Об уборке снега в Кентукки с помощью IT

576

Предлагаем вашему вниманию сокращённый перевод статьи «Will Edge Computing Change How Government Operates?», опубликованной на сайте американского журнала «Government Technology». Описывается пример решения актуальной управленческой задачи – как за счёт умелого применения IT и IoT убрать весь выпавший снег, если ресурсов, обычно отпускаемых на это дело, вдруг не хватило.

Департамент транспорта штата Кентукки тратит за среднестатистическую зиму 45-75 миллионов долларов на очистку дорог от снега. Однако суровой зимой 2014-2015 траты штата вышли далеко за обычные границы. Это случилось в том числе и из-за не лучшего использования департаментом снегоуборочных машин и антиобледенителей.

Чтобы решить проблему, департамент обратился к большим данным, аналитике и граничным вычислениям (edge computing, подробнее можно прочесть, например, здесь >>). Задействовав устройства слежения на дорогах и снегоуборочном транспорте, данные приложения для водителей Waze, информацию из Twitter и прогнозы погоды, специалисты компании Cloudera существенно повысили эффективность управления уборкой снега.

В качестве исходных данных алгоритм получал скорость движения автомобилей, количество машин на трассах в определённый момент, температуру воздуха, скорость ветра, облачность и пр. Каждые 60 секунд более 80 тысяч информационных сообщений поступало на компьютеры транспортного департамента штата, позволяя инженерам в реальном времени корректировать план уборки снега. Это позволило составить уточненные графики выхода снегоуборочной техники и распыления реагентов, что сэкономило департаменту 5-10% средств.

Представитель Cloudera, IoT-эксперт Дэйв Шуман (Dave Shuman), считает, что применение аналитики, машинного обучения и граничных вычислений в работе правительственных агентств – общая тенденция. Кроме уборки снега, уже разработаны решения различных правительственных задач – от браслетов-мониторов для заключённых и носимых видеокамер для полицейских патрулей до инфраструктурных приложений, координирующих парковку, работу светофоров, трафик, уборку мусора и пр.

Появление подобных продуктов стимулируется развитием граничных вычислений. Согласно прогнозу консалтинговой компании McKinsey, к 2020 году число IoT-устройств достигнет 30 миллиардов, а к 2019 госструктуры будут их использовать активнее, чем частный сектор. Хотя большинство сенсоров по-прежнему будут лишь просто собирать информацию, повысятся вычислительные возможности устройств, их можно будет задействовать для обработки данных. Такие устройства будут размещать в автомобилях, зданиях и т.п. «Обработка данных на периферии позволяет принимать решения с меньшей задержкой, — говорит Шуман. – Таким образом, вы получите устройства, обладающие «интеллектом», т.е. вычислительной мощностью и набором шаблонов, достаточных, чтобы принимать нужные решения».

Ежедневно поступает информация о новых вариантах использования граничных вычислений: это лифты, понимающие, что нужно остановиться и раскрыть двери, если произошло землетрясение; это водяные насосы, прекращающие работу, если обнаруживается протечка в системе отопления или водоснабжения. Прекрасным примером являются также автономные автомобили, применяющие граничные вычисления для принятия моментальных решений о маршруте во время поездки по городу.

Последние годы граничные вычисления стали привлекать особое внимание. По мнению Gartner, они способны решить локальные проблемы нехватки вычислительных мощностей в IoT-сетях. Интернет вещей децентрализует вычислительную инфраструктуру организации, и граничные вычисления получают преимущества по сравнению с облачными или централизованными вычислениями.

Однако федеральные IT-директора и IT-директора штатов пока не готовы осваивать эти технологии, во всяком случае, не готовы заявить, что граничные вычисления заменят облачные. Бывший CIO Бостона, например, думает, что граничные вычисления слегка переоценены. «Чему нас научила облачная инфраструктура за прошедшие 10 лет, так это тому, что централизованная, высокоэффективная вычислительная инфраструктура в большинстве случаев лучше распределённых маломощных систем по цене, производительности, масштабируемости, способности к восстановлению и другим факторам, важным для нас», — считает он.

Вместо того, чтобы рассматривать граничные вычисления как выбор «или-или», следует принять гибридный подход, считает Шуман. Частично это обосновано и большим количеством унаследованной технологии, всё ещё работающей в госсекторе. Примером гибридного подхода он видит в разворачивании платформ, где сенсоры Интернета вещей комбинируются с традиционными системами госведомств: CRM, ERP и системами снабжения.

В любом случае, IT-директора и главы агентств должны принять меры надлежащей осмотрительности, прежде чем полагаться на новые процедуры принятия решений, управляемые данными. Шуман напоминает о вероятности ошибок в компьютерных моделях. Необходима уверенность в открытости и прозрачности методик, поскольку правительство полагается не только на собственные данные, но и получает их от «информационных брокеров».