Resolventa

ПРОБКАМ HANA! Татьяна Бабкина Михаил Бурмистров Анастасия Виденеева Михаил Трофимов

Резольвента Changellenge » Cup Technical 2013 IT–секция / кейс 1 тура

Executive Summary

Возможности

Архитектура

Внедрение

Комплексное решение по анализу транспортных потоков на базе SAP HANA позволит значительно улучшить ситуацию на дорогах столицы

40 млрд руб 3200 км 80 мин 42%

ДЕНЕЖНАЯ ОЦЕНКА ЕЖЕГОДНОГО УЩЕРБА ОТ ПРОБОК

Проблема

РЕКОРД ОБЩЕЙ ДЛИНЫ ПРОБОК В 2010 ГОДУ СРЕДНЕЕ ВРЕМЯ В ПУТИ НА ОБЩЕСТВЕННОМ ТРАНСПОРТЕ ПЕРЕГРУЖЕННОСТЬ ОСНОВНЫХ АВТОМАГИСТРАЛЕЙ

Москва

Источники данных Фильтрация и проверка

Агрегация

SAP HANA SAP BW

Моделирование Департамент транспорта Москвы

Анализ

SAP HANA

Муниципальные службы

Население, площадь и количество автомобилей в Москве растут с каждым годом. Всё больше времени требуется людям, чтобы добраться до работы. В час пик среднее время пути увеличивается более чем в 2 раза.

Решение

Число автомобилей в Москве, 100 тыс.

39 31 26

2000

2005

2010

45

2015 (прогноз)

Правительство Москвы всерьёз обеспокоено сложившейся ситуацией и ищет выход из неё. Разрабатывается комплекс программно-технических средств для эффективного анализа транспортной инфраструктуры и методов её развития в долгосрочной перспективе, а также уменьшению перегруженности автомагистралей в реальном времени. Всё это требует быстрой обработки огромного объёма данных из разных источников. Внедрение новой платформы SAP HANA позволит ускорить этот процесс и сделать его экономически более эффективным.

Ожидаемый результат Водители получит доступ к актуальной информации о текущей ситуации на дорогах. Люди, не имеющие личных автомобилей, получат возможность выбрать наиболее подходящий для них маршрут общественного транспорта. Правительство получит систему для всестороннего анализа проектов по развитию дорожно-транспортной инфраструктуры и градостроительству, а также механизм оперативного управления ситуацией.

Источники: отчёты Яндекса, отчёт ДТ Москвы, анализ команды

2/8

Executive Summary

Возможности

Архитектура

Внедрение

Мгновенный доступ к информации о дорожной ситуации позволит выявлять и решать текущие проблемы и предотвращать новые Загруженность основных автомагистралей Краткосрочный прогноз пробок Использование методов предсказательного к настоящему времени моделирования и машинного обучения позволит предугадывать развитие дорожной ситуации в ближайшее время и давать рекомендации всем участникам движения по выбору маршрута с учётом динамики изменения ситуации.

Контроль над ситуацией Поиск оптимального маршрута Позволит жителям сэкономить время, потраченное на дорогу. Автомобилисты смогут выбрать наименее загруженный маршрут. Пешеходы смогут сравнить, сколько времени, с учётом ситуации на дорогах, они потратят, выбрав тот или иной вид общественного транспорта, или же добираясь пешком.

Актуальная информация позволит муниципальным службам и службам безопасности оперативно решать проблемы, а зачастую и предотвращать их. Основные способы регулирования: • адаптивное управление светофорами, • изменение ограничений скорости. Цели при управлении потоком движения: • ликвидация пробок • искусственное освобождение дорог (для безопасности проезда первых лиц, при проведении акций, митингов)

Источники: отчёты Яндекса, ГКУ ЦОДД, анализ команды

Адаптивное управление движением Эксперимент проведённый 2011 году и затронувший два участка улицы Новощукинская, а также улицы Маршала Новикова и Академика Бочвара, продемонстрировал эффективность данного нововведения. Средняя скорость движения, км/ч 36

35 26

25

до 32

после

23 9

1

2 3 Участки дороги

33 38 47 133 152 188

Средняя задержка по направлению, сек

12

4

145

581

3/8

Executive Summary

Возможности

Архитектура

Внедрение

SAP HANA предоставляет новые возможности для улучшения улично-дорожной сети в будущем Выявление проблемных участков

Анализ данных, описывающих длительный период, поможет понять: • какие участки требуют изменений, • в каких районах наиболее вероятны ДТП, • какие маршруты общественного транспорта нуждаются в доработке, • где наиболее остро ощущается недостаток парковочных мест.

Разработка проектов по улучшению дорожной ситуации

Моделирование различных ситуаций позволит: • оценить эффективность предлагаемых мер по улучшению дорожной ситуации, • увеличить пропускную способность улично-дорожной сети, • проанализировать, как повлияет строительство новых объектов, • минимизировать транспортные потери при ограничении движения в связи с ремонтными работами.

Применение моделирования Система позволит оценивать, как изменение транспортной сети отразится на её качестве и удобстве.

Пример

Вариант реконструкции Ленинского проспекта: предлагается создание скоростной трамвайной линии вдоль крупной автомагистрали.

Сложность задачи заставляет искать новые подходы и решения Любая система анализа столь сложных систем оперирует огромным числом сложноструктурированных данных. Использование SAP HANA сумеет существенно ускорить обработку этих данных по следующим причинам: • возможность сведения данных, полученных из разных источников, • поддержка операций над сетями и графами, • чрезвычайно высокая скорость обработки смежных данных, что актуально при оценке эффективности различных проектов по реконструкции транспортной сети.

Источники: НОО «Городские проекты», отчёты Яндекса, анализ команды

4/8

Executive Summary

Возможности

Архитектура

Внедрение

Сбор и фильтрация данных из различных источников предоставит оперативную информацию о транспортной ситуации в городе Источники данных о транспортных потоках: • специализированные компании-партнёры, • данные муниципальных служб, • трекинг (GPS, ГЛОНАСС) общественного транспорта и пользователей.

Mobile App

Источники данных

Web API Front-end server

Информация, пришедшая из разнородных источников, проверяется на целостность, фильтруется и сглаживается.

Проверка целостности данных

SAP HANA Фильтрация и проверка данных

Агрегация текущей обстановки

SAP BW Моделирование

Анализ

Резольвентаматериалы Источники: / Cup Technical кейса,2013 анализ / IT–секция команды/ 1 тур

API позволит сторонним разработчикам и партнёрам использовать актуальную информацию в своих проектах.

Муниципальные службы ГАИ Полиция Скорая помощь

Основная задача на данном этапе — в режиме реального времени агрегировать всю поступившую информацию и составлять целостную картину состояния на дорогах.

ДТ Москвы

Обработанные данные используются для анализа обстановки и предоставляются пользователю в режиме online.

SAP HANA

Поддержка спецификации SQL позволит: • обеспечить совместимость с новейшими интернет-технологиями, • упростить процесс разработки SQL интернет-портала • подключаться к существующим инфраструктурам и службам.

5/8

Executive Summary

Возможности

Архитектура

Внедрение

Вычислительная мощь и скорость SAP HANA помогут градостроителям легко и удобно моделировать последствия любых изменений Источники данных

Front-end server

SAP HANA Фильтрация данных

Сохранность данных обеспечивается внутренними механизмами SAP BW и независимой backup-системой.

Результаты моделирования используются инженерами при разработке планов реконструкции транспортной системы. Основная задача: максимально точно отвечать на вопрос: «Что будет при изменении некоторого участка сети?» Департамент транспорта города Москвы Система визуализации

Система визуализации упрощает интерпретацию полученных данных.

Агрегация

SAP BW

Backup

Хранилище SAP BW предназначено для длительного хранения данных с возможностью оперативного доступа

SAP HANA Моделирование транспортной системы города

Полученные результаты могут быть использованы для • регулирования движения через управление светофорами, • анализа качества дорожного покрытия, • оценки безопасности движения. Муниципальные службы ГАИ

Анализ существующей ситуации

Балансировка нагрузки в SAP HANA позволит наиболее полно использовать её ресурсы: • в дневное время (одновременно с работой экспертов ДТ Москвы) первоочередные задачи — моделирование транспортных потоков, • в ночное время — переключение на задачи поиска закономерностей в динамике транспортных потоков в масштабе недель/месяцев.

Резольвентаматериалы Источники: / Cup Technical кейса,2013 анализ / IT–секция команды/ 1 тур

6/8

Executive Summary

Возможности

Архитектура

Внедрение

Гибкость и развитость решений SAP помогут быстро осуществить проект. В случае господдержки можно ожидать реализации системы к 2015 году. старт

3 месяца

6 месяцев

9 месяцев

12 месяцев

15 месяцев

18 месяцев

Подбор команды: эксперты, аналитики, программисты Создание системы моделирования

Разработка математической и вычислительной модели Закупка, установка и настройка оборудования Поиск партнёров

Создание системы сбора и хранения статистики

Создание системы агрегации и передачи данных API, Web, Mobile App на аутсорсе

Запуск API, Web, Получение Mobile App новых данных

Подбор команды

В Москве уже существуют разрозненные центры, занимающиеся Создание математической модели транспортными проблемами. После согласования требований к системе Необходимо объединить их усилия и эксперты строят математическую модель на опыт и привлечь их проекту. основе известных подходов к анализу big data и их комбинации. В результате должна Поиск партнёров быть получена модель, наиболее полно В последние годы всё больше фирм учитывающая особенности входных собирают данные о трафике, и данных и позволяющая осуществлять все количество этих данных растёт расчёты в системе. Затем эта модель лавинообразно. Следует реализуется на базе SAP HANA. аккумулировать весь поток разнородной информации.

Резольвентаматериалы Источники: / Cup Technical кейса,2013 Лента.ру, / IT–секция ИТАР-ТАСС, / 1 тур анализ команды

Релиз системы

Настройка оборудования

Поставка, установка, настройка и тестирование сложных систем является отдельной задачей, с которой SAP помогает справиться уже многие десятилетия.

Новые данные

Построенная система не только даёт доступ к данным, но и сама их создаёт: пользователи интересуются наиболее важными маршрутами, также появляется статистика использования и история. Эта информация также полезна для анализа транспортной обстановки.

7/8

Опыт команды «Резольвента» разрешит стоящие задачи и поставит новые

Татьяна Бабкина

Михаил Бурмистров

МФТИ, магистратура, 1 курс.

МФТИ, магистратура, 1 курс. Школа анализа данных, 2 курс.

Яндекс, Nestle Россия.

Яндекс.

MS CC CX High Quality Award.

Финалист CL Cup Technical 2012.

+7 925 823-35-83

+7 916 495-12-53

BabkinaTS@yandex.ru

burmisha@gmail.com

Анастасия Виденеева

Михаил Трофимов

МФТИ, бакалавриат, 2 курс.

МФТИ, бакалавриат, 3 курс.

Финалист CL Cup Moscow 2012.

Физтех-центр.

+7 925 133-26-56

+7 915 119-11-73

nastya.videneeva@gmail.com

mikhail.trofimov@phystech.edu

Резольвента / Cup Technical 2013 / IT–секция / 1 тур

8/8