CC BY
33
УДК 624.131.577.4
КОМБИНИРОВАННЫЙ ПОДХОД К ПОСТРОЕНИЮ СРЕДСТВ МОНИТОРИНГА И ПРОГНОЗИРОВАНИЯ ОПАСНЫХ ПРИРОДНЫХ ЯВЛЕНИЙ
М.В. Орда-Жигулина, Э.В. Мельник, Д.Я. Иванов, А. А. Родина,
Д.В. Орда-Жигулина
Описаны информационные технологии и комбинированный подход к построению систем мониторинга и прогнозирования опасных природных явлений и обеспечения безопасности населения и береговой инфраструктуры различных классов. Дан перечень основных гидрологических, биологических и социальных явлений, которые целесообразно контролировать методами гидрологического, метеорологического и биологического мониторинга в рамках системы мониторинга и прогнозирования опасных процессов. Обоснована целесообразность применения технологий цифровой экономики при построении систем мониторинга и прогнозирования опасных явлений для решения задач децентрализации обработки информации и диспетчирования, обеспечения «открытости» для взаимодействия с другими аналогичными системами, снижения времени реакции на события, обеспечения высоких показателей надежности и масштабируемости системы.
Ключевые слова: опасные явления, гидрологический, метеорологический, биологический мониторинг, системы сбора и обработки данных, промышленный интернет вещей, распределенный реестр, цифровая экономика, туманные вычисления.
Введение. В настоящее время разработка и исследование методов построения средств мониторинга и прогнозирования опасных процессов и обеспечения безопасности населения и береговой инфраструктуры, обеспечивающих повышение надежности и уменьшение времени реакции на события таких систем, являются актуальными научно-исследовательскими задачами. Очевидно, что изменения климата, произошедшие к настоящему времени, стали причиной увеличения числа опасных природных явлений (ураганов, засух, наводнений, пожаров): за последние 20 лет их число возросло в 3 раза, их жертвами стали более 3 миллионов человек во многих странах мира, а 800 миллионов - пострадали [1]. Во многих случаях опасные природные явления приводят к неблагоприятным последствиям для жителей и инфраструктуры прибрежных районов. Так, вследствие изменений климата ухудшаются характеристики среды обитания человека, в частности, все большие опасения вызывает ситуация с обеспечением жителей Земли пресной водой, причем проблемы начинают возникать в местах, которые в данном отношении всегда считались благополучными. Примером может послужить низовье реки Дон, где зафиксированы ранее не наблюдавшиеся гидрологические и гидрохимические тенденции: значительное осолонение воды (вплоть до максимально допустимых концентраций), значительное обмеление [2].
Методы и средства мониторинга и прогнозирования опасных процессов. Согласно опубликованным в литературе данным, основными видами мониторинга опасных явлений являются гидрологический, метеорологический и биологический мониторинг.
В рамках гидрологического мониторинга рассматривается абразия берегов и оползневые процессы, геоморфологические и геофизические исследования, мониторинг состояния геологической среды (недр) прибреж-но-шельфовой зоны, береговые маршруты, нивелировки по сети опорных профилей (в том числе, в оперативном режиме после сильных штормов), гранулометрический анализ осадков пляжа и подводного берегового склона; на прибрежных мелководьях выполнено выполняется профилирование методом гидролокации бокового обзора; эхолотирование, непрерывное сейсмоакустическое профилирование [3]. Основным достоинством гидрологического мониторинга является возможность получения данных о состоянии водной поверхности на больших площадях.
В режиме реального времени имеет смысл анализировать актуальную информацию от метеорологических датчиков, данных от беспилотных летательных аппаратов (БПЛА), спутниковые фотографии (LANDSAT). Например, существует система получения данных от метеостанций Южного научного центра РАН (ЮНЦ РАН) в режиме реального времени (о солености и уровне воды, температуре и скорости ветра в реперных точках на побережье Таганрогского залива и в дельте реки Дон) [4].
Для подтверждения геофизических данных и получения материала для лабораторных исследований в уже существующих системах прогнозирования и мониторинга опасных явлений применяются донный пробоот-бор и подводная видеосъемка, то есть биологический мониторинг. Основным предметом биологического мониторинга являются биологические системы на уровне сообществ. Для биоиндикации на уровне сообществ используется целый ряд методов, использующих структурные (таксономическая структура, видовое обилие и разнообразие и т.д.) и функциональные (биологическая продуктивность, биохимическое потребление кислорода и др.) параметры. Наиболее консервативными и пригодными для биомониторинга являются бентосные организмы. Эти методы могут быть использованы в мониторинге для оценки состояния прибрежных экосистем. По состоянию донных сообществ можно оценить изменение уровня минерализации водного объекта, в частности, при осолонении Таганрогского залива Азовского моря, начиная с 2012 г. в сообществах макрозообентоса сократили свою численность пресноводные донные беспозвоночные [5]. С одной стороны, недостатком биологического мониторинга является его инерционность, то есть, на коротком временном промежутке, или в режиме реального времени невозможно идентифицировать возникновение опасного явления. С другой стороны, биологический мониторинг позволяет косвенно предсказывать возможность возникновения крупномасштабного опасного явления.
Если добавить к уже существующим методам гидрологического, метеорологического и биологического мониторинга анализ информации из социальных сетей, например, от местного населения (в частности, сообщения о необычных свойствах воды, нетипичных запахах или осадках, резком изменении погоды, море рыбы или ухудшении качества продуктов), то, за счет применения современных технологий и концепций цифровой экономики можно разработать комбинированный подход к построению автоматизированных систем мониторинга и прогнозирования опасных процессов и обеспечения безопасности населения и береговой инфраструктуры. Преимуществом такого нового подхода будет являться использование уже существующей информационной инфраструктуры. Кроме того, в рамках данного подхода можно объединить уже существующие, но пока не связанные между собой, системы мониторинга и прогнозирования опасных явлений, каждая из которых реализована отдельно в рамках гидрологического, метеорологического и биологического мониторинга. Например, уже существуют готовые элементы подсистем, которые реализованы в виде сенсорных сетей из большого числа метеорологических датчиков c применением беспроводных технологий [6]. Могут быть применены уже разработанные принципы объединения беспроводных датчиков для управления водоснабжением и транспортом которые определены в кластеры для удобства обработки данных [7], могут быть использованы элементы уже запатентованных систем и методов, несущих в себе возможность экологического мониторинга водных объектов [8-12], методы и принципы построения системы мониторинга сине-зеленых водорослей [13] и т.д.
На рис. 1 показаны основные гидрологические, метеорологические и биологические процессы, которые целесообразно отслеживать при разработке методов построения систем мониторинга и прогнозирования опасных процессов и обеспечения безопасности населения и береговой инфраструктуры для дельты Дона и Таганрогского залива [5].
Как было сказано выше, построение системы мониторинга и прогнозирование опасных природных явлений, в том числе и в районах прибрежной зоны, позволяет предотвратить гибель людей, в значительной степени сократить потенциальный экологический и экономический ущерб. В настоящее время на территории Ростовской области данные мероприятия проводятся государственными службами (министерство природы РО, МЧС) и научными учреждениями (ЮНЦ РАН). Эффективность данных мероприятий во многом зависит от применяемых технических средств, основная задача которых заключается в своевременном сборе информации о наблюдаемом явлении/объекте (в случае мониторинга и прогнозирования опасных процессов и обеспечения безопасности населения и береговой инфраструктуры имеет место высокая территориальная распределенность, размещение сенсоров в различных средах), передаче ее для обработки (с использованием коммуникационных каналов на базе различных физиче-
ских принципов и с разной пропускной способностью), моделировании развития ситуации, формировании прогнозов, поддержке принятия решений о необходимых действиях по предотвращению катастрофических последствий.
Блоки белого цвета соответствуют параметрам для гидрологического и метеорологического мониторинга, блоки серого цвета соответствуют параметрам биологического мониторинга.
Рис. 1. Перечень контролируемых параметров, которые могут быть использованы при разработке комбинированного подхода к построению систем мониторинга и прогнозирования опасных процессов и обеспечения безопасности населения и береговой инфраструктуры различных классов
Большая часть из перечисленных функций возлагается именно на информационные системы мониторинга и прогнозирования, включающие в свой состав сенсоры, каналы передачи информации, вычислительные средства обработки информации и поддержки принятия решений. Такие системы должны обеспечивать передачу и обработку больших объемов данных, обеспечивать поддержку принятия верных решений по реагированию на те, или иные опасные явления, обладать высокой надежностью и живучестью и при этом являться «открытыми». Что означает возможность широкого взаимодействия между системами мониторинга и прогнозирования опасных явлений различных учреждений и ведомств.
Согласно распоряжению правительства Российской Федерации от 28 июля 2017 г №1632-р, утверждена программа «Цифровая экономика Российской Федерации», в которой приведен перечень основных сквозных цифровых технологий, лежащих в основе цифровой экономики [14]: большие данные; нейротехнологии и искусственный интеллект; системы распределенного реестра; квантовые технологии; новые производственные технологии; промышленный интернет (промышленный интернет вещей); компоненты робототехники и сенсорика; технологии беспроводной связи; технологии виртуальной и дополненной реальностей.
В рамках разработки комбинированного подхода построения систем мониторинга и прогнозирования опасных процессов и обеспечения безопасности населения и береговой инфраструктуры могут быть применены все вышеперечисленные технологии.
В частности, технология распределенного реестра, которая представляет собой многофункциональную и многоуровневую информационную технологию, предназначенную для надежного учета различных данных, которая обеспечивает распределенное хранения записей обо всех когда-либо совершенных в рамках системы действиях, например, транзакциях [15]. Данная технология может быть применена как для верификации, так и определения достоверности как полученных исходных гидрологических, метеорологических и биологических данных от различных участников системы мониторинга и прогнозирования опасных природных явлений, в том числе и в районах прибрежной зоны.
Системы, в которых применяются технологии промышленного интернета вещей и туманных вычислений, являются многоуровневыми и включают в себя датчики и контроллеры, установленные на узлах и агрегатах промышленного объекта, средства передачи собираемых данных и их визуализации, мощные аналитические инструменты интерпретации получаемой информации и многие другие компоненты [16, 17], также целесообразно применять при построении системы мониторинга опасных явлений, в части сбора актуальной метеорологической информации или информации об активности населения в социальных сетях.
Как показал патентный поиск и обзор литературы по существующим системам и технологиями мониторинга опасных явлений, в настоящее время есть необходимость объединения существующих систем мониторинга в более сложные системы с различными источниками первичных данных об опасных явлениях с использованием современных технологий цифровой экономики.
На рис. 2 показана связь между исходными параметрами, которые должны отслеживаться в системе мониторинга и прогнозирования опасных процессов и обеспечения безопасности населения и береговой инфраструктуры и применение современных технологий и концепций цифровой экономики для обработки исходных данных, полученных в результате гидрологического, метеорологического и биологического мониторинга.
Рис. 2. Принципы применения технологий концепции цифровой экономики при построении систем мониторинга и прогнозирования опасных процессов и обеспечения безопасности населения и береговой инфраструктуры различных классов
Как было сказано выше, преимуществом предложенного комбинированного подхода отбора исходных данных для системы мониторинга и прогнозирования опасных явлений будет являться использование уже существующих информационных инфраструктур. Кроме того, данные, полученные при комплексном анализе информации, собранной из различных источников (данных от БПЛА, спутниковой видео- и фотосъемки, данных метеостанций, соцсетей), позволят более тщательно определять место и время забора проб бентоса, что приведет к уменьшению расходов на осуществление забора проб за счет повышения качества и значимости получаемых для исследования материалов.
В части обработки данных необходимо учитывать, что в настоящее время информационно-управляющие системы и системы поддержки принятия решений, как правило, строятся на базе сетевых технологий для организации информационного обмена (Ethernet, CAN, ZigBee, WiFi), технологий изготовления сенсорных устройств, технологий обработки больших объемов данных (облачные и туманные технологии, сервис-ориентированная архитектура, технологии обеспечения обработки в реальном времени). Такие системы строятся иерархически (уровень сенсоров для сбора информации, уровень контроллеров для первичной обработки, уровень серверов приложений, уровень АРМов). При этом обработка основного объема данных и общее управление системой (диспетчирование) осуществляется, как правило, централизованно. С одной стороны, так систему проще организовать, однако при этом возникают сложности с обес-
112
печением оперативной реакции на события вследствие латентности при передаче данных, надежностью (требуется соответствующее резервирование центральных элементов, отказ которых приведет к отказу системы в целом), масштабированием (через каналы связи с ограниченной пропускной способностью можно обрабатывать данные от ограниченного количества источников), взаимодействием с другими системами (как и в случае с масштабированием). То есть для обеспечения перечисленных выше характеристик в системе могут быть реализованы децентрализованные принципы управления [18, 19]. А в рамках концепции цифровой экономики для решения данной проблемы могут быть использованы технологии туманных вычислений (перенос вычислительной нагрузки к краю системы с целью снижения нагрузки на сеть и уменьшения времени реакции на события) [20-28].
Выводы. При разработке комбинированного подхода к построению систем мониторинга и прогнозирования опасных процессов и обеспечения безопасности населения и береговой инфраструктуры различных классов могут быть применены технологии туманных вычислений, распределенного реестра и промышленного Интернета вещей. Эти технологии позволяют связать воедино сенсоры, коммуникационные устройства, процессорные узлы и даже обработку информационных сообщений от местного населения. Данные технологии целесообразно применять для решения задач децентрализации обработки информации и диспетчирования, обеспечения «открытости» для взаимодействия с другими аналогичными системами, снижения времени реакции на события, обеспечения высоких показателей надежности и масштабируемости.
Учитывая вышесказанное, актуальным становится разработка комбинированного подхода построения систем мониторинга и прогнозирования опасных процессов и обеспечения безопасности населения и береговой инфраструктуры различных классов, существенным преимуществом которого будет являться использование уже существующей информационной инфраструктуры.
Публикация подготовлена в рамках реализации проекта РФФИ №18-05-80092.
Список литературы
1. Моськин К. Д. Вопросы дальнейшего развития системы мониторинга, лабораторного контроля и прогнозирования чрезвычайных ситуаций природного и техногенного характера // XV Всероссийская научно-практическая конференция «Проблемы прогнозирования чрезвычайных ситуаций»: доклады и выступления.13-14 октября 2016. М.: ФКУ Центр «Антистихия» МЧС России, 2016. С. 13.
2. Матишов Г.Г. Нужны ли тихому Дону новые плотины? // Природа. 2018. № 1. C. 25-34.
3. Рябчук Д.В., Сергеев А.Ю., Ковалева О. А., Леонтьев И.О., Жа-мойда В.А., Колесов А.М. Проблемы абразии берегов восточной части финского залива: состояние, прогноз, рекомендации по берегозащите // Ученые записки Российского государственного гидрометеорологического университета. №44, 2016. С. 187-203.
4. Данные метеостанций ЮНЦ РАН в режиме реального времени [Электронные ресурсы] URL: http://archive.ssc-ras.ru/meteo/?st=kag (дата обращения: 10.08.2018).
5. Бирюкова С.В., Булышева Н.И., Савинкин А.И., Семин В.Л. Донные сообщества таганрогского залива летом 2017 // Материалы научных мероприятий, приуроченных к 15-летию Южного научного центра Российской академии наук: Международного научного форума "Достижения академической науки на юге России"; международной молодежной научной конференции "Океанология в 21 веке: современные факты, модели, методы и средства" памяти члена-корреспондента ран Д.Г. Матишова; Всероссийской научной конференции "Аквакультура: мировой опыт и Российские разработки". Ростов-на-Дону: Южный научный центр РАН, 2017. С. 299301.
6. Финогеев А. А., Финогеев А.Г., Нефедова И.С. Распределенная обработка данных в беспроводных сенсорных сетях на основе мультиа-гентного подхода и туманных вычислений // Труды международного симпозиума надежность и качество, Пензенский государственный университет. Пенза, 2016. Т.1. С. 258-260.
7. EisaAleisa. Wireless Sensor Networks Framework for Water Resource Management that Supports QoS in the Kingdom of Saudi Arabia // Procedia Computer Science, 2013. Vol. 19. P. 232-239.
8. Европатент CN203502404 (U) (Китай) «Ocean water quality monitoring data acquisition system».
9. Европатент CN105974863 (A) (Китай) «Ocean pasture platform-based microwave observation system».
10. Европатент CN105739345 (A) (Китай) «Marine ranching shore-based monitoring system».
11. ПатентСША 9014983 «Platform, systems, and methods for obtaining shore and near shore environmental data via crowdsourced sensor network».
12. Патент 9223058 «Platform, systems, and methods for utilizing crowdsourced sensor networks to generate environmental data reports».
13. ПатентСША9983115 «System and method for monitoring particles in a fluid using ratiometric cytometry».
14. Программа Правительства РФ от 28 июля 2017. № 1632-р.
15. Пряников М.М., Чугунов А.В. Блокчейн как коммуникационная основа формирования цифровой экономики: преимущества и проблемы // Int. J. openInf. Technol. 2017. Т. 5. № 6.
114
16. Sadiku M.N.O. и др. Industrial internet of things // IJASRE. 2017.
Т. 3.
17. Jeschke S. и др. Industrial internet of things and cyber manufacturing systems // Industrial Internet of Things. Springer, 2017. С. 3-19.
18. Каляев И.А. Децентрализованные системы компьютерного управления: монография /И.А.Каляев, Э.В.Мельник. Ростов н/Д: Изд-во ЮНЦ РАН, 2011. 196 с.
19. И.А.Каляев. Метод мультиагентного распределения ресурсов в интеллектуальных многопроцессорных вычислительных системах/ И.А.Каляев, Э.В.Мельник // Вестник ЮНЦ РАН, 2007. № 12. С. 40-50.
20. Каляев А.И., Каляев И.А. Метод децентрализованного управления распределенной системой при выполнении потока заданий // Мехатро-ника, автоматизация, управление, 2015. №9. Т. 16. C.585-598.
21. YiS. etal. Fog computing: Platform and applications // Proc. - 3rd Work. Hot Top. Web Syst. Technol. HotWeb 2015, 2016. P. 73-78.
22. Stojmenovic I., Wen S. The Fog Computing Paradigm: Scenarios and Security Issues // Proc. 2014 Fed. Conf. Comput. Sci. Inf. Syst., Vol. 2. 2014. P. 1-8.
23. Hosseinpour F., Westerlund T., Meng Y. A Review on Fog Computing Systems // Int. J. Adv. Comput. Technol. HannuTenhunen. Vol. 8(5), 2016. P. 48-61.
24. Технологии распределенного реестра данных. Walport. M., 2015.
25. Kuo T. T., H. E. Kim. Distributed ledger technology: Beyond block chain. Government Office for Science, Ohno-Machado, L. 2017. P. 1-88.
26. Wu H., Li Z., King B., Miled Z., Wassick J. Blockchain distributed ledger technologies for biomedical and health care applications // Journal of the American Medical Informatics Association, Tazelaar. J., 2017.
27. Bonomi F. et al. Fog Computing and Its Role in the Internet of Things // Proc. first Ed. MCC Work. Mob. Cloud Comput, 2012. P. 13-16.
28. Atzori L., Iera A., Morabito G. The internet of things: A survey // Comput. networks. Elsevier, 2010. Vol. 54, № 15. P. 2787-2805.
Орда-Жигулина Марина Владимировна, канд. техн. наук, доцент, научный сотрудник, jigulina@mail.ru, Россия, Ростов-на-Дону, Южный научный центр Российской Академии наук,
Мельник Эдуард Всеволодович, д-р техн. наук, профессор, зав. лабораторией, evm@mail.ru, Россия, Ростов-на-Дону, Южный научный центр Российской Академии наук,
Иванов Донат Яковлевич, канд. техн. наук, donat. ivanov@gmail. com, Россия, Ростов-на-Дону, Южный федеральный университет,
Родина Арина Алексеевна, инженер-исследователь, arishka-ra@,mail.т, Россия, Ростов-на-Дону, Южный научный центр Российской Академии наук,
Орда-Жигулина Дина Владимировна, младший научный сотрудник, dinazhigulina@,mail.ru, Россия, Ростов-на-Дону, Южный научный центр Российской Академии наук
COMBINED APPROACH TO BUILDING MONITORING FACILITIES OF DANGEROUS
PHENOMENON
M.V. Orda-Zhigulina, E.V. Miller, D.Y. Ivanov, A.A. Rodina, D.V. Orda-Zhigulina
The paper presents information technologies and combined approach to building monitoring systems of dangerous phenomena and population's safety. The hydrological, biological and social phenomena are categorized for Taganrog gulf of Asov sea and the methods of monitoring such phenomenon are described. The possible applications of digital economy technologies for building monitoring facilities are discussed. The possible ways of solving problems of decentralization and dispatching of information processing, "openness" with other similar systems, reducing the response time for events of the system are discussed.
Key words: dangerous natural phenomenon, hydrological, meteorological, biological monitoring, data collection, computing systems, industrial Internet of things, distributed ledger, digital economy, fog computing.
Orda-Zhigulina Marina Vladimirovna, candidate of technical sciences, docent, Researcher, jigulina@,mail. ru, Russia, Rostov-on-Don, Southern Scientific Center of the Russian Academy of Sciences,
Miller Edward Vsevolodovich, doctor of technical sciences, professor, head of Laboratory, evm@mail.ru, Russia, Rostov-on-Don, Southern Scientific Center of the Russian Academy of Sciences,
Ivanov Donat Yakovlevich, candidate of technical sciences, senior researcher, donat. ivanov@gmail. com, Russia, Rostov-on-Don, Southern Federal University,
Rodina Arina Alekseevna, research engineer, arishka-raamail.ru, Russia, Rostov-on-Don, Southern Scientific Center of the Russian Academy of Sciences,
Orda-Zhigulina Dina Vladimirovna, junior researcher, dinazhigiilina amail. ru, Russia, Rostov-on-Don, Southern Scientific Center of the Russian Academy of Sciences
