WaveAccess вошла в число исполнителей проекта по разработке Единой платформы сбора и анализа данных по контрольно-надзорной деятельности. ИТ-компания отвечала за создание четырех вертикальных решений в составе платформы: систем дистанционного надзора за состоянием объектов культурного наследия, мониторинга состояния атмосферного воздуха, дистанционного контроля незаконной вырубки лесов и зарастания земель сельскохозяйственного назначения. Системы выполнены с использованием технологий Интернета вещей и машинного обучения. Ввод в опытную эксплуатацию завершился в июле 2020 года. Проект реализован по заказу ФГБУ НИИ «Восход».

Единая государственная платформа сбора и анализа данных разработана в рамках национальной программы «Цифровая экономика» и включена в состав платформы исполнения государственных функций. В ее основе — технологии Интернета вещей (IoT), которые обеспечивают мониторинг состояния охраняемых законом объектов и их постоянный объективный дистанционный контроль.

Платформа собирает и анализирует данные об объектах контроля, полученные с устройств и датчиков. В режиме реального времени она выявляет инциденты и передает их в качестве подозрений на нарушения в государственную информационную систему ТОР КНД — типовое облачное решение по автоматизации контрольно-надзорной деятельности. Выявленные признаки нарушений служат основанием для инициации контрольно-надзорных мероприятий, например, внеплановых проверок.

Платформа открывает возможность анализа непрерывного потока данных дистанционного наблюдения, чего не хватало при проведении периодических проверок, и фокусирует усилия инспекторов на проблемных событиях. Оказывая поддержку принятия решений, платформа оптимизирует работу контрольно-надзорных органов: исключается необходимость наращивания штата сотрудников, повышается эффективность внеплановых проверок и снижаются расходы на их организацию.

Система состоит из четырех отраслевых интегрированных решений, ведущей командой разработки которых стала ИТ-компания WaveAccess. Интеграция с ГИС ТОР КНД обеспечивает сквозной бизнес-процесс. В основу ядра системы положена облачная платформа промышленного Интернета вещей от Mail.ru Group — она обеспечивает высокопроизводительную потоковую обработку и хранение данных с большого количества устройств, горизонтальное масштабирование и разделение доступа.

Первое вертикальное решение — дистанционный надзор за состоянием объектов культурного наследия — внедрено в Вологодской области. Беспроводные датчики стандарта LoRaWAN, установленные на объектах, фиксируют параметры их содержания: температуру, влажность воздуха, задымления, протечки и раскрытие трещин на фасаде здания. На основе полученных данных вырабатываются рекомендации для снижения риска утраты охраняемых ценностей.

Решение по мониторингу состояния атмосферного воздуха действует в Челябинской области. Сеть датчиков, установленных в жилой зоне и на промышленных предприятиях, позволяет обнаруживать повышенные концентрации вредных веществ в воздухе. Интеграция решения со сложными математическими моделями прогнозных расчетов дает возможность делать прогноз, в каком направлении будет распространяться облако загрязнения, и вычислять вероятное местоположение источников загрязнения.

Сервисы дистанционного контроля несанкционированных вырубок леса и зарастания сельскохозяйственных земель функционируют в Калужской области. В отличие от двух других решений, где задействованы технологии IoT, данные сервисы построены на базе машинного обучения. Автоматический анализ спутниковых снимков с использованием нейросетей позволяет своевременно зафиксировать незаконную вырубку и остановить процесс или обнаружить зарастание с/х участка на ранней стадии. Очевидна эффективность такого анализа в сравнении с регулярными выездными инспекциями на обширных территориях. При разработке применена технология Transfer Learning — она предполагает использование модели, уже обученной на данных со схожей структурой, и дообучение ее под актуальную задачу проекта. Результатом работы модели является бинарная маска, указывающая на области с зарастаниями. В качестве модели используется архитектура сверточных нейронных сетей DeepLabV3.

За счет подключения новых региональных источников данных к существующей инфраструктуре легко обеспечить тиражирование прикладных сервисов. Ключевая особенность всей платформы — возможность гибко настраивать функциональность под отраслевые задачи и легко создавать новые вертикальные решения. Используемые алгоритмы, в том числе машинного обучения, доказывают свою применимость для новых задач: например, для обнаружения незаконных построек, очагов лесных пожаров или несанкционированных свалок.

«Все четыре решения построены на принципах масштабируемости и отказоустойчивости. Максимальный приоритет при восстановлении работоспособности отдается сохранению данных и целостности информационного содержимого. Также при разработке мы опирались на риск-ориентированный подход — он заключается в реакции на потенциально опасную ситуацию, а не только на инцидент с критическими значениями контролируемых параметров, и в прогнозировании развития событий», — отметил Александр Азаров, старший вице-президент по разработке ПО в WaveAccess.

В реализации проекта задействованы лучшие практики горизонтально-масштабируемой микросервисной архитектуры с использованием передовых технологий. Кластерная инфраструктура построена с использованием Kubernetes. Для обработки входящего потока событий используется высокопроизводительный распределенный брокер сообщений Apache Kafka. Потоковая аналитика реализована на скриптах с обработкой в реальном времени внутри ядра IIoT-платформы Mail.ru Group, а распределенное хранилище в оперативной памяти реализовано в составе платформы на СУБД Tarantool (Mail.ru Group). Основные сервисы реализованы на Java стеке с использованием современных библиотек.