Студенты из ТПУ, Иркутска и Финляндии предложили усовершенствовать систему наблюдения за маршрутной сетью Томска

| 1087

В Томском политехническом университете завершилась Международная школа «Анализ больших данных для умного города» («Big Data Analysis for Smart Cities»), в рамках которой смешанные команды из студентов ТПУ, Иркутска и Финляндии анализировали пассажиропоток одного из автобусных маршрутов Томска. Победу, по мнению жюри школы, одержала команда DataHeads, предложившая свои идеи по усовершенствованию системы наблюдения за маршрутной сетью города.

Фото: команда-победитель Международной школы — DataHeads

Напомним, в ТПУ проходила международная школа, собравшая студентов из Томского политеха и Иркутского национального исследовательского технического университета, а также из Университета прикладных наук города Вааса (Финляндия). Участники школы изучали различные инструменты технологий больших данных, то, как и где их можно использовать в современном городе. А главным практическим кейсом для студентов стало использование технологий Big Data для исследования пассажиропотока на примере томского маршрута № 19.

По словам модератора команды DataHeads, студентки магистратуры «Big data solutions» Инженерной школы информационных технологий и робототехники ТПУ Анастасии Кайда, в состав интернациональной группы вошли двое студентов из Финляндии, один из Иркутска и иностранный студент Томского политеха. Для выполнения практического кейса ребята проанализировали все имеющиеся данные, несколько раз проехались на маршрутке. В итоге они выявили ряд закономерностей.

«Во-первых, мы пришли к выводу, что недовольство томичей вызывают не только пробки. Отдельная благодарность ребятам из Финляндии: они обратили внимание на моменты, которые, наверное, в первую очередь нуждаются в доработке: отсутствие кассиров, безналичного расчета, не слишком комфортные для пассажиров автобусы», — говорит она.

Добавим, работа команд строилась по следующему принципу: сбор информации велся при помощи GPS-трекеров, затем полученные данные преобразовывались в формат, удобный для анализа. Потом участники рассчитывали временной и буферный индексы для маршрута, строили графики зависимости скорости движения от времени на маршруте. Далее выстраивались модели машинного обучения для предсказания скорости движения на участке маршрута, либо времени проезда участка маршрута на основании координат участка и времени суток. С помощью такой модели участники должны были предсказать время проезда между определенными остановками утром и вечером, сверить предсказания с реальными данными. А на финальном этапе — предложить свои решения по управлению и оптимизации пассажиропотока и обосновать выбор конкретных технологий и инструментов Big Data.

«На основе анализа данных было предложено комплексное решение для создания централизованной системы. Мы предполагаем, что это будет система наблюдения с хранилищем данных. При этом данные будут хранить на нескольких серверах, чтобы при "падении" одного из них данные не были потеряны. На серверах будут храниться треки: данные о скорости, времени, координатах. Остальные данные — где находился автобус, какие расстояния он преодолел за определенный период времени — можно вычислить на их основе, используя формулы. Такая система позволит отслеживать не один маршрут, мы предусмотрели, что, если систему нужно будет масштабировать до определенного момента, чтобы каждый компонент разрабатывался независимо. Чтобы его можно было как конструктор легко вмонтировать в процесс обработки данных, или, если появится другое хранилище, чтобы его можно было легко подключить и обрабатывать.

В итоге должна получиться усовершенствованная система наблюдения, более централизованная и гибкая»,

 — поясняет Анастасия Кайда.

В свою очередь руководитель образовательных программ Университета прикладных наук города Вааса Лотта Саарикоски отметила, что все команды выступили достаточно ровно, но решение, предложенное DataHeads, показалось жюри самым творческим.

«Мы очень довольны результатами школы: студенты получили все необходимые знания, кроме того, навыки работы в межнациональной команде, межкультурной среде. Мы специально планировали группы таким образом, чтобы они были максимально разнородными: в каждой из четырех команд были представители ТПУ, Иркутского национального исследовательского технического университета, а также из Университета прикладных наук города Вааса.

Кроме того, у всех участников разные направления подготовки: модератор от ТПУ, специализирующийся на IT, студенты, которые обучаются по программе устойчивого развития города, специализируются на транспорте, машиностроении.

Это помогло выполнить главную задачу школы — научить студентов выполнять прикладные проекты в межкультурных и межнациональных командах»,

 — подытожила координатор школы, начальник отдела международных программ и грантов ТПУ Светлана Рыбушкина.