Руководитель проекта: Едилхан Дидар
Источник финансирования: ПЦФ МНВО РК
Объем финансирования: 1 297 826 018,46 тенге
Годы реализации: 2024 – 2026 гг.
Описание проекта: Проект направлен на разработку интеллектуальной цифровой экосистемы Smart City, предназначенной для устойчивого развития городской среды и повышения качества жизни горожан в условиях стремительной урбанизации. Быстрый рост населения в мегаполисах оказывает растущее давление на инфраструктуру, ресурсы и безопасность, что требует внедрения инновационных решений в управление городами. Цифровая экосистема Smart City, создаваемая в рамках проекта, позволит объединить передовые технологии анализа данных, машинного обучения, Интернета вещей (IoT), облачных и телекоммуникационных решений, обеспечивая эффективный сбор, обработку, анализ и визуализацию мультидоменных городских данных.
Проект обладает высокой актуальностью в контексте современного развития городов, где становится необходимым обеспечить устойчивое функционирование инфраструктуры и повысить уровень комфорта для жителей. Данные вопросы требуют инновационные подходы к управлению городской средой. Исследование будет направлено на разработку комплексных решений, включающих в себя анализ научных тенденций, разработку новых методов сбора и обработки больших данных, обеспечение информационной безопасности беспроводных соединений, и улучшение сетевой инфраструктуры для обеспечения высокой пропускной способности и надежности телекоммуникационных сетей. Особое внимание уделяется разработке системы анализа видеопотоков с использованием глубокого обучения для повышения уровня безопасности горожан.
Основная цель научно-исследовательской программы заключается в разработке цифровой экосистемы Smart City в целях устойчивого развития города и повышения качества уровни жизни горожан. Результаты программы позволят предложить рекомендаций для администрации крупных городов РК по созданию городской среды, которая поддерживает устойчивое и процветающее развитие, а также повышает уровень комфорта и благополучия для всех горожан.
— за 2024 год:
1. Сравнительный анализ существующих методов сбора больших городских данных с фокусировкой на транспортных данных и сопряженных данных Smart City.
2. Инициация и планирование задачи повышения пропускной способности и надежности сетей 5G в условиях плотной городской застройки: определение цели, объема и результаты проекта. Сравнительный отчет по обзору литературы.
3. Проектирование и разработка имитационных моделей: сбор и анализ данных, предварительная обработка наборов данных с требуемыми характеристиками для обучения модели искусственного интеллекта.
4. AI-модели для снижения HOP и минимизации отказов при хэндовере в сценариях высокой мобильности в сверхплотных сотовых сетях 5G и 6G.
5. Исследование и обзор существующих алгоритмов и методов машинного обучения для распознавания лиц с целью выявления их преимуществ и недостатков: обзор алгоритмов и методов машинного обучения для распознавания лиц.
6. Структурная модель сбора данных для сбора и подготовки большого объема данных.
7. Экспериментальные исследования по оптимизации интегрированных систем вертикального фермерства на основе выращивания микрозелени свеклы и эстрагона.
8. Материал с помощью вертикального фермерства и сбор образцов микрозелени свеклы и эстрагона для дальнейших анализов и исследований.
9. Обзор и сравнительный анализ методов тестирования на проникновение и анализ уязвимостей беспроводных сетей в контексте цифровых экосистем города, с целью обеспечения высокого уровня защищенности данных и предотвращения несанкционированного доступа к информационным ресурсам городской инфраструктуры.
10. Анализ баз данных уязвимостей беспроводных сетей для Интернета вещей (IoT), выполнено моделирование атак в беспроводных сетях на основе анализа данных об информационно-коммуникационной инфраструктуре Smart City и уязвимостях IoT-устройств.
11. Обзор и сравнительный анализ технологий и решений для разработки комплексной платформы экосистемы умного города.
12. Архитектура комплексной цифровой платформы умного города для сбора и аналитической обработки данных.
13. Не менее 3 статей в журналах, рекомендованных КОКНВО.
— за 2025 год:
1. Сбор мультидоменных данных с фокусировкой на транспортных данных: Мультидоменные данные, база данных.
2. Унифицированная архитектура данных, которая позволит интегрировать различные источники, обеспечивая целостность, безопасность и доступность данных.
3. Оптимальные решения по управлению мобильностью, которые решают проблемы управления хэндоверами в сверхплотных сетях.
4. Модели и алгоритмы оптимизации решений, которые лучше всего подходят для различных моделей развертывания сети и системных настроек сотовых сетей 5G/6G.
5. Интеллектуальные решения, позволяющие найти гармоничное равновесие между минимизацией сложности сети и максимизацией эффективности управления хэндовером в сетевых средах 5G/6G.
6. Архитектуры глубоких нейронных сетей для распознавания лиц.
7. Модели глубоких нейронных сетей, система для быстрой обработки изображений.
8. Физико-химические показатели, показателей безопасности микрозелени свеклы и эстрагона.
9. Выращивание материала помощью вертикального фермерства и сбор образцов микрозелени свеклы и эстрагона для дальнейших анализов и исследований.
10. Экспериментальные исследования по разработке технологии напитков из микрозелени свеклы и эстрагона.
11. Исследования физико-химических, микробиологических и технологических свойств разработанной.
12. Исследования по разработке методики оценки защищенности беспроводных IoT-сетей с использованием графов и таксономии уязвимостей. Форма завершения — методика оценки защищенности беспроводных IoT-сетей.
13. Исследования по разработке метода и инструмента для эффективного тестирования беспроводных сетей на проникновение. Форма завершения — метод и инструмент тестирование на проникновение в беспроводных IoT-сети.
14. Комплексная цифровая платформа умного города для сбора и аналитической обработки данных.
15. Не менее 5 статей в журналах, рекомендованных КОКНВО.
16. Не менее 7 статей или обзоров в рецензируемых научных изданиях по научному направлению программы, входящих в 1-2 квартиль по импакт-фактору в базе данных Web of Science и (или) имеющих процентиль по CiteScore в базе данных Scopus не менее 50.
17. Не менее 2 патентов в зарубежных патентных бюро (европейском, американском, японском) или не менее 4 зарубежных или международных патентов, включенных в базу данных Derwent Innovations Index (Web of Science, Clarivate Analytics) либо не менее 4 объектов интеллектуальной собственности (патент; для заявок в области информационных технологий — авторское свидетельство), зарегистрированных в Национальном Институте интеллектуальной собственности РК.
— за 2026 год:
1. Методы эффективного сбора, хранения и анализа мультидоменных данных.
2. Интеграция алгоритмов искусственного интеллект для повышения производительности в процессы управления передачей в сетях 5G и 6G, используя возможности адаптации и обучения искусственного интеллекта для повышения производительности сети, снижения вероятности перебоев и улучшения пользовательского опыта.
3. Динамические решения на основе искусственного интеллекта для управления мобильностью радиостанций в высокоскоростных сценариях в зонах покрытия малых сот.
4. Валидация и верификация разработанных моделей.
5. Алгоритмы и методы быстрого поиска по биометрическим базам данных.
6. Проведение экспериментов и тестирование разработанных моделей и алгоритмов на реальных видеопотоках: результаты экспериментов и тестов разработанных алгоритмов.
7. Экспериментальные исследования по разработке технологии напитков из микрозелени свеклы и эстрагона.
8. Технология заменителя соли на основе растительного сырья Salicornia.
9. Проект нормативно-технической документации на новую продукцию.
10. Опытно-промышленная апробация производства разработанной продукции.
11. Испытание и анализ эффективности метода и инструмента для тестирования беспроводных сетей на проникновение, будет подготовлена техническая документация и заявка на регистрацию авторских прав на разработанные решения. Форма завершения — методика испытаний, программа испытаний, акт испытаний, количественные оценки эффективности метода и инструмента при лабораторных исследованиях и тестировании в реальных условиях, техническая документация.
12. Исследования по разработке практических рекомендаций для разработчиков и администраторов беспроводных сетей и IoT-устройств по использованию метода и инструмента тестирования на проникновение.
13. Интегрированная комплексная цифровой платформа умного города для сбора и аналитической обработки данных.
14. Не менее 4 статей в журналах, рекомендованных КОКНВО.
15. Не менее 4 статей или обзоров в рецензируемых научных изданиях по научному направлению программы, входящих в 1-2 квартиль по импакт-фактору в базе данных Web of Science и (или) имеющих процентиль по CiteScore в базе данных Scopus не менее 50.
16. Не менее 1 монографии или учебных пособий в зарубежных или казахстанских издательствах, рекомендованных ученым советом и (или) научно-техническим советом организации заявителя.
17. Не менее 2 патентов в зарубежных патентных бюро (европейском, американском, японском) или не менее 3 зарубежных или международных
— За 2024 год
1.1 Проведен сравнительный анализ методов сбора городских данных с акцентом на транспорт и мультидоменные источники.
2.1 Выполнено планирование и анализ повышения надёжности 5G в условиях плотной городской застройки.
2.2 Разработана и протестирована имитационная модель MobTest для оценки качества сетей.
2.3 Исследованы и внедрены AI-модели для управления мобильностью и анализа больших данных.
3.1 Проведен обзор алгоритмов машинного обучения для распознавания лиц.
3.2 Разработана модель сбора и подготовки данных для систем видеонаблюдения.
4.1 Реализована цифровая система вертикального фермерства с сенсорами и облачной аналитикой.
4.2 Проведено выращивание и сбор образцов микрозелени свеклы и эстрагона.
5.1 Проанализированы уязвимости беспроводных сетей и предложены методы тестирования.
5.2 Смоделированы атаки на IoT-сети; выявлены уязвимости и предложены меры защиты.
6.1 Выполнен обзор решений для построения платформы умного города.
6.2 Разработана архитектура платформы умного города.
7.1 Опубликовано 6 статей в журналах, рекомендованных КОКНВО.
— За 2025 год
1.2 Сформирована база мультидоменных транспортных данных в едином формате.
2.4 Реализована среда мониторинга качества связи и подготовлена AI-выборка.
2.5 Внедрены AI-модели для прогнозирования и оптимизации сетевой передачи.
3.3 Оптимизированы архитектуры нейросетей для точного распознавания лиц.
4.3 Исследованы физико-химические параметры и безопасность микрозелени.
4.4 Проведено до 10 циклов выращивания на вертикальной ферме, собраны образцы для анализа.
5.3 Разработана методика оценки защищенности IoT-сетей с использованием графов.
5.4 Создан инструмент для тестирования беспроводных сетей на проникновение.
6.3 Создан прототип ядра цифровой платформы умного города.
7.2 Опубликовано 11 статей в журналах КОКНВО за январь-июнь 2025 года.
7.3 Опубликованы 5 статьи в изданиях Scopus/Web of Science (Q1/Q2).
7.4 Зарегистрированы 4 свидетельства о программных продуктах в РК.
Подтверждена защита 1 PhD-диссертации.
Подтверждена защита 7 Магистерской-диссертации.
Цель рабочей программы №1: Исследование и разработка методов для эффективного сбора, хранения и аналитической обработки мультидоменных данных умного города.
Результаты рабочей программы №1:
Проведен сравнительный анализ существующих методов сбора больших городских данных с фокусировкой на транспортных данных и сопряженных данных Smart City.
Разработана концептуальная и физическая архитектура мультидоменных данных умного города.
Поданы научные публикации, описывающие применение различных моделей машинного обучения для решения задачи прогнозирования времени прибытия автобуса.
Цель рабочей программы №2: Исследование и разработка эффективных решении в области искусственного интеллекта (ИИ), обеспечивающие стабильный и высокоскоростной доступ, предоставляемый сотовыми сетями 5G и 6G в ультраплотных и умных городах.
Результаты рабочей программы №2:
Цель рабочей программы №3: Разработка и оптимизация алгоритмов глубокого обучения для реализации системы видеонаблюдения с функцией распознавания лиц, обеспечивающей высокую точность и скорость идентификации личности в реальном времени в целях повышения безопасности в общественных местах
Результаты рабочей программы №3:
Проведено исследование и обзор алгоритмов и методов машинного обучения для распознавания лиц с целью выявления их преимуществ и недостатков;
Проведено исследование и разработка структурной модели сбора и подготовки больших данных для машинного и глубокого обучения;
Разработана структурная модель системы для контроля доступа в общежитии университета и распознавания пассажиров.
Опубликована статья «Comprehensive evaluation of real-time object detection algorithm based on extended criteria» в Вестнике КазАТК
Поданы научные статьи в рецензируемые научные издания, индексируемые в Scopus, WoS [Q1-Q2].
Цель рабочей программы №4: Разработка и оптимизация интегрированных систем вертикального фермерства, нацеленных на устойчивое производство сельскохозяйственной продукции в городе
Результаты рабочей программы №4:
Цель рабочей программы №5: Исследование методов тестирования на проникновение и анализ уязвимостей беспроводных сетей в контексте цифровых экосистем города, с целью обеспечения высокого уровня защищенности данных и предотвращения несанкционированного доступа к информационным ресурсам городской инфраструктуры.
Результаты рабочей программы №5:
Цель рабочей программы №6: создать единую цифровую платформу для умного города, способную интегрировать данные различных систем города, обеспечивая их сбор, аналитическую обработку, предсказания и визуализацию. Это позволит повысить эффективность управления ресурсами города, улучшить взаимодействие с гражданами и обеспечить устойчивое развитие городской инфраструктуры.
Результаты рабочей программы №6:
Подробнее о проекте: https://www.qna.kz/