Projekta mērķis ir izstrādāt inovatīvu platformu satiksmes datu apkopošanai, izplatīšanai un pārvaldei, kas varētu kalpot par pamatu jaunu produktu izstrādei, kuri atbalstītu videi draudzīgāku un efektīvāku pilsētu pārvaldību.

Atbilstoši OECD zinātņu nozaru FOS klasifikācijai un Frascati P&A klasifikācijai Projekts tiks realizēts nozares “Dabaszinātnes” 1.2.apakšaktivitātes “Datorzinātne un informācijas zinātne” un nozares “Inženierzinātnes un tehnoloģijas” 2.2.apakšnozares “Elektrotehnika, elektronika, informācijas tehnoloģijas” ietvaros. Projekta īstenošanas joma atbilst Viedās specializācijas jomai “Informācijas un komunikācijas tehnoloģijas”, kā arī pirmajam un otrajam tautsaimniecības transformācijas virzienam un izaugsmes prioritātēm.
Projekts ir ar saimniecisku darbību saistīts, un tiks īstenots par Projekta īstenotāja privātajiem finanšu līdzekļiem. Projekta īstenošanas laikā mērķa grupai būs pieejams atbalsts un plānots attiecināt Projektā iesaistītā personāla atalgojumu, iekļaujot valsts sociālās apdrošināšanas obligāto iemaksu izmaksas, materiālu un inventāra izmaksas, un komandējumu izmaksas.
Lai nodrošinātu izvirzīto mērķu sasniegšanu, projekta ietvaros plānots īstenot šādas aktivitātes:
Rūpnieciskie pētījumi:
(1) Sensoro datu modeļa un ieguves metožu izstrāde;
(2) Mašīnmācīšanās pielietošana datu analīzei un lēmumu pieņemšanai;
(3) Lielapjoma (video) datu ieguves risinājumi.
Eksperimentālā izstrāde:
(4) Platformas prototipa izstrāde.


28.06.2019.

WeAreDots, SIA  2019.gada 24.aprīlī  noslēdza līgumu Nr.1.1.1.1/18/A/183 ar Centrālo finanšu un līgumu aģentūru par projekta “iTrEMP: Inteliģentā transporta un pārkāpumu menedžmenta sistēma” (turpmāk – Projekts) īstenošanu, kurā kā sadarbības partneris piesaistīts Elektronikas un datorzinātņu institūts.

Projekta mērķis ir izstrādāt inovatīvu platformu satiksmes datu apkopošanai, izplatīšanai un pārvaldei, kas varētu kalpot par pamatu jaunu produktu izstrādei, kuri atbalstītu videi draudzīgāku un efektīvāku pilsētu pārvaldību.

Mūsdienu pilsētās jau eksistē diezgan daudz pieejamu datu avotu. Daļa no šiem datiem ir pieejama atvērtu datu formā, bet daļa caur sensoru izstrādātāju slēgtām saskarnēm, kas nav ērti pieejami automātiskai analīzei un lēmumu pieņemšanas atbalstam. Lai gan vienkāršākajiem analīzes uzdevumiem tas parasti ir pietiekami (piem., indukcijas sensori auto skaitīšanai, lai noteiktu satiksmes intensitāti, vai numurzīmju noteikšana fotoradaru attēlos), tomēr tie neļauj iegūt kompleksāku situācijas pārskatu, jo dažādās sistēmas bieži nav savietojamas un tām nav vienota saskarne, kas ļautu papildināt to funkcionalitāti. Projekta ietvaros radītā platforma kalpos kā visas pieejamās informācijas krātuve un maršrutētājs, kā arī vienkāršotu jaunu sensoru datu ieguvi nodrošinot standartizētas saskarnes, bagātinot datus savā starpā, korekti pārvaldot datus ņemot vērā indivīdu privātuma prasības, tajā pašā laikā kalpojot par pamatu jauniem produktiem un pakalpojumiem nākotnes satiksmes pārvaldībai un analīzei pilsētās.

Platforma ļaus pilsētu vadībai sniegt uzņēmumiem, kas rada inovatīvus datu apstrādes risinājumus, piekļuvi konkrētiem datu veidiem, ar nepieciešamo anonimitātes līmeni un standartizāciju, tādējādi liekot pamatus efektīvākai publiskajai/privātajai sadarbībai, kā arī samazinot izmaksas un palielinot sadarbību starp inovatīvajiem uzņēmumiem un iegūstot atbalstu efektīvākai un dabai draudzīgākai lēmumu pieņemšanai. Tā atbalstīs inovācijas kā uzlabotu metadatu ieguvi par satiksmes notikumiem veicinot labāku analīzi, globāla līmeņa satiksmes analīzi par ienākošo un izejošo ikdienas strādājošo satiksmi, kā arī neregulāro tūristu satiksmi, vai arī, uzlabotu anomāliju atklāšanu – agresīvu braukšanu, neatļautu stāvēšanu vai satiksmes negadījumus u.c.

Projekta attiecināmās izmaksas noteiktas 878 510,21 EUR apmērā, no tām plānotais ERAF atbalsta apmērs 599 316,15 EUR jeb 68,22% no projekta attiecināmajām izmaksām. Projekta faktiski uzsākts ar š.g. 1.aprīli un to plānots īstenot 18 mēnešu laikā, t.i. līdz 2020.gada septembra beigām.


30.09.2019.

Kā jau iepriekš tika minēts, WeAreDots, SIA  un Elektronikas un datorzinātņu institūts kopīgi ir uzsācis projekta “iTrEMP: Inteliģentā transporta un pārkāpumu menedžmenta sistēma” (turpmāk – Projekts) īstenošanu.

Projekta mērķis ir izstrādāt inovatīvu platformu satiksmes datu apkopošanai, izplatīšanai un pārvaldei, kas varētu kalpot par pamatu jaunu produktu izstrādei, kuri atbalstītu videi draudzīgāku un efektīvāku pilsētu pārvaldību.

Šādas platformas izstrādei projektā definētas 4 aktivitātes, pie kurām Projekta zinātniskais sastāvs ir uzsācis aktīvu darbu:

  1. Sensoro datu modeļa un ieguves metožu izstrāde – šis aktivitātes ietvaros tiek izstrādāts datu modelis, ņemot vērā gan eksistējošo datu avotu īpatnības, gan arī potenciālos nākotnes datu avotus. Tiek meklēti risinājumi tādām problēmām, kā vienkāršai piekļuvei datiem, datu savstarpējai savietojamībai, datu grupēšanai, datu prioritizēšanai līdzīgu vai aizvietojamu datu avotu starpā, kā arī metadatu ieguvei un glabāšanai, gan lai samazinātu glabāto un pārraidīto datu apjomu, gan arī samazinātu privātuma riskus, kas saistīti ar liela apjoma centralizētu datu savākšanu. Tiek pētītas datu ieguves metodes, t.sk. dažādu avotu datu transformācija, pielāgojot tos kopējam datu modelim (frekvence, kļūdu biežums, interpolācija), datu sintēze un sapludināšana virtuālos sensoros, izmantojot eksistējošos datu avotus (piem., apledojuma risks no temperatūras un mitruma datiem), kā arī savstarpēja datu bagātināšana, novedot pie uzticamākas sistēmas un potenciālas redundances. Tiek pētītas un izvērtētas gan klasiskas, gan mākslīgā intelektā balstītas metodes.
  2. Mašīnmācīšanās pielietošana datu analīzei un lēmumu pieņemšanai – lai parādītu, ka piedāvātajai platformai ir priekšrocības, tiek izstrādāti un validēti vairāki rīku izmēģinājumi datu analīzei, sintēzei un lēmumu pieņemšanai. Tā kā pilsētvide ir ļoti dažāda un dinamiska, rīki šādai analīzei var izrādīties ļoti komplicēti, ietverot reāla-laika prasības. Datu dažādība un lielais apjoms liek izmantot (dziļās) mašīnmācīšanās nevis klasiskās metodes, jo pateicoties lielu datu kopu un apjomīgu skaitļošanas resursu pieejamībai pēdējā laikā dziļās mašīnmācīšanās metodes ir sasniegušas labākos rezultātus vairākos datorredzes uzdevumos, t.sk. attēlu atpazīšanā un segmentēšanā.
  3. Lielapjoma (video) datu ieguves risinājumi – ne visi dati, kas pieejami pilsētvidē, ir izmantojami centralizētai un atvērtai sūtīšanai un glabāšanai. Lielapjoma datiem ne tikai nepieciešama dārga un augstas datu caurlaidības infrastruktūra, bet tie arī satur ļoti daudz nevajadzīgas informācijas, kas potenciāli var pārkāpt indivīdu privātuma robežas. Tiek pētīti divi risinājumi – lokālās video datu metadatu izguves metodes iegultā iekārtā (pie kameras), ļaujot pārsūtīt tikai svarīgos metadatus, kā arī izkliedētās mašīnmācīšanās pieejas, kurās daļa analīzes tiek pārnesta prom no centralizētiem serveriem. Abās šajās metodēs daļa datu paliek lokāla pie kamerām, sniedzot drošības, privātuma un datu pārraides ātruma uzlabojumus, tajā pašā laikā samazinot nepieciešamību pēc dārgām centralizētas apstrādes iekārtu jaudām.
  4. Platformas prototipa izstrāde – svarīga problēma šajā pētījumā ir ātrums, jo šādas sistēmas nodrošina nepārtrauktu datu plūsmu un tāpēc tām ir jādarbojas praktiski reālajā laikā. Projekta ietvaros veikto pētījumu virzienu rezultātā iegūtie oriģinālie pētījumu rezultāti tiks pārbaudīti laboratorijas apstākļos un pēc tam izveidoti kā moduļi prototipa sistēmai, kas tiks validēta reālos pilsētas apstākļos.

Projekta ietvaros veiktā platformas izstrāde sniegs iespēju uzņēmumiem un pētniekiem izstrādāt jaunus un inovatīvus risinājumus viedajām pilsētām efektīvāk pārvaldot to resursus, kā ceļus, stāvvietas, enerģiju un vides resursus, kā arī palielinās iedzīvotāju drošību un tā rezultātā sniegs risinājumus visu mērķa grupu problēmām.

Projekta attiecināmās izmaksas noteiktas 878 510,21 EUR apmērā, no tām plānotais ERAF atbalsta apmērs 599 316,15 EUR jeb 68,22% no projekta attiecināmajām izmaksām. Projekta faktiski uzsākts ar š.g. 1.aprīli un to plānots īstenot 18 mēnešu laikā, t.i. līdz 2020.gada septembra beigām.