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: 21.11.2024).