В ноябре 2021 года восемь транспортных судов застряли во льдах на Северном морском пути, из ледового плена их выводил атомный ледокол «Вайгач». Такое случалось и раньше, но в последнее время происходит почти ежегодно. За последние двадцать лет количество опасных стихийных явлений выросло вдвое, и ущерб от них продолжает увеличиваться.
Евгений Вязилов — заведующий лабораторией Центра океанографических данных во Всероссийском научно-исследовательском институте гидрометеорологической информации — Мировом центре данных (ВНИИГМИ-МЦД). Это один из трех мировых центров данных по океанографии. Институт является головной организацией Федеральной службы по гидрометеорологии и мониторингу окружающей среды и определяет ее политику в области ИТ. Здесь собираются все данные, получаемые в государственной наблюдательной сети Росгидромета.
Когда в 1968–1971 годах Вязилов начинал свою работу в Росгидромете в качестве наблюдателя, ему приходилось зимовать на полярных станциях Остров Диксон, Бухта Солнечная и Мыс Челюскина, вести океанографические наблюдения на научно-исследовательском судне «Вяндра», измерять толщину льда перед навигацией во время экспедиции на вездеходах в Енисейском заливе.
Впоследствии он посвятил многие годы созданию базы данных по возможным воздействиям опасных явлений на промышленные предприятия и население. Теперь на ее основе создается прототип системы, которая в критических ситуациях поможет быстро находить ответ на самый острый вопрос: что делать? Что делать руководителю конкретного предприятия, когда прогноз сулит ураганный ветер, неурочные заморозки, наводнение или оттепель, а также в случае ожидаемых изменений климата.
- Когда и как у вас зародился интерес к созданию системы поддержки принятия решений?
Наш центр еще в 70-х годах проводил климатические обобщения по открытому океану на основе данных, занесенных на перфокарты и магнитные ленты. При этом я удивлялся: считаем множество статистических характеристик для десятка наблюденных и десятка вычисленных параметров, а как их использовать при принятии решений — никто не знает. Фактически использовались только средние и экстремумы для небольшого числа параметров. Меня заинтересовала эта проблема, и в конце 90-х я защитил докторскую диссертацию на тему «Повышение эффективности использования гидрометеорологической информации при принятии решений», где впервые обосновал идею создания системы поддержки принятия решений при гидрометеорологическом обслуживании предприятий и населения.
- В чем суть этой идеи?
Зная гидрометеорологические условия, можно не только заранее предсказать перечень воздействий на предприятия и население, но и составить рекомендации для принятия решения. Необходимо собрать список воздействий и формализовать рекомендации для каждого стихийного явления, и сделать это нужно с учетом уровня опасности и типа используемых данных (наблюдения, прогноз, климат).
Опыт показывает, что ущерб от стихийных явлений часто связан с неинформированностью и недостаточным учетом всей имеющейся информации, что приводит или к бездействию, или к слишком позднему осознанию возможных воздействий — когда уже ничего невозможно предотвратить. В разнообразных инструкциях на предприятиях нет детальных алгоритмов действий во время стихийных бедствий. Между тем, чтобы вовремя провести превентивные мероприятия, руководитель должен четко понимать, что именно может быть источником опасности и насколько вероятно наступление той или иной ситуации. Однако из-за большого объема информации, разбросанной по лоциям, атласам, справочникам и предоставляемой в виде множества экранных форм, руководители зачастую не в состоянии достаточно быстро отреагировать на изменения условий среды. Поэтому они, с одной стороны, часто не учитывают критически важную информацию при принятии решений, а с другой — оправдывают неудачные решения плохими условиями окружающей среды.
- Что же делать?
Для эффективной поддержки принятия решений необходимо значительно уменьшить объем доставляемых руководителям сведений о состоянии окружающей среды. До руководителя должны доводиться лишь те из них, которые он будет использовать для анализа и принятия решений — в виде небольшой таблицы, карты и графика.
На каждом предприятии должен быть паспорт безопасности, где указано, какие стихийные явления могут быть в районе предприятия, как они могут повлиять на его работу, а также что надо делать до, во время и после события. Например, если предприятие находится далеко от реки, моря и на определенной высоте, то наводнение можно не учитывать. А вот если температура воздуха опустится ниже нуля, то продукцию, на которую это может отрицательно повлиять, нужно укрыть или перенести в крытые ангары. Да, многие рекомендации тривиальны. Но при приближении опасности человек находится в состоянии сильного эмоционального напряжения, и, чтобы принять решение быстро, ему требуется мгновенная оценка динамики ситуации с анализом причин и прогнозом последствий ее развития.
- Откуда берутся данные для такого анализа?
В России работают около 6,5 тыс. метеорологических станций и постов. Через час после наблюдения полученная от них информация уже занесена в базу данных. Кроме того, со спутников мы получаем данные об облачности, температуре воды и других показателях по всему земному шару. В открытом океане используются примерно 90 судов добровольных наблюдений плюс около 70 научно-исследовательских судов Росгидромета и Академии наук. Однако очень плохо обстоит дело с автоматическими буями: в российских морях их единицы — дорого.
Результаты статистической обработки всех этих данных собираются в нашем институте. У нас много лет создавалась база не только наблюденных значений, но и обобщенных — среднемесячных, среднегодовых и т. п. Иногда расчеты ведутся на основе эмпирических формул: например, пожароопасность оценивается по отклонению от климатических значений температуры воздуха и влажности в течение продолжительного периода.
Чтобы быстро получать информацию в режиме онлайн и интегрировать разнородные и распределенные данные, в 2014 году в нашем институте запустили Единую государственную систему информации об обстановке в Мировом океане (ЕСИМО). Несмотря на название, это универсальная система, которая интегрирует не только метеорологические и гидрологические данные, но и сведения о промышленных объектах, социально-экономическую информацию.
На основе интегрированных данных можно автоматически определять уровень опасности стихийных явлений в поступающих потоках оперативных данных, сравнивая их с локальными пороговыми значениями уровней опасности (желтый, оранжевый, красный), которые должны устанавливаться для каждого предприятия.
.jpg)
- Кто является потребителем этой информации?
Данными ЕСИМО пользуются промышленные предприятия и органы государственной власти, которые отвечают за предупреждение населения о стихийных бедствиях, — в первую очередь федеральные ведомства: Минтранс, Минобороны, МЧС и др. Гидрометеорологическая информация учитывается при обеспечении безопасности авиапассажиров, при выборе маршрута движения судов в пункт назначения, для поддержания стабильности работы ветроустановок и для сохранности скоропортящихся продуктов. Авиакомпании применяют наблюденные данные о скорости и направлении ветра для экономии топлива и обеспечения точного прибытия авиалайнеров по расписанию.
Мы рассчитываем на то, что в результате перехода от самообслуживания к персонализированному обслуживанию на основе локальных пороговых значений у нас появится больше заказчиков, оплачивающих подписку на цифровые сервисы.
- В чем заключается персонализация обслуживания?
При одном и том же значении показателя на него следует реагировать по-разному в зависимости от того, где находится объект: в средних широтах или в Арктике, где производство и население уже адаптировались к постоянному воздействию опасных явлений малой интенсивности.
Сейчас все руководители получают общую информацию или же их помощники сами ищут ее на портале ЕСИМО и на сайтах организаций Росгидромета. Мы же предлагаем новую модель: чтобы руководитель получал только то, что ему нужно для конкретного бизнес-процесса. Например, руководителю жилищно-коммунального хозяйства следует увеличить нагрузку на тепловую систему, когда температура опускается ниже -25°С.
Мы движемся к режиму, когда не пользователь является инициатором доступа к системе, а сама система автоматически выявляет опасные ситуации и запускает триггеры доставки сведений о них, что существенно ускоряет доведение до руководителей информации об уровне опасности. Раньше если синоптик видел опасность, угрожающую промышленному объекту, то в прогнозе погоды дописывал текст — к примеру: «возможен смыв груза, находящегося на пирсе». Сейчас система может автоматически формировать прогноз воздействий и передавать руководителю перечень рекомендаций для исполнения, чтобы предотвратить или уменьшить ущерб, а в некоторых случаях и повысить эффективность предприятия. Так, при планировании северного завоза точный прогноз не только повышает безопасность, но и сокращает время морской перевозки грузов с запада на восток.
Фактически предполагается реализовать конвейер автоматической сквозной обработки потока данных от наблюдения до принятия решений. Это экономически целесообразно, технически реализуемо и соответствует запросам целевой аудитории.
- Что было сделано для реализации новой модели обслуживания? Какие продукты созданы?
Проанализировав огромный объем материалов, где встречались описания произошедших опасных явлений и их воздействий на промышленные объекты, мы создали базу данных о воздействиях для 100 опасных явлений. Для каждого из них сформировали рекомендации руководителям различного уровня управления: перед событием — на основе климатических и прогностических данных; во время него — на основе наблюденных данных; и после него — с использованием фактических данных. Разработали средства автоматической идентификации опасных явлений на основе локальных пороговых значений показателей, которые определяются при настройке системы на конкретное предприятие. База данных дает возможность выдать сведения о воздействиях в нужном объеме и рекомендации, адекватные индивидуальным особенностям объекта. То есть по каждой ситуации для предприятия динамически готовится решение, учитывающее уровень управления, виды деятельности и локальные пороговые значения уровня опасности для каждого вида деятельности.
Способ доставки тоже имеет значение. Чтобы руководитель как можно быстрее узнавал об опасности, информацию нужно доставлять на его смартфон.
Мобильное приложение «МетеоАгент», работающее на Android-устройствах, с помощью SMS автоматически оповещает руководителей о возникших опасных явлениях, выдает сведения о возможных воздействиях окружающей среды на хозяйственные объекты и рекомендации для принятия решений. Еще одно приложение — «МетеоМонитор» — помогает правильно оценивать ситуацию, показывая на информационной панели в виде гидрометеорологических приборов значения показателей с цветовой индикацией уровня опасности в виде «светофора». Для каждого показателя строится график изменения значений за последнюю неделю и прогноз на ближайшие дни. С подсказками системы руководитель сможет работать гораздо плодотворнее — ведь ему не придется рыться в общих инструкциях (чаще рассчитанных на население, а не на предприятие) или вспоминать их.
- Какие основные ИТ-инструменты применяете?
Мы используем СУБД PostgreSQL, ориентируемся на кросс-платформенный язык Java. До сих пор работали с линейкой серверов приложений JBoss, но сейчас планируем перейти на другую линейку свободного ПО, исследуем популярную систему Elastic Search применительно к нашим условиям.
- Как решаете вопрос качества данных?
Когда мы переписали базу данных с перфокарт на магнитные ленты, было очень много нареканий. Мы потратили пять лет, чтобы привести наши данные в порядок. За это время методы контроля улучшились, мы обменялись алгоритмами контроля качества с партнерами по панъевропейскому проекту, позаимствовали у них методы контроля гидрохимических параметров и показателей загрязнения. На входе и выходе данные проверяются как минимум на общие предельные значения, а также по связи между физическими параметрами.
- В чем заключалась самая большая проблема в вашей работе?
Главная проблема сегодня — обеспечение надежности работы инфраструктуры портала ЕСИМО и связанных с ней приложений. В системе 31 поставщик данных, и большинство из них работают на уровне надежности 99,9%. В то же время отдельные поставщики данных могут работать на 80% и даже 70%, поэтому общий уровень надежности сразу падает.
- Какие наиболее значимые изменения произошли в работе с данными за последнее время?
Долгое время мы не обращали внимания на технологии искусственного интеллекта, сейчас изучаем возможности применения нейросетей и глубинного обучения. Все управления Росгидромета на своих ресурсах предоставляют пользователям доступ к информации по своему региону ответственности. Но когда каждое управление само решает отдельные задачи в области автоматизации, то результат невозможно масштабировать. Наш подход — создавать цифровую платформу на основе ЕСИМО. Рассматриваем возможность использования микросервисной архитектуры, чтобы повысить мобильность цифровых продуктов, создаваемых разными подразделениями, и исключить дублирование.
- Какие результаты своей деятельности вы считаете ключевыми?
Собранный материал по прогнозу воздействия и выдаче рекомендаций, оформленный в базу знаний, — это колоссальный труд на стыке предметной области и области ИТ.
- Каким вы видите дальнейшее развитие этого проекта?
В прошлом году мы обновили серверное оборудование, сейчас готовимся перенести ЕСИМО в государственное облако. Мы каждый год подаем заявки на развитие ЕСИМО, но Минфин их режет. Поэтому, в отсутствие масштабного финансирования, пока имеем опытные экземпляры системы поддержки принятия решений и экспериментальные результаты ее эксплуатации. Следующая задача — подключить модели расчета экономического ущерба. Надеюсь, что предложенная идея автоматизации поддержки решений найдет своих потребителей и будет широко использоваться.