Что такое «умный город» и как его строят в разных странах мира

Фото: Евгений Сорочин / Gazeta

Что такое «умный город» и как его строят в разных странах мира

Недавно президент Шавкат Мирзиёев поручил внедрить в регионах Узбекистана опыт Ургенча по созданию «умного города». Эксперты по ИИ и проектированию в обзоре для «Газеты» рассказали, что из себя представляет такой город в разных странах, из чего он состоит и какие вызовы стоят перед его строителями.

Сегодня, 11:56  

Колонки  

Общество  

Сегодня развитие города трудно представить без использования цифровых технологий. Муниципалитеты внедряют их в прогнозирование, управление транспортом, коммуникациями, зелёным фондом и другими составляющими городской жизни. Такая концепция технологичного города называется «умным городом».

В той или иной мере она внедряется и в Ташкенте, и в других городах Узбекистана. В октябре, например, президент поручил руководству областей и столицы изучить опыт Ургенча по внедрению таких технологий.

За последние пять-семь лет «умный город» перестал быть витриной из разрозненных инструментов и стал превращаться в платформу, где данные и алгоритмы поддерживают повседневные решения городских служб.Реклама на Gazeta

Технический директор компании PMtech Group, предоставляющей комплексные услуги в сфере проектирования, инженерии и архитектуры, Ольга Титовец, а также бизнес-консультант по искусственному интеллекту и данным Артём Шитов в обзоре для «Газеты» рассказывают, как страны мира и муниципалитеты используют ИИ в управлении городами.

На практике регулирующие документы упрощают формирование технического задания. При его составлении можно использовать существующие стандарты, чтобы определить ряд критериев. Какие системы относятся к высокорисковым — видеонаблюдение, оптимизация транспортных потоков, распределение коммунальных ресурсов или ничего из перечисленного? Какие требования по качеству данных должны предъявляться к этим системам, а также к журналированию решений и надзору? Кто именно должен нести ответственность за сбои?

В результате внедрение ИИ становится более управляемым и позволяет заимствовать наработанные международные практики. Жители, бизнес и власти получают свои выгоды от этого. Для горожан повышаются предсказуемость, безопасность и степень доверия к новым решениям. А власти и инвесторы благодаря ИИ могут снизить регуляторные и репутационные риски.

Как в городах мира используется ИИ

Мировой опыт подтверждает, что внедрение ИИ на городском уровне наиболее успешно в тех странах, где существует чёткая архитектура данных и межведомственная интеграция.

Например, в Сингапуре проект Virtual Singapore объединил в единой 3D-платформе информацию о застройке, транспорте, инсоляции и климате. Это позволило анализировать сценарии будущей застройки и энергопотребления ещё до начала проектирования.

В Сеуле создаётся цифровой двойник острова Ёыйдо, используемый для моделирования чрезвычайных ситуаций и оптимизации трафика. В Дубае внедрение централизованной системы управления светофорами на основе ИИ повысило пропускную способность перекрёстков на 16−37%.

Германия стандартизирует решения для всей страны и создаёт единую платформу для множества муниципалитетов. В стране развёрнута сеть из более чем 70 муниципальных проектов в рамках федеральной программы «Пилотные проекты умных городов». Стратегии цифрового развития и пилоты подбираются под задачи конкретных земель.

Общими, например, остаются принципы обмена данными автомобильного трафика, принятие решений о переключении режима светофоров и стандарты интеграции этих решений с ПО светофоров. То есть подходы к данным и интеграции алгоритмов ИИ с инструментами едины для ФРГ.

В Гамбурге используется единая городская платформа данных, которая объединяет данные десятков источников: транспортные потоки, городские карты и топографию, данные экологического мониторинга, городскую инфраструктуру и коммунальные сети, строительные данные, 3D-модель города.

Эту платформу используют разные узконаправленные сервисы, которые обслуживают жителей. Например, транспортные приложения получают из платформы актуальные данные о трафике и используют их для анализа работы светофоров и оптимизации фаз. Экологические сервисы запрашивают карты зелёных насаждений, зон возможных наводнений и качества воды.

Благодаря тому, что данные из разных сфер объединены в одной цифровой среде, любой новый городской проект подключается к системе, минуя разработку собственной модели данных и интеграции с нуля. Это значительно сокращает финансовые и временные издержки и позволяет тиражировать удачные решения между городами.

Как Узбекистан и его соседи внедряют ИИ в управление городами

В развивающихся экономиках Восточной Европы и Центральной Азии подход к ИИ диктуется практичностью. В городах региона наблюдаются более точечные, а не интегрированные внедрения. Иными словами, решения не опираются на то, чтобы построить единую платформу и повторно использовать существующие стандарты. Вместо этого реализуются индивидуальные решения.

Так, в Узбекистане есть республиканская программа Safe City. Она построена вокруг сети видеокамер, распознавания лиц и ситуационных центров. Есть и отдельные муниципальные проекты. Smart Tashkent акцентирует внимание на управлении дорожным движением, адаптивными светофорами и аналитике трафика. Smart City Samarkand — на цифровизации расчётов за ЖКУ и цифровой модернизации водоснабжения. Для Бухары описывается своё точечное решение, акцентированное на туризм.

В сумме это и есть «точечность». Разные ведомства ведут параллельные пилоты в отдельных подсистемах (безопасность, транспорт, ЖКУ, туризм). Все они пока только частично связаны друг с другом и ещё не образуют единую, стандартизованную городскую платформу с той же полнотой покрытия услуг, как у Гамбурга или Сингапура.

Это же подтверждает и анализ ЕС и ПРООН совместно с Министерством цифровых технологий Узбекистана. Работа выявила общую фрагментированность ИТ-систем и их слабую степень интегрированности.

Казахстан, например, масштабировал видеоаналитику дорожной безопасности (система «Сергек») и выстроил круглосуточный центр обработки обращений iKomek-109.

Азербайджан использует ИИ для автоматизации колл-центров, а также строит единый портал открытых данных в рамках OpenData.az и ASAN. В обеих странах технологические решения всё ещё встраиваются в административные механизмы, автоматизируют и дополняют существующие практики.

Следующим шагом может быть более интегрированный подход к внедрению ИИ. Пилоты могут охватывать целые сферы, например, транспорт или экологию. Затем эти секторы объединяются в полнофункциональный цифровой двойник города, слои которого будут состоять из транспортного, экологического, коммунального и других направлений.

Начальная версия такого двойника, например, уже есть в Ташкенте. Сейчас это 3D-модель и GIS-ядро для градостроительного планирования. В систему широко не внедрены различные датчики, межотраслевое моделирование и единая платформа для всех городских служб, как это реализовано в «двойниках» в Сингапуре или Германии.

Другие города Узбекистана используют более фрагментированные точечные модели. Хотя могут адаптировать и дополнять решения, апробированные Ташкентом. Такой подход снизит риски и позволит аккумулировать опыт, необходимый для создания единых программ, стандартов и технологий умного города, которые мы описывали выше.

Основные вызовы мегаполисов

Мы видим несколько препятствий на пути достижения эффекта от внедрения искусственного интеллекта.

Первое — фрагментация и сложность извлечения данных. За годы «точечных» закупок у муниципалитетов накапливаются десятки несовместимых систем: светофорные контроллеры разных поколений, видеоплатформы с закрытыми форматами, счётчики воды от множества поставщиков.

В такой среде даже идеальная модель, с грамотно построенной системой, упирается в интеграцию и юридические барьеры. Например, министерствам необходимо точечно договариваться об обмене данными для каждого решения. Вместо общего соглашения о доступе, каждое новое решение нужно заново согласовывать и определять, какие данные и в каком объёме можно использовать.

Техническую разрозненность решают следующим образом: на пороге задаются общие требования — единые API, единые правила интеграции и обязанность передавать важные данные в общую платформу. Все поставщики должны этим требованиям следовать. Тогда пилотные проекты проще масштабировать на весь город, а не оставлять их красивым демо «на перекрёстке №17».

PMtech Group при проектировании инфраструктуры в ряде европейских стран сталкивается с аналогичной проблемой. Данные об инженерных системах, сетях и зданиях часто разрознены. Использование BIM и ИИ позволяет создавать единые хранилища проектной информации. В них каждый участник имеет актуальную цифровую модель объекта, что снижает риск ошибок и ускоряет согласования.

Вторым препятствием является переход от пилотов к масштабированию. Городская система, где решение одной службы немедленно меняет нагрузку на соседние, требовательна к управлению изменениями. Для этого нужны:

• согласованные между службами операционные показатели эффективности (время в пути, надёжность общественного транспорта, доля неучтённой воды, среднее время обработки обращений);

• сквозной план капитальных и операционных затрат;

• план кибербезопасности;

• регламент эксплуатации данных и инструментов.

Международные практики показывают, что эффект ИИ в городах достигается не от пилотов, а от операционного управления на основе данных. Именно поэтому в ряде стран создаются национальные центры координации данных и центры для повседневного мониторинга городской инфраструктуры.

Третье препятствие — управление рисками и доверие. В городской сфере непрозрачность рисков и недостаточное их смягчение может иметь катастрофические последствия. ИИ влияет на дорожную безопасность, коммунальные ресурсы и чувствительные персональные данные передвижений или потребления услуг.

Здесь необходимы нормативные рамки, которые мы описывали в начале статьи. Без таких ориентиров невозможно обсуждать предсказуемость и управляемость городских ИИ-прикладных систем. Если же городские системы непрозрачны, им не будут доверять ни ведомства, ни граждане. Или будут доверять до первого инцидента, под который нет грамотного плана смягчения.

Четвёртое препятствие — приватность и безопасность. Города неизбежно работают с данными, по которым можно восстановить маршруты жителей, графики присутствия, особенности потребления городских услуг, в т. ч. воды и электричества. Решением здесь является не консолидация данных в единый центр. Напротив, они должны оставаться у разных систем и служб. Часть анализа при этом должна проводиться на локальных устройствах, а не в общем хранилище. При таком подходе даже наличие уязвимости в отдельном участке данных ведёт к небольшой утечке данных.

Пятое препятствие — дефицит талантов. ИИ в городе — это не «внедрение нейросети», а дисциплинированная работа аналитиков, инженеров и архитекторов данных, исследователей и киберспециалистов. Этих людей сложно найти и ещё сложнее организовать и масштабировать с минимальными потерями эффективности. Способ масштабирования — целевые программы подготовки специалистов, сотрудничество с частным бизнесом, «песочницы» для стартапов и интеграторов.

Наконец, «человеческий фактор» и управление ожиданиями. Город — одна из самых консервативных предметных областей с длинным горизонтом планирования и высокой степенью ответственности. Вовлечение заинтересованных лиц облегчается, если городская дата-платформа стыкуется с интересами всех сторон и фокусируется на общей ценности, а не теоретических амбициях с ограниченной пользой. Основой долгосрочной цифровой зрелости является нормативная документация.

Источник