В России насчитывается более 1 миллиона камер — с их помощью контролируется порядок на улицах, дорогах и в общественных местах. Их количество продолжает расти, однако большинство систем используют не все возможности для полноценного обеспечения городской безопасности. Следующий шаг для создания по-настоящему умных и безопасных городов — внедрение предиктивной аналитики.
Почему фиксации событий уже недостаточно?
Несмотря на значительный прогресс, современные системы видеонаблюдения в большинстве городов пока работают изолированно. Камеры фиксируют происшествия, после чего информация передается оператору, а тот вручную направляет данные в полицию или МЧС. Данные с дорожных камер редко интегрированы со светофорами — регулировка транспортных потоков по-прежнему осуществляется по заранее заданным алгоритмам, а не в реальном времени.
А системы контроля управления доступом (СКУД) и пожарные датчики часто не взаимодействуют с видеонаблюдением — например, камеры фиксируют появление дыма, но не могут автоматически разблокировать выходы или вызвать пожарных — эти действия требуют человеческого вмешательства. Для сферы общественной безопасности фиксация событий после их наступления уже недостаточна. Ущерб от произошедших инцидентов остается значительным, независимо от того, как быстро удалось устранить последствия.
От реакции к анализу и прогнозу
Решение проблемы лежит в плоскости предиктивной аналитики — моделях анализа больших данных, которые способны не просто регистрировать, но и предсказывать события. Видеоаналитика активно развивается в этом направлении — некоторые модели камер уже могут анализировать информацию в реальном времени и распознавать конкретные сценарии, например, оставленные подозрительные предметы или возгорание.
Однако таких сценариев пока немного, а сами камеры применяются редко. Причина — в высокой стоимости таких решений и отсутствии понимания их пользы. «Умные» камеры могут быть вдвое дороже обычных, что делает их приобретение, по мнению многих управленцев, неоправданным. Однако в долгосрочной перспективе подобные решения позволят не только сократить издержки на реагирование и устранение последствий инцидентов, но и повысить эффективность городских служб и снизить нагрузку на экстренные ведомства.
Например, в сфере ЖКХ предиктивная аналитика могла бы автоматически фиксировать скопление снега и наледи на крышах, передавая данные в мониторинговый центр. Это позволило бы коммунальным службам работать более точечно и оперативно. Так, для города-миллионника с 10 тысячами зданий, оснащенных такими камерами, экономия могла бы составить до 100 млн рублей за зимний сезон.
Аналогичные преимущества есть и в транспортной сфере. Если сегодня светофоры работают по таймеру или датчикам давления, то в будущем камеры смогут анализировать поток машин и пешеходов, а адаптивные светофоры — менять циклы каждые 30 секунд. В случае ДТП система автоматически скорректирует маршруты общественного транспорта — благодаря интеграции с GPS-трекерами. Это повысит безопасность жителей, оптимизирует логистику, и снизит нагрузку на транспортную инфраструктуру. Кроме того, такие системы помогут оперативно выявлять нештатные ситуации на дорогах — заторы, превышение скорости, неисправность техники — и передавать данные в центры управления движением. Это позволит службам реагировать предупреждать проблемы на дорогах еще до того, как они приведут к авариям или задержкам транспорта.
Как раскрыть потенциал технологии
Для того, чтобы интеграция решений из области видеоаналитики осуществлялась быстрее, и города становились по-настоящему «умными» и безопасными, необходимо соблюдение двух условий.
Во-первых, необходимо развивать специализированное ПО, объединяющее видеоаналитику с другими системами безопасности. «Умная» камера это условность: интеллектуальные функции должны быть реализованы на сервере, где видеопоток анализируется с помощью ИИ. Камера служит лишь «глазом», а сложный анализ выполняет ПО, становясь единым ресурсом для обмена данными. Именно там формируются отчеты об обстановке в локации и аналитические прогнозы, которые поступают в службы. По сути, программная платформа должна быть системой, которая позволяет объединить разрозненные элементы инфраструктуры в общий комплекс по обеспечению безопасности жителей городов.
Во-вторых, нужно активнее внедрять существующие технологии в городах и тиражировать успешные решения. Масштабное внедрение позволит не только быстрее адаптировать текущие и будущие решения к инфраструктуре «умных» городов, но и позволит разработчикам быстрее получить обратную связь для улучшения продуктов. Это создаст основу для обмена опытом между регионами, оптимизирует работу городских служб и обеспечит прозрачность в управлении городской средой.
