Конкурс «IT-прорыв» проводился уже в пятый раз. Организаторами выступили Университет ИТМО и ОАО «Росэлектроника» при поддержке бизнес-инкубатора вуза и стартап-акселератора SUMIT. Цель конкурса — объединить усилия и знания представителей разных областей науки и техники по созданию и внедрению инновационных IT-разработок. Участники могут подавать заявки по шести номинациям: IT в радиоэлектронике; IT-безопасность; IT в медицине; IT в образовании; IT в энергетике; телеком идея — лучшее мобильное приложение; а также гран-при за лучший проект в рамках импортозамещения. Победители конкурса получают материальную поддержку для дальнейшего развития своих проектов. Общий призовой фонд соревнований составляет два миллиона рублей. Кроме того, конкурс является отличным дополнением в портфолио для молодых ученых и разработчиков, которое в дальнейшем поможет в борьбе за другие престижные гранты от различных фондов. В этом году обучающиеся Университета ИТМО заняли первые места сразу в трех номинациях. Мы расскажем о двух из победивших команд.
ДТП не будет помехой движению на дорогах
Ежедневно в Санкт-Петербурге, как и в любом другом крупном городе, происходят сотни дорожно-транспортных происшествий. Сотрудники дорожно-патрульных служб выезжают на места происшествий в порядке поступления звонков от участников ДТП. При этом диспетчерам, которые принимают звонки и распределяют патрули, сложно каждый раз учитывать огромное количество факторов и принимать наиболее эффективные и быстрые решения. Дорожные аварии будут по-разному влиять на дорожную обстановку в зависимости от того, когда они произошли и где. К примеру, ДТП, занимающее три полосы на Московском проспекте в 18:30, может вызвать затор на дороге, при этом ДТП на одной полосе Новоизмайловского проспекта в 18:20 не окажет существенного влияния на дорожную ситуацию. Хотя оба ДТП произошли в одном районе примерно в одно время, целесообразнее сначала выехать на то ДТП, которое сильнее влияет на порядок движения.
Команда проекта «Мобильный диспетчер ДПС» создала систему, которая будет учитывать эти факторы, ранжировать ДТП по степени приоритетности и в соответствии с этим формировать маршруты патрулей. Для ранжирования транспортных аварий сервер будет собирать информацию о текущем трафике на дорогах, времени поступления заявок, степени перекрытия дороги в результате ДТП, координатах аварии, количестве свободных патрульных машин и их местоположении. Степень «тяжести» происшествия для транспортной обстановки будет определяться методами машинного обучения и кластеризации. Таким образом, удастся экономить время сотрудников ДПС и оптимизировать разрешение дорожных проблем.
«Мы запрашивали у официальных представителей дорожно-патрульных служб информацию о том, каким образом диспетчеризация патрулей происходит сейчас. Сотрудники оборудованы мобильными устройствами для оперативного оформления документов об аварии, в этом же устройстве хранятся данные о страховке, водительских удостоверениях участников ДТП. В рамках нашего проекта мы создаем отдельный модуль для этой существующей системы, который будет реализован в качестве мобильного приложения», — прокомментировала Ольга Козырева, студентка кафедры высокопроизводительных вычислений. Также в создании проекта участвовал студент Университета ВолГТУ Юрий Чечеткин. Ребята стали победителями в номинации «Телеком идея — лучшее мобильное приложение».
Проект, в котором используются аналогичные методики оценивания дорожной ситуации, реализует в своей работе для Северо-Западного федерального медицинского исследовательского центра имени В. А. Алмазова выпускник магистратуры, будущий аспирант кафедры ВПВ Иван Деревицкий. Он разрабатывает систему для оптимизации маршрутов движения карет «скорой помощи». О необходимости такого решения на лекции для студентов Университета ИТМО рассказывал заведующий лабораторией острого коронарного синдрома Центра им. В. А. Алмазова Алексей Яковлев. По словам разработчика системы, сейчас проект находится на исследовательской стадии, в ходе которой важно собрать и проанализировать все необходимые данные по времени движения «скорой», по пробкам, по степени тяжести больных, к которым выезжают медики, и другую информацию. После этого будет создан прототип программы, которая станет автоматизированным помощником при принятии врачом оперативных решений.
Образовательные курсы под заказ
Победители конкурса «IT-прорыв» в номинации «IT в образовании», аспиранты Университета ИТМО Мария Карпова и Вадим Шмелев разработали систему индивидуализации учебных программ «Твой курс», которая соответствует основным современным трендам в образовании. Сегодня этих трендов два: это массовость и индивидуализация, уверен эксперт проекта, доцент кафедры ВПВ Алексей Духанов. Первый подразумевает все возрастающую популярность дополнительного обучения в виде коротких курсов, а второй — составление индивидуальных учебных модулей, которые учитывают начальные знания обучающегося, его предпочтения по ритму и методике получения новых знаний и другие параметры.
Система формирует курсы в виде последовательностей учебных объектов в зависимости от начальных компетенций студента и тех, которые он хочет получить после окончания обучения. Описание каждого учебного объекта включает в себя как технические параметры (язык, время прохождения, инструментарий), так и описание компетенций, требуемых на «входе» и получаемых на «выходе». Для прохождения каждого учебного объекта требуется определенный набор «входных» компетенций. Обучаемому предлагается пройти сначала те объекты, которые соответствует его начальным знаниям. За ними следуют учебные объекты, которые требуют на «входе» навыки, полученные в результате освоения предыдущих объектов. Генетический алгоритм анализирует, насколько предметы в одном курсе связаны между собой и подходят для последовательного изучения, и в результате выбирает наилучший набор учебных объектов. При этом их отбор и упорядочивание осуществляется на основе компетенций, выраженных с помощью таксономии Блума.
Таксономия Блума подразумевает постепенное освоение человеком новых уровней владения тем или иным знанием, этих уровней выделяют шесть: помнить, понимать, применять, анализировать, оценивать, создавать. Также в данной таксономии выделяются следующие виды знаний: фактов (фактические — factual), концепций (концептуальные — conceptual), процедур (процедурные — procedural) и метакогнитивные знания (metacognitive). Кроме того, сами знания имеют связи и зависимости между собой на основе выбранной онтологии предметной области, которые влияют на порядок их изучения. Таким образом, алгоритм позволяет находить и оценивать качество (степень) связи между объектами, компетенции которых не совпадают один в один. Это особенно актуально, поскольку зачастую приходится иметь дело с разношерстными учебными объектами, созданными различными людьми с разными целями, отметила Мария Карпова.
«Приложение с помощью генетического алгоритма составляет последовательности, которые привели бы от имеющихся у слушателя курса компетенций к желаемым таким образом, чтобы не было излишних модулей и слушателем были получены все необходимые компетенции. Например, чтобы он смог успешно пройти итоговое испытание в виде практического задания: учебного проекта или лабораторной работы», — добавила она.
При этом в системе «Твой курс» разработаны также методики оценивания полученных пользователем знаний. Таким образом, приложение существенно упрощает работу преподавателя и одновременно повышает качество образования, особенно если обучение ведется в группе студентов с разным уровнем подготовки и разными образовательными привычками. Сейчас команда проекта занимается сбором данных по учебным дисциплинам и программам магистратуры кафедры ВПВ, чтобы автоматизировать формирование образовательных траекторий и в Университете ИТМО.
«Существующие образовательные модули в вузе сформированы в ручном режиме, и в них присутствует некоторая абстракция. Наш же метод позволяет создать более четкую индивидуализированную траекторию обучения. Система может использоваться специалистами из разных областей. Например, если мы формируем курс по решению задач планирования транспортных потоков, то для подготовки студентов нашей кафедры он будет дополнительным для закрепления основных компетенций в области компьютерного моделирования путем решения предметных задач, а вот для обучающихся в транспортной отрасли — основным», — сказал Алексей Духанов.
Выиграть «IT-прорыв» ребятам помогли навыки, которые они получили в рамках школы «Технологии высокопроизводительных вычислений и компьютерного моделирования», которая состоялась в апреле 2016 года. Студенты и аспиранты учились подавать заявки на конкурс РФФИ, но полученный опыт реализовали в ходе «IT-прорыва». Они намерены и далее продолжать участвовать в различных конкурсах, в том числе проводимых в целях реализации Национальной технологической инициативы, и нацелены на воплощение своих проектов.
