הקדמה: הדחף הגדל לניהול חכם יותר

מערכות ניקוז עירוניות הן עמוד השדרה השקט של ערים מודרניות, המתחייבות עם מי סערה הרחק מרחובות, בתים ותשתיות קריטיות. כמו שינויי האקלים מגבירים את אירועי הגשמים והאוכלוסיות העירוניות, רשתות ההזדקנות הללו ניצבות בפני מתח חסר תקדים.מבול אירועים בארצות הברית לבדה גורם למיליארדיארדי דולרים לנזקים מדי שנה, עם כשלים עירוניים שתורמים לתיקון חירום, אובדן רכוש, וסיכון בריאותי מסורתי – הן אינן יכולות לנבאות את התחזוקה עירונית מספיקות, לאחר שגורמות לחיזוי של נתונים חדשים, בסופו של מערכת יעילה יותר, לאחר שגורמות לחיזוי של מערכת החיסון, ובסופו של דבר, הן אינן מצליחות, הן אינן מצליחות, הן אינן מצליחות, הן אינן מצליחות, הן יכולות לנבאות, לאחר שגורמות לנבאות, בסופו של דבר, הן יכולות לכשלונות, לאחר שגורמות לנבאות, לאחר שגורמות להפחתה של מערכת הבריאות הציבורית של מערכת יעילה יותר, לאחר שנכשלות, לאחר שגורמות להפחתה של מערכת החיסון, הן יכולות להפחתה של מערכת הבריאות הציבורית של מערכת הבריאות הציבורית של מערכת הבריאות הציבורית של מערכת הבריאות הציבורית, בסופו של מערכת החיסון, הן אינן מצליחות, הן יכולות לנבאות, הן יכולות להפחתה של זמן רב יותר

התפקיד של Big Data בניהול ד"ר

ניתוח נתונים גדול בניהול ניקוז הולך מעבר ניטור פשוט - הוא משלב נתונים מסיביים, heterogeneous מחיישנים, שירותי מזג אוויר, מערכות מידע גיאוגרפי (GIS), ורשומות היסטוריות כדי לחשוף דפוסים בלתי נראים לעין העירומה. על ידי עיבוד נתונים אלה באמצעות אלגוריתמי למידת מכונה ומודלים סימולציה, מפעילי השירות יכולים לזהות אנומליות, חסמי צינור או קריסות, ולהקצות משאבים באופן יזום את הבסיס של יכולת זו שקרים איסוף נתונים מתקדם וטכניקות איסוף נתונים אנליטית.

מקורות מידע ואוסף

מערכות ניקוז מודרניות יותר ויותר מותאמות לאינטרנט של דברים (IoT) מקורות נתונים מרכזיים כוללים:

  • (ב) חיישנים של ספקטרום:0 (In-pipepiesFLT:1 Measure Flow rate, רמת מים, לחץ וזעזוע, לעתים קרובות פרוסים בצומתים קריטיים או כתמים ידועים.
  • (ב) ,0) מדדי הרבין ולוחמי מזג האוויר 1 (FLT: 1) מספקים נתונים למשקעים ברזולוציה גבוהה, הן היסטוריות ומציאותיות, הכרחיים להבנת אירועי סערה.
  • (FLT:0) פיקוח על פיקוח ורכישת נתונים (SCADA) מערכות גלקסיות ייצובFLT:1 לכידת מעמד משאבה, עמדות שסתום ורמות מיכל אחסון ברחבי הרשת.
  • (FLT:0 , יומני תחזוקה היסטוריים של קונסול 1) המכיל תיעוד של חוסמים קודמים, קריסות, תיקונים וצילומי ביקורת CCTV.
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (FLT:0 Social Media and Civilcio Reports) 1 (למשל, 311 שיחות, דוחות שיטפונות) מתן נתונים מקומיים, קרקע-אמת שיכולים להגביר את תצפיות החיישן.

איסוף נתונים אלה בקנה מידה דורש תשתית טלמטרית חזקה, לעתים קרובות באמצעות תאים, LoRaWAN, או רשתות mesh. עיר טיפוסית בגודל בינוני עשוי לייצר מיליוני קוראות ביום, ניכוי אחסון מבוסס ענן או קצה קצה קצה קצה קצה קצה קצה קצה פלטפורמות עיבוד ועיבוד.

טכניקות Analytics חיזוי

לאחר שהנתונים מצטברים, משתמשים במספר גישות אנליטיות כדי לחזות כישלונות:

  • (ב) [ה]מחשוב מודלs:0] מודל: [xGBoost]: רשתות עצביות ארוכות טווח (LSTM] מאומנים על נתונים היסטוריים בשילוב עם חישבי חיישן ומזג אוויר.לדוגמה, מחקר שפורסם במים (MD) 3.10.3 LT) המשמש לחיזוי נתונים היסטוריים של כישלונות בשילוב עם חיישנים וקלטי מזג אוויר.
  • (FLT:0) זיהוי אנומלי: ⁇ FLT:1 שיטות תרשים בקרה (למשל, CUSUM, Shewhart) וסטטיסטיקות הנעות-window לזהות סטייות פתאומיות בזרימה או לחץ כי לפני התמוטטות.אלה הם קל משקל חישובי ויכולים לרוץ בזמן אמת על מכשירים קצה.
  • (FLT:0) מודל סימבולי של סימלוציה:BuildFLT:1 EPA SWMM (Storm Water Management Model) וכלים מסחריים כמו InfoWorks ICM מתמזגים עם למידת מכונה להתנהגות מערכת תחת תרחישים סערות שונות. "Digitalתאום" יישום משלב נתונים בזמן אמת עם מנועי סימולציה כדי להעריך את ההשפעה של כישלונות פוטנציאליים ללא הפרעה פעילות חיה.
  • (FLT:0) גישות בעלות ערך:FLT:1 (כלי רכב רבים משלבים טכניקות מרובות - שימוש בסימולציה כדי ליצור תרחישים של כישלונות סינתטיים ולמידה מכונה כדי לזהות את החתימות שלהם בנתונים אמיתיים - תוך שימת זיכרון גבוה יותר מכל שיטה אחת.

טכניקות אלה מאפשרות לרשויות לעבור מ"תיקון על כישלון" ל"מניעה ומניעה", צמצום גלגלי משאיות החירום והפחתה של סיכונים מבולטים.

היתרונות של שימוש Big Data Analytics

פריסת ניתוח נתונים גדול מספקת שיפורים משמעותיים על פני ממדים תפעוליים, פיננסים וציבוריים.

גילוי מוקדם של בעיות

על ידי ניתוח דפוסים בזרימה ולחץ, אלגוריתמים יכולים לזהות חוסמים שמקורם ב- grease, פסולת, או שורש שבועות לפני צינור בחזרה.לדוגמה, העיר של דרום בנד, אינדיאנה, לפרוס חיישנים חכמים בשילוב עם למידת מכונה כדי להפחית את הזרמות המשולבות (CSOs) ב-50% בשנה הראשונה של הפעולה.

חיסכון בעלויות

תחזוקה חיזויית מורידה באופן דרמטי את עלויות מחזור החיים.תיקוןי חירום יכול לעלות 3-5 פעמים יותר מאשר החלפתים המתוכנן.דוח של קרן מחקר המים מצא כי שירותים באמצעות ניתוח חיזוי מופחת תפעול שנתי ועלויות תחזוקה עד 20-30%. בבריטניה, Thames Water מי יישמה תוכנית ניתוח חיזוי כי נמנע מ -10 מיליון ליש"ט בתיקון עלויות חירום מעל שנתיים על ידי תחזיות של מגזרי צינורות בסיכון גבוה.

שיפור הבטיחות וצמצום הסיכון

שיטפון הוא לא רק משבש, מסוכן, גרימת טובעים, התפרצויות של מחלות מים, ונזק מבני. מערכות התראה מוקדמת באמצעות נתונים גדולים מאפשרות פריסת זמן של מחסומים, משאבות, או אפילו סגירת רחוב זמנית.עיר קופנהגן משתמשת בתחזיות גשם בזמן אמת ומודלים הידראוליים כדי להפחית את רמת המים באגן שימור, להפחית את הצפה של המרתף ב-40% במהלך סופות קיצוניות.

תכנון החלטות משופר ומימון

תובנות המונעות על ידי נתונים מסייעות לכלי רכב לפני מתן עדיפות להשקעות הון.במקום להסתמך על גיל הצינור לבדו (אשר הוא צופה גרוע של מצב), ציוני סיכון המבוססים על נתוני חיישן, כישלונות היסטוריים, וגורמים סביבתיים מצביעים על שירותים לצנרת ככל הנראה להיכשל בהמשך. גישה זו, הנקראת לעתים קרובות "ניהול נכסים מבוסס סיכון", נתמך על ידי ארה"ב באמצעות EPA באמצעות ה-FLT שלה:0acity, ניהול, ניהול, והדרכה, ניהול, ניהול (MO) והדרכה (MO 1C) והדרכה (MCתחזוקה:1C)

אתגרים וכיוונים עתידיים

למרות הבטחתו, שילוב של ניתוח נתונים גדול לניהול ניקוז אינו ללא מכשולים.יש לטפל באתגרים אלה כדי לממש פוטנציאל מלא.

איכות נתונים ואינטגרציה

סחף חושי, טיפות תקשורת, ופורמטים נתונים לא עקביים מכים רבים יישוםים.נקי, שכותרתו נתוני כישלונות היסטוריים הוא לעתים קרובות בקושי - כלי רכב חסרים רשומות דיגיטציות של אירועים קודמים.איכות נתונים ירודה מובילה למודלים עניים, תופעה ידועה בשם "גרביטחון, זבל החוצה." תקנים סטנדרטיים של נתונים schemas (למשל, מים או CityGML) ואימות אוטומטי הם שגרות קריטיות.

עלויות תשתית ואבטחת סייבר

חיישנים IoT חודרים ברשת גדולה דורש השקעה הון.ממטר זרימה יחיד יכול לעלות 5,000 $-15,000 מותקן, ואלפי עשויים להיות נדרשים.בנוסף, חיבור נכסים לאינטרנט מציג סיכונים אבטחת סייבר. שחקן זדוני יכול לתפעל נתונים חיישן או אפילו משאבות שליטה מרחוק, גרימת הצפה מכוונת. Robust הצפנה, פלמנטציה רשת, ועדכוני קושחה מאובטחים הם לא ניתן לגיעת.

מיומנויות כוח העבודה Gap

צוות שירות מים מסורתי הם לעתים קרובות מהנדסים אזרחיים או מפעילי עם הכשרה מוגבלת במדעי נתונים.קונפל, מדעני נתונים עשויים להיות חסרים ידע דומיין על הידרולוגיה ותפירה הידראולים. תוכניות הכשרה ושיתוף פעולה עם מוסדות אקדמיים (למשל, FLT:0IWA נתונים גדולים עבור מים קבוצות עבודה קבוצות FLT:1) עוזרים לגשר על פער זה, אבל אימוץ נשאר איטי.

כיוונים עתידיים

הגל הבא של החדשנות יראה:

  • (FLT:0) ,EdgeMatFLT:1 כי מעבדים נתוני חיישן באופן מקומי כדי להפחית את עלויות השקיפות ואת רוחב הפס, המאפשר התראות בזמן אמת גם באזורים מרוחקים.
  • (FLT:0) AI-oriented בזמן אמת שליטה על LT:1), שבו השערים ומשאבות אוטומטיים להסתגל בהתבסס על מודלים חיזוייים, כפי שהופעלו בפרויקטים "הפרופור החכם" במילווקי ובאטלנטה.
  • (FLT:0) תאומים של גילינליים (FLT:1) שעדכון מתמיד עם נתונים חיים, המאפשר למפעילים לדמות "מה אם" תרחישים - כמו סערה של 100 שנים או התמוטטות צינורות - ואופטימיזציה של תוכניות תגובה.
  • (הופנה מהדף LT:0) למידה מוגברת של 1:1 כדי להכשיר מודלים על פני מספר רב של כלי רכב ללא שיתוף נתונים רגישים, עלייה של דיוק תוך שמירה על פרטיות.

ככל שהטכנולוגיה מתבגרת ועלויות יורדת, ניתוח נתונים גדול יהפוך לפרקטיקה סטנדרטית ולא למניעים מוקדמים כבר מקצרים את הבטיחות והתגמולים הפיננסיים, והלחץ למודרניזציה יגדל רק כסיכוןי אקלים.

מסקנה

מערכות ניקוז עירוניות הן קריטיות מדי לניהול ניתוח נתונים גדול באופן תגובתי מספק דרך ברורה לחזות ולמנוע כשלים, להפחית את הצפות, לחסוך כסף, ולהגן על הקהילות.מחיישנים ומודלים ללמידה מכונה לתאומים דיגיטליים וניהול נכסים מבוסס סיכון, הכלים זמינים כיום העירוניות שמשקיעות בתשתיות נתונים, לבנות קבוצות תפקודיות, ולחבק שיטות חיזוי יהיו יותר טובות להתמודד עם הסערות של המחר, למנוע שינוי בסיסי "לא" לא רק על תשתיות "לא" שלנו" הן לא רק" – אלא "לא" הן רק" הן בגדר "איות" – אלא "איות" הן יכולות" – אלא רק" – לא רק על גבי תשתיות קריטיות" – אלא גם על גבי תשתיות קריטיות" – לא רק על מנת למנוע שינוי בסיסי" – לא רק על מנת למנוע שינוי בסיסי" – "לתקן" – "לתקן" – לא" – לא" – לא רק על גבי תשתיות טכנולוגיות" – לא יכולות לשלוט בתשתיות" – לא רק על גבי תשתיות, אלא על גבי תשתיות, אלא על גבי תשתיות, אלא על גבי תשתיות, אלא על מנת למנוע שינוי בסיסי, אלא גם על מנת למנוע שינוי בסיסי, אלא על מנת למנוע שינוי בסיסי, אלא על מנת למנוע שינוי בסיסי, אלא על מנת למנוע שינוי בסיסי