№АР19674517

Руководитель проекта Бектемысова Гулнара Умиткуловна, к.т.н., профессор

Цель проекта. Разработка умной карты для планирования и оценки эффективности работы городской инфраструктуры на базе моделей анализа активности человека в условиях города.

Актуальность. Популярность онлайн-услуг в Казахстане непреклонно возрастает, даже среди представителей старших поколений. Немаловажную роль в этом сыграла пандемия коронавируса, которая дала мощный импульс в распространении дистанционных технологий. Сейчас люди практически ежеминутно взаимодействуют с различными программными комплексами и оставляют свой «информационный след». Такое явление естественным образом влечет за собой экспоненциальный рост объема цифровой информации. Передовые страны в области IT-технологий уже давно знакомы с проблемой накопления больших объемов данных, поэтому на сегодняшний день эта проблематика достаточно хорошо изучена и существует много мировых исследований в данном направлении. Исследования показали, что применение различных математических моделей и обработка больших объемов данных способны принести большую пользу для самых разных сфер деятельности человека, начиная от бизнеса и заканчивая медициной.

Цифровые следы, которые оставляют за собой пользователи, постоянно взаимодействуя с разными IT-системами, очень часто могут содержат в себе много информации. Сбор, хранение и обработка большого объема таких данных в теории может стать основой для разработки системы, которая могла бы быть полезна и применима в самых разных сферах деятельности человека. Использование подобных моделей может быть крайне полезным для задач оптимизации процессов различных сфер деятельности человека в условиях городской инфраструктуры.

Ожидаемые результаты:

Разработанная умная карта на базе комплекса моделей и систем поддержки принятия решений потенциально приведет к следующим результатам:

• В Казахстане будет разработана собственная интеллектуальная система планирования и оценки эффективности процессов работы городской инфраструктуры.
• Разработанная система будет импульсом в развитии умных систем концепции Smart City в Казахстане.
• Разработанная система будет решать вопросы оптимального планирования бюджета, что особенно актуально в условиях возможных экономических трудностей, с которыми по прогнозам экспертов может столкнуться большая часть стран мира.
• Разработанная система будет влиять на степень качества планирования, “продуманности” развития городской инфраструктуры, что в перспективе окажет положительное влияние на рост качества жизни населения Казахстана.
• Разработанная система на основе проанализированных данных будет предоставлять новые возможности и рекомендации для развития частного бизнеса.

Результаты проекта имеют возможность масштабирования во многих отраслях Республики Казахстан.

Достигнутые результаты:

Реализация проекта позволила создать комплексную интеллектуальную систему пространственно-временного анализа городской среды.

В ходе выполнения проекта:

• разработан математический и алгоритмический аппарат для моделирования и прогнозирования активности населения на основе данных мобильных операторов и инфраструктурных слоев города Алматы,
• создана архитектура Data Lake, обеспечивающая интеграцию и хранение больших объемов разнородных данных,
• проведено обучение моделей кластеризации и регрессии (DBSCAN, KMeans++, LightGBM, XGBoost) для оценки эффективности маршрутов и анализа плотности городской активности,
• реализован web-интерфейс визуализации модуля «Умная карта», обеспечивающий интерактивный анализ транспортных, учебных, медицинских и рабочих маршрутов,
• протестированы механизмы анализа эффективности маршрутов и отображения транспортных единиц в реальном времени

Результаты проекта обеспечивают возможность:

• оптимизации транспортной инфраструктуры и планирования новых маршрутов,
• рационального распределения городских ресурсов и оценки эффективности инвестиций,
• создания интеллектуальных подсистем Smart City, применимых для городских структур, транспортных и строительных компаний.

Проект завершен в полном объеме. Все запланированные задачи выполнены, результаты апробированы и подтверждены публикациями – всего 6 научных статей, включая издание Scopus с процентилем 88%, Q1 и статью в журнале из перечня КОКСОН. Разработанные технологии обладают высокой степенью готовности к внедрению и масштабированию в других регионах Республики Казахстан.

Практическая значимость проекта заключается в том, что созданная система может стать основой для построения единой городской платформы анализа данных, обеспечивающей интеллектуальную поддержку управленческих решений в области транспорта, строительства, урбанистики и экологии.

Научная новизна работы заключается в интеграции методов машинного обучения с агрегированными и обезличенными телеком-данными для формирования моделей мобильности населения и транспортного планирования.

Впервые для Казахстана разработана интеллектуальная система анализа городской инфраструктуры, основанная на обработке пространственно-временных данных мобильных операторов, интегрированных с информацией о транспортной и социальной инфраструктуре города Алматы. Впервые предложен подход, позволяющий количественно оценивать эффективность транспортных маршрутов и распределение объектов городской инфраструктуры на основе реальных данных активности населения.

Кроме того, впервые для задач оптимизации городской инфраструктуры в концепции «умного города» предложено применение метаэвристических алгоритмов, что расширяет инструментарий интеллектуального анализа и поддержки управленческих решений в сфере городского планирования. Работа включает сложные теоретические расчеты и статистическую валидацию на большом массиве данных, охватывающем десятки тысяч пространственных точек и более трех месяцев активности населения. Использованы методы кластеризации (DBSCAN, KMeans++, Agglomerative) с оптимизацией гиперпараметров через Grid Search и кросс-валидацию. Проведен сопоставительный анализ метрик (Silhouette, DB-Index), статистическая проверка различий (p<0.05), а также настройка моделей регрессии (LightGBM, XGBRegressor, LinearRegression) с автоматизированным подбором гиперпараметров в Optuna. Уровень проработки характеризуется высоким уровнем теоретической и прикладной глубины, многоуровневой обработкой Big Data и тщательной статистической проверкой.

Разработанная «умная карта» имеет широкие перспективы применения:

• в государственном и бизнес планировании для оптимизации маршрутов и оценки транспортной доступности,
• в телекоммуникационном и бизнес-секторе для анализа пространственного спроса и размещения объектов,
• в научных исследованиях Smart City - как модель для масштабирования на другие города Казахстана.
  
  Список публикаций (2023-2025):
• Mohammad Dehghani, Gulnara Bektemyssova, Zeinab Montazeri, Galymzhan Shaikemelev, Om Parkash Malik and Gaurav Dhiman. (2023) Lyrebird Optimization Algorithm: A New Bio-Inspired Metaheuristic Algorithm for Solving Optimization Problems. Biomimetics 2023, 8(6), 507. (Scopus: Q2, Процентиль – 53, 2022) URL: https://doi.org/10.3390/biomimetics8060507
• Gulnara Bektemyssova, Aiman Moldagulova, Galymzhan Shaikemelov, Sayan Omarov, Saltanat Nuralykyzy. (2024) Research on spatial aggregation patterns of urban population in Almaty City based on heat map. 10th 2024 International Conference on Control, Decision and Information Technologies, CoDIT 2024. pp. 2194-2198. URL: https://doi.org/10.1109/CoDIT62066.2024.10708175
• Tareq Hamadneh, Khalid Kaabneh, Omar Alssayed, Gulnara Bektemyssova, Galymzhan Shaikemelev, Dauren Umutkulov, Zoubida Benmamoun, Zeinab Monrazeri and Mohammad Dehghani. (2024) Application of Stork Optimization Algorithm for Solving Sustainable Lot Size Optimization. Computers, Materials & Continua 2024, 80 (2), рр. 2005-2030. (Scopus: Q1, Процентиль – 79, 2023) URL: https://doi.org/10.32604/cmc.2024.052401
• Tareq Hamadneh, Khalid Kaabneh, Ibraheem Abu Falahah, Gulnara Bektemyssova, Galymzhan Shaikemelev, Dauren Umutkulov, Sayan Omarov, Zeinab Monrazeri, Frank Werner and Mohammad Dehghani. (2024) Magnificent Frigatebird Optimization: A New Bio-InspiredMetaheuristic Approach for Solving Optimization Problems. Computers, Materials & Continua 2024, 80(2), рр. 2721-2741. (Scopus: Q1, Процентиль – 79, 2023) URL: https://doi.org/10.32604/cmc.2024.054317
• Бектемысова Г.У., Молдагулова А.Н., Шайкемелев Г.Т., Омаров С.С., Нуралыкызы С. (2025) Пространственно-временная аналитика городского населения с применением тепловых карт. Вестник КБТУ. – Том 22, выпуск 1. – №1(72), – 2025. – С. 150-162. URL: https://doi.org/10.55452/1998-6688-2025-22-1-150-162 , ISSN 1998-6688
• Gulnara Bektemyssova, Artem Bykov, Aiman Moldagulova, Sayan Omarov, Galymzhan Shaikemelev, Saltanat Nuralykyzy and Dauren Umutkulov. (2025) Analysis of Spatial Aggregation and Activity of the Urban Population of Almaty Based on Cluster Analysis. Sustainability 2025, 17(7), 3243. (Scopus: Q1, Процентиль – 88, 2025) URL: https://doi.org/10.3390/su17073243
  
  

Состав исследовательской группы: