
Из новых форм транспортных услуг раньше всех началось внедрение сервиса «мобильность как услуга (MaaS)». MaaS может быть определен как интегрированная навигационная служба по планированию и исполнению поездок; он предлагает наилучшее мультимодальное сочетание общественного транспорта от места отправления до места назначения. Оценка MaaS складывается в зависимости от личных потребностей пользователей, таких как кратчайшее время поездки, самый дешевый тариф и самые простые опции взаимодействия между службами. Мобильная система в основном базируется на существующих видах общественного транспорта — поездах, трамваях и автобусах, и не предполагает технологических усовершенствований самих транспортных средств.
Ещё одна особенность, которая отличает MaaS от обычных навигационных услуг общественного транспорта, — возможность бронирования общественного транспорта. Этот сервис предлагают корпорации общественного транспорта, в частности, железнодорожные компании, производители автомобилей, компании по аренде автомобилей, по парковке, сторонние компании и коалиции вышеперечисленных компаний. MaaS как интегрированная услуга облегчает пользователям оплату индивидуальных тарифов на различные транспортные услуги, а общий тариф будет взиматься с пользователя поставщиком MaaS. Другими словами, MaaS — это универсальная услуга мобильности по принципу «одного окна».
Две основные задачи, которые транспортная отрасль решает с помощью интернета вещей, — это безопасность на дороге и логистический контроль. Отраслевые компании используют телематические комплексы со встроенным GPS/ГЛОНАСС, которые собирают информацию через датчики на грузовиках, сенсоры и RFID-метки на грузах и передают ее в центры обработки данных. Это позволяет в реальном времени отслеживать маршрут, местоположение объектов, контролировать расход и уровень топлива, оценивать износ деталей.
Например, «Почта России» в онлайн-режиме отслеживает маршруты водителей, чтобы исключить перерасход или слив топлива, сократить перепробеги. Система умного видеонаблюдения РЖД объединяет камеры наружного наблюдения и датчики в рельсах, распознает вагоны и маршруты их следования. «Газпром нефть» создала «битумный убер» который организует поставку товара по принципу такси. IoT-система «Платон» c 2015 года автоматически измеряет тоннаж грузовиков и взимает с них плату за проезд по магистралям. Один из клиентов «МегаФона», федеральная транспортная компания, посредством датчиков в грузовиках контролирует безопасность доставки: они фиксируют резкие ускорения и торможения и оценивают стиль вождения.
Концепция MaaS возникла в 1990-х годах и стала широко обсуждаться в начале 2010-х. MaaS определенно будет играть важную роль в транспортном сегменте «умных городов» следующего поколения как зрелая навигационная и платежная система, включающая новый тип модальностей и предпочтений пользователей, и при этом не вызовет разрушительных инноваций в транспорте.
CASE — это аббревиатура из первых букв слов сonnected — «подключенный», аutonomous — «автономный», shared — «общедоступный» и electric (electrified) — «электрический (электрифицированный)». В современном понимании эти слова отражают последние тенденции, происходящие в мире автомобилестроения: «подключенный», «автономный» и «электрический» представляют технологические изменения, а «общедоступный» — изменение способа использования. Общедоступные транспортные средства можно рассматривать как часть последних тенденций экономики совместного использования, которая формирует фундаментальные элементы образа жизни жителей «умных городов» следующего поколения.
До того как аббревиатура CASE стала общепринятой, автономное вождение, подключенные автомобили и электрификация рассматривались как три важные технологии для изменения использования автомобилей, получившие название «автомобильная конвергенция с технологией». Исследования и разработки в области автономного вождения проводились в течение многих лет, в большей степени в военных целях, примером чего могут служить проекты, финансируемые Агентством перспективных оборонных исследований США (DARPA) в 1980-х годах. Шестиуровневая классификация, определенная Международным обществом автомобильных инженеров (SAE International) в 2014 году и приведенная ниже, в настоящее время широко принята в мире.
Ожидаемые эффекты от внедрения автономных транспортных средств включают:
появление беспилотных маршрутных автобусов как части регионального общественного транспорта;
улучшение мобильности таких «транспортных меньшинств», как пожилые люди и инвалиды, живущие в отдаленных районах;
облегчение при нехватке водителей в отрасли грузоперевозок;
сокращение несчастных случаев при вождении и парковке, которые могут быть интегрированы в качестве компонентов мобильности «умных городов».
Что означает термин «подключенный автомобиль»? Происходит постоянный обмен информацией и данными между автомобилями и другими объектами с помощью телекоммуникационных технологий. Коммуникации могут быть классифицированы следующим образом:
транспортное средство — к инфраструктуре (V2I);
транспортное средство — к транспортному средству (V2V);
транспортное средство — к пешеходу (V2P);
транспортное средство — к облачным сервисам (V2C).
Вся совокупность подключения коммуникаций называется «транспортное средство ко всему (V2X)».
Данные по транспортным средствам в режиме реального времени собираются в виде больших данных для анализа всей транспортной ситуации в регионе или городе. Связь между отдельными автомобилями и пешеходами может быть использована в индивидуальных ситуациях — например, во избежание несчастных случаев соответствующее предупреждение может быть отправлено автомобилям, велосипедистам и пешеходам, которые приближаются к перекрестку и не видят друг друга. Ожидается, что сочетание подключенных автомобилей и автономного вождения будет способствовать увеличению нерегулируемых, но контролируемых перекрестков, и значительно облегчит транспортные заторы. Как только в единой системе оказываются собраны и обработаны пункты назначения, маршруты и текущее местоположение всех транспортных средств перед перекрестком, автомобили автоматически управляются — тормозят, поворачивают и ускоряются, без остановки пересекая перекрестки. Тогда и светофоры будут не нужны.
Электрификация автомобилей возникла как реакция на глобальные программы, направленные на сокращение выбросов парниковых газов в рамках борьбы с изменением климата. Как говорилось в начале этого раздела, были разработаны и уже используются различные типы электрических и гибридных автомобилей. Тем не менее электрификация является важной особенностью транспортных средств в контексте описанных выше автономного вождения и подключенных автомобилей. Управляемость электромобилей намного выше, чем у автомобилей с двигателями внутреннего сгорания, и, следовательно, электрификация автомобилей является необходимым аспектом управления транспортными средствами в реальном времени.
В целом автономное вождение, подключенные автомобили и электрификация автомобилей создадут совершенно новый ландшафт мобильности в «умных городах» следующего поколения. Обсуждаемые технологии, однако, все еще находятся в стадии испытаний или на пороге практического применения в реальной городской среде, как и искусственный интеллект, поэтому пока рано описывать конкретные случаи и сценарии использования. Те, кто занимается планированием и развитием «умных городов», должны постоянно следить за развитием технологий, их влиянием на городскую жизнь, их потенциалом для решения городских проблем, а также за ожиданиями и реакцией жителей.
Большинство «умных» инициатив предполагают использование новых и передовых технологий, которые позволяют сделать то, что было невозможно раньше. Однако практический опыт трансформации существующих городов в «умные» показывает, что подобные преобразования городской среды требуют мобилизации значительных ресурсов и применения эффективных организационно-экономических методов управления. Необходимо создавать новые рынки с новыми методами работы и новыми финансовыми и управленческими моделями. Нужны условия, для того чтобы возникла новая инновационная и предпринимательская экосистема, в которой заинтересованные стороны эффективно взаимодействуют и новые бизнес-модели и методы работы способствуют органичной адаптации новых технологий. Без такой экосистемы индустрия смарт-технологий вряд ли будет расти и зреть.
IQ
В подписке — дайджест статей и видеолекций, анонсы мероприятий, данные исследований. Обещаем, что будем бережно относиться к вашему времени и присылать материалы раз в месяц.
Спасибо за подписку!
Что-то пошло не так!