Описание модели

В будущем индустрия исследования умных городов, как полагают исследователи вернется к системе городских гигантов и соответственно будет определять текущую позицию развития города на технологической и экономической магистрали человеческого развития. Фундаментальная предпосылка уменьшения размерности представляется в нахождении основного контекста и общую тенденцию социального развития - от индустриальной экономики, цифровой экономики к интеллектуальной экономике. Среди них цифровая экономика может играть ведущую роль в индустриальной экономике, что приведет к рождению оцифровки промышленности, промышленного Интернета и созданию фабрик цифровых двойников. В настоящее время общество привержено построению цифровой экономики. Цифровая экономика включает три этапа: оцифровка, Интернет вещей, а также создание цифровых двойников. Умная экономика также сыграла роль в продвижении цифровой экономики, например в самостоятельной экономике оцифровка осуществляется с помощью интеллектуального оборудования, сетей ИИ и сканирования ИИ. Новая городская инфраструктура станет информационной инфраструктурой, объединяющей вещи и сети. ООН прогнозирует, что в 2023 году глобальные инвестиции, связанные с технологиями умных городов, достигнут 189,46 млрд долларов США, а китайский рынок достигнет 38,92 млрд долларов США. Базовые технологии, связанные с умными городами, включают: терминалы и сети сбора данных IoT, взаимосвязь данных, интеллектуальный анализ данных и представление на большом экране, центры отображения умных городов, инфраструктуру городской связи (5G, Wi-Fi, NB-IoT), все в одном. Эти технологии ИКТ по-прежнему будут основным полем битвы за инвестиции в умный город.
Для умных городов следующего поколения малые БПЛА (также известные как дроны) жизненно важны для использования в воздушном пространстве для развития транспортных систем. В данной работе были исследованы последние разработки в отношении применения БПЛА в трех основных областях транспорта, а именно; безопасность дорожного движения, мониторинг дорожного движения и управление дорожной инфраструктурой. Рассматривались также достижения в области алгоритмов компьютерного зрения для извлечения ключевых характеристик из видео и изображений, полученных с БПЛА, а также рассматривались модификации, внесенные в методы анализа транспортных потоков, оценку рисков и помощь в расследовании происшествий и оценке повреждений мостов и тротуаров.
1644015227965Управление городским транспортом мэрии города
Население города, пассажиры
00Управление городским транспортом мэрии города
Население города, пассажиры
Модель управления представлена на рисунке 2.
996315473710544449085471038671480708500467677547625000317754047371000 ГИБДД
Элементы системы транспортного обслуживания
439674041910Транспортные потоки
00Транспортные потоки
231457543815Пассажирские потоки
00Пассажирские потоки
45339041909Транспортная подвижность
00Транспортная подвижность
3539490838200016192508001000
44481756667525241252857599631524765485775243840lim
00lim
Факторы системы
422910066675min
00min
231457566675max
00max

Критерии оценки модели
Рисунок 2. – Предлагаемая модель управления инфраструктурой умного города [2]
Развитие системы управления умного города для беспилотной транспортной мобильности заключается во внедрении самых передовых информационных, коммуникационных технологий для роста эффективности, снижения потребления различных видов ресурсов, общей стоимости. Предлагаемая модель должны в первую очередь обеспечивать конфиденциальность, безопасность хранения данных.
Легальное определение беспилотного летательного аппарата содержится в Воздушном кодексе РФ (далее — ВК РФ). Так, под беспилотным воздушным судном (БВС) понимается воздушное судно, управляемое, контролируемое в полете пилотом, находящимся вне борта такого воздушного судна (внешний пилот) (п. 5 ст. 32 ВК РФ). Аналогично определяет БВС и международное законодательство. Так, к беспилотным воздушным судам Международная организация гражданской авиации (ИКАО) относит любое воздушное судно, предназначенное для полета без пилота на борту (Приложение «Правила полетов» к Конвенции о международной гражданской авиации).
Федеральное управление гражданской авиации США (FAA) объявило сегодня окончательные правила для беспилотных летательных аппаратов (UA), широко известных как дроны. Новые правила потребуют удаленной идентификации (Remote ID) дронов и позволят операторам небольших дронов при определенных условиях летать над людьми и в ночное время. Эти правила действуют в то время, когда дроны представляют собой самый быстрорастущий сегмент во всем транспортном секторе - в настоящее время зарегистрировано более 1,7 миллиона дронов и 203000 сертифицированных FAA удаленных пилотов.
Remote ID поможет снизить риски, связанные с расширенными операциями дронов, такими как полеты над людьми и в ночное время, и оба правила поддерживают технологические и операционные инновации и достижения. «В этих окончательных правилах тщательно рассматриваются вопросы безопасности, защиты и конфиденциальности, а также расширяются возможности для инноваций и использования беспилотных технологий», - заявила министр транспорта США Элейн Л. Чао. Remote ID (PDF) - важный шаг на пути к полной интеграции дронов в национальную систему воздушного пространства. Remote ID обеспечивает идентификацию дронов в полете, а также местонахождение их станций управления, предоставляя важную информацию нашим органам национальной безопасности и партнерам правоохранительных органов, а также другим должностным лицам, отвечающим за обеспечение общественной безопасности

. Осведомленность о воздушном пространстве снижает риск столкновения дронов с другими воздушными судами, людьми и имуществом на земле.
Оснащение дронов технологией Remote ID основано на предыдущих шагах, предпринятых FAA и отраслью дронов для безопасной интеграции операций в национальную систему воздушного пространства. Часть 107 федеральных авиационных правил в настоящее время запрещает закрытые операции дронов над людьми и в ночное время, если оператор не получит отказ от FAA. Новые правила FAA в совокупности обеспечивают повышенную гибкость для выполнения некоторых небольших БПЛА без получения отказа.
В Германии также активно развивается система доставки посылок дронами. Общая экономическая эффективность беспилотных летательных аппаратов для DHL в 2020 году составит 1387140 / 702266,3 = 1,97 (согласно данных отчетности и расчетов компании DHL) .
Эффективность доставки DHL (без дронов)= 61550/60387 = 1,02
Экологическая эффективность при доставке беспилотников 0,5
Экологическая эффективность при применении наземного транспорта 0
В соответствии со структурой международной стратегии выхода на внешние рынки предпринимателей c услугой доставки посылки дронами, можно сделать вывод. что она мало отличается от аналогов, которые действует внутри страны, за исключением тех случаев, что разработка стратегии выхода на внешний рынок должна производиться как с учетом особенностей международной внешней среды, что вносит большую степень неопределенности, а также требует более тщательного стратегического анализа и планирования.
В данном случае можно предложить применить косвенный экспорт, когда компания ищет на внутреннем рынке посредников, занимающихся осуществлением продаж транспортных услуг, например международную компанию DHL. Такой посредник хорош тем, что в силу опыта он знает все тонкости работы на целевом внешнем рынке, имеет устоявшуюся сеть дилеров. Стратегия доступности и безопасности - преодоление транспортных рисков путем противодействия воспринимаемым рискам, так же наибольшим образом подходит для вывода новой услуги на международный рынок.
Можно выделить следующие элементы, включенные в комплекс экспортного маркетинга при выводе на международный рынок услуги доставки дронами почтовой корреспонденции.
1. Поддержка услуги доставки дронами почтовой корреспонденции: поиск инновационных видов услуг доставки; сопоставление существующих услуг с расходами на доставку воздушным, морским, железнодорожным, автомобильным, грузовым транспортом, для установления конкурентной цены; монетизация услуги, путем добавления новых видов услуг; управление услугой; тестирование продукта - производственные характеристики; маркировка; упаковка; контроль производства услуг по доставке почтовой корреспонденции дронами; информация о рынке.
2. Ценовая поддержка: установление цен; скидки; ведение прайс-листов; конкурентная информация; обучение агентов / клиентов;
3. Поддержка продвижения и продаж: реклама; продвижение; выставки; полиграфия; продажа (прямая);агенты, размеры комиссионных вознаграждений для дилерской сети; возврат брака.
4. Поддержка системы управления запасами: управление запасами; складирование; распределение; авторизация товарного кредита.
5. Распределительная поддержка: предоставление средств; привлечение капитала; обработка заказов; подготовка экспортной документации; экспедирование грузов; страхование; арбитраж;
6. Сервисная поддержка: информация о рынке, аналитика рынка; обработка котировок рынка; техническая помощь; послепродажное обслуживание; гарантии / претензии; мерчандайзинг; отчеты о продажах; обслуживание клиентов; бюджеты; системы обработки данных; страхование; налоговые услуги; юридические услуги.
7. Финансовая поддержка: биллинг, обработка счетов-фактур; планирование бюджетных данных; аудит.
Рисунок 3. –Экономическое обоснование доставки груза дронами в рамках систему управления инфраструктурой умного города [55]
Таким образом, деятельность будущего предприятия направлена на удовлетворение спроса потребителей. Услуга не только качественная, но и оригинальная, соответствует нормам, принятым в Европе и США, оптимальное соотношение цены и качества, экологическая безопасность являются решающими факторами успеха продукции компании. Конкурентоспобность компании зависит в основном от внешних факторов и от условий международного контракта компании DHL о сотрудничестве.
Для практического внедрения данная модель управления включает также систему машинного обучения на основе Deep Belief Networks (DBN) для анализа движения с помощью набора данных, извлеченного из видео с БПЛА. Например, агрессивная смена полосы движения моделируется как функция параметров, связанных с вождением (таких как скорость, расстояние до ведущих и задних транспортных средств, ускорение / замедление), информации об автомобиле (например, модели транспортного средства) и информации о водителе, полученной с помощью регистрационного номера. Для развития предложенной модели, необходимо эмпирически исследовать феномен смены очередей транспортных средств, извлекая информацию о скорости оттока и времени в пути во время зеленого светофора.
Готовность города оценивалась по нескольким параметрам, таким как технологическая готовность; стратегии и правила, поддерживающие внедрение и использование новой инфраструктуры; наличие готовых прототипов; и социальная готовность граждан использовать новые технологии, согласно рейтинга PWC.
Рисунок 4