Диплом: Применение «больших данных» в управлении городом (на примере города Москвы)

Внимание! Если размещение файла нарушает Ваши авторские права, то обязательно сообщите нам
43
позволяют распознать преступника в толпе и значительно сократить время,
необходимое для поимки преступников.
Опять же, многие критически отзываются о видеонаблюдении с
системой распознавания лиц, считая, что Правительство хочет установить
слежку за людьми. Но примером, успешного кейса, произшедшего во время
ЧМ-2018 в Москве, можно назвать опыт, когда с помощью камер с
распознаванием лиц были выявлены 98 болельщиков, которым запретили
посещать фан-зоны. Это помогло обеспечить достойный уровень
безопасности во время проведения чемпионата и не подвергать людей,
пришедших посмотреть игру, лишнему риску.
Глобальная цель здесь — обеспечить саморегулирующуюся и
качественную систему, снижающую любые возможные риски для граждан.
Обеспечение кибербезопасности данных было первоочередной задачей
с самого начала цифровизации. В качестве базы для противодействия атакам
используются отказоустойчивые центры обработки данных, принадлежащие
правительству Москвы. На данный момент для дата-центра построена
система защиты данных, которая позволила обеспечить защиту
информационных систем, расположенных в дата-центре.
Корректное функционирование вновь построенной системы защиты
информации подтверждено положительными результатами
сертификационных испытаний на соответствие требованиям безопасности
информации и выдачей сертификата соответствия информационного
средства требованиям безопасности информации.
Что касается системы наблюдения, то доступ к этим камерам также
ограничен и контролируется. В 2018 году разработана автоматизированная
информационная система «Система контроля доступа к информационным
системам и ресурсам города Москвы», которая предназначена для
обеспечения безопасной, надежной идентификации и аутентификации
пользователей при доступе к информационным системам города Москвы.
44
Срок хранения видео составляет от пяти до семи дней. В течение пяти дней
любой гражданин может обратиться за данными с видеокамер.
Сервис «Активный гражданин» создали в 2014 году по инициативе
Правительства Москвы. Это сервис электронных опросов горожан,
позволяющий принимать решения по важным общегородским вопросам.
Уникальный случай «Активный гражданин» — услуга позволяет обычным
горожанам влиять на то, что происходит в городе. Зарегистрироваться и
принять участие в смене Москвы может любой житель Москвы, у которого
есть сим-карта российского мобильного оператора.
Для привлечения граждан используются элементы геймификации — за
участие в опросах и других активностях пользователей поощряют баллами,
которые впоследствии можно обменять на разного рода блага.
«Активный гражданин» — одна из важнейших наших услуг, и,
несмотря на то, что сейчас она уже успешно работает, ДИТ по-прежнему
направляет энергию и ресурсы на ее продвижение и популяризацию.
Помимо «Активного гражданина» необходимо рассказать о запуске
сервиса «Мой район». Это версия «Активного гражданина», где жители
конкретного района могут принимать решения о том, как благоустроить свой
район. Решения на всех уровнях важны, и «Мой район» позволяет жителям
проявлять больше самостоятельности в вопросах городской инфраструктуры.
В рамках программы ДИТ «Умный город» городские поликлиники
подключены к системе искусственного интеллекта. Онлайн-сервисы
помогают сократить очереди в поликлиниках и упрощают общение с
врачами. Например, сегодня в большинстве поликлиник города реализован
механизм контроля потока пациентов — механизм охватывает более 60
процентов всех врачей и позволяет правильно распределять количество
пациентов на каждого врача. Благодаря этой системе горожане могут
обратиться к врачу в кратчайшие сроки, а очереди в большинстве столичных
поликлиник практически ликвидированы.
45
Соответственно, управлять всей этой системой очень сложно и в этом
помогает искусственный интеллект. Помимо облегчения процесса
управления и распределения ресурсов, граждане теперь могут получать свои
анализы и результаты анализов по электронной почте, а значит, им не нужно
возвращаться в клинику. Это облегчает жизнь всем — и пациентам, и врачам.
Онлайн-сервис записи в клинику без личного визита также стал очень
удобным для москвичей. На конец 2022 года таким образом
зарегистрировались в клиниках более 51 000 человек.
Прежде всего, это сервис ЕМИАС для онлайн записи в московские
поликлиники, благодаря которому среднее время ожидания приема у врача
сократилось до пяти минут, а 95% рецептов теперь выписываются в
электронном виде. Ключевым нововведением в системе здравоохранения
является начало реализации пилотного проекта Digital Vision. С помощью
больших данных и искусственного интеллекта у врачей появилась
возможность диагностировать рак на ранних стадиях, а также оценивать риск
инсульта. Использование этой технологии уже повысило точность
диагностики в Москве на 15 процентов.
Помимо улучшения процесса приема и организации лечения пациентов
в клиниках, в Москве заинтересованы в развитии телемедицины. Конечно,
онлайн-консультация никогда не заменит полноценный прием у врача,
особенно в сложных случаях. Тем не менее, это может быть полезно при
первичных симптомах и в случаях, когда визит к врачу может не
потребоваться.
Вместе с Московской электронной школой в Москве создается
высокотехнологичная среда для повышения качества образования в
московских школах.
Что касается возможности взаимодействия, то сейчас ДИТ работает над
полной интеграцией всех сервисов. Например, в будущем, когда в городе
начнется эпидемия зимнего гриппа, ЕМИАС сможет оповещать всех
школьников и их родителей о необходимости защиты и вакцинации. Все
46
службы объединятся в единую сеть, направленную на помощь горожанам в
самых разных ситуациях. И, наконец, портал mos.ru, представляющий собой
площадку, агрегирующую все электронные услуги для граждан в одном
месте, а также предоставляющую самые свежие новости о жизни столицы.
Mos.ru позволяет горожанам понять, какие электронные услуги существуют
и как их можно получить, что экономит их время.
Одна из целей — экономить время людей, и это то, что могут сделать
московские службы.
Сделать жизнь горожан более комфортной означает, что город
оказывает услуги жителям всех уровней.
До того, как началась цифровизация, людям приходилось тратить
много времени на пользование городскими услугами и посещение различных
учреждений, но теперь все они доступны онлайн. В 2022 году был достигнут
170 млрд посещений электронных государственных услуг и обработано
платежей на сумму 1,5 млрд долларов.
ДИТ ежедневно обрабатывает 14,3 терабайт данных. Технологии
обработки «больших данных» позволяют быстрее и с минимальными
трудозатратами структурировать и преобразовывать исходный массив
данных, сокращая объем информации, с которой работает человек, а значит и
время, затрачиваемое на решение этих задач. Большие данные помогают
лучше понять наших граждан. Благодаря большим данным можно составить
портрет москвича, понять его предпочтения и решить любые его проблемы.
Например, какие изменения в инфраструктуре города им нужны, а чего не
хватает. Также большие данные могут помочь в прогнозировании стихийных
бедствий или эпидемий. Сегодня, анализируя эти данные, руководство
Москвы знает, какие проблемы возникают. Теперь на основе этой
информации можно составить план ремонта дорог или строительства
социальных объектов.
Кроме того, «большие данные» дают возможность персонализации.
Например, есть автоматическое смс-оповещение жителей конкретных
47
районов о непредвиденных ситуациях – отключении воды, снегопаде,
дорожных работах и так далее. Большие данные уже давно используются в
московском колл-центре.
Преимущества больших данных в городе Москвве можно разделить на
три основные области на основе классификации типов преимуществ:
Аналитика больших данных. Эта область охватывает приложения,
которые могут быть выполнены только с помощью автоматизированных
алгоритмов расширенной аналитики для анализа больших наборов данных
для решения проблем, которые могут выявить информацию, основанную на
данных. Такие способности можно использовать для обнаружения и
распознавания закономерностей или для составления прогнозов.
Приложения в этой области включают обнаружение мошенничества;
надзор за регулируемой деятельностью частного сектора; анализ настроений
интернет-контента для определения приоритетов государственных услуг;
обнаружение угроз из внешних и внутренних источников данных для
предотвращения преступлений, разведки и безопасности; прогнозирование
для целей планирования государственных услуг.
Повышение эффективности. Охватывает применение больших данных
для обеспечения большей внутренней прозрачности. Граждане и
предприятия могут принимать более взвешенные решения и быть более
эффективными, и даже создавать новые продукты и услуги благодаря
предоставленной информации. Некоторые примеры приложений в этой
области включают доступность данных в разных организационных
хранилищах; обмен информацией через организации государственного
сектора, например, избежание проблем, связанных с отсутствием единой
базы данных о личности (например, в Великобритании)); открытое
правительство и открытые данные, облегчающие свободный поток
информации от общественных организаций к гражданам и предприятиям,
повторное использование данных для предоставления новых и
инновационных услуг гражданам.
48
Повышение эффективности городских услуг. Эта область охватывает
приложения, которые обеспечивают более качественные услуги и постоянное
улучшение на основе персонализации услуг и извлечения уроков из
производительности таких услуг. Некоторыми примерами приложений в этой
области являются персонализация государственных услуг для адаптации к
потребностям граждан и улучшение государственных услуг за счет
внутренней аналитики на основе анализа показателей эффективности.
Ограничения для «больших данных» в городе Москве можно
резюмировать следующим образом.
Таблица 4.
Ключевые проблемы и органичения использования «больших данных»
в городе Москве
Проблема
Сущность
Отсутствие
политической
воли по
использовани
ю больших
данных
Не всегда руководители городских структур хотят воспользоваться
преимуществами этих технологий. Это потребует изменения мышления
старших должностных лиц в государственном секторе. Это потребует
изменения мышления старших должностных лиц в государственном
секторе.
Отсутствие
квалифициров
анных
сотрудников
Отсутствие квалифицированных бизнес-ориентированных людей,
знающих, где и как большие данные могут помочь в решении задач
государственного сектора, и кто может помочь подготовить нормативно-
правовую базу для успешной разработки решений для больших данных
Проблема
соотношения
открытых
данных и
кибербиезопас
ности
Требования кибербезопасности демонстрируют некоторую
неопределенность в отношении влияния на реализацию инициатив в
области больших данных и открытых данных в государственном
секторе. В частности, открытые данные должны стать катализатором
перехода от государственного сектора к частному для создания мощной
индустрии данных, однако, это чревато неконтролируемым
использованием данных и утечкой информации..
Отсутствие
опыта
принятие
решений
Сегодня большие данные в государственном секторе больше связаны с
маркетингом, чем с реальным опытом, из которого можно узнать, какие
приложения более прибыльны и как их следует развертывать. Это
требует разработки стандартного набора решений для работы с
большими данными для отрасли.
На основе анализ исследования уровня использования «больших
данных» в Москве для «больших данных» в государственном секторе были
определены следующие драйверы:
49
1. Правительства могут действовать как катализаторы в развитии
экосистемы данных, открывая свои собственные наборы данных и активно
управляя их распространением и использованием.
2. Инициативы по открытым данным являются отправной точкой
для развития рынка данных, который может использовать преимущества
открытой информации (контента) и технологий больших данных. Поэтому
активная политика в области открытых данных может принести пользу
частному сектору и, в свою очередь, способствовать росту этой отрасли. В
конечном итоге это принесет пользу государственным бюджетам за счет
увеличения налоговых поступлений от растущей европейской индустрии
данных.
2.3. Рекомендации по использованию «больших данных» в городе
Москве
Крупнейшие города мира используют технологии для решения
транспортных проблем, и Москва оказалась одним из лидеров этого
движения: теперь камеры на дорогах и чипы в билетах помогают определить,
где строить новые станции метро и прокладывать новые маршруты
общественного транспорта
Чтобы стать «умными», города должны отвечать одному общему
требованию: собирать достоверную информацию (с датчиков), на основе
которой можно вырабатывать решения на долгосрочную перспективу.
Если встроить датчики в городскую инфраструктуру и создать новые
точки сбора данных — в том числе от горожан с их мобильными
устройствами, — администрация умного города сможет анализировать
большие данные, чтобы более точно отслеживать и прогнозировать
происходящее.
50
Рис. 5. Пример датчика, полезного в управлении городом
Большие данные — богатый источник возможностей для развития
городских сервисов. Упрощенно говоря, Big Data — это огромный массив
данных, анализ которого позволяет принимать стратегические решения и
получать лучшие результаты.
Анализ «больших данных» незаменим, когда при работе с большими
объемами информации нужно определить в ней закономерности или
неочевидные идеи, которые позволят сделать ценные выводы.
Для развития умных городов очень важны информационно-
коммуникационные технологии (ИКТ): они обеспечивают доступ к данным,
собранным с помощью информационных систем. Механизм, который будет
особенно полезен умным городам, известен как интернет вещей (IoT). Он
основан на взаимодействии между устройствами, которые обмениваются
данными через интернет, беспроводные и другие сети.
Интернет вещей нужен умным городам, чтобы собирать и эффективно
обрабатывать данные, которые затем можно применить в конкретной
области. Городские датчики и другие, подключенные к сети устройства,
получают данные из нескольких «перевалочных пунктов» и анализируют,
чтобы упростить принятие решений.
А еще на жизнедеятельность городов очень повлияют облачные
платформы и аналитические приложения. Они предлагают экономичные
средства управления данными и решениями, связанными с работой
51
транспорта. Это создает основу для построения более безопасных и полезных
маршрутов на уже существующих дорогах.
Приложения машинного обучения принимают данные с подключенных
устройств и в режиме реального времени передают их на смартфоны
путешественников.
Существует три уровня данных, которые представлены на рисунке 6.
Рис. 6. Уровни больших данных в управлении городом
Растущее население мегаполисов требует современных и эффективных
транспортных решений в городах. По мере того, как загрязнение ухудшается,
а пробки в пригородных зонах растут, городские власти ищут комплексные
планы по улучшению городского транспорта. «Большие данные» — это, по
сути, процесс сбора данных из нескольких технологических источников для
принятия обоснованных бизнес-решений и выполнения логического
планирования; она все больше играет роль практически во всех отраслях, и
транспортные технологии не являются исключением. По мере того, как все
больше городов внедряют технологии «умного города», роль «больших
Первый уровень — технологическая основа, которая включает в
себя критическую массу смартфонов и датчиков, подключенных к
высокоскоростным каналам связи.
Второй уровеньособые приложения, которые превратят
сырые данные в предупреждения, идеи и действия. Тут за дело
берутся разработчики и поставщики технологии.
Третий уровеньиспользование городами, компаниями и
населением. Многим приложениям для эффективной работы
нужны массовое распространение и способность менять свое
поведение.
52
данных» будет только расти, что делает жизненно важным понимание того,
как «большие данные» в настоящее время используются городскими
транспортными властями и как они могут быть использованы в будущем.
Как правило, «большие данные» могут помочь отраслям ускорить
операции и быстро обрабатывать информацию, но в то время как «большие
данные» могут помочь компаниям в частной сфере максимизировать
прибыль, они также могут помочь удовлетворить потребности в
общественной сфере. Развитие упорядоченных транспортных сетей в
столичных центрах имеет жизненно важное значение, поскольку население
мегаполисов постоянно растет и, следовательно, требует комплексной
транспортной реформы. В частности, «большие данные» могут помочь
городам повысить надежность, эффективность и скорость транспортных
сетей, таких как общественный транспорт, управление светофорами и даже
аналитика парковок.
В настоящее время многие города соревнуются за звание «умных
городов» в надежде получить некоторые из своих преимуществ в
экономическом, экологическом и социальном плане. В результате
организации могут воспользоваться возможностями, которые стали
доступными благодаря использованию аналитики больших данных в
приложениях для умного города. Поэтому в этом разделе мы обсудим
некоторые преимущества и возможности, которые могут помочь в принятии
решения о преобразовании или редизайне города в «умный город». При
таком решении может оказаться возможным достичь повышенных уровней
устойчивости, устойчивости и управления. Помимо повышения качества
жизни граждан и внедрения интеллектуального управления инфраструктурой
и природными ресурсами. Некоторые из преимуществ наличия умного
города включают следующее:
1. Эффективное использование ресурсов: поскольку многие ресурсы
становятся либо дефицитными, либо очень дорогими, важно интегрировать
решения для более эффективного и более контролируемого использования

Смотрите также:

Cовершенствование деловой оценки персонала в организации (на примере ООО "Даймонд кейтеринг развитие")
PR-коммуникации в сфере общественного питания (на примере кафе-кондитерской «Cream Cheese»)
Value-based education: ценности в системе образования и способы их реализации на уроке английского языка. Опыт Европейских стран
Актуализация приемов инсценирования и драматизации в рамках интерактивной модели обучения английскому языку в старших классах
Актуальные подходы в построении внутреннего pr строительной компании (на примере ООО "Ренессанспроект")
Анализ деловой активности и экономической эффективности деятельности организации (на примере АО «СГ-Транс»)
Анализ деятельности логистической инфраструктуры организации на примере ООО «Производственно-коммерческая фирма «Петро-васт»
Анализ деятельности логистической инфраструктуры предприятия (на примере ООО «Салит-В»)
Анализ и обоснование стратегии развития пред-приятия (на примере ООО «Лукойл-Уралнефтепродукт»)
Анализ и обоснование стратегии развития предприятия (на примере АО «ТОЛЬЯТТИАЗОТ», Автотранспортное управление)