Московский государственный университет геодезии и картографии
Технология восстановления геополей по данным потока измерений от геосенсорных сетей
в режиме реального времени

Область: Робототехника, производственные технологии и искусственный интеллект

TRL 5: Работоспособность технологии может быть продемонстрирована на детализированном макете в условиях, приближенным к реальным
Описание технологии
Преимущества
На практике, основными конкурентами предлагаемой технологии являются два семейства методов.
1. Кригинг и его вариации.
2. Методы естественной окрестности (Natural Neighbor Interpolation).
Эти методы имеют глобальный характер, то есть изменение положения любого источника измерений приводит к необходимости повторного расчета всего геополя.
Кроме того, необходимость поддержки глобальных структур данных, учитывающих пространственные соотношения точек, приводит к степенной зависимости вычислительной сложности от объема входных данных, а также усложняет выполнение вычислений в параллельном режиме.
Предлагаемая технология имеет линейную зависимость вычислительной сложности от объема входных данных, что позволяет ей обеспечить работу в режиме близком к реальному времени, при десятках и сотнях тысяч активных подвижных источников данных.

Применение
Предлагаемая технология может быть использована для любых задач, требующих восстановления геополей на основе большого (от тысяч до сотен тысяч) количества исходных измерений, для изучения пространственно-распределенных явлений в таких областях как, метеорология, гидрология, экология, логистика и другие.
Особенный интерес представляет применение технологий для динамичных пространственно-распределенных систем: "умных" городов, логистических узлов (морских и аэро- портов), крупных производств и т.п.
Установка геосенсоров, (сенсоров, способных к определению собственного положения) на подвижных платформах, например - на общественном транспорте и транспорте коммунальных служб, позволяет расширить покрытие измерительной сети (по сравнению со стационарными измерительными пунктами), увеличить плотность измерений в пространстве и времени, обеспечив точный и актуальный образ ситуации на территории.
Это может быть использовано для принятия обоснованных управленческих решений, например:
- оптимизации логистических и производственных процессов с учетом их влияния на экологию,
- раннего предупреждения чрезвычайных ситуаций и быстрого реагирования на них,
- локализации источников вредных выбросов в атмосферу и гидросферу, способствования их регулированию.

Описание будущего/возможного применения
Задача восстановления (интерполяции) геополя (геопривязанного скалярного поля), представленного в виде растра на регулярной сетке по наборам или потокам пространственно-координированных измерений, является одной из базовых в геоинформатики.
Её решения являются основой множества исследований и разработок, посвященных мониторингу множества пространственно-распределенных явлений:
- метеорологических: температуры, давления, скоростиетра,
- экологических: содержания вредных газов и аэрозолей в воздухе,
- логистических: плотности пассажирских потоков,
- социологических: плотности населения, среднего возраста.
Предлагаемая технология позволяет обеспечить покрытие территорий мегаполисов, крупных городов и городских агломераций с пространственным разрешением 50-100 м, на основании потоков измерений от десятков до сотен тысяч подвижных источников, в режиме близком к реальному времени (обновление всего геополя до нескольких раз в секунду),
Предлагаемая технология основана на двухэтапном процессе:
- Первый этап – первичная (грубая) оценка значений геополя.
- Второй этап – уточнение результатов оценки.
Оба этапа основаны на принципах машинного обучения: для их выполнения необходимо предварительное обучение на наборе натурных и (или) модельных данных.
Первый этап заключается в применении метода локального ядерного сглаживания, ядро которого определяется предварительно, на основе набора измерений с помощью методов глобальной стохастической оптимизации, что позволяет построить общий образ геополя.
Второй этап заключается в применении модели на основе искусственной нейронной сети, обеспечивающей учет локальных особенностей местности.

Показатели производительности представлены в таблице:

Показатель


Первичная оценка геополя

Уточненная оценка геополя

Пикселов

Млн. ед.

1

1

Производительность

Тыс изм/с

42.0

38.5

PSNR

db

23.75

28.21

SSIM


0.78

0.91

Белышева Юлия Владимировна
Email: belysheva@miigaik.ru
Тел: +7 996 977 60 57