ОГРАНИЧЕННОСТЬ ДЛЯ СТАНОВЛЕНИЯ ЦИФРОВОЙ ТРАНСФОРМАЦИИ ЭКОНОМИКИ РЕСПУБЛИКИ БЕЛАРУСЬ

Снижение цен на видеокамеры с высоким разрешением, постоянное расширение возможностей для хозяйственной деятельности, потребность в автоматизированном контроле за процессами, появление новых кейсов в связи с эпидемией коронавируса – все это ведет к стремительному росту сегмента видеоаналитики во всем мире. В этой связи, системы видеоаналитики сегодня наиболее востребованы в сферах: развития придорожного сервиса (анализ трафика для оценки экономической целесообразности размещения новых объектов: гостиницы, АЗС, автомойки, парковочные места, объекты общепита и др.; оценки соотношения количества посетителей к общему потоку (конверсия)); дорожного строительства (улучшение пропускной способности дорог; определения состава транспортного потока; подсчета интенсивности трафика на заданном участке дороги; прогнозирования развития транспортных моделей; управления дорожным движением на основе данных; анализа текущей ситуации на дорожном объекте; составления плана дорожно-строительных работ; прогнозирования качества дорожного полотна и др.); логистики: оптимизации логистических процессов (уменьшение себестоимости, увеличение объемов и скорости транспортировки, снижении объемов расхода топлива, определения рациональных маршрутов поставки и т. д.); маркетинга наружной рекламы (сбор данных для расчета стоимости рекламного места вдоль дорог, анализа эффективности рекламных кампаний) и др.

Однако все вышеперечисленное является аналитическим материалом для принятия решения для оценки экономической эффективности. В рамках расчета эффективности инвестиций определяется бюджет проекта на предынвестиционную и инвестиционную стадии проекта. Оценка эффективности инвестиций определяется на полный жизненный цикл проекта, включающий предынвестиционную, инвестиционную, эксплуатационную и ликвидационную стадии.

В ближайшее время эксперты ожидают существенный рост мирового рынка видеоаналитики [1]. В период 2021–2025 гг. все аналитические системы будут массово внедрены в сектор розничной торговли (более чем на 50 % по сравнению с 2020 г.), в транспортную сферу (+40 %), в медицину и здравоохранение (на 30 % более, чем сейчас). Кроме того, на 20 % увеличится использование систем видеоаналитики в производстве. Уже давно видеонаблюдение превратилось из простого охранника в инновационное решение, включающее в себя функции обеспечения защиты объектов и решения экономических задач. Поэтому перспективными задачами видеоаналитики выступают:

– глубокая интеграция с другим программным обеспечением;

– разнообразие дополнительных возможностей на базе нейросетей и машинного обучения;

– получение детальных отчетов в режиме самообслуживания (без участия оператора). Роботизация и автоматизация процесса управления данными, в том числе и потоковой аналитики.

По оценке исследовательского агентства Gartner рынок видеонаблюдения и видеоаналитики будет меняться следующим образом:

– в 2021 г. произойдет массовое внедрение видеоаналитики в торговлю, медицину, в транспортную сферу и на производственные предприятия;

– в 2022 г. технологии искусственного разума будут широко применяться, но лишь 10% специалистов-аналитиков смогут использовать весь ее потенциал. Это говорит о том, что технологии убегут далеко вперед, но на трудовом рынке будет недостаток кадров-аналитиков;

– к 2023 г. из Топ-500 крупнейших мировых компаний 90 % значительно расширят свои программы по работе с видеоданными;

– к 2025 г. порядка 80 % товаров, содержащих в себе электронные компоненты, будут иметь встроенные средства аналитики (возможно и видеоаналитики).

Потребители проявляют интерес к тем видео аналитическим сервисам, которые помогают снижать затраты хозяйствования и добиваться конкурентного превосходства. Поэтому именно в такие сервисы и будут вкладываться производители средств аналитики.

Сегменты рынка, на котором предполагается выполнение проекта:

– дорожно-строительные организации (для строительства, улучшения и реконструкции дорожных сетей необходимо обладать статистическими данными о трафике, которые помогут проанализировать ситуацию на заданном участке дороги за любой период. Информация о загруженности дорожной полосы и статистике по категориям транспортных средств помогает прогнозировать качество дорожного полотна, составлять планы дорожно-строительных работ);

– придорожный сервис (программный комплекс анализирует трафик на участке автодороги для оценки целесообразности размещения новых объектов придорожного сервиса);

– логистические компании (данные о составе транспортных потоков и загруженности дорог могут помочь для снижения себестоимости перевозок, оптимизации транспортных маршрутов и повышения экономической эффективности автопарка);

– рекламные агентства (при оценке эффективности показа рекламы и расчете стоимости рекламного места вдоль дорог необходимо знать интенсивность трафика на заданном участке дорожной сети);

– выполнение международных соглашений по достижению Целей устойчивого развития (ЦУР): «Цель 9.1.2. Объем пассажирских и грузовых перевозок в разбивке по видам транспорта».

В Беларуси нет сформированного рынка видеоаналитики с оценкой комплексного анализа объектов придорожного сервиса. В данный момент вся используемая видеоаналитика контролируется республиканской системой мониторинга общественной безопасности на основании указа Президента от 25.05.2017 № 187 «О республиканской системе мониторинга общественной безопасности». Однако, проект указа, предусматривающий изменение подходов в системе мониторинга общественной безопасности, рассматривался 17.08.2021 на совещании у Президента Беларуси [2]. Данный рынок является весьма монополизированным и строго регулируемым (относительно стационарных устройств), что дает нишу в развитии портативных устройств в сегменте видеоаналитики данных. В настоящее время на дорожных измерительных станциях, размещенных на республиканских автомобильных дорогах, используется оборудование для учета интенсивности двух типов: петлевые датчики и радары, которые работают круглосуточно. Важной отрицательной характеристикой данного решения – оперативность предоставления материала по видеоаналитике. Заказчик желает получать информацию оперативно в выбранной локации и за приемлемую цену за данную услугу. Ответственность за данные решения возлагаются на специалистов РУП «Белдорсвязь» и «Белдорцентр». Основными минусами дынных решений являются: дороговизна данного решения, требуется пусконаладка системы специалистами, автоматический анализ не осуществляется по всем направлениям и полосам движения (однонаправленное решение), проверяемость данных и др.

Программный комплекс включает: ПО для подсчета интенсивности и определения состава трафика по видеоизображению; финансово-экономическая модель по комплексному анализу объектов придорожного сервиса, которая, на основе ввода исходных данных осуществляет прогнозирование результатов финансово-хозяйственной деятельности объекта и позволяет провести оценку целесообразности инвестиций в строительство/реконструкцию/модернизацию, а также позволяет оценить максимально возможный объём инвестиций; техническое решение по сбору видеоаналитики.

Предлагаемое автором ПО является эффективным инструментом для автоматического сбора данных об интенсивности и составе транспортного потока, не использует для подсчета физические датчики и не требует пусконаладки системы специалистами.

Полученные данные могут быть использованы для:

– улучшения пропускной способности автомобильных дорог;

– выстраивания оптимальных транспортных маршрутов;

– анализа состояния дорожного полотна;

– определения интенсивности дорожного движения на участке дороги;

– построения моделей транспортных потоков;

– прогнозирования возможных пробок.

ПО работает с широким спектром видеокамер и при сложных погодных условиях. Точность оценки достигает 99 %. Автоматический анализ осуществляется по всем направлениям и полосам движения в кадре. Классификация транспорта осуществляется в соответствии с ГОСТ 32965-2014. ПО определяет среднюю скорость потока и сигнализирует о заторах на дороге. Обеспечивается высокая производительность при достаточно низких системных требованиях

Основные функции:

– подсчет автомобилей по видеоизображению;

– классификация автомобилей на 13 категорий: легковые, грузовые, общественный транспорт и др.;

– отображение статистики по трафику и ее экспорт в форматах CSV и XML.

Возможности ПО:

– подсчет по всем полосам и направлениям движения в кадре;

– работа с различными ракурсами, в том числе видом с видеорегистратора;

– одновременная обработка до восьми видеопотоков с камеры или видеофайлов;

– точность оценки – до 99 %, что обеспечивает применение нейронных сетей глубокого обучения;

– замер пешеходного трафика и проходимости в заданной точке контроля;

– ускоренная обработка видеофайлов (максимальная скорость определяется мощностью видеокарты);

– подсчет трафика в заданные промежутки времени;

– экспорт статистики может быть произведен в краткой форме (суммарный трафик) или в расширенной форме (трафик с делением на категории).

Предлагаемое ПО построено на базе искусственного интеллекта (нейросети глубокого обучения), предназначено для автоматического анализа автомобильного трафика по видеоизображению. Получение видеопотока возможно как с установленных в городе дорожных камер, так и с переносной камеры на штативе. Специальное конфигурирование под каждую камеру не требуется. Возможен также подсчет по записанному ранее видеофайлу. Форматы, которые поддерживает видео: библиотека ffmpeg, а также возможность подключения к онлайн-камерам. ПО работает с широким спектром видеокамер и в самых сложных погодных условиях.

Финансово-экономическая модель (ФЭМ) по комплексному анализу объектов придорожного сервиса представляет собой оптимизационную задачу для нахождения экстремума функции (показатели эффективности инвестиций). На основе ввода исходных данных осуществляет прогнозирование результатов финансово-хозяйственной деятельности объекта и позволяет провести оценку целесообразности инвестиций в строительство/реконструкцию/модернизацию, а также позволяет оценить максимально возможный объём инвестиций. Разработанная ФЭМ наделена режимом самообучения для определения диапазона нормальности интенсивности движения в определенной локации (рисунок 1). Режима самообучения построен на следующих принципах: по мере насыщения статистикой по данному показателю у модели есть возможность определить диапазон нормальности для каждой локации. Так, для нахождения минимального и максимального значений, алгоритм автоматизировано определяет диапазон нормальности интенсивности движения трафика.

Рис. 1. Схема режима самообучения для определения диапазона нормальности интенсивности движения

После определения диапазона нормальности модель соотносит значение со средним значением для вводимых новых данных по объекту. Если вводимое значение объекта-оценки превышает усредненный показатель для данной локации, то ему присуждается «Поправочный коэффициент» равный 1 %, если нет, то 0 %. По аналогии с определением «Поправочного коэффициента» для интенсивности движения по типам автотранспортных средств, также определяется и для других показателей «сравнительных характеристик». Также финансово-экономическая модель построена на модульной основе, т. е. внесение дополнительных параметров и показателей не приведет к переписыванию всего программного кода ФЭМ.

Техническое решение по сбору видеоаналитики: получение видеопотока возможно, как с установленных в городе дорожных камер, так и с мобильного офиса в режиме реального времени.

Прямых конкурентов у данного решения нет, т.к. данное предложение представляет программный комплекс системно-динамической оптимизации экономической эффективности проектов (таблица 1). Конкуренция возможна в области программное обеспечение для подсчета интенсивности и определения состава трафика по видеоизображению: одним (единственным в Республике Беларусь) решением является облачная платформа для умного города на основе технологий AI и Big Data – Kipod (программное обеспечение группы компаний Synesis).

Таблица. 1. Сравнение конкурентов в области видеоаналитики интенсивности движения транспортных средств

Какие ограничения существует с внедрением данного решения на данный момент: нет прямой заинтересованности профильных министерств и ведомств во внедрении, что подтверждает ответные письма данных учреждений, на примере Банка развития Республики Беларусь (ПРИЛОЖЕНИЕ 1), а также Министерство транспорта и коммуникаций Республики Беларусь, Министерство связи и информатизации Республики Беларусь и РУП "Минскавтодор-Центр" выразили свою незаинтересованность в сотрудничестве. Лукавство заключается в том, что в соответствии с Указом Президента Республики Беларусь от 25 июля 2016 г. № 289 «О порядке формирования, финансирования, выполнения и оценки эффективности реализации государственных программ» [3] открытое акционерное общество «Банк развития Республики Беларусь» входит в состав межведомственной рабочей группы, наряду с Министерством экономики, Министерством финансов и иных заинтересованных государственных органов и организаций.

Полученные в результате анализа данные могут быть использованы для улучшения пропускной способности автомобильных дорог, определения состава и интенсивности потока, выстраивания оптимальных транспортных маршрутов, построения и прогнозирования моделей транспортных потоков, финансирование инвестиционных проектов национального значения, способствующих повышению экономического потенциала страны и содействующих экономическому росту (инфраструктурные проекты: госпрограмма "Дороги Беларуси" на 2021–2025 гг., включающая две подпрограммы: "Республиканские автомобильные дороги" и "Местные автомобильные дороги"). В рамках проекта Концепции государственной программы «Цифровое развитие Беларуси» на 2021–2025 гг. полученные в результате анализа данные могут быть использованы для построения «зеленых» коридоров на всей дорожной сети республики, внедрения инновационных решений в отраслях экономики и технологий «умных городов», а также обеспечения информационной безопасности таких решений.

Также полученные в результате анализа данные могут быть использованы для цифровой фиксации определенных дорожных событий; выстраивания оптимальных транспортных маршрутов в целях предупреждения и ликвидации чрезвычайных ситуаций и многих других задач. Научная значимость результатов научно-исследовательских, опытно-конструкторских и опытно-технологических работ, составляющих основу инновационного проекта, отвечает приоритетным направлениям научной, научно-технической и инновационной деятельности на 2021–2025 гг. В частности, цифровые информационно-коммуникационные и междисциплинарные технологии, основанные на них производства: развитие информационного общества, электронного государства и цифровой экономики; математика и моделирование сложных функциональных систем (технологических, биологических, социальных); информационно-управляющие системы; технологии "умного" города; технологии больших данных; искусственный интеллект и робототехника; средства связи и методы передачи данных; высокопроизводительные вычислительные средства. Также данный проект станет действенным решением в противодействии коррупционных схем в проектных институтах, которые заинтересованы в получении объекта проектирования и строительства.

Литература

1. Разнообразие видеоаналитики — главный тренд 2021 года [Электронный ресурс]. – Режим доступа: https://faceter.cam/ru/blog/raznoobrazie-videoanalitiki-glavnyj-trend-2021-goda/. – Дата доступа: 19.08.2021.

2. "Должна стать умнее" - Казакевич о планах совершенствования системы мониторинга общественной безопасности [Электронный ресурс]. – Режим доступа: https://www.godedinstva.by/ru/events-ru/view/dolzhna-stat-umnee-kazakevich-o-planax-sovershenstvovanija-sistemy-monitoringa-obschestvennoj-25729-2021/– Дата доступа: 19.08.2021.

3. О порядке формирования, финансирования, выполнения и оценки эффективности реализации государственных программ [Электронный ресурс]: Указ Президента Республики Беларусь от 25 июля 2016 г. № 289 // Министерство экономики Республики Беларусь. – Режим доступа: http://www.economy.gov.by/uploads/files/gos-programmy/uk-289-red.pdf– Дата доступа: 19.08.2021

ПРИЛОЖЕНИЕ 1