17 ноября — День географических информационных систем (ГИС). ГИС сегодняшний — это сгусток высоких технологий, которые помогают бизнесу быть инновационным. О них мы и расскажем, но вначале вводная о самих системах.
Почему эти информационные системы называются географическими? Где они используются?
«Географические» не означает только для географов. ГИС — основной инструмент в работе многих специалистов: агрономов, нефтяников, экологов, логистов, строителей, экономистов, военных, политиков, археологов… Перечислять можно долго, ведь список таких профессий растёт. Самое интересное, что сейчас технология выходит на такой глобальный уровень, что ей эффективно пользуется и разный бизнес, и просто каждый человек, как только он собирается выйти из дома, чтобы пройти свой путь удобнее. ГИС — это многофункциональная информационная система для сбора, обработки, моделирования и анализа пространственных данных. А также для их отображения и использования при решении расчётных задач, и самое главное — при принятии решений.
Изначально назначением ГИС была помощь людям в формировании знаний о Земле и отдельных её территориях. Но сегодня, когда распространены устройства, которые способны собирать данные через сенсоры, передавать их через интернет в облако, производить локальные вычисления для анализа этих данных и даже брать их из интернета и сопоставлять с данными от своих сенсоров (например, смартфоны, фитнес-гаджеты, переносные датчики состояния здоровья), географические информационные системы не ограничиваются только формированием знаний о Земле.
Важность интеллектуальных систем геопространственной аналитики растёт с каждым днём. Показательным стало то, что вместо слова «географический» в отношении этих систем применяют более широкий термин «геопространственный». И даже появилось отдельное понятие «геопространственное мышление», которое помогает бизнесу и различным отраслям с инновациями. Как именно — об этом дальше.
Что такое геопространственное мышление и как бизнес использует его для процветания — своего и нашего
Главные современные тенденции ГИС-технологий — это использование искусственного интеллекта и машинного обучения в работе с нейронными сетями и Big data. Человечество обучает нейронные сети географических информационных систем, чтобы они помогали нам переосмыслить, где и как решать важные проблемы, стараясь при этом лучше понимать и уважать все заинтересованные стороны (включая природу). Это и есть геопространственное мышление. Мы пришли к тому, что нам нужно более широко понимать контекст наших решений и действий, чтобы создать более устойчивое и перспективное будущее. Геопространственное мышление может помочь увидеть взаимосвязи и взаимозависимость рукотворных и природных систем. Это возможно благодаря качественному анализу данных.
Вот как аналитика местоположений в тандеме с ИИ помогает анализировать прошлые события, чтобы лучше планировать будущее
Проектирование «умных» городов и инфраструктуры
Базовая 3D-карта и интернет вещей (в своей версии Cisco, не мелочась, называет его «интернет всего») обеспечивают различные службы realtime-информацией в границах определённого района, квартала и даже строения. Эта информация собирается с определённых IoT-устройств (с соблюдением конфиденциальности) и доступна для полиции и пожарных, скорой помощи и других медслужб, перевозчиков и курьеров, продуктовых магазинов и складов, образовательных и социальных учреждений. Она должна быть доступна и для жителей: любой может знать, когда прибудет автобус, где именно на улице прорыв водопровода, где можно и нельзя парковаться, где пробки, где неудовлетворительное качество воздуха и даже где в офисах обнаружены больные коронавирусом. А IoT в умной инфраструктуре позволяет производить интеллектуальный мониторинг строительства и ремонта.
Аналитики консалтинговой компании McKinsey исследовали 15 городов с разной инфраструктурой. Цель исследования — оценить, как примерно 60 современных технологических решений для умного города на основе IoT и ГИС (от умных остановок и парковочных мест до умных урн и уличных фонарей) влияют на различные аспекты качества жизни. Оказалось, что они позволяют уменьшить смертность на 8–10%, повысить оперативность реагирования экстренных служб на чрезвычайные ситуации на 20–35%, сократить среднее время в пути на работу и с работы на 15–20%, снизить заболеваемость на 8–15%, а также сократить выбросы парниковых газов на 10–15%. Компаний, подобно этой, которые разрабатывают глобальные системы умных городов, становится всё больше.
Сбер сейчас также работает над проектом визуального позиционирования на основе обогащённых ГИС-данных. Мы создаём 3D-копии разных локаций (от города до здания) с навигацией, где с помощью компьютерного зрения определяется позиция пользователя в пространстве с точным расположением крупных предметов вокруг него.
Реагирование на чрезвычайные ситуации
Мы вплотную подошли ко времени, когда стихийные бедствия перестанут заставать нас врасплох. Это становится возможным благодаря сетевой геоаналитике и растущему геопространственному подходу, на основе которых создаются умные цифровые карты. Мы можем реагировать с той скоростью и точностью, которые необходимы, чтобы знать, где и как надо действовать. Идёт преобразование мер реагирования на разные чрезвычайные ситуации: лесные пожары, наводнения, ураганы, торнадо. Элемент местоположения имеет здесь решающее значение во всём — от распределения ресурсов и картирования случаев ЧС до моделирования распространения болезни. ГИС позволяют спасательным организациям составлять карту географии катастрофы, координировать работу сотен сотрудников и добровольцев (например, система RC View в «Красном Кресте») и даже автоматически распознавать пропавших людей на снимках труднодоступных мест (например, картографический сервис LA Track, который использует «Лиза Алерт»).
Развитие здравоохранения и «здоровых» городов
Мировые эпидемии (кори, атипичной пневмонии, лихорадок Зика и Эбола) способствовали разработке высоких технологий картографирования для отслеживания распространения заболеваний. На их основе созданы операционные панели мониторинга показателей заболеваемости, которые сегодня очень помогают нам получать информацию о распространении COVID-19 (например, панель ВОЗ или Университета Джона Хопкинса). Современные ГИС-технологии в сочетании с данными переписи населения также позволяют строить геолокационные предположения о том, где и как надо вмешиваться для борьбы с болезнью. Многоуровневая информация о возрасте, поле, доходе проживающих в том или ином районе, эпидемиологической обстановке района с помощью пространственной аналитики позволяет создавать актуальные локализованные оценки риска и сдерживать распространение болезни за счёт понимания связей событий.
Развитие точного земледелия
ГИС сегодня помогают разрабатывать методы управления здоровьем почвы в микролокациях (наноземледелие). Это инструменты отслеживания поливов, внесения удобрений, измерения качества воды, анализа вегетативного индекса и оценки урожайности. Также именно в сельском хозяйстве технологии ГИС и ИИ революционно продвинули (особенно в России) развитие автоматизации и беспилотных аграрных машин — агродроидов. Одни позволяют в разы увеличивать скорость и качество сбора урожая (а значит существенно экономить), другие — точно планировать количество техники и других ресурсов, которые понадобятся для обработки урожая. Практика же оздоровления почвы снижает затраты на корма, удобрения и гербициды. Картографирование бизнес-экосистемы и природной экосистемы важно и для банков, кредитующих фермеров, чтобы видеть, какие фермеры подвержены наибольшим рискам, а в каких географических регионах дела идут лучше. Благодаря точному земледелию на основе геолокации мы вошли в новую эру земледелия, которую уже называют очередной аграрной революцией.
Все эти изменения выводят бизнес на новый виток, где успех будет зависеть не только от перехода на цифровые технологии, но и от использования методов геолокационного анализа и геопространственного мышления. Гиперлокальная геоаналитика в бизнесе в сочетании с машинным обучением позволяют компаниям соответствовать резко изменившемуся потребительскому поведению. Кстати, о машинном обучении.
Что и как делают AI и ML в ГИС
Искусственный интеллект в ГИС занимается анализом местоположения и прогнозированием, а в конечном счёте — более разумным принятием бизнес-решений. Поскольку все ГИС содержат большой объём информации, определённой географическим положением, они являются идеальными наборами обучающих данных для ИИ-систем.
В повседневной реальности это отображается так: в компаниях мирового уровня ИИ-инструменты собирают необработанные данные цифровой трансформации и интернета вещей, объединяют их с данными о местоположении и предоставляют новые виды аналитики. Огромные объёмы бизнес-данных и данных о клиентах связаны с физическим местоположением и временем, и тысячи организаций уже анализируют их, чтобы выявить скрытые данные — вид понимания, который может создать конкурентное преимущество. Компании активно инвестируют в AI и ML, используя данные о местоположении в качестве объединяющего элемента для автоматизации процессов, улучшения моделирования прогнозов и получения коммерческих преимуществ.
Этот процесс называют георазведкой с использованием геоинтеллекта (интеллектуальным местоположением, GeoAI). Под геоинтеллектом понимается общий термин для геопространственной визуализации, анализа, принятия решений, проектирования и управления на основе технологий ГИС, дистанционного зондирования и спутникового позиционирования. Эти уровни составляют пирамиду геоинтеллекта. Функция георазведки — самая уникальная ценность, которая отличает ГИС от других информационных технологий.
Что конкретно даёт бизнесу GeoAI
Итак, GeoAI — это анализ пространственных данных с использованием ИИ. Бизнесу и государству в конечном счёте он позволяет предоставлять более качественные услуги, улучшает системы здравоохранения и даже используется для подготовки к следующей возможной пандемии на ранней стадии с помощью эпидемиологических исследований. Более 80% данных, собираемых предприятиями, и почти каждое важное бизнес-решение имеют компонент местоположения. Будь то понимание покупательских привычек клиентов или планирование следующих инвестиций в инфраструктуру.
В ретейле георазведка позволяет производить качественный клиентоориентированный анализ на основе демографических данных. А машинное обучение отлично справляется с моделированием сложной взаимосвязи между большим количеством причинных факторов и тем, как эти факторы связаны с результатом (например, поведением клиентов). При правильном использовании ML позволяет организациям преобразовывать огромные массивы имеющихся данных в полезные идеи для принятия более эффективных решений. В случае розничной торговли одной из наиболее ценных идей является эффективность магазина, обычно измеряемая проникновением на рынок или расходами клиентов. Прежде чем использовать ML для моделирования этих отношений между покупателем и производителем, нужно установить географические отношения между покупателем и магазином. И здесь необходимо учитывать розничный ландшафт.
В заключение хочется воскликнуть: «В какое классное технологичное время мы живём!»
А ведь когда понятие геопространственного мышления только зарождалось (примерно 10 лет назад), люди боялись, что это будет порождать и усиливать так называемый топографический кретинизм и даже писали об этом в уважаемых тематических источниках (например, в вестнике ГЛОНАСС). Теперь мы видим, сколько беспрецедентной пользы приносят ГИС-технологии и бизнесу, и обществу, если использовать их в соответствии с подходом геопространственного мышления, так сказать с умом. В своё время мы так же боялись «адских» машин, поездов, летательных аппаратов… и всё ещё боимся искусственного интеллекта, который «может нас уничтожить»?
