Научный журнал
Современные наукоемкие технологии
ISSN 1812-7320
"Перечень" ВАК
ИФ РИНЦ = 0,940

ОБЗОР ПРОБЛЕМ И ПЕРСПЕКТИВ РАЗВИТИЯ ГЕОИНФОРМАЦИОННЫХ СИСТЕМ В ЭПОХУ ВСЕОБЪЕМЛЮЩЕГО ИНТЕРНЕТА

Жебровский С.И. 1 Кузин Д.А. 1 Стрельцова М.М. 1
1 Дальневосточный федеральный университет
В настоящее время использование геоинформационных систем (ГИС) становится неотъемлемой частью многих сфер жизни, а интернет вещей (англ. Internet of Things, IoT) является одной из основных тенденций развития рынка информационных технологий. Это дает повод для размышлений о возможности дальнейшего их совместного развития. Данная статья посвящена обзору перспектив совершенствования геоинформационных систем с применением интернета вещей и распространению этой интеграции в повседневной жизни. В статье рассматриваются ключевые этапы развития интернета. Дается описание актуальных проблем, с которыми столкнулись исследователи при разработке алгоритмов и механизмов взаимодействия устройств с базами данных геоинформационных систем, приводятся примеры систем и устройств, используемых в настоящее время. Также значительное внимание уделяется существующим технологиям, разработанным современными компаниями для интернета вещей и геоинформационных систем. В статье обобщается новый материал по исследуемой теме: геоинформационные базы данных применительно к всеобъемлющему интернету. Авторы выделяют и описывают характерные преимущества использования интернета вещей в геоинформационных системах. В заключении авторы пишут о том, что может позволить совместное использование интернета вещей и геоинформационных систем.
всеобъемлющий интернет
интернет вещей
геоинформационные системы
анализ пространственных данных
большие данные
сервер хранения геопространственных данных
1. Информационный ресурс Forbin.com. Эволюция цифрового маркетинга. Часть 1. URL: https://www.forbin.com/blog/post/the-evolution-of-digital-marketing-part-1-the-digital-inception-1990-1999- (дата обращения: 07.11.2018).
2. Carstensen P.H., Schmidt K. Computer Supported Cooperative Work: New Challenges to Systems Design. 1999. URL: http://cscw.dk/schmidt/papers/cscw_intro.pdf (дата обращения: 07.11.2018).
3. Perera C., Liu C.H., Jayawardena S., Chen M. A Survey on Internet of Things From Industrial Market Perspective. 2014. URL: http://ieeexplore.ieee.org/stamp/stamp.jsparnumber=7004894 (дата обращения: 07.11.2018).
4. Landt J. The History of RFID. 2005. URL: http://ieeexplore.ieee.org/stamp/stamp.jsparnumber=1549751 (дата обращения: 07.11.2018).
5. Ahsan U., Bais A. A Review on Big Data Analysis and Internet of Things. 2016. URL: http://ieeexplore.ieee.org/stamp/stamp.jsparnumber=7815042 (дата обращения: 07.11.2018).
6. Marjani M., Nasaruddin F., Gani A., Karim A., Siddiqa A. Big IoT Data Analytics: Architecture, Opportunities, and Open Research Challenges. 2017. URL: http://ieeexplore.ieee.org/stamp/stamp.jsparnumber=7888916 (дата обращения: 07.11.2018).
7. Информационный портал TAdviser.ru. Геоинформационная система. URL: http://www.tadviser.ru/index.php/Статья:Геоинформационная_система#.D0.97.D0.B0.D0.B4.D0.B0.D1.87.D0.B8_.D0.93.D0.98.D0.A1 (дата обращения: 07.11.2018).
8. Техническое описание формата файла ESRI Shapefile. URL: http://downloads.esri.com/support/whitepapers/mo_/shapefile.pdf (дата обращения: 07.11.2018).
9. Butler H., Daly M., Doyle A., Gillies S., Hagen S., Schaub T. Спецификация формата GeoJSON. URL: https://tools.ietf.org/pdf/rfc7946.pdf (дата обращения: 07.11.2018).
10. Hall B., Leahy M.G. Open Source Approaches in Spatial Data Handling. 2008. Р. 105–106.
11. Shuka D., Shivnani C., Shah D. Comparing Oracle Spatial and Postgres PostGIS. 2016. URL: http://csjournals.com/IJCSC/PDF7-2/16. %20Deepika.pdf (дата обращения: 07.11.2018).
12. Компания Apache. HDFS Architecture. URL: http://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html (дата обращения: 07.11.2018).
13. Компания ESRI. Преимущества серверной платформы ArcGIS 10.5. URL: http://www.esri.com/esri-news/arcnews/fall16articles/arcgis-105-is-a-major-advancement-in-the-server-platform (дата обращения: 07.11.2018).
14. Sunderman RJ, Ayare S. GeoEvent Server Introduction. URL: http://proceedings.esri.com/library/userconf/devsummit17/papers/dev_int_46.pdf (дата обращения: 07.11.2018).
15. Mollenkopf A., Foss S. GeoEvent & Geo Analytics: Leveraging the spatiotemporal big data store. URL: http://proceedings.esri.com/library/userconf/fed17/papers/fed_103.pdf (дата обращения: 07.11.2018).
16. Bisio R. Big data or bust: The geospatial data connection to IoT. 2016. URL: http://internetofthingsagenda.techtarget.com/blog/IoT-Agenda/Big-data-or-bust-The-geospatial-data-connection-to-IoT (дата обращения: 07.11.2018).
17. Lee J.-G., Kang M. Geospatal Big Data: Challenges and Opportunities. 2015. URL: https://www.cs.helsinki.fi/u/jilu/paper/bigdataapplication03.pdf (дата обращения: 07.11.2018).
18. Wang E., Lin X., Abhikary A., Grovlen A., Sui Y., Blankenship Y., Bergman J., Razaghi H.S. A Primer on 3GPP Narrowband Internet of Things (NB-IoT). URL: https://arxiv.org/ftp/arxiv/papers/1606/1606.04171.pdf (дата обращения: 07.11.2018).
19. Zanella A., Bui N., Castellani A., Vangelista L., Zorzi M. Internet of Things for Smart Cities. 2014. URL: http://ieeexplore.ieee.org/stamp/stamp.jsparnumber=6740844 (дата обращения: 07.11.2018).
20. Компания Rohde-Schwarz. Narrowband Internet of Things. URL: https://cdn.rohde-schwarz.com/pws/dl_downloads/dl_application/application_notes/1ma266/1MA266_0e_NB_IoT.pdf (дата обращения: 07.11.2018).
21. Справочная система «Техэксперт». Устройства исполнительные для систем автоматического регулирования. URL: http://docs.cntd.ru/document/gost-14691-69 (дата обращения: 07.11.2018).
22. Компания Huawei. NB-IoT: Enabling New Business Opportunities. URL: http://www.huawei.com/minisite/iot/img/nb_iot_whitepaper_en.pdf (дата обращения: 07.11.2018).
23. GSMA: 3GPP Low Power Wide Area Technologies. 2016. URL: https://www.gsma.com/iot/wp-content/uploads/2016/10/3GPP-Low-Power-Wide-Area-Technologies-GSMA-White-Paper.pdf (дата обращения: 07.11.2018).
24. SARA-N2 Datasheet. URL: https://www.u-blox.com/sites/default/files/SARA-N2_DataSheet_ %28UBX-15025564 %29.pdf (дата обращения: 07.11.2018).
25. Quectel BG96 Datasheet. URL: http://www.quectel.com/UploadFile/Product/Quectel_BG96_LTE_Specification_V1.0.pdf (дата обращения: 07.11.2018).

В развитии интернета можно условно выделить четыре этапа, каждый из которых определенным образом повлиял на различные сферы жизни общества. Первый этап характеризуется возможностью пользоваться электронной почтой, искать информацию в электронных библиотеках, т.е. возможностью доступа к информации в цифровом формате. В конце 1990-х гг. начался следующий этап, который можно назвать этапом «сетевой экономики» [1]. Тогда зарождалась и развивалась электронная коммерция, управление цепями поставок стало осуществляться посредством интернет-технологий, люди начали покупать товары в интернет-магазинах, а компании открыли для себя новые рынки. Третий этап начался в начале 2000-х гг., и он известен как начало «совместной работы» [2]. На данном этапе люди стали активно пользоваться социальными сетями, видеосвязью, появилась возможность использования облачных вычислений, мобильные устройства получили высокоскоростной доступ к интернету, что значительно изменило сферу труда.

В настоящее время человечество переходит на этап «всеобъемлющего интернета» (дословно – «интернета всего» от английского Internet of Everything, IoE). Данный этап объединяет людей, процессы, данные и вещи, преобразуя информацию в действия, которые предоставляют новые широкие возможности и перспективы. Всеобъемлющий интернет строится на основании концепции интернета вещей с добавлением искусственного сетевого интеллекта, который позволяет осуществлять взаимодействие между ранее разрозненными системами. Планируется, что к 2020 г. к Интернету будет подключено около 50 миллиардов устройств [3]. За счет подключения к сети множества устройств с различными типами датчиков обыденные вещи соединятся между собой и станут интеллектуальными. Готовность к всеобъемлющему интернету характеризуется тремя основными признаками:

- повышенный уровень осведомленности – используя датчики, можно получать данные о различных объектах, процессах в реальном времени;

- возможность прогнозирования – новые типы устройств для анализа данных позволяют организациям предвидеть перспективные тенденции и схемы поведения;

- гибкость – все более точные прогнозы позволяют организациям быстрее реагировать на растущие тенденции и угрозы рынка, а также подстраиваться под них.

Геоинформационные технологии и интернет вещей связаны уже давно. Раньше, когда производители предоставляли средства контроля и учета с помощью меток радиочастотной идентификации [4], о всеобъемлющем интернете еще не шло речи. Кроме масштаба новым в данной концепции является скорость, с которой данные с устройств интернета вещей захватываются, передаются, сохраняются и анализируются. Именно здесь вступают в действие облачные вычисления и технология big data («больших данных») [5, 6].

Для решения технических задач построения и интеграции геоинформационных систем и интернета вещей необходимо решить ряд задач:

- использование в различных областях, таких как военное дело и сельское хозяйство, управлении транспортом и прогнозирование чрезвычайных ситуаций, управление земельными ресурсами и строительством и т.д.;

- манипулирование большим объемом данных;

- сбор, хранение, анализ данных различного характера;

- визуализация необходимых данных [7].

Самым простым способом их решения является разбивка всего геоинформационного комплекса на составные части и проработка каждой подсистемы в отдельности. Но из-за специфики и новизны решаемых задач не все компоненты имеют возможность быть реализованными «классическими» и устоявшимися способами и методами.

Цель данной статьи заключается в ознакомлении с основными вариантами решения и реализации интеграции геоинформационных систем и интернета вещей с использованием как уже известных методов и технологий, так и новых принципов и подходов; составление краткого сравнения описываемых решений.

Серверная часть и центры обработки данных

Существуют две основные задачи при обработке данных, с которыми должны справиться производители оборудования: первая – это хранение геопространственных данных для интернета вещей, вторая – обработка больших данных (big data). Для хранения геопространственных данных используются форматы файлов, такие как Esri Shapefile и GeoJSON. Esri Shapefile – это формат векторных графических файлов, созданный и поддерживаемый компанией Esri [8]. GeoJSON является открытым файловым форматом для хранения географических файлов, который поддерживается не организацией (как в случае с Shapefile), а рабочей группой разработчиков [9]. Для поддержки баз данных используются PostGIS, Oracle, SQL Server [10, 11]. Данные технологии отлично работают на базе персональных компьютеров, но всё же предпочтительным форматом для IoT являются облачные вычисления. Например, распределенные файловые системы Hadoop (HDFS) и Apache Hive не поддерживают пространственные типы данных [12]. Проблема обработки геопространственных больших данных связана с недостаточной мощностью отдельных устройств и необходимостью переноса вычислений в облачные сервисы.

В настоящее время компанией Esri уже разрабатываются серверные решения для IoT и ГИС, работающие в реальном времени с большими объемами геопространственных данных, решающие задачи хранения и обработки информации. Например, программа ArcGIS с версией от 10.5 уже способна работать с устройствами интернета вещей [13]. Существует и совершенствуется сервер GeoEvent, который предлагает возможности высокоскоростного приема и анализа данных в режиме реального времени [14]. Сервер событий, предоставляемый компанией ArcGIS, позволяет объединять потоки данных с множества датчиков различного типа, например датчиков движения, влажности, температуры и т.д., обрабатывать их и предоставлять информацию сразу множеству пользователей. Данный модуль позволяет обрабатывать практически любой тип потоковых данных, поступающих с устройств интернета вещей, и оповещать пользователей о наступлении определённых событий в режиме реального времени.

Для анализа больших данных используется сервер GeoAnalytics [15]. Геопространственная аналитика имеет дело с данными, касающимися расположения, размера, формы элементов как в двумерном, так и в трёхмерном пространстве. Синонимами геопространственной аналитики являются географическая и локационная аналитика. Пространственная аналитика используется для [16, 17]:

- извлечения, преобразования и загрузки пространственных данных из различных источников данных, таких как веб-службы, открытые данные, датчики, метаданные в других системах аналитики. Это может происходить на регулярной основе с пакетными процессами передачи информации или в режиме реального времени;

- хранения и управления пространственными данными в пространственной базе данных, которая служит в качестве интегрированного хранилища данных, похожего на общую базу данных. Пространственные базы данных обычно расширяются с помощью определенных структур и моделей, оптимизированных для хранения и обработки данных местоположения. Более того, они охватывают технологии Big Data и NoSQL;

- анализа и моделирования пространственных данных, которые описывают различные проблемы, такие как большие объемы данных, необходимость сочетать пространственные и непространственные наборы данных, а также необходимость поддержки комплексных алгоритмов работы с геоданными;

- визуализации и интеграции пространственных данных, которые представляют собой обработанные данные в форме, понятной для пользователей, помогающей принимать решения, основанные на этих данных. Для этого используется, например, визуализация данных на карте.

Описанные решения могут использоваться отдельно или в различных комбинациях.

Устройства, осуществляющие сбор данных для геоинформационных систем

Кроме разработки решений, необходимых для реализации центров обработки геопространственных данных и других данных, собранных с датчиков, также рассматривается организация связи между датчиками и центрами обработки [18]. Так как датчики будут присутствовать практически во всех устройствах, окружающих человека, необходимо разрешить сразу нескольких проблем: потребление энергии передатчиков должно быть минимальным; сразу множество датчиков должно подключаться к контроллерам; передача данных осуществляется в различных условиях (большая дальность, высокий уровень помех в условиях городской застройки).

В интернете вещей к сети данных должно быть подключено множество датчиков. Датчик – это преобразователь, который регистрирует какое-либо событие или изменение каких-либо физических величин, с целью передачи этой информации для использования устройствами измерительного, сигнального, управляющего характера. Например, датчики могут измерять температуру, вес, скорость, давление, влажность, освещенность. Датчики можно устанавливать на транспорте для измерения скорости и определения траектории движения для использования этой информации при создании карты города с маршрутом общественного транспорта, действующей в реальном времени. В масштабе города использование датчиков позволяет регистрировать плотность парковок, освещенность улиц, концентрацию пыли, шум, влажность воздуха [19]. Настройка датчиков может производиться как удалённо, так и физически на устройстве. Благодаря информации, поступающей с датчиков, можно разрабатывать и реализовывать механизмы реакции на определенные события [20]. К примеру, использование датчика освещенности улицы в паре с датчиком присутствия делает возможным автоматическое управление городским освещением по вечерам в зависимости от естественного света и присутствия людей в зоне действия. Таким образом можно значительно экономить электроэнергию.

Исполнительные механизмы – это устройства автоматики, которые преобразуют управляющую информацию в механическое перемещение. Это техническое средство, которое можно использовать для активации системы или управления ей. Основные три типа исполнительных механизмов:

1. Электрический – работает благодаря электродвигателю, который преобразует электроэнергию в механические действия.

2. Гидравлический – использует давление жидкости для выполнения механического движения.

3. Пневматический – использует сжатый под высоким давлением воздух для инициирования механического действия [21].

Вне зависимости от того, как исполнительный механизм инициирует движение, его базовая функция заключается в получении командного сигнала, согласно которому он выполняет какое-либо действие.

Для подключения к сети для датчиков Huawei Technologies Co., LTD разрабатывают стандарт сотовой связи NB-IoT (Narrow Band Internet of Things) [22]. Он предусматривает низкое энергопотребление и возможность подключения десятков тысяч устройств к одной базовой станции [23]. В настоящее время компании Quectel и Ublox представили готовые модули беспроводной связи, поддерживающие LTE Cat.M1 (NB-IoT). К примеру, модуль Ublox SARA-N2 обладает очень низким энергопотреблением, что обеспечивает срок службы батареи более 10 лет и возможность подключения до 50 тысяч устройств к одной базовой станции [24]. Чип Quectel BG96 позволяет работать в модулях GSM, GPRS, HSPA, LTE, обладает сверхнизким энергопотреблением и скоростью до 375 кбит/с [25].

Преимущества использования интернета вещей в геоинформационных системах

Поставщики тепловой, эклектической энергии, а также поставщики услуг водоснабжения могут использовать ГИС для публикации информации об отключениях с привязкой к конкретной местности, основываясь на показаниях датчиков. В случаях происшествия использование IoT совместно с ГИС позволит оперативно выделить места повреждений линий электропередач и направить туда ремонтную бригаду для устранения проблемы. Использование данных такого рода может также помочь компании более активно взаимодействовать с клиентами, предоставляя им возможность отслеживания состояния технических работ онлайн и не прибегать к обращениям в центры поддержки.

Телекоммуникационные, мобильные операторы могут использовать данные, полученные с устройств интернета вещей, для составления тепловых карт, выявления и обнаружения неисправностей и сбоев в обслуживании, определения перегруженности и использования мощности базовых станций и ретрансляторов для предоставления информации пользователям о параметрах мобильной и Wi-Fi сетях в определенных местах города. Сервис Geoanalytics может использоваться операторами для просмотра сведений о состоянии сети с привязкой к географическим данным и предоставлять дифференцированное качество обслуживания (QoS), основываясь на данных местоположения клиента.

Технологии IoT в ГИС позволят оценивать использование электроэнергии, реагировать на её спрос, использовать тарифные и временные стимулы для снижения энергопотребления в пиковые периоды для баланса спроса и предложения.

Компании, предоставляющие услуги общественного транспорта, могут добавлять свои маршруты на городские карты, для отслеживания передвижения в реальном времени.

Заключение

Развитие геоинформационных систем с использованием концепции интернета вещей является перспективным направлением, в котором уже начали работу ведущие компании в области геоинформационных услуг. Описанные в статье серверные решения и модули беспроводной связи, возможно, станут новым этапом равития и распространения геоинформационных систем. Использование концепции интернета вещей в геоинформационных системах позволит создавать карты «умных городов» и улучшать положение в таких областях, как транспорт, образование, здравоохранение, строительство, экологическая обстановка. Более того, интеграция интернета вещей вместе и геоинформационных систем позволит:

- оптимизировать работу городских служб, использующих датчики для контроля транспортных потоков, автобусных и служебных транспортных средств;

- отслеживать уровень шума и уровня загрязнения, а также качество воздуха;

- реализовать интеллектуальные парковочные системы, использующие датчики, которые позволят уведомлять посетителей о наличии свободных мест и отправлять водителей в ту точку, где свободно парковочное место;

- организовать интеллектуальное муниципальное освещение и управление энергией, позволяющее оптимизировать расход энергии в определенных областях, основываясь на нуждах потребителей;

- составить карты распределения населения с учетом таких учреждений, как школы, офисные здания, центры досуга, библиотеки и т.д.;

- усовершенствовать системы управления сбора отходов с интеллектуальными мусорными контейнерами, отслеживанием передвижения автомобилей сбора отходов, с составлением маршрутов сбора, с информированием о чистоте улиц, используя GPS;

- визуализировать на картах места строительства, с публикацией разрешений, плана застройки и сроков.


Библиографическая ссылка

Жебровский С.И., Кузин Д.А., Стрельцова М.М. ОБЗОР ПРОБЛЕМ И ПЕРСПЕКТИВ РАЗВИТИЯ ГЕОИНФОРМАЦИОННЫХ СИСТЕМ В ЭПОХУ ВСЕОБЪЕМЛЮЩЕГО ИНТЕРНЕТА // Современные наукоемкие технологии. – 2018. – № 12-1. – С. 237-241;
URL: https://top-technologies.ru/ru/article/view?id=37294 (дата обращения: 28.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674