Регистрация / Вход
Прислать материал

Информационные технологии поддержки принятия решений по обеспечению комплексной безопасности сверхбольших территориально-распределенных массовых мероприятий

Номер контракта: 14.584.21.0015

Руководитель: Бухановский Александр Валерьевич

Должность: заведующий кафедрой высокопроизводительных вычислений

Организация: федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики"
Организация докладчика: федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики"

Аннотация скачать
Постер скачать
Ключевые слова:
большие данные, прогнозирование критических ситуаций, управление толпой, поддержка принятия решений, мультиагентное моделирование, усвоение данных, многомасштабная визуализация

Цель проекта:
Проведение публичных массовых мероприятий связано с рисками, обусловленными как стихийными эффектами поведения толпы, так и умышленными воздействиями (например, террористическими актами). В условиях быстро развивающейся урбанизации и транспортной инфраструктуры в странах БРИКС существенную проблему представляет организация глобальных массовых мероприятий (ГММ), в которых могут одновременно участвовать от десятков тысяч до миллионов человек. К ГММ относятся, например, мероприятия, связанные государственными праздниками, спортивные мероприятия международного уровня, а также религиозные празднования. Так, индуистский фестиваль Кумбха-Мела в 2007 г. собрал около 70 млн паломников. ГММ, как правило, являются территориально распределенными (т.е. могут проходить на большой площади, даже в нескольких городах с перемещением участников между ними) и длятся от нескольких суток до нескольких недель. В целом обеспечение безопасного проведения ГММ крайне затруднительно и ресурсоемко в силу масштабности явления, а также неопределенности и неполноты исходных данных. Как следствие, это требует развития соответствующих информационных технологий поддержки принятия решений. Однако использование существующих подходов, применяемых для массовых мероприятий относительно небольшого масштаба, в данном случае ограничено следующим: - ГММ – многомасштабное явление, поскольку включает в себя различные по уровню локализации процессы (общая мобильность участников, заезд-выезд к местам проведения мероприятия, распределение в локальных местах проведения и пр.). Как следствие, данные наблюдений ГММ обычно фрагментарны, а сами источники данных неоднородны; - процессы, связанные с коллективным поведением больших масс людей, существенно нелинейны, они сходны с фазовыми переходами, когда локальные эффекты в короткий промежуток времени могут кардинально повлиять на макроскопические свойства всей системы. Как следствие, принимать решения по управлению рисками прямо по факту наступления критической ситуации - уже поздно. Потому необходимо заблаговременно прогнозировать такие процессы, в том числе, с целью выработки управляющих воздействий; - практическая реализация технологий сбора и обработки данных ГММ, а также прогнозирования на их основе требует существенных вычислительных ресурсов и средств хранения информации. Однако использование выделенных суперкомпьютерных систем для проведения массовых мероприятий экономически неоправданно (в силу их разового характера и временной локализации). Потому для реализации процессов поддержки принятия решения целесообразно использовать распределенные технологии экстренных вычислений (Urgent Computing, UC), интегрированные с потоковыми технологиями Big Data (включая не только хранение и обработку, но и визуальную аналитику данных). В рамках данного проекта предлагается развить семейство технологий, которые позволят в совокупности преодолеть указанные проблемы и ограничения и в дальнейшем будут использоваться как основа для создания систем поддержки принятия решений (СППР) нового поколения по обеспечению комплексной безопасности глобальных массовых мероприятий сверхбольшого масштаба. Целью проекта является разработка и апробация семейства информационных технологий, обеспечивающих функционирование систем поддержки принятия решений (СППР) нового поколения для обеспечения комплексной безопасности глобальных массовых мероприятий (ГММ), включающих до 50 млн. участников (до 5 млн. участников одновременно).

Основные планируемые результаты проекта:
1 Метод агрегации данных измерений динамики скоплений участников ГММ на основе усвоения данных в многомаштабной модели территориальной мобильности.
2 Метод краткосрочного ансамблевого прогнозирования динамики толпы в критических ситуациях.
3 Семейство методов априорной оценки рисков, связанных с проведением массовых мероприятий.
4 Экспериментальный образец программного комплекса (ЭО ПК) поддержки жизненного цикла СППР в области обеспечения безопасности ГММ.
5 Инфраструктура сбора и первичной обработки данных о процессах, происходящих на ГММ применительно к эксперименту Кумбха-Мела (разрабатывается иностранным партнером).

Краткая характеристика создаваемой/созданной научной (научно-технической, инновационной) продукции:
Принцип построения СППР по обеспечению комплексной безопасности ГММ заключается в выделении определяющего процесса – территориальной мобильности участников акции, – рассматриваемого в различных временных и пространственных масштабах. На основе этого процесса, определяющего пространственно-временное распределение, а также управляющие факторы (ожидания и намерения участников), в совокупности рассматриваются различные задачи по обеспечению безопасности мероприятия (от организации движения потоков людей во избежание давки – до анализа эпидемиологической обстановки).
Процессы территориальной мобильности участников ГММ описываются в рамках парадигмы DDA (Data Driven Approach), которая предполагает, что основой для применения моделей, характеризующих текущее состояние и развитие ситуации, являются регулярным образом поступающие данные. В рамках настоящего исследования реализация такого пути возможна в силу создаваемой индийским партнером инфраструктуры первичного сбора данных для религиозных фестивалей Кумбха-Мела 2015 и 2016 г. (ожидается около 65 млн участников). В качестве источников данных рассматриваются:
- детализированные спутниковые снимки территории, позволяющие оценить плотность пространственного распределения участников ГММ;
- данные видеокамер, установленных в реперных точках, а также результаты их обработки (измерения человеческого потока через заданный район);
- данные трекинга персональных браслетов, выборочно выдаваемых участникам;
- данные ведомственной статистики о территориальной мобильности населения в интервал времени, включающий ГММ (в том числе сведения о пассажиропотоках автобусного и железнодорожного сообщения).
Особенностью указанных источников является фрагментарность получаемых с их помощью данных: спутниковые снимки имеют очень низкую детализацию по времени (не воспроизводится динамика толпы); камеры покрывают лишь отдельные фрагменты территории, значимость которых не может быть оценена на основе априорных данных; персональные браслеты имеют не все участники; данные о пассажиропотоках не учитывают существенную часть населения, использующего нелегальных перевозчиков или даже пешеходные маршруты. Кроме того, каждый источник имеет свою специфику и номенклатуру параметров, которые могут быть достоверно измерены. Как следствие, для эффективного использования таких данных в проекте решаются следующие задачи:
1) Разработка метода агрегации данных измерений территориальной мобильности участников ГММ. Для решения этой задачи используется многомасштабная модель мобильности населения. Верхний (макро-) уровень модели основывается на системе дифференциальных уравнений баланса плотности населения и описывает потоки людей на уровне отдельных районов города. Он позволяет учитывать процессы приезда и отъезда участников ГММ, в том числе из разных населенных пунктов. Мезоуровень модели основывается на мультиагентном представлении на графе маршрутов, он позволяет описать укрупненные процессы движения групп участников, а также их перемещения на автомобилях и автобусах на территориях, смежных с территорией проведения ГММ. Микроуровень также использует мультиагентное представление, но на геометрической области; он применяется непосредственно для описания процессов пешеходной мобильности и действий ГММ (например, распределения зрителей по трибунам, религиозных действий и пр.). В целом такая модель рассматривается как средство аппроксимации и телескопизации фрагментарных данных измерений на всю пространственно-временную область проведения ГММ. Для этого строится вероятностная модель мобильности по результатам измерений, которая используется в дальнейшем в процедуре усвоения данных в качестве своего рода модели измерений. Как следствие, это позволяет модифицировать классическую процедуру фильтрации Калмана для усвоения данных измерений в модели различного масштаба (спутниковые данные – мезоуровень, браслеты и камеры – микроуровень).
2) Разработка метода краткосрочного прогнозирования динамики толпы в критических ситуациях. Используется мультиагентная модель на микроуровне, позволяющая воспроизвести пешеходную мобильность участников в отдельных районах. В основе технологии прогнозирования лежит построение ансамбля возможных реализаций движения толпы с использованием различных начальных условий, генерируемых исходя из неопределенности самих входных данных (начальной плотности людей), а также различных сценариев их ожиданий и намерений. Это позволяет построить не только точечные, но и интервальные прогнозы перераспределения плотности, что дает возможность априори определить ошибку прогноза и по ней вычислить максимальную заблаговременность для принятия решений. Данный метод может использоваться для решения как прямой (прогноз с целью определения возможности наступления критических ситуаций), так и обратной (определение мер воздействия) задачи. В частности, на его основе может быть построена процедура управления конфигурацией проходов к месту проведения ключевого события ГММ. Для выработки плана управления при небольшом (до ~100) числе конфигураций планируется использовать дискретно-переборные методы оптимизации, при большем – генетические алгоритмы.
3) Разработка семейства методов априорной оценки рисков, связанных с проведением массовых мероприятий. Все эти методы основываются на базовой модели мобильности участников ГММ и могут быть реализованы следующим образом:
- использование моделей мобильности в качестве входных данных для предметно-ориентированных моделей. Например, это позволяет оценить риски, связанные с распространением высококонтагиозных биологических угроз (особо опасных инфекций). Для решения данной задачи предполагается использовать модели класса SEIR, также модели, реализуемые в мультиагентной логике;
- использование моделей мобильности с параметрами, изменяемыми в соответствии с внутренними сценариями развития угроз. Модель может описывать, например, возникновение паники, связанной с передачей слухов в контактной сети участников ГММ. Сама топология контактной сети воспроизводится моделью взаимодействия участников (нахождение поблизости двух респондентов, не имеющих ограничений к общению), после чего моделирование распространения слухов реализуется алгоритмом Далей–Кендалла. При превышении уровнем информированности критического значения выполняется массовое изменение намерений агентов в самой модели мультиагентной мобильности, чем воспроизводятся эффекты паники (например, ускоряется или замедляется движение толп);
- использование моделей мобильности с параметрами, изменяемыми согласно внешним сценариям развития угроз (в качестве внешних сценариев будут рассмотрены: развитие пожара в локальном здании; развитие глобального затопления территории – наводненческая ситуация). В этой ситуации намерения агентов в модели мобильности изменяются в соответствии с развитием внешней опасности (например, стимулируя стихийное бегство от воды в сторону ближайшей возвышенности). При этом на модель внешнего сценария развития угрозы может накладываться модель внутреннего сценария развития угрозы, связанной с паникой, в том числе из-за распространения преувеличенных слухов об опасности, грозящей участникам ГММ.
Все перечисленные модели позволяют путем имитационного моделирования получить значения плотности распределения вероятности наступления последствий критических ситуаций (число инфицированных, травмированных и пр.), на основе которых могут быть проведены расчеты соответствующих рисков. А на основе рассчитанных рисков сопоставляются и ранжируются различные сценарии действий в СППР.
4) Разработка семейства информационных технологий, обеспечивающих полный цикл функционирования СППР, включая сбор и агрегацию данных, выполнение интерактивного моделирования ситуации, а также многомасштабную визуализацию данных и результатов моделирования (прогнозирования) процессов в ГММ с целью повышения степени вовлеченности оператора в процесс принятия решений. Создается семейство программных компонентов, взаимодействующих друг с другом в логике SOA (Service-Oriented Architecture) и функционирующих под общим управлением облачной платформы CLAVIRE (разработанная авторами в 2010–2012 гг.). Эта платформа поддерживает облачную модель AaaS (Application as a Service), позволяет строить различные виды композитных приложений, а также поддерживает интерфейс работы с хранилищами Big Data на основе технологий Yarn и Storm. В рамках проекта проводится развитие данной платформы в части интеграции с потоковыми дата-сервисами инфраструктуры индийского партнера, предназначенной для сбора данных с фестивалей Кумбха-Мела, а также развиваются интерактивные средства визуализации на ее основе. В частности, разрабатывается технология интерактивной визуализации комбинированных геосцен, включающих в себя как изображение динамики самой толпы на географической подложке с возможностью телескопизации до уровня отдельных агентов, так и изображение структуры контактной сети, формируемой за счет общения агентов. В данном случае наибольшую технологическую проблему представляет именно размер сети (до 5 млн участников в день), однако относительная разреженность сети (свойства малого мира) позволяет упростить процедуру визуализации за счет свертывания отдельных сообществ в метаузлы. Как следствие, технически это приводит к задаче визуализации графов размером ~100 тыс узлов, решение которой могут обеспечить существующие на настоящий момент средства.
В целом рассмотренные задачи и методы их решения не предназначены для создания промышленного решения в области обеспечения безопасности ГММ, однако они формируют технологическую базу для создания нового поколения таких систем.

Назначение и область применения, эффекты от внедрения результатов проекта:
Область применения результатов – разработка предметно-ориентированных (по видам ГММ) систем поддержки принятия решения нового поколения для обеспечения комплексной безопасности участников глобальных массовых мероприятий. Способ использования состоит в возможности встраивания разработанных компонентов для применения в прикладных СППР в рамках различных моделей (прямое заимствование кода, рефакторинг и реинжиниринг на основе образца, а также доступ к функциональности самого веб-сервиса по облачной SaaS-модели).
Несмотря на то что отработка технологии будет вестись на ГММ, характерном именно для Индии, результаты могут (и должны быть) использованы и в странах, где массовые мероприятия такого масштаба невозможны. По сути, эксперимент Кумбха-Мела является основой для своего рода «стресс-тестирования» самой технологии, которая может быть перенесена на мероприятия с локальной спецификой и меньшим числом участников. Например, для России актуальной является задача обеспечения безопасности на Чемпионате мира по футболу 2018 г. (в частности, только в Санкт-Петербурге ожидается около 70 тыс участников).

Текущие результаты проекта:
1 Выполнен аналитический обзор современной научно-технической, нормативной, методической литературы, затрагивающей научно-техническую проблему, исследуемую в рамках проекта.
2 Проведены патентные исследования в соответствии с ГОСТ Р 15.011.
3 Выполнен выбор направления исследований и выполнение сравнительной оценки вариантов возможных решений.
4 Проведено исследование существующих методов агрегации фрагментарных данных наблюдений за территориальной мобильностью населения.
5 Проведено исследование существующих методов краткосрочного прогнозирования динамики толпы.
6 Проведено исследование существующих количественных методов оценки рисков, связанных с проведением ГММ.
7 Разработана концепция и архитектура перспективной СППР по обеспечению комплексной безопасности на ГММ.
8 Разработаны принципы организации человеко-компьютерного взаимодействия в СППР по обеспечению комплексной безопасности на ГММ.
9 Проведена оценка ресурсоемкости задач обработки данных и моделирования применительно к эксперименту Кумбха-Мела.
10 Приведено обоснование выбора программных технологий и средств разработки.