Эпоха больших данных: как искусственный интеллект помогает формировать города будущего

Жизнь современного города скоро будет сложно представить без технологий искусственного интеллекта (ИИ). Они интегрируются в системы мегаполисов и пронизывают все процессы от моделирования концепций комплексного развития территории до записи к врачу или поездки на такси.

ИИ повышает качество жизни: благодаря технологиям люди быстрее получают обратную связь, пользуются качественными услугами, меньше сил тратят на рутину и, как следствие — больше времени могут посвятить тому, что им интересно. При грамотном использовании нейросети способны глобально трансформировать городские пространства. Как именно их интегрируют и что это дает — рассказали в статье.

Концепция и основные технологии искусственного интеллекта

Искусственный интеллект — способность компьютерной системы решать задачи и выполнять действия, которые требуют разумного мышления. К ним относятся обучение, анализ данных, распознавание речи, принятие решений и другие сложные когнитивные функции. В основе ИИ лежат несколько ключевых технологий: машинное обучение, нейронные сети и обработка больших данных.

Машинное обучение — это метод, который позволяет компьютерам обучаться на основе поступающей информации. Модель строится на большом объеме входных данных, анализирует их и формирует прогнозы или решения. Все это происходит без необходимости в явном программировании на каждом этапе. Другая технология — нейронные сети — представляет собой многоуровневые системы, которые могут автоматически обучаться и адаптироваться. Их использование позволяет решать задачи, связанные с распознаванием образов, речи и текста.

Неотъемлемой частью ИИ также является обработка больших данных (Big Data). Современные города генерируют колоссальные объемы информации — от трафика и потребления ресурсов до информации о населении. Человеку сложно справиться с такими объемами, а вот машина как раз может это делать 24/7 и не уставать. Будучи способным обрабатывать огромные массивы получаемых данных, искусственный интеллект может использовать их для решения сложных задач в городской среде.

Как ИИ помогает в анализе и прогнозировании развития городов

Благодаря использованию интегрированных в городскую инфраструктуру различных электронных устройств возможен сбор огромного количества информации о населении, потреблении энергии, трафике и других аспектах жизни города. На основании этих данных искусственный интеллект создает наиболее точные и эффективные модели городского управления.

Эффективное использование ресурсов

Навыки ИИ по сканированию данных, анализу времени пикового использования энергии и прогнозирования максимальных расходов успешно применили на правительственных зданиях в Сувоне (Южная Корея). После оптимизации энергоэффективность повысилась на 30%, административные расходы сократились на 50%, а выбросы углерода — на 35%.

Другой пример — сервис Google Sunroof, который с помощью ИИ анализирует доступную на крышах зданий солнечную энергию. Система вычисляет, сколько денег пользователь может на ней сэкономить, благодаря чему и жители, и организации могут оценить потенциал установки солнечных панелей и их эффективность в конкретном месте. Как следствие — более рациональное использование энергии и снижение нагрузки на традиционные источники.

Ряд есть разработок есть и в России. Созданное командой из Пермского кампуса решение в сфере экологического мониторинга, к примеру, позволяет прогнозировать динамику перемещения вредных веществ в воздухе и оценивать наиболее вероятную точку выброса. Таким образом, применение современных технологий еще и помогает следовать крайне актуальной в наше время ESG‑повестке.

Архитектура и проектирование городских пространств

Инструменты архитекторов и дизайнеров на основе ИИ — уже обыденность. Планы этажей, 3D‑модели и даже полные проекты зданий — все это можно получить с помощью нейросетей. Их используют для создания дизайнов, которые будут эстетически привлекательны, функциональны и устойчивы. PromeAI, Leonardo.Ai, ArchiVinci, Gendo, Architectures, Autodesk Forma — лишь малый список генераторов таких решений. Почти под каждую задачу есть свои платформы. Например, The AI System от NVIDIA помогает в интеграции стилей и форм в архитектурных эскизах, а The Living's «Hy-Fi» в MoMA PS1 — в оптимизации формы здания в соответствии с экологическими параметрами.

Помогает искусственный интеллект и проектировщикам. Например, разработанная университетом ИТМО система пешеходного моделирования Ant Road Planner симулирует поведение пешеходов на конкретной территории, тем самым позволяя предсказать пути движения и построить оптимальную планировку дорожек, чтобы избежать появления стихийных троп. Еще один пример — использование ИИ при многовариантном проектировании. Так, если раньше инженер мог тратить недели на расчет и проектирование сложных гидравлических систем, то нейросети позволяют выполнить ту же работу за считанные минуты, анализируя множество вариантов и предлагая оптимальные решения.

Современные решения на основе ИИ, используемые в градостроительстве, позволяют оценивать потенциал земельных участков, учитывать экологические и социальные факторы, а также прогнозировать влияние будущих проектов на городскую среду. Urbanist AI, к примеру, дополняет фотографию объекта, чтобы посмотреть, как изменения повлияют на внешний облик города. Инструмент применим в работе муниципалитетов.

Оптимизация транспортных систем

Современные дороги оснащены большим количеством датчиков, камер и иных средств автоматизированных систем управления дорожным движением (АСУДД). ИИ получает с них данные (скорость движения, плотность движения, количество аварий и т.д.), анализирует их, предсказывает и корректирует транспортные потоки.

С помощью динамического моделирования «цифровой ум» может предсказывать изменения в трафике и предлагать оптимальные маршруты для водителей. В Лос-Анджелесе, например, была разработана система, которая в реальном времени определяет наиболее загруженные участки дорог и корректирует работу светофоров, чтобы оптимизировать движение. В результате: снижение времени пробок на 20% и уменьшение количества аварий на 15%. В канадском Торонто для оптимизации городского трафика тоже используют наработку с ИИ — Alphabet Sidewalk Labs.

Искусственный интеллект помогает в оптимизации работы общественного транспорта. Благодаря анализу данных о пассажиропотоках и трафике, он может предлагать более эффективные маршруты и расписания. Способствует ИИ и повышению уровня комфорта перевозок. В Санкт-Петербурге, к примеру, ездят трамваи с системой Cognitive Pilot, которая контролирует безопасность от окружающих помех и следит за физическим состоянием водителя. Транспортное средство при этом движется равномерно, без резких ускорений и торможений.

В Москве и других крупных городах внедряются системы, которые с помощью ИИ контролируют дорожную обстановку, анализируют поведение водителей и могут прогнозировать потенциальные опасные ситуации. Это способствует снижению аварийности: по подсчетам Института экономики транспорта и транспортной политики НИУ ВШЭ, благодаря камерам контроля скорости количество ДТП в 2021 году сократилось вдвое. Применение в столице систем безопасности, таких как система мониторинга состояния водителей «Антисон», в 2020 году на четверть сократило количество аварий с участием городского пассажирского транспорта.

Искусственный интеллект внедрен и в АСУДД на скоростных магистралях России. Он помогает эффективно управлять светофорами, фиксировать ДТП, нарушения ПДД. На ЦКАД (А113) система непрерывно анализирует данные, поступающие с метеостанций и комплексов видеонаблюдения, и сама автоматически выявляет любые дорожные инциденты: аварии, остановки транспортных средств в неположенном месте, попадание на проезжую часть постороннего предмета или пешехода.

Как с помощью ИИ развивают инфраструктуру

Примером использования ИИ в городской среде является управление отходами. Системы могут контролировать количество мусора в контейнерах и оптимизировать маршруты мусоровозов. Например, компания Sensoneo предлагает решение, которое позволяет в режиме реального времени отслеживать заполняемость контейнеров и выстраивать маршруты сбора мусора таким образом, чтобы минимизировать затраты и снизить воздействие на окружающую среду.

В Москве нейросети ищут неубранный снег, переполненные урны, грязные дворовые территории, неподстриженный газон или неработающий фонарь. Это позволяет оперативно реагировать на проблемы и поддерживать городской ландшафт в надлежащем состоянии.

ИИ активно используют автономные автомобили. Наработки есть у Tesla, Siemens, Яндекса и других компаний. У последнего, например, сейчас в России тестируются 120 автомобилей. Также у Яндекса есть роботы-доставщики, которые привозят людям продукты и другие заказы в Москве и Санкт‑Петербурге.

Как с помощью ИИ обеспечивают безопасность в городах

Одним из наиболее заметных применений искусственного интеллекта является система распознавания лиц, помогающая в поиске преступников и предотвращении правонарушений. Разработка есть, например, у компании NEC. Ее активно применяют в ряде стран для мониторинга общественных мест и повышения уровня безопасности.

Преимущество таких систем в том, что они позволяют мгновенно идентифицировать подозрительных лиц в толпе и передавать информацию правоохранительным органам. Это существенно повышает оперативность реагирования на потенциальные угрозы и снижает уровень преступности в городах. В Москве с 2020 года работает система видеоаналитики «Сфера». С ее помощью, по данным Дептранса, выявили около 1,5 тыс. преступников. «Сфера» также помогла найти в транспорте более тысячи людей, числящихся пропавшими без вести.

Помимо того, что уже используется, есть еще много проектов, которые находятся на этапе разработки или тестирования. К примеру, на конференции KDD 2024 был представлен Urban GPT — нейросеть для проектирования городской среды. По заявкам разработчиков, это передовая пространственно-временная языковая модель, способная при минимальных вводных с высокой точностью прогнозировать городские процессы.

Заключение

В эпоху больших данных искусственный интеллект становится неотъемлемой частью жизни современного города. Его применение охватывает самые разные аспекты от анализа данных и прогнозирования до управления транспортом и проектирования инфраструктуры. Внедрение «умных» алгоритмов позволяет повышать качество инфраструктуры и открывает возможности, которые пару десятков лет назад казались непостижимыми.

Сегодня на онлайн-карте Сингапура можно получить информацию о происходящем на улице в эту минуту — от количества людей или трафика до уровня паводков или вида на город с высоты птичьего полета. В Москве нейросети задействованы более чем в 70 проектах: в метро можно пройти по Face Pay, жалобы пациентов помогают собирать чат-боты, мусор сортируют с помощью роботизированных систем.

Эффективность применения ИИ в городской среде доказывается цифрами. По данным АНО «Цифровая экономика» на 2024 год, в России использование нейросетей может снизить количество ДТП на 8,2%, а уровень заторов — на 50%. На 30% можно сократить очереди в медицинских учреждениях и до 65% — убытки от простоя и ремонтов.

Перспективы развития городов с использованием нейросетей огромны. В ближайшие годы можно ожидать дальнейшего расширения использования ИИ в городском управлении, что приведет к еще более значительным изменениям.