-
2020-12-31 09:28:34+00:00
Так как в этом году жизнь в городах диктовалась пандемией, то в финальный посте я собрала на мой взгляд основные изменения, с которыми столкнулись города в борьбе с ней
1. Усилилось взаимодействие между городскими властями, бизнесом и академией: первые формировали запрос, вторые давали данные ( преимущественно данные о перемещениях), третьи делали аналитику и формировали рекомендации. Например, в этой статье financial times совместная работа University College London и компании Kup показала, что люди больше не могут сидеть дома и властям необходимо начинать разумно снижать ограничения.
2. Пространственные модели стали чаще использоваться для анализа. Помимо классических SIR и SEIR применяли agent-based modelling - подход, позволяющий учитывать помимо пространственно-временных особенностей еще индивидуальные характеристики агентов – например, возраст, хронические заболевания или число контактов. Примеры: https://www.nature.com/articles/s41591-020-1001-6 ( Франция), https://www.medrxiv.org/content/10.1101/2020.07.05.20146977v1 (США)
3 С помощью графики журналистам удалось объяснить людям, почему необходимо соблюдать локдаун. Пример WashingtonPost
4. Необходимость в открытых данных стала более очевидной и вместе с этим выросло число источников ( жаль только, что коснулось это преимущественно тех стран, кто уже с ними работал).
Ресурсы:
https://data.world/datasets/covid-19 – статистика некоторых стран в разрезе городов по перемещениям людей и числу заболевших https://wiki.unece.org/display/DSOCIOT/Data+Sources+on+Coronavirus+impact+on+transport – основные цифры по использованию транспорта в период локдауна по странам
5. Острее стал вопрос приватности персональных данных в связи с необходимостью трекинга распространения вируса. Что выбрать : сохранение тайны личных данных, но при этом невысокой эффективности отслеживания контактов заболевших, как в Европе , либо нарушение права на приватность ради гарантии , что люди сидят дома, как, например, в Южной Корее и Эквадоре
6. Многие страны разработали мобильные приложения для сбора статистики. Решения : GPS-трекинг, определение соседних устройств по Bluetooth, чекин по qr-коду в общественных местах. Полный список решений по странам здесь
7. Стали больше говорить о городе шаговой доступности ( в 15-минутах от дома есть все необходимые сервисы) и увеличилось число исследований оценки качества текущей инфраструктуры для пешеходов:
рекомендации
анализ перепланировочных инициатив
оценка текущей ширины тротуаров в Лондоне
Суммирая, кажется, что год оказался положительным для развития работы с данными в городах и еще острее показал существующие проблемы "smart cities", такие как слабая защищенность персональных данных и недостаточная связанность между источниками особенно разных стейкхолдеров, не позволяющая быстро получить картину целиком.
Надеюсь Новый год учтет ошибки предыдущего, а прогрессивные исследования будут посвящены не только пандемии)
-
2020-12-13 16:09:46+00:00
возвращаясь к разговору о пространственных моделях - сегодня вышла GeoDa 1.8 - GUI open source для работы с пространственной автокорреляцией, пространственными моделями, кластеризацией и др. в РФ меньше 1000 пользователей. Рекомендую обратить внимание. Все, что она может - можно накодить в R/Pyhon/Julia, но при первом знакомстве с концептами это отличный помощник + интерактивные карты и графики в GeoDa можно заменить только очень долгим кодингом собственных дэшбордов
-
2020-12-13 16:09:46+00:00
#geotools
Еще один повод обратить внимание на мощный и понятный пользователю инструмент для пространственного анализа. Единственный язык, который нужно хоть чуть-чуть знать, чтобы работать с ним - это английский. Ссылка : https://geodacenter.github.io
-
2020-12-13 09:54:13+00:00
#urbanreflections
В связи с недавней новостью об утечке данных пациентов в Москве, возникли следующие мысли.
Общий уровень осведомленности об информационной безопасности в России очень низкий - у нас этому не учат. Лично я, несмотря на техническое образование, впервые столкнулась с этой темой, только придя в Сбер, когда получила требование пройти серию тестов на кибербезопасность. Проходят их все сотрудники без исключения: независимо от того анализируешь ли ты данные или обслуживаешь клиентов в отделении. Получается в России научить людей «безопасной» работе с данными - это сугубо ответственность работодателя – государство в целом не парится.
В мире не так: умение защитить данные повсеместно становится таким же важным, как умение писать, и поэтому власти отвечают за то, чтобы каждый, понимал, что такое кибербезопасность. У многих, в том числе и образцовых для Москвы Сингапуре , Дубае и Гонконге есть стратегии кибербезопасности, а где-то, как в Лондоне, кибербезопасность включена в стратегию Умного города.
Процитирую:
Дубаи: «наша первая цель: повысить знание населения о важности кибербезопасности и гарантировать, что они осознают всю опасность киберугроз»;
Сингапур: «кибербезопасность - это командная работа и каждый должен сыграть свою роль. Правительство возьмет на себя инициативы по усилению позиции Сингапура в области кибербезопасности, и нам понадобится помощь каждого для получения долгосрочных выгод для киберэкосистемы»;
Гонконг: «Поскольку информационная безопасность - это дело каждого, департаменты должны постоянно повышать осведомленность об информационной безопасности во всех организациях и организовывать обучение, чтобы гарантировать, что все связанные стороны понимают риски, соблюдают правила и требования безопасности и соответствуют передовым методам обеспечения безопасности».
У Москвы нет такой стратегии, а ответственность смещена с лидеров города на ДИТ и дальше на it-специалистов подразделений.
Про кибербезопасность упоминает стратегия «Умного города 2030», но к ней есть вопросы.
1. Ни слова про обучение. Цель «Повышение эффективности противодействия киберугрозам» скорее про технологии, чем про развитие компетенций, а ведь именно они стали причиной недавней "утечки". На мой взгляд это должно быть частью раздела «Образование»
2. К выше названной цели есть показатель «доля органов, использующих стандарты безопасного информационного взаимодействия». Становится страшно: какое тогда взаимодействие сейчас? Правильно ли я понимаю, что, например, к 2030 году, департамент образования должен обеспечить безопасность, а вот здравоохранения только в следующем 10-летии?
Конечно, у города как работодателя есть документы для чиновников. В случае Москвы - это методологические рекомендации от 2019 года. С одной стороны он включает в себя все, что требует закон: здесь и ознакомление сотрудников с требованиями обработки персданных (ПДн), и определение ответственного за безопасность данных, и соответствие фактического использования ПДн заявленным целям, и контроль защищенности.
С другой стороны, погружаясь в документ, видно, что - это сплошная формальность. Вопросов много:
1. Почему согласно приложению 7 к Методологии к ПДн, с которыми работают госорганы, относятся только данные из кадровой и бухгалтерской системы? То есть информация о москвичах за персданные у чиновников в принципе не считается?
2. Почему для департамента здравоохранения, работающего с наиболее "чувствительными" данными нет отдельных правил?
3. Как учитывается специфика работы госорганов? Документ как будто списан с частной компании, даже слово "Организация" осталось
4. Где можно увидеть, как именно будет гарантировано знание основ защиты данных сотрудниками и как технически предполагается информацию защищать? По факту идет просто переписывание 152-ФЗ без деталей
Чтобы понять насколько ситуация нехорошая, представьте, что вы забираетесь на Эверест, не пройдя обучение и не имея предварительной подготовки, при этом ваша страховка рассчитана для занятий на скалодроме. Много ли у вас шансов достичь вершины?
-
2020-12-05 11:50:00+00:00
Продолжая тему важности "соседей".
Недавний пост Дмитрия Прокофьева об агломерациях в России и, в частности в Ленобласти, навел меня на мысль, что за исключением связки Москва-Подмосковье ( а в России, если верить википедии их 17) я ни разу не слышала о том, что регионы обменивались данными для запуска новых проектов. При этом даже в случае столичной агломерации, которая включает Москву и ближайшие ко МКАДу города, их кооперация ограничивается планированием транспортных потоков.
На самом же деле связей намного больше. Специалисты, в целом, рассматривают города как вершины сети, которые соединены с друг с другом разными типами связей, и за счет этого изменения в одном городе приводят к изменению связанных с ним территорий и дальше по цепочке до изменения во всей сети в зависимости наличия и от силы связей ( M.Batty). Чем больше связей существует, тем больше воздействие на сеть.
С данной точки зрения агломерации или metropolitan regions - это кластеры сети, где вершины тесно соединены с центром и иногда между собой.
Европейский комитет называет следующие области взаимодействия между вершинами и центром:
1. Мобильность: дороги и хорошо спланированный общественный транспорт поддерживают ежедневные поездки в центр на работу, учебу, миграцию людей, поездки из центра на природу, на дачу.
2. Экономика: поддержка бизнеса позволяет создавать рыночные отношения между городом и пригородами: вырастая бизнес создает рабочие места в пригородах для удешевления стоимости аренды или из-за потребности в большой площади, например под склад. Плюс появляются торговые отношения, например между сельскохозяйственными производителями и жителями центрального города
3. Возможности для отдыха: создание природных комплексов и развлекательных центров в пригородах, ведет к созданию единых туристических маршрутов, которые могут распределить туристический поток по всей агломерации
4. Экология - создание цепочки "зеленых" объектов(здесь объяснение что это такое ) из пригородов в центр обеспечит более свежий воздух и понижение температуры в урбанизированных районах
5. Использование воды и переработка мусора: "импорт воды" в центр осуществляется из зеленой части агломерации, так как она там чище, а мусор, наоборот, вывозится в пригороды, так как в центре не хватает места для мусоросжигательных заводов.
6. Cоцальные связи - близость проживания позволяет физически чаще видеться с друзьями и родными. Кроме этого, мобильную связь и интернет проще обеспечить для абонентов на небольшой территории, чем прокладывать сети по всей стране. ( Про обратный эффект, что в большом городе мы даже соседей не знаем, почему-то не пишут))
К чему я веду : если создавать агломерации, то нужно думать о том, как обеспечить совместное принятие решение и их оценку: для этого должен быть настроен шеринг данными и смоделирована система, которая будет показывать, как эти решения повлияют на всех членов агломерации.
-
2020-12-01 10:13:19+00:00
"Интересный" способ применения AI нашло в этом году правительство Великобритании ( https://rpubs.com/JeniT/ofqual-algorithm) . В августе этого года из-за пандемии правительство отменило школьные выпускные экзамены и вместо этого решило спрогнозировать оценки выпускников с помощью модели.
Модель принимала на вход индивидуальную успеваемость каждого ученика, начиная с начальной школы, прогноз оценок от учителей и нормировала ее на результаты школы за 2017-2019 относительно. Затем для каждой возможной оценки, каждого предмета и каждого ученика модель рассчитывала вероятность получить как минимум такую оценку и выбирала наиболее вероятную. На выходе она давала финальную оценку по каждому предмету и говорила, поступил школьник в желаемый университет или нет.
Интересно, что целью модели было не дать, как можно более точный балл по каждому ученику, а в среднем по школе, региону и стране получить оценку, которая бы не выбивалась из исторической динамики.
Как результат: множество недовольных школьников (https://www.bbc.com/news/education-53787203) с заниженными, по их мнению, баллами - почти 40% оценок модели оказалось ниже выставленных преподавателями. Однако оставить оценки учителей разрешили только в Шотландии, тогда как в остальных частях UK говорили о завышении баллов - средний прогноз учителей оказался на 2.5 пункта ( при максимуме в 7) выше реального прошлогоднего в этих регионах
Какие из этого "опыта можно сделать выводы":
1. В Британии все школы хранят детальную статистику по своим ученикам за последние 12 лет в оцифрованном формате - круто!
2. Модели еще не готовы точно прогнозировать поведение человека, тем более ребенка, тем более в поворотный момент его жизни. Судя по тому что написано в открытых источниках, профиль школьника строился только на основе его оценок и рейтинга, упуская из виду его личные качества, а также возможность прогресса. Может британские дети и отличаются от российских, но не думаю, что настолько, чтобы быть полностью "предсказуемыми" : волнение на экзамене или наоборот, умение собраться, также как и подготовиться "за ночь" никто не отменял
3. Сильная предвзятость в британском мышлении. Ограниченный данными об "успеваемости" школы, алгоритм не мог и не учитывал возможность прогресса учебного заведения за год. То есть создатели просто не рассматривали такую возможность , хотя теоретически, можно было бы считать вероятность такого события, опираясь на косвенные признаки и их связь с прогрессом школ в истории, и взвешивать на него прошлогодний рейтинг
4. Классовость системы: студенты из частных школ априори лучше студентов из общеобразовательных учреждений, школьники Англии из социально-обсепеченных районов лучше своих Шотландских сверстников из неблагоприятных районов
5. Если хочешь способ быстро объяснить ребятам 17-18 лет особенности работы алгоритмов ML, спрогнозируй их выпускные оценки)