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 сейчас происходит почти ежегодно — за последние двадцать лет количество опасных стихийных явлений выросло вдвое и ущерб от них продолжает увеличиваться. Центр океанографических данных Всероссийского научно-исследовательского института гидрометеорологической информации (ВНИИГМИ-МЦД) — один из трех мировых центров данных по океанографии призван собирать и обрабатывать все данные, получаемые в национальной сети Росгидромета для мониторинга, прогнозирования и минимизации ущерба от природных катаклизмов. Центр — головная организация Федеральной службы по гидрометеорологии и мониторингу окружающей среды, определяющая ее политику в области ИТ.
Евгений Вязилов — заведующий лабораторией Центра начинал свою деятельность в Росгидромете в 1968–1971 годах, зимуя в качестве наблюдателя на полярных станциях «Остров Диксон», «Бухта Солнечная» и «Мыс Челюскина»; проводя океанографические наблюдения на научно-исследовательском корабле «Вяндра»; измеряя толщину льда перед навигацией во время экспедиции на вездеходах в Енисейском заливе. В конце 1990-х защитил докторскую диссертацию на тему «Повышение эффективности использования гидрометеорологической информации при принятии решений», где обосновал идею создания системы поддержки принятия решений при гидрометеорологическом обслуживании предприятий и населения. Долгое время Вязилов работал над созданием базы данных по возможным воздействиям опасных явлений на промышленные предприятия и население. Накопленный материал по прогнозу воздействия и выдаче рекомендаций, оформленный в базу знаний, — это колоссальный труд на стыке знаний предметной области и области ИТ. Сегодня на основе этой базы создается система помощи в критических ситуациях, позволяющая быстро находить ответ на такие острые вопросы, как: что делать руководителям конкретных предприятий, когда прогноз сулит ураганный ветер, неурочные заморозки, наводнение, оттепель; как реагировать на ожидаемые изменения климата?
Когда и как у вас возник интерес к созданию системы поддержки принятия решений?
Еще в 1970-х годах наш центр проводил климатические обобщения по открытому океану на основе данных, хранящихся на перфокартах и магнитных лентах. При этом меня удивляло: считаем множество статистических характеристик для десятков собранных и вычисленных параметров, но никто не знает, как их дальше использовать при принятии решений. Фактически учитывались только средние и экстремумы для небольшого числа параметров.
Зная гидрометеорологические условия, можно не только заранее предсказать перечень воздействий на предприятия и население, но и сформировать рекомендации для принятия решения. Для этого необходимо сначала собрать воздействия и формализовать рекомендации для каждого стихийного явления 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 руководитель должен четко понимать, что именно может быть источником опасности и насколько вероятно наступление той или иной ситуации, чтобы вовремя провести превентивные мероприятия. Однако из-за большого объема данных, разбросанных по лоциям, атласам и справочникам и предоставляемых в виде множества экранных форм, руководители зачастую не в состоянии оперативно отреагировать на изменения условий среды. Поэтому они, с одной стороны, часто не учитывают критически важную информацию при принятии решений, а с другой — оправдывают свои неудачные решения плохими условиями окружающей среды.
Можно ли минимизировать потери от природных катастроф?
Пока маятник изменения климата качается от потепления к похолоданию, будут и стихийные явления — только за последние два десятилетия количество опасных явлений увеличилось вдвое. Несмотря на достаточно эффективную работу МЧС России, ущерб от опасных явлений продолжает увеличиваться. Арктика теплеет, все чаще возникают ситуации застревания судов во льдах. В ноябре 2021 года восемь транспортных судов застряли во льдах на Северном морском пути. Теплоход «Спарта III» Мурманского морского пароходства, следовавший из Дудинки в Архангельск, в декабре 2020 года застрял во льдах Енисейского залива. Буксир «Кигоряк» не смог без помощи ледокола обеспечить движение судна из-за обширных торосов, образовавшихся при формировании припая и воздействии приливных течений. Изменяется система глобальных течений, особенно приливных, что может привести к коррекции значений уровня приливов — ожидаемые значения повышения уровня моря в 0,5–1,0 м могут превратиться в некоторых районах в 5–10 м за счет увеличения высоты приливов, связанной с изменениями береговой черты и глубин заливов и бухт. А это уже катастрофа для некоторых районов, что может привести к переселению народов, перемещениям материальных и финансовых ценностей, заводов и прочего. С другой стороны, капитаны судов слышат об изменении климата, о том, что в Арктике лед растаял, но на самом деле речь идет лишь о уменьшении количества льда в летнее время, и самостоятельно принимают решения о продлении навигации, а в результате попадают в ледовый плен.
Что делать?
Необходимо значительно уменьшить объем доставляемой руководителям информации о состоянии окружающей среды — им нужна только компактная сводка, представленная в виде небольшой таблицы, карты и графика, необходимых для анализа ситуации и принятия конкретных управленческих решений.
На каждом предприятии должен быть паспорт безопасности, где указано, какие стихийные явления могут быть в районе предприятия, как они способны повлиять на его работу, а также что надо делать до, во время и после события. Конечно, многие рекомендации очевидны, например, если температура воздуха опустится ниже нуля, то продукцию некоторых видов нужно укрыть или перенести в крытые ангары, однако в критической ситуации человек находится в состоянии сильного эмоционального напряжения и для быстрого принятия решения ему требуется мгновенная оценка обстановки и динамики ее изменения с анализом причин и прогнозом последствий.
Откуда берутся данные для такого анализа?
В России имеется примерно 6,5 тыс. метеорологических станций и постов. В течение часа после снятия показаний полученные данные уже занесены в базу. Также мы получаем данные со спутников о показателях по всему земному шару, а в открытом океане постоянно находятся 90 судов, добровольно выполняющих наблюдения, плюс около 70 научно-исследовательских судов Росгидромета и РАН. К этому еще можно добавить автоматические буи, но в российских морях их немного — дорого.
Результаты статистической обработки всех собранных данных аккумулируются в нашем институте — на протяжении уже многих лет ведется база не только данных наблюдений, но и обобщенных показателей: среднемесячных, среднегодовых для всех наблюдаемых гидрометеорологических параметров, отражающих состояние атмосферы (температура, направление и скорость ветра, атмосферное давление, влажность, облачность); почвы (температура, влажность, высота и плотность снега); воды в реках и морях (температура, химическое содержание, волнение, лед, уровень воды). Объем накопленных структурированных данных оценивается в сотни терабайт. Все это хранится в Едином государственном фонде данных по гидрометеорологии и мониторингу окружающей среды, призванном обеспечить «вечное» хранение данных за счет трехкратного копирования на носителях. Данные, которые оперативно используются для климатической обработки, хранятся в базах данных на платформе СУБД PostgreSQL, портал построен на сервере приложений JBoss, а сейчас планируем перейти на другую линейку, например СУБД Elastic Search.
Иногда расчеты ведутся на основе эмпирических формул, например, пожароопасность оценивается по отклонению от климатических значений температуры воздуха и влажности в течение продолжительного периода.
Для обеспечения процесса получения данных в режиме онлайн, а также интеграции разнородных и распределенных данных в 2014 году в институте запустили в постоянную эксплуатацию Единую государственную систему информации об обстановке в Мировом океане (ЕСИМО). Это универсальная система, интегрирующая не только метеорологические и гидрологические данные, но и социально-экономическую информацию, а также сведения о промышленных объектах. На основе интегрированных данных можно в поступающих потоках оперативных данных автоматически определять уровень опасности стихийных явлений по локальным пороговым значениям (желтый, оранжевый, красный), устанавливаемым для каждого предприятия.
Кто потребитель этой информации?
Доступ к ЕСИМО имеют промышленные предприятия и органы государственной власти, отвечающие за предупреждение населения о стихийных бедствиях, в первую очередь федеральные ведомства: Минтранс, Минобороны, МЧС и др. Гидрометеорологическая информация учитывается при выборе маршрута движения судов, обеспечении безопасности авиапассажиров и сохранности скоропортящихся продуктов, стабильности работы ветроустановок. Авиаперевозчики используют актуальные данные о скорости и направлении ветра для экономии топлива и обеспечения точного прибытия лайнеров в пункт назначения по расписанию.
В результате перехода от самообслуживания к персонализированному обслуживанию на основе локальных пороговых значений у системы будет значительно больше потребителей, получающих доступ к цифровым сервисам.
В чем заключается персонализация обслуживания?
При одном и том же значении показателя на него следует реагировать по-разному в зависимости от местоположения объекта: в средних широтах или в Арктике, где производство и население уже адаптировались к постоянному воздействию опасных явлений малой интенсивности.
Сейчас все руководители получают обобщенную информацию либо ищут ее на портале ЕСИМО и на ресурсах организаций Росгидромета, а мы предлагаем модель, согласно которой руководитель получал бы 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 уже не пользователь инициирует доступ 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, он в прогнозе погоды дописывал текст, к примеру, «возможен смыв груза, находящегося на пирсе». Сейчас система может автоматически сформировать прогноз воздействий и снабдить руководителя рекомендациями по предотвращению или минимизации ущерба, а в некоторых случаях и повышению эффективности работы предприятия. Так, при планировании Северного завоза точный прогноз не только повышает безопасность караванов, но и сокращает время перевозки грузов с запада на восток.
Фактически предполагается реализовать конвейер автоматической сквозной обработки потока данных от наблюдения до принятия решений. Элементы такого конвейера используются в ЕСИМО, когда информация от поставщика данных автоматически загружается в базу интегрированных данных, на основе которой автоматически регулярно строятся тематические слои температуры воздуха, атмосферного давления и других параметров. В Гидрометцентре России по такой же схеме полученные оперативные наблюденные данные интерполируются в узлы сетки. На основе полученных данных с помощью соответствующих моделей создаются прогнозы на пять дней. Это экономически целесообразно, технически реализуемо и соответствует запросам целевой аудитории.
Что уже сделано для реализации новой модели обслуживания?
Проанализировав огромный объем материалов, где встречались описания произошедших катаклизмов и их воздействий на промышленные объекты, мы создали базу данных о воздействиях для сотни опасных явлений. Для каждого из них сформировали рекомендации руководителям различного уровня управления: перед событием — на основе климатических и прогнозных данных; во время него — на основе собранных данных; 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 для каждой ситуации динамически готовятся свои решения с учетом уровня управления, видов деятельности на предприятии и локальных для них пороговых значений уровня опасности.
Имеет значение и способ доставки информации, например, на смартфон руководителя для оперативного оповещения об опасности. Для этого имеется мобильное приложение «МетеоАгент», работающее на Android-устройствах и автоматически оповещающее руководителей о возникших опасных явлениях, информирующее о возможных воздействиях окружающей среды на хозяйственные объекты и передающее рекомендации по принятию решений. Приложение «МетеоМонитор» помогает адекватно оценить ситуацию, показывая на информационной панели в виде гидрометеорологических приборов значения показателей с цветовой индикацией уровня опасности в виде «светофора». Для каждого показателя дается график изменения значений за последнюю неделю и прогноз на ближайшие дни.
.jpg) |
| Схема отражения гидрометеорологической обстановки с индикацией пороговых значений («МетеоАгент») |
Как обеспечивается качество данных?
Когда мы переносили базу данных с перфокарт на магнитные ленты, было очень много нареканий — ушло пять лет на приведение данных в порядок. За это время улучшились методы контроля, мы обменялись алгоритмами контроля качества с партнерами по панъевропейскому проекту, позаимствовали у них методы контроля гидрохимических и загрязняющих параметров. На входе и на выходе данные проверяются как минимум на общие предельные значения, а также по связи между физическими параметрами.
В чем главная проблема в вашей работе?
Главная проблема сегодня — обеспечение надежности работы инфраструктуры портала ЕСИМО и приложений, которые на ней работают. Система получает данные от 31 поставщика, большинство из которых работает на уровне надежности 99,9%. В то же время отдельные поставщики данных обеспечивают надежность лишь в 80% и даже в 70%, что сказывается на общем уровне надежности системы.
Какие изменения произошли сегодня в работе с данными?
До недавнего времени мы не обращали внимания на технологии искусственного интеллекта, но 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. Надо на основе ЕСИМО создавать цифровую платформу, например, на микросервисной архитектуре, чтобы повысить мобильность цифровых продуктов, создаваемых разными подразделениями, и исключить дублирование.
В каком направлении будет развиваться проект?
В 2021 году мы обновили серверное оборудование, сейчас готовимся перенести ЕСИМО в «Гособлако», однако пока, в отсутствие масштабного финансирования, имеются лишь опытные экземпляры системы поддержки принятия решений. Следующая задача — подключить модели оценки возможных воздействий, расчета экономического ущерба. Остается надеяться, что идея автоматизации процесса поддержки решений получит широкое распространение у широкого круга потребителей.
Ирина Шеян (rrisha@osp.ru) — обозреватель, «Открытые системы» (Москва).
