Система экологического мониторинга окружающей среды
Первый регион реализации Московская область
Команда
Целевая аудитория
-
Федеральные и региональные органы, уполномоченные на обеспечение экологической безопасности и надзора.
Описание
Задачи:
Внедрение искусственного интеллекта (ИИ) для автоматического формирования выбора места установки поста экомониторинга.
Снижение показателей загрязнения атмосферного воздуха.
Снижение количества жалоб жителей на загрязнения атмосферного воздуха.
Обеспечение доступности в сети Интернет информации о загрязнении атмосферного воздуха и метеорологических данных для органов государственной власти, органов местного самоуправления и жителей.
Система экологического мониторинга окружающей среды — практика по разработке и внедрению ГИС «Экомониторинг» для реализации процесса сбора, обработки и хранения информации экологического мониторинга окружающей среды и метеорологических данных с целью обеспечения федеральных и региональных органов государственной власти, органов местного самоуправления Московской области, организаций и населения текущей и экстренной информацией о загрязнении атмосферного воздуха.
МЕХАНИКА РЕАЛИЗАЦИИ
Объектом автоматизации являются бизнес-процессы, выполняемые для расчета данных в сфере экологии и природопользования. Для эксплуатации ГИС «Экомониторинг» определены следующие роли:
администратор Системы;
оператор сбора данных;
аналитик данных;
оператор управленческих процессов;
оператор подсистемы обработки пространственных данных.
Администратор Системы выполняет функции администратора базы данных, администратора безопасности и общего администратора системы. Администратор Системы работает с подсистемой администрирования, аутентификации и авторизации.
Администратор Системы выполняет следующие функции:
Ведение реестра пользователей Системы;
Привязка (предопределенных) ролей к пользователям;
Настройка прав доступа к данным и подсистемам;
Настройка пользовательских интерфейсов для ролей пользователей;
Резервное копирование и восстановление базы данных в автоматическом и ручном режиме;
Настройка автоматического сбора данных экологического мониторинга;
Просмотр системных журналов работы Системы и контроль работоспособности.
Оператор сбора данных выполняет следующие функции:
Ручной ввод данных экологического мониторинга;
Контроль корректности данных;
Первичная обработка данных;
Настройка и отправка оповещения о сборе данных.
Аналитик данных выполняет следующие функции:
Расчет индекса качества воздуха;
Расчет показателя «Качество окружающей среды»;
Ведение реестра объектов, оказывающих негативное воздействие на окружающую среду;
Настройка автоматического формирования аналитических отчетов о текущей экологической обстановке в регионе;
Формирование аналитических отчетов в ручном режиме;
Формирование регламентной отчетности по первичным данным экологического мониторинга.
Оператор управленческих процессов выполняет следующие функции:
Регистрация в Системе инцидентов, связанных с экологической обстановкой;
Обработка обращений граждан, связанных с экологической обстановкой;
Прием и обработка данных от подвижной и стационарной лаборатории;
Отработка управленческих процессов.
Оператор подсистемы обработки пространственных данных выполняет следующие функции:
Настройка автоматического преобразования данных по экологическому мониторингу в формат РГИС;
Отправка массивов данных в РГИС в автоматическом режиме.
Система проводит мониторинг по следующим загрязняющим веществам:
оксид углерода
оксид азота
диоксид азота
диоксид серы
озон
сероводород
формальдегид
аммиак
метан
Для жителей Московской области на сайте «Геопортал Подмосковья» открыт сервис «Данные с постов экомониторинга» о качестве воздуха в Московской области.
Гражданам стали доступы показания с постов наблюдения за состоянием атмосферного воздуха. Данные доступны в форме открытых данных, среднесуточных значений концентраций загрязняющих веществ.
Эффекты реализации:
Снижение количества жалоб обусловлено внедрением новых алгоритмов в рамках упреждающего контроля и отработки жалоб:
Открытие сервиса «Данные с постов экомониторинга» о качестве воздуха в Московской области — снижение количества жалоб жителей.
Выявление несанкционированных источников выбросов — увеличение количества ОНВОС в государственном реестре объектов, увеличение суммы платы за негативное воздействие на окружающую среду.
Размещение датчиков системы экомониторинга при помощи ИИ-технологии — определение эффективных мест установки датчиков. Выявление и постановка на учёт свыше 3100 новых объектов негативного воздействия.
Организация оперативных совместных выездов инспекторов экологического надзора с мобильной лабораторией для оперативного отбора проб. В системе Экологического мониторинга, отображаются ежедневно отображаются данные по поступившим жалобам, в случае превышения среднесуточного значение по жалобам, организуется совместный выезд мобильной лаборатории, инспектора государственного экологического надзора и при согласии жителей, оставивших жалобу. Эффект — увеличение количества подтвержденных жителями ответов.
Проведение рейдов — направление предостережений в адрес юридических лиц, нарушающих природоохранное законодательство.
Сайт практики
Результат
Главный результат:
на 40 % сократилось количество жалоб жителей на загрязнение атмосферного воздуха.
3200+ предприятий внесено в реестр объектов негативного воздействия
Дополнительные результаты:
1210+ выездов передвижной экологической лаборатории за 2022-2023 год
3 500+ отбора проб атмосферного воздуха в различных точках на территории Московской области
372,69 совокупный объем выбросов (снижение на 8,17)
Стоимость реализации: От 10 млн до 50 млн ₽
Организации-участники
ПАО "Ростелеком"
разработчики
ПАО "Сбербанк России"
поставщик ИИ решения
Особенности внедрения
Создать аналог
Помощь при внедрении
готовность к передаче для внедрения в других регионах;
готовность оказать методологическую и нормативную поддержку.
Этапы реализации
12 месяцев
1. Разработка ТЗ к госконтракту.
2. Разработка конкурсной документации.
3. Запрос коммерческих предложений.
4. Публикация закупки.
5. Проведение закупочных процедур.
6. Разработка ИИ модели.
7. Формирование данных для обучения ИИ.
8. Обучение ИИ модели
9. Внедрение ИИ модели



