Российские исследователи создали модель на базе искусственного интеллекта, способную прогнозировать погоду вплоть до конкретного двора. Она умеет «приземлять» масштабные метеоданные на локальные карты района. В отличие от решений, ориентированных на среднестатистические предсказания, новая система целенаправленно рассчитывает аномальные явления — ураганные ветра и сильные ливни. Это дает возможность заблаговременно информировать коммунальные и специальные службы о приближающихся ЧП. По мнению экспертов, внедрение технологии откроет муниципалитетам путь к предотвращению аварий и ускоренному переходу к «умному ЖКХ», где экономия ресурсов станет одним из ключевых принципов.
ИИ-прогноз погоды для двораКоманда Института искусственного интеллекта МФТИ создала платформу для климатического анализа, которая способна выдавать прогнозы с разрешением до отдельного двора или дома. В отличие от имеющихся систем, работающих на высоком разрешении, эта ИИ-платформа ориентирована именно на аномальные метеоявления — ураганы, мощные ветра и проливные осадки. Поскольку такие явления часто становятся причинами чрезвычайных ситуаций, разработка окажется полезной коммунальным и специальным службам, позволяя им заранее готовиться к возможным угрозам.
— Сервисы для прогноза погоды даже с высоким разрешением рассчитывают средние значения для ежедневных предсказаний событий, которые происходят с высокой вероятностью. Например, ветер со скоростью 10 м/с они легко спрогнозируют. А вот ветер со скоростью 30 м/с бывает очень редко, но если случается, то приводит к серьезным ЧП. Наша система как раз и предназначена для предупреждения таких экстремальных явлений. Мы поставили искусственному интеллекту иную задачу, чем в стандартных моделях прогноза, и это потребовало полностью переработать нашу модель, — сказал младший научный сотрудник МФТИ Иван Новиков.
Большинство современных прогнозов дают картину событий на сотнях километров, тогда как внутри городов климат может меняться от улицы к улице. В центральной части мегаполиса воздух часто бывает на 10 и более градусов теплее, чем на периферии, а плотная застройка и форма улиц создают «тепловые ловушки» и «уличные каньоны», существенно меняющие локальные метеоусловия. Все это повышает пик нагрузки на энергосистемы и может вызвать сбои в работе городских служб — от ливневой канализации до транспорта.
Разработка учитывает подобные нюансы благодаря применению даунскейлинга: алгоритмы берут общий городской прогноз и «опускают» его на уровень улиц, дополняя информацией с камер, метеостанций, датчиков и счётчиков. Если стандартные модели оперируют сеткой в 25–30 км, то решение МФТИ уменьшает шаг до 30–50 м — фактически до масштаба одного дома.
ИИ-платформа не просто передаёт наблюдаемые параметры, она постоянно анализирует, как и почему атмосферные процессы проявлялись в конкретной точке с известной застройкой (высотные здания, асфальт, зелёные зоны). Выявленные взаимосвязи используются системой для дальнейшего повышения точности предсказаний.
— Например, наша система сможет предсказать, что ветер в узком переулке между небоскребами в этом направлении усилится втрое, а на одной из площадей из-за эффекта «теплового острова» температура будет на 10 градусов выше, чем в парке за углом, — сказал руководитель направления индустриальных продуктов Института искусственного интеллекта МФТИ Денис Лобас.
Переход к «бережливому ЖКХ»Платформа выводит угрозы на интерактивную карту, предоставляя службам удобный инструмент для мониторинга в реальном времени. Благодаря этому застройщики смогут заранее оценивать влияние архитектурных решений на климат отдельных районов.
Как сообщил «Известиям» климатолог, ведущий научный сотрудник Пущинского научного центра биологических исследований РАН Алексей Карнаухов, предложенный метод привязки прогноза к конкретным территориям может оказаться полезным.
— Например, ожидаются сильные дожди. Тогда дом на холме остается вне зоны риска потопления, а дом рядом с водоемом, который может выйти из берегов, может оказаться в чрезвычайной ситуации. Однако для применения системы в модель потребуется внести очень большое количество данных. Но мы уже знаем примеры, когда разработчикам это удавалось, — сказал он.
По мнению ведущего научного сотрудника Лаборатории искусственного интеллекта, нейротехнологий и бизнес-аналитики РЭУ имени Г.В. Плеханова Марины Холод, подход даунскейлинга позволяет перейти от ликвидации последствий погодных ЧП к их предвидению, что даёт шанс заранее мобилизовать ресурсы. С помощью системы можно выявлять наиболее уязвимые участки инфраструктуры и направлять туда технику и ремонтные бригады адресно.
— Прогнозируя «тепловые острова» в застройке и аномальную жару в конкретных районах, службы энергоснабжения могут более точно оценивать нагрузку на сети и предотвращать аварии, то есть снизить пиковые нагрузки на инфраструктуру. Система позволит рассылать персональные предупреждения для жителей с рисками для здоровья. Например, люди с сердечно-сосудистыми заболеваниями будут заранее знать о наступлении аномальной жары в их конкретном дворе, а астматики — о неблагоприятных условиях с высокой концентрацией загрязняющих веществ в воздухе, — сказала эксперт.
Также технология позволяет прогнозировать образование гололеда на конкретных эстакадах или участках дорог и сильные порывы ветра на мостах, что даёт возможность заранее обрабатывать трассы реагентами и предупреждать водителей об опасных отрезках, добавила она.
Для корректной работы системе необходим доступ к локальным наблюдательным данным, однако метеостанции и другие сенсоры распределены по городу очень неравномерно, и на основе фрагментарных сведений получить точный результат сложно, отметил директор Мегафакультета трансляционных информационных технологий Университета ИТМО, эксперт Национального центра когнитивных разработок НТИ на базе ИТМО Александр Бухановский. Тем не менее предложенный подход может оказаться востребованным в задачах «бережливого ЖКХ», например при гибком управлении режимами отопления зданий, заключил он.