Главная
» Научно-исследовательская работа (НИР) » Проактивный подход к мониторингу событий в сложных распределенных системах интеллектуального города с использованием технологий больших данных и предиктивной аналитики
Проактивный подход к мониторингу событий в сложных распределенных системах интеллектуального города с использованием технологий больших данных и предиктивной аналитики
| Участники (ПГУ): | Финогеев Антон Алексеевич [0] [Руководитель]  , Финогеев Алексей Германович [60] , Деев Михаил Викторович [20] , Тимонин Алексей Юрьевич [10] , Грушевский Александр Анатольевич [10] |
| Название: | Проактивный подход к мониторингу событий в сложных распределенных системах интеллектуального города с использованием технологий больших данных и предиктивной аналитики |
| Владелец: | Финогеев Антон Алексеевич |
| Тип: | Гранты РНФ |
| Номер: | 20-71-10087 |
| Дата: | 15.08.2024 |
| Аннотация: | Целью исследований является развитие проактивного подхода к мониторингу и анализу возможных причин критических событий на объектах распределенной инфраструктуры на основе предиктивного анализа больших данных для выявления корреляционных связей между временными рядами характеристик событий и показателей возможных факторов влияния. Целью является прогностическая оценка рисков критических событий на различных участках в зависимости от оценки состояния дорожно-транспортной инфраструктуры в совокупности с другими факторами. Задачи нового исследования связаны с разработкой нового нейросетевого подхода к прогнозированию временных рядов показателей инцидентов и оценки рисков влияния совокупности факторов, метода сбора данных и оценки эксплуатационного состояния дорожной инфраструктуры, метода определения прогнозных моментов времени с превышением допустимого уровня рисков возникновения критических событий на участках дорог, метода интерактивной визуализации показателей критических событий и показателей факторов влияния на цифровой карте с цветовой визуализацией уровня рисков в конкретные временные интервалы. Объектами исследований является распределенная дорожно-транспортная инфраструктура, участники дорожного движения и эксплуатационное состояние дорожной инфраструктуры. Сбор данных выполняется с помощью камер видеонаблюдения и фоторадарных комплексов на участках дорожной инфраструктуры и открытых источников в сети Интернет. В настоящее время недостаточно развиты модели и методы проактивного мониторинга и предиктивного анализа дорожно-транспортной обстановки с учетом влияния разных факторов влияния на риски критических событий. Результаты исследований необходимы для прогностического моделирования вероятности появления критических событий на основе оценки эксплуатационного состояния дорог, элементов дорожной инфраструктуры и погодных условий, что подтверждает актуальность дальнейшего развития проектных исследований. К новым научным задачам в рамках продолжения проекта относятся: 1. Разработка метода сбора и анализа больших данных о состоянии дорожно-транспортной инфраструктуры, полученных посредством сбора информации от участников дорожного движения из открытых источников в сети Интернет, для оценки степени влияния показателей данного фактора на возникновение критических дорожных событий. 2. Развитие проактивного подхода к мониторингу и предиктивному анализу критических событий в распределенных системах (на примере дорожной инфраструктуры) на основе нового подхода к прогнозированию временных рядов показателей инцидентов и факторов влияния с использованием рекуррентных нейронных сетей с трансформерами. 3. Разработка нового метода определения прогнозных моментов времени с превышением допустимого уровня рисков возникновения критических событий различных видов на участках дорог. 4. Разработка нового способа интерактивной визуализации архивных и прогнозных показателей критических событий и показателей факторов влияния на цифровой карте в динамике представления изменений показателей инцидентов и факторов влияния в ретроспективные и прогнозные интервалы времени с изменениями цветовой маркировки степени рисков на участках дорог. Цель и задачи проекта соответствуют направлению Н1 из Стратегии научно-технологического развития РФ в плане разработки методов и инструментальных средств для аналитической обработки больших данных о факторах влияния на риски критических событий с использованием нейросетевых технологий и технологий интеллектуального анализа. Научная новизна заключается в синтезе новых методов и моделей для оценки и предиктивного анализа комплексного влияния нескольких факторов на риски возникновения критических событий на распределенных объектах дорожной среды. Практическая, общественная и социальная значимость проекта определяется тем, что результаты проекта предназначены для обеспечения безопасности дорожного движения и снижения рисков влияния негативных факторов на показатели аварийности. |
| Код ГРНТИ: | 20.00.00 Информатика |
| Результаты: | Основной целью продолжений проектных исследований является развитие проактивного подхода к мониторингу дорожно-транспортной среды на основе интеллектуального анализа больших данных о факторах влияния на дорожную обстановку для предиктивного анализа рисков возникновения критических событий на различных участках дорог. Ожидаемые научные результаты: 1. Метод сбора и анализа данных о состоянии дорожно-транспортной инфраструктуры (ямах, неровностях, стертой разметки, неработающих светофорах, неверно установленных дорожных знаков и т.д.), полученных посредством сбора информации от участников дорожного движения из открытых источников в сети Интернет, для оценки степени влияния показателей данного фактора на возникновение критических дорожных событий. Метод включает: а) методику оценки безопасности участков дорожной инфраструктуры на основе анализа рисков критических событий в зависимости от их эксплуатационного состояния. в) метод пространственной кластеризации участков дорожно-транспортной инфраструктуры со схожими оценками эксплуатационного состояния с анализом плотности распределения схожих участков. г) методику визуализации информации о состоянии дорожно-транспортной инфраструктуры с показателями инцидентов различных типов в кластерах. 2. Проактивный подход к предиктивному анализу критических событий на основе прогностического моделирования временных рядов показателей инцидентов и факторов влияния с использованием рекуррентных нейронных сетей с трансформерами. Подход включает: а) метод прогнозирования временных рядов на основе рекуррентной нейронной сети с архитектурой трансформера (механизма внимания). б) модель рекуррентной нейронной сети с архитектурой трансформера для прогнозирования временных рядов показателей инцидентов и факторов влияния. 3. Метод определения прогнозных моментов времени с превышением допустимого уровня рисков возникновения критических событий различных видов на участках дорог с цветовой визуализацией уровня рисков. Метод включает: а) методику определения моментов времени, когда на выбранных участках дорог уровень критичности возможных инцидентов превысит допустимый в прогнозные интервалы времени. б) методику прогнозирования моментов времени «активации» опасных участков. в) методику определения показателей факторов влияния и их значений, которые в прогнозируемые моменты времени могут привести к максимальной степени риска инцидентов с визуализацией на участках дорог с моментами времени их «активации». 4. Метод интерактивной визуализации архивных и прогнозных показателей критических событий и факторов влияния на цифровой карте. Метод включает: а) способ представления динамики изменений показателей инцидентов и факторов влияния в ретроспективные и прогнозные интервалы времени в графическом виде с изменениями цветовой маркировки критичности инцидентов на участках дорог. б) способ визуализации опасных участков дорог на карте с возможными критическими значениями показателей в прогнозные моменты времени. в) методику оповещения участников дорожного движения и меры предупреждения водителей об опасности инцидентов заданных типов на участках дорог с недопустимыми уровнями рисков в критичные моменты прогнозного времени. Научная и практическая значимость результатов состоит в развитии и разработке новых моделей и методов для аналитической обработки больших данных и прогностической оценки возможных причин критических событий на объектах дорожно-транспортной инфраструктуры с использованием интеллектуальных технологий (больших данных, временных рядов, предиктивной аналитики, нейронных сетей и машинного обучения). Результаты соответствуют мировому уровню исследований в данной области, так как относятся к дальнейшему развитию нового проактивного подхода к мониторингу и предиктивному анализу критических процессов в сложных распределенных системах на основе оценки и прогнозирования влияния различных факторов на критические события. Разрабатываемые методы являются основой создания и развития интеллектуальных систем нового поколения. Результаты представляют компоненты интеллектуальных систем для цифровой трансформации процессов мониторинга и управления в условиях комплексного влияния множества факторов на риски критических событий, что доказывает практическую значимость проектных исследований. Универсальность разрабатываемого проактивного подхода, моделей, методов и инструментальных средств позволит применять их для предиктивного анализа рисков критических событий на объектах любых пространственно-распределенных систем (систем энергоснабжения, газораспределения, в коммунальных инженерных сетях, на нефтепроводах и газопроводах и т.д.) для мониторинга различных процессов, предупреждения критических событий. Общественная и социальная значимость проекта определяется тем, что результаты проекта предназначены для развития интеллектуальных систем мониторинга для снижения рисков аварий и катастроф, обеспечения безопасности дорог и жизнедеятельности человека. |
| Ссылка: | https://grant.rscf.ru |
| Объем денежных средств: | 5000000 |
| Описание: | Основной научной проблемой, решаемой в ходе проектных исследований, является развитие проактивного подхода к мониторингу и анализу возможных причин критических событий на объектах распределенной инфраструктуры (на примере дорожно-транспортной среды) на основе предиктивного анализа больших данных для выявления корреляционных связей между временными рядами характеристик событий и показателей возможных факторов влияния. Целью является прогностическая оценка рисков критических событий на различных участках в зависимости от оценки эксплуатационного состояния дорожно-транспортной инфраструктуры в совокупности с другими факторами (на примере метеоданных. В плане развития подхода предполагается разработка и исследование нейросетевой модели для прогнозирования временных рядов показателей дорожных инцидентов и факторов влияния на основе рекуррентных нейронных сетей с транcформерами. Объектами исследований является распределенная дорожно-транспортная инфраструктура, участники дорожного движения, эксплуатационное состояние дорожной инфраструктуры и погодные условия. Сбор данных выполняется с помощью камер видеонаблюдения и фоторадарных комплексов фото и видеофиксации на участках дорожно-транспортной инфраструктуры, а также из открытых источников в сети Интернет. К конкретным задачам в рамках продолжения проектных исследований относятся: 1. Разработка метода сбора и анализа данных о состоянии дорожно-транспортной инфраструктуры (ямах, неровностях, стертой разметки, неработающих светофорах, неверно установленных дорожных знаков и т.д.), полученных посредством сбора информации от участников дорожного движения из открытых источников в сети Интернет, для оценки степени влияния показателей данного фактора на возникновение критических дорожных событий. Задача включает следующие подзадачи: а) Разработка методики оценки безопасности участков дорожной инфраструктуры на основе анализа степени рисков возникновения критических событий различных типов в зависимости от их эксплуатационного состояния. в) Разработка метода кластеризации участков дорожно-транспортной инфраструктуры со схожими оценками эксплуатационного состояния дорожно-транспортной инфраструктуры на основе алгоритма DBSCAN для пространственной кластеризации с шумами на основе анализа плотности распределения схожих участков. г) Кластеризация показателей инцидентов различных типов для оценки и пространственного анализа их распределения по полученным кластерам для визуализации на цифровой карте. д) Разработка приложения для визуализации информации о состоянии дорожно-транспортной инфраструктуры с показателями инцидентов различных типов в кластерах в виде тепловой карты. 2. Развитие проактивного подхода к мониторингу и предиктивному анализу критических событий в распределенных системах (на примере дорожной инфраструктуры) на основе прогностического моделирования временных рядов показателей инцидентов и факторов влияния с использованием рекуррентных нейронных сетей с трансформерами. Задача включает ряд подзадач: а) Разработка метода прогнозирования временных рядов на основе рекуррентной нейронной сети с архитектурой трансформера (механизма внимания). б) Разработка модели рекуррентной нейронной сети с архитектурой трансформера для прогнозирования рядов показателей инцидентов и факторов влияния. в) Исследование и сравнение результатов прогнозирования с результатами, полученными ранее в проекте с помощью разработанных методов. 3. Разработка метода определения прогнозных моментов времени с превышением допустимого уровня рисков возникновения критических событий различных видов на участках дорог с цветовой визуализацией уровня рисков в данные моменты. Задача включает подзадачи: а) Разработка методики определения моментов времени, когда на выбранных участках дорог уровень критичности возможных инцидентов превысит допустимый в архивные и прогнозные интервалы времени. б) Разработка методики прогнозирования моментов времени «активации» опасных участков и зон. в) Разработка методики отбора набора показателей факторов влияния, комплекс значений которых в прогнозируемые моменты времени может привести к максимальной степени риска инцидентов и определение прогнозного набора значений данных показателей с визуализацией их на карте вместе с моментами времени их «активации» на опасных участках. 4. Разработка методов и средств интерактивной визуализации архивных и прогнозных показателей критических событий и показателей факторов влияния на цифровой карте. Задача включает подзадачи: а) Разработка способа представления динамики изменений показателей инцидентов и факторов влияния в ретроспективные и прогнозные интервалы времени в графическом виде с изменениями цветовой маркировки степени рисков на участках дорог в соответствии с показателями временных рядов. б) Разработка способа визуализации опасных участков дорог или зон на карте с возможными критическими значениями показателей в прогнозные моменты времени. в) Разработка методики оповещения участников дорожного движения и выработки мер предупреждения водителей об опасности инцидентов заданных типов на участках дорог с недопустимыми уровнями рисков в критичные моменты прогнозного времени. Цель и задачи проекта полностью соответствуют направлению Н1 из Стратегии научно-технологического развития РФ в плане разработки методов и инструментальных средств в плане решения задач обработки больших данных для предиктивного анализа влияния факторов на риски критических событий с использованием технологий интеллектуального анализа и нейросетевых технологий прогнозирования временных рядов. |
| Файл для скачивания: | |
| Дата создания: | 05.11.2024 19:42 |
| Ссылка на ресурс: | http://elib.pnzgu.ru/nir/1108  |