Schválené projekty SGS

Modelování neurčitosti a sumarizace dat pro podporu rozhodování v chytrých městech

SP2023/078

Rozhodnutí na úrovni samospráv mají významný dopad na širokou škálu zájmových skupin. Kromě samotných obyvatel daného města jsou mezi nimi například podnikatelé, lidé dojíždějící za prací nebo přírodní ekosystémy reprezentované aktivisty z neziskových organizací. V kontextu vícero zájmových skupin, které můžou např. hodnotit několik témat čí záměrů ve vztahu k budoucímu vývoji ve městě (D’Onofrio a Portmann, 2017; Švaňa et al., 2021), může být náročné jednoznačně stanovit kritéria, která by měla být zohledněna. Druhým problémem spojeným s rozhodováním na úrovní měst je nepřesnost dat. Pro člověka je přirozenější vyjádřit svůj názor, požadavky nebo kritéria pomocí přirozeného jazyka. Přirozené jazyky jsou ale spojeny s jistou mírou neurčitosti. Explicitní zahrnutí této neurčitosti do rozhodovacího procesu může zkvalitnit jeho výsledek a zlepšit vysvětlitelnost tohoto výsledku. Lepší vysvětlitelnost vede k vyšší věrohodnosti a hlubšímu pochopení zkoumaného problému (Alonso et al., 2021; Hudec et al., 2021). V rámci projektu SGS SP2022/113 jsme se již výše uvedeným problémům částečně věnovali. Zkoumali jsme agregaci elementárních podmínek do jedné sloučené kvantifikovanou agregací, navrhli jsme integraci tzv. hesitance fuzzy množin do podpory rozhodování, navrhli jsme vylepšení metody pro řešení klasifikačních problémů s třemi třídami (Ano, Ne a Možná s intenzitou inklinace k Ano nebo Ne) pomocí ordinálních součtů. Za tento výsledek jsme získali ocenění IPMU Lotfi Zadeh Best Paper Award (Hudec et al., 2022a). Dále jsme navrhli systém pro chytrý sběr odpadů, který nevyžaduje instalaci senzorů (Zapletal, Kozel a Chytilová, 2022). Dotkli jsme se také tématu analýzy sentimentu na sociálních sítích, které představují důležitý zdroj dat pro podporu rozhodování (Švaňa, 2022). Náš model využití hesitance fuzzy množin se stal základem pro vyhodnocení dotazníkového průzkumu v rámci projektu DANTE (Hudec et al., 2022b). Vylepšený model pro klasifikaci pomocí ordinálních součtů vedl k aplikované publikaci vydanou Medical University of Graz (Saranti et al., 2022). Tento model se taky využívá v rámci experimentů s obrazovými daty na Univerzite Baleárských ostrovů. Na základě výsledků projektu SGS SP2022/113 jsme v spolupráci se zahraničními experty (prof. A, Hadjali, National Engineering School for Mechanics and Aerotechnics, Francie; a prof. E. Portmann, University of Fribourg, Švýcarsko) připravili pro konferenci Eusflat 2023 speciální sekci “Fuzziness in Smart Cities”. V rámci navrhovaného projektu chceme na projekt SGS SP2022/113 navázat a dále se věnovat problematice podpory rozhodování ve Smart městech a rozvíjet metody řešení výše zmíněných problémů neurčitých dat a zohlednění názorů různých zájmových skupin. Konkrétně se chceme věnovat následujícím navzájem provázaným oblastem: (a) PODPORA ROZHODOVÁNÍ V KONTEXTU OCHRANY ŽIVOTNÍHO PROSTŘEDÍ V současné době žije 54% světové populace ve městech, přičemž se očekává, že tento podíl bude nadále růst. Města jsou zodpovědná za většinu světové ekonomické aktivity, spotřebu energie a emise skleníkových plynů. Očekává se, že právě Smart Cities budou hrát klíčovou roli při dosahování vytyčených zelených cílů. Emise skleníkových plynů mohou Smart Cities významně snižovat především v odvětví dopravy a také nižší výrobou elektřiny a tepla. Sektor dopravy je zodpovědný za 14% celosvětových emisí skleníkových plynů a výroba elektřiny a tepla dokonce za 25%. V rámci tohoto projektu se budeme snažit přispět ke zlepšení situace dalším zdokonalováním modelu pro chytrý sběr odpadu, který by měl podle provedených simulací nejen zkrátit čekací dobu před odvozem, ale i celkovou vzdálenost, kterou musí odpadové vozy ujet. V současné době existuje základní verze, ve které jsou nádoby ve sběrných místech obsluhovány na základě dvojice reportů (hlášení o „poloplné“ nádobě a hlášení o plné nádobě). Další vylepšení by měla zahrnovat: (a) modelování sběrných míst, které se odmítají zapojit do chytrého systému a posouzení vlivu na přínos systému, (b) modelování různých režimů v průběhu roku (letní prázdniny, Velikonoce, Vánoce), (c) nastavení parametrů systému tak, aby motivoval zapojení (co největšího počtu) subjektů (d) zavedení chytré prioritizace odběrných míst na základě reportů z minulosti, která by měla systém dále zefektivnit a (e) testování využití lingvistických souhrnů, které by měly subjekty srozumitelně informovat o jejich „odpadové aktivitě“ v porovnání s ostatními a tím je motivovat ke snížení produkce odpadu (např. „Většina podobně velkých domácností jako vy má výrazně nižší produkci odpadů“). (b) ZOHLEDNĚNÍ NÁZORU OBYVATEL V RÁMCI ROZHODOVÁNÍ NA ÚROVNI SAMOSPRÁV Někteří odborníci z oblasti Smart Cities jako např. Halegoua (2020) jsou názoru, že za nejdůležitější hráče se v této doméně považují samosprávy a firmy, přičemž názorům občanů se při rozhodování reálně přisuzuje pouze malá váha. Jednou z možných příčin mohou vysoké náklady na sběr dat, komplexita následného zpracování a chybějící metody pro jednoduchou interpretaci se zaměřením především na jednotlivé občany. Vysoká komplexita je přitom důsledkem kvalitativního a nestrukturovaného charakteru těchto dat a nemožnosti aplikace tradičních agregačních metod. Problém sběru dat chceme v rámci tohoto projektu adresovat využitím dat ze sociálních sítí, kde občané běžně sdílí své názory. Největší překážkou je přitom detekce příspěvků, které lze považovat za relevantní pro podporu rozhodování např. na úrovni daného města. Pro řešení problému následného zpracování a vyhodnocení dat využijeme metod strojového učení a metod zpracování přirozeného jazyka. V posledních letech se přitom v této oblasti prosazují metody založené na hlubokých neuronových sítích, především modely typu transformer, jako např. BERT (Devlin et al., 2019) nebo GPT-3 (Brown et al., 2020). Výsledky analýzy dat ze sociálních sítích bude následně potřebné prezentovat v podobě vhodnou pro podporu rozhodování na úrovni samospráv i jednotlivců. Budeme proto zkoumat možnost využití lingvistické sumarizace založené na fuzzy množinách a fuzzy logice k vytěžení znalostí jak z dat získaných ze sociálních sítí, tak chytrých měst obecně. (c) ZDOKONALENÍ MATEMATICKÝCH METOD PRO PODPORU ROZHODOVÁNÍ Neurčitost dat a zohlednění názorů vícero zájmových skupin vede k nutnosti dalšího rozvoje matematických metod pro podporu rozhodování. Budeme se proto věnovat pře práci s neurčitými daty v rámci metod vícekriteriálního rozhodování. V oblasti Smart Cities je jednou z nejpoužívanějších metod AHP (Hajduk, 2021). Jelikož je při rozvoji Smart Cities potřeba rozhodovat o výběru z přípustných řešení či variant, vyhodnocovat technickou efektivitu srovnávaných jednotek a navrhovat možné kroky pro zefektivnění vícero řešení, chtěli bychom v projektu pro tento účel využít i metodu analýzy obalu dat (DEA). Častou situací je i intenzita závislost mezi různými hodnotícími kritérií. V tomto kontextu budeme zkoumat problematiku fuzzy funkčních závislostí a využití lingvistických souhrnů (Vučetić et al., 2022) pro detekci a vysvětlení závislostí mezi atributy. V rámci problému agregace hodnocení napříč různými atributy nebo zájmovými skupinami zkoumat využití diskrétního Choquetova integrálu (Takáč et al., 2021), který umožňuje přirazení vah nejen jednotlivým atributům nebo skupinám, ale taky jejich koalicím. (d) DOLOVÁNÍ INFORMACÍ Z BIG DATA PRO PLÁNOVÁNÍ UDRŽITELNÉ MOBILITY A JEJICH INTERPRETACE Udržitelná řešení mobility občanů a mobilita “na požádání” zažívá v posledních letech nevídaný růst. To vede k produkci velkého množství souvisejících dat (Kong a kol., 2020). To vede k potřebě vhodných řešení pro analýzu a následnou interpretaci těchto dat šitou na míru různým zájmovým skupinám. Chytrá města by neměly pouze služby udržitelné mobility pouze poskytovat, měli by se snažit o co nejlepší implementaci těchto služeb a optimální využití alokovaných zdrojů (Torre-Bastida et al., 2018). Vedení měst si v rámci optimalizace využití zdrojů může klást mnoho otázek. Pokud si jako příklad vezmeme sdílení kol, můžeme čelit otázkám jako: Které stanice jsou nejvíc využívané? Kdy v průběhu dne je poptávka na jednotlivých stanicích největší? Jak turismus ovlivňuje dostupnost kol? Identifikované vzory chování systému jsou hodnotné pro plánování i pro informování různých zájmových skupin ve městě. A i když tato data mohou pocházet z relativně přesných sensorů, stále sebou nesou neurčitost v podobě konceptů jako “včasné ráno”, “pozdní večer”, “hodně využívaná stanice” apod. Dalším problémem v této oblasti je vztah mezi daty spojenými s mobilitou a geografickou charakteristikou města nebo regionu, který je možné modelovat pomocí fuzzy funkčních závislostí. První přístupy k řešení tohoto problému (Hudec et al., 2020) jsme navrhli již v rámci projektu SGS SP2020/125. Využití lingvistických sumarizací v rámci problému udržitelné mobility proto může přinést výhody mnohým zájmovým skupinám. Podobná řešení již existují například v doméně spotřeby energií (van der Heide a Trivino, 2009). Pro výzkum tohoto podproblému využijeme otevřená data z několika měst. Následně zvážíme možnosti aplikace v našem regionu.

2023

2023

Ministerstvo školství, mládeže a tělovýchovy

SGS

Specifický výzkum VŠB-TUO

Švaňa Miloš Ing.