Od urządzeń jednozadaniowych do usprawnienia mobilności w całym mieście
Czy wiesz, że w każdej sekundzie tworzymy przeciętnie 1,7 MB danych? W skali miasta wypełnionego milionami coraz lepiej skomunikowanych obywateli żyjących własnym życiem liczba ta osiąga naprawdę przytłaczające wymiary. Jednak dla władz publicznych, przedsiębiorstw i innych organizacji, które wiedzą, w jaki sposób dobrze spożytkować te dane, jest to też istna żyła złota. Z tej obfitości danych może skorzystać w szczególności sektor transportu. Korki, zanieczyszczenie powietrza i niska wydajność kosztują każdego roku miliardy euro, a konsorcjum projektu SETA przekonane jest, że lepsze zarządzanie danymi może znacząco poprawić ten stan rzeczy. „Jestem zdania, że zasadniczym problemem obecnego procesu zarządzania danymi jest to, że dane te gromadzone są na określone potrzeby, a następnie pozostawiane w bazach danych”, mówi Fabio Ciravegna, profesor Wydziału Informatyki Uniwersytetu w Sheffield i koordynator projektu SETA. „Zilustruję to następującym przykładem: każde miasto ma na ulicach setki, a pewnie nawet tysiące kamer. Jednak każda z nich wykorzystywana jest tylko do jednego celu, np. na potrzeby ochrony lub monitorowania ruchu drogowego, podczas gdy mogłaby być również wykorzystywana do wielu innych celów”. W rzeczywistości jednak jeszcze nie potrafimy tego zrobić. Bariery natury technicznej, administracyjnej i politycznej często uniemożliwiają integrację istniejących zbiorów danych. Jednocześnie wielkoskalowa natura danych i ich niejednorodność sprawia, że ponowne ich wykorzystanie jest bardzo trudne. Projekt SETA proponuje rozwiązanie tego problemu poprzez integrację danych z czujników drogowych, rowerowych, środowiskowych oraz czujników noszonych przez obywateli. Technologia opracowana w ramach projektu potrafi gromadzić, przetwarzać, łączyć i dokonywać fuzji dużych ilości niejednorodnych danych oraz wykorzystywać je na potrzeby modelowania mobilności miejskiej. Jak twierdzi konsorcjum projektu, technologia ta pracuje także z niezwykłą precyzją, szczegółowością i dynamicznością, której nie udałoby się osiągnąć przy pomocy najnowocześniejszych technologii. Mobilne technologie SETA mogą monitorować mobilność osób, a opracowane w ramach projektu aplikacje są już wykorzystywane przez setki tysięcy obywateli w Anglii oraz tysiące obywateli w Hiszpanii. Jednocześnie konsorcjum projektu opracowało też technologie zdolne do zamieniania każdej ulicznej kamery w odpowiednik czujnika pętlowego, czyli kamery zdolnej do zliczania pojazdów i oceny ich prędkości. Wszystkie zgromadzone dane są następnie przechowywane i łączone dzięki dedykowanym technologiom fuzji danych i ich modelowania. „Wykorzystaliśmy zaawansowane sieci neuronowe na potrzeby analizy obrazów, wielkoskalową architekturę do integracji danych, zaawansowane modele mobilności do śledzenia mobilności przy pomocy urządzeń przenośnych oraz wielkoskalowe techniki modelowania mobilności”, wyjaśnia prof. Ciravegna. „Nasza architektura gromadzi zanonimizowane dane z telefonów komórkowych, czujników itp., a następnie udostępnia je algorytmom fuzji i modelowania. Na kolejnym etapie platforma analizy danych i obrazów dostarcza osobom zarządzającym obszarami miejskimi informacji o mobilności w całym mieście”. Choć istniejące metody pozwalają jedynie na szczegółowe modelowanie centralnych obszarów miasta, technologia SETA potrafi to zrobić dla całych metropolii. Została już nawet przyjęta przez znaczącego klienta rządowego w Anglii, który wykorzystuje ją do śledzenia setek tysięcy obywateli na potrzeby monitorowania ich stanu zdrowia i dobrostanu. Technologia ta została również przyjęta przez Radę Miasta Birmingham w celu śledzenia 8 000 oferowanych przez miasto bezpłatnych rowerów. Oba działania będą kontynuowane po zakończeniu projektu. Uniwersytet w Sheffield, który odpowiada za opracowanie technologii śledzenia obywateli, planuje utworzenie spółki spin-off. Oczekiwane jest wprowadzenie aplikacji w zakresie zdrowia, dobrostanu, środków farmaceutycznych i mobilności. Opracowany dzięki projektowi system wykrywania wideo jest komercjalizowany przez firmę Machine2Learn, natomiast z wielkoskalowych miejskich modeli korzysta firma Aimsun (są już wykorzystywane przez kilka miast), wielkoskalową infrastrukturą zainteresowała się firma Software Mind, a firma The Floow Ltd. opracowuje metodologie na potrzeby śledzenia tras samochodów.
Słowa kluczowe
SETA, mobilność, czujniki, dane, transport, sieci neuronowe